CN110795610B - 一种基于聚类的电力负荷分析方法 - Google Patents
一种基于聚类的电力负荷分析方法 Download PDFInfo
- Publication number
- CN110795610B CN110795610B CN201910879691.XA CN201910879691A CN110795610B CN 110795610 B CN110795610 B CN 110795610B CN 201910879691 A CN201910879691 A CN 201910879691A CN 110795610 B CN110795610 B CN 110795610B
- Authority
- CN
- China
- Prior art keywords
- class center
- clustering
- archive set
- power
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 238000004220 aggregation Methods 0.000 claims abstract description 16
- 230000002776 aggregation Effects 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000004140 cleaning Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 11
- 238000006116 polymerization reaction Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims 1
- 230000001502 supplementing effect Effects 0.000 claims 1
- 230000002354 daily effect Effects 0.000 description 11
- 230000006399 behavior Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于聚类的电力负荷分析方法，包括数据预处理模块、特征提取模块和聚类模块，用来对提交的数据进行验证、清洗和标准归一化；从日常24维载荷数据中提取一些特征，用来直接反映用户的用电行为特征；聚类模块包括类中心生成单元，参数设置单元，初次聚合单元和二次聚类单元。本发明针对不同的用电单位或部门以及不同的用电设备对电力的需求量，使用聚类的电力负荷分析方法，针对性的对特定用户群提供主动服务，实现改善客户关系，提高客户满意度、防范电费风险，减少峰谷负荷，实现服务优质化和降本增效等目标。
Description
技术领域
本发明属于电力领域，涉及一种针对不同的用电单位或部门以及不同的用电设备对电力的需求量，使用聚类的电力负荷分析方法，具体地说是一种电力行业内基于聚类的电力负荷分析方法。
背景技术
聚类分析已被广泛应用于诸多领域，包括商业智能，图像模式识别，生物学和安全性。在商务智能应用中，聚类可以用来把大量客户分组，其中组内的用户具有非常类似的特征，这有利于开发加强客户关系管理的商务策略。客户聚类的目的不仅是实现企业内部客户的统一有效识别，而且还指导企业客户管理的战略资源配置和战术服务营销对策应用。为公司以客户为中心的个性化服务和专业营销做有力的技术支持。客户群集可以分析客户的消费行为，还可以分析客户的消费心理。 企业可以为不同行为模式的客户提供不同的产品内容，为不同消费者心理的客户提供不同的销售方式。客户聚类也是其他客户分析的基础，在聚类后的数据中进行深入的挖掘更有针对性，也可以得到更有意义的结果。
电力系统中，电气设备所需用的电功率称为电力负荷。电力负荷就是电力系统中所有用电设备消耗功率的总和。用电负荷是一个不断变化的量，不同的用电单位或部门以及不同的用电设备，对电力的需要量、用电方式都有明显的差别。
伴随着大数据和电力信息化的飞速发展，国家电网公司开发应用了用电信息采集系统，该系统采集了用电客户每天96个点的用电负荷和用电量数据，在对该数据的分析和使用的过程中，实现对电力公司远方控制和保障限电不拉闸，实现计划用电。对安全用电提高国民经济效益，起到了至关重要的作用。电力负荷聚类分析是需求侧管理、负荷建模、电力系统规划等工作的重要基础,对电力系统的分析、运行、规划都具有重要意义
通过收集、归类和定义不同属性和行为特征的用电客户群，分析客户用电负荷趋势，使电力公司有针对性的对客户提供主动服务，是电力行业中急需解决的问题。
发明内容
针对不同的用电单位或部门以及不同的用电设备对电力的需求量，使用聚类的电力负荷分析方法。本发明的目的在于提供一种基于聚类的电力负荷分析方法，针对性的对特定用户群提供主动服务，实现改善客户关系，提高客户满意度、防范电费风险，减少峰谷负荷，实现服务优质化和降本增效等目标。
本发明的目的通过以下技术方案实现：
一种基于聚类的电力负荷分析方法，其特征在于：包括数据预处理模块、特征提取模块和聚类模块，所述数据预处理模块用来对提交的数据进行验证、清洗和标准归一化；特征提取模块从日常24维载荷数据中提取一些特征，即峰值功耗比、负载率、谷电系数及每日电力消耗，用来直接反映用户的用电行为特征；聚类模块包括类中心生成单元，参数设置单元，初次聚合单元和二次聚类单元；类中心生成单元生成类中心，根据电力公司分析需求，设定一个由峰值功耗比、负载率、谷底电系数和每日电力消耗组成的4维数组；参数设置单元指定和优化聚类参数
，MinPts，
表示半径，MinPts表示在以类中心为圆心,
为半径的圆中点的个数；初次聚合单元根据类中心、
和MinPts，聚合为一个分簇；在类中心生成单元给出类中心后，根据参数设置单元给出的两个参数，聚合出一个核心点存档集合与临近点存档集，合并之后记为一个簇；该簇即为分析的用户群；二次聚类单元聚合非指定类以外的用户，得到其他类客户簇。
在数据预处理模块中，由于电力用户众多，电力数据规模较大，聚类处理需要进行大量的计算，本着节约算力和提高运算速度的原则，首先对提交的数据进行验证、清洗和标准归一化；
在特征提取模块中，本发明使用功耗特性对智能电网用户进行聚类。智能电网收集每个用户的每日功耗数据，收集频率是每小时一次，因此每个用户每天都有24维数据。为了减小电力数据维度，本发明从日常24维载荷数据中提取了一些特征。，这些少量特征可以直接反映用户的用电行为特征，因此，本发明选择了以下定义的四个特征：
峰值功耗比：此特征表示峰值功率与平均功率之比。
负载率：此特征显示用户每日平均负载与最大负载的比率。
谷电系数:此特征显示平时总耗电量与总耗电量之比。
每日电力消耗:此特征显示一天内的总耗电量；
在聚类模块中，包括类中心生成单元，参数设置单元，初次聚合单元和二次聚类单元,每个单元具体内容如下：
类中心生成单元:该单元负责生成类中心，根据电力公司分析需求，设定一个由峰值功耗比、负载率、谷底电系数和每日电力消耗组成的4维数组，该数组为电力公司要着重分析的客户群的一个典型代表。
参数设置单元:该单元负责指定和优化聚类参数
，MinPts，
表示半径，MinPts表示在以类中心为圆心,
为半径的圆中点的个数。
初次聚合单元: 该单元负责根据类中心、
和MinPts，聚合为一个分簇。在类中心生成单元给出类中心后，根据参数设置单元给出的两个参数，经过图2流程聚合出一个核心点存档集合与临近点存档集，合并之后记为一个簇。该簇即为电力公司主要想分析的用户群，初次聚合流程如图2所示。
二次聚类单元:该单元主要负责聚合非指定类（初次聚合结果）以外的用户，得到其他类客户簇。二次聚类聚合流程如图3所示。
本发明有益效果如下：
针对不同的用电单位或部门以及不同的用电设备，对电力的需要量，基于用电负荷对客户进行聚类分析，在聚类之前首先进行初次聚合，确定特定用户群簇，之后再使用聚类算法对剩余客户进行聚类，最终得到电力公司需要分析的优先级最高的特定用户群和其他用户群。使电力公司有针对性的对批量客户提供主动服务，实现改善客户关系，提高客户满意度、防范电费风险，减少峰谷负荷，实现服务优质化和降本增效等目标。
附图说明
图1本发明电力负荷分析方法的流程。
图2 初次聚合单元流程。
图3 二次聚类单元流程。
图4电力负荷分析方法具体流程。
具体实施方式
一种基于聚类的电力负荷分析方法，图1本发明电力负荷分析方法的流程。该方法包括数据预处理模块、特征提取模块和聚类模块，所述数据预处理模块包括：用来对提交的数据进行验证、清洗和标准归一化；特征提取模块包括：从日常24维载荷数据中提取一些特征，即峰值功耗比、负载率、谷电系数及每日电力消耗，用来直接反映用户的用电行为特征；聚类模块包括类中心生成单元，参数设置单元，初次聚合单元和二次聚类单元。
具体实施例如下：
步骤1：电力公司将采集到的用户用电数据进行验证、补齐、标准化和归一化。
步骤2：在获取到初始用户用电数据后，从数据中提取峰值功耗比、负载率、谷电系数和每日电力消耗四个特征数据用来表征一个客户，如客户A为（2，0.8，0.5，90）。
步骤3：电力公司将根据其想要分析的特定用户群的基本用电习惯，指定一个类中心，根据类中心（1.5，0.6，0.5，45）和
（0.7），MinPts（6）参数，使用初次聚合单元，聚合出该用户群，为了避免用电公司对类中心把握不够准确这个问题，基于k距离方法计算聚合结果的类中心（1.6，0.65，0.45，45），并且返回到类中心生产单元，初次聚合直到类中心不在变化或者达到指定迭代次数。
步骤3.1：初始化核心点存档集和临近点存档集，将电力公司指定的类中心和其
（0.7）临域内的点存入核心点存档集。
步骤3.2：计算核心点存档集中是否存在所有点的
（0.7）临域内是否存在MinPts（6）个点，将满足条件的点加入核心点存档集。
步骤3.3：找出核心点存档集中所有核心点的临近点并将所有临近点加入临近点存档集。
步骤3.4：遍历临近点存档集，找出其中的核心点，并更新核心点存档集和临近点存档集，直到临近点存档集中不存在符合核心点特征的点。
步骤3.5 基于k距离计算类中心，替换人工设置的类中心，重复步骤3.1到3.4，直到类中心不变或者到达指定迭代次数。
步骤3.6：将核心点存档集与临近点存档集合并组成一个簇。
步骤4：从原始数据中提出步骤3.5中形成的簇，并且将剩余的点根据DBSCAN聚类算法形成其他多个分簇。
步骤5：输出以类中心（1.6，0.65，0.45，45）为代表的簇和其他类型簇。
Claims (2)
1.一种基于聚类的电力负荷分析方法，其特征在于：包括数据预处理模块、特征提取模块和聚类模块，所述数据预处理模块用来对提交的数据进行验证、清洗和标准归一化；特征提取模块从日常24维载荷数据中提取一些特征，即峰值功耗比、负载率、谷电系数及每日电力消耗，用来直接反映用户的用电行为特征；聚类模块包括类中心生成单元，参数设置单元，初次聚合单元和二次聚类单元；类中心生成单元生成类中心，根据电力公司分析需求，设定一个由峰值功耗比、负载率、谷底电系数和每日电力消耗组成的4维数组；参数设置单元指定和优化聚类参数
，MinPts，
表示半径，MinPts表示在以类中心为圆心,
为半径的圆中点的个数；初次聚合单元根据类中心、
和MinPts，聚合为一个分簇；在类中心生成单元给出类中心后，根据参数设置单元给出的两个参数，聚合出一个核心点存档集合与临近点存档集，合并之后记为一个簇；该簇即为分析的用户群；二次聚类单元聚合非指定类以外的用户，得到其他类客户簇；
具体步骤如下：
步骤1：将采集到的用户用电数据进行验证、补齐、标准化和归一化；
步骤2：在获取到初始用户用电数据后，从数据中提取峰值功耗比、负载率、谷电系数和每日电力消耗四个特征数据用来表征一个客户；
步骤3：根据其想要分析的特定用户群的基本用电习惯，指定一个类中心，根据类中心和
，MinPts参数，使用初次聚合单元，聚合出该用户群，为了避免对类中心把握不够准确，基于k距离方法计算聚合结果的类中心，并且返回到类中心生产单元，初次聚合直到类中心不在变化或者达到指定迭代次数；
步骤3.1：初始化核心点存档集和临近点存档集，将电力公司指定的类中心和其
临域内的点存入核心点存档集；
步骤3.2：计算核心点存档集中是否存在所有点的
临域内是否存在MinPts个点，将满足条件的点加入核心点存档集；
步骤3.3：找出核心点存档集中所有核心点的临近点并将所有临近点加入临近点存档集；
步骤3.4：遍历临近点存档集，找出其中的核心点，并更新核心点存档集和临近点存档集，直到临近点存档集中不存在符合核心点特征的点；
步骤3.5 基于k距离计算类中心，替换人工设置的类中心，重复步骤3.1到3.4，直到类中心不变或者到达指定迭代次数；
步骤3.6：将核心点存档集与临近点存档集合并组成一个簇；
步骤4：从原始数据中提出步骤3.5中形成的簇，并且将剩余的点根据DBSCAN聚类算法形成其他多个分簇；
步骤5：输出以类中心为代表的簇和其他类型簇。
2.根据权利要求1所述的基于聚类的电力负荷分析方法，其特征在于：在聚类之前，指定一个类中心，初步聚合出该用户群，并且基于k距离方法计算聚合结果的类中心，并且返回到类中心生产单元，经过多次修正最终输出结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910879691.XA CN110795610B (zh) | 2019-09-18 | 2019-09-18 | 一种基于聚类的电力负荷分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910879691.XA CN110795610B (zh) | 2019-09-18 | 2019-09-18 | 一种基于聚类的电力负荷分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110795610A CN110795610A (zh) | 2020-02-14 |
| CN110795610B true CN110795610B (zh) | 2022-02-18 |
Family
ID=69427291
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910879691.XA Active CN110795610B (zh) | 2019-09-18 | 2019-09-18 | 一种基于聚类的电力负荷分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110795610B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113761700A (zh) * | 2020-06-05 | 2021-12-07 | 国家电网有限公司华东分部 | 基于动态聚类的负荷建模与在线修正方法及系统 |
| CN113377881A (zh) * | 2021-06-04 | 2021-09-10 | 国网辽宁省电力有限公司 | 一种配电网负荷的纵横混合聚类多维度分析方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106530132A (zh) * | 2016-11-14 | 2017-03-22 | 国家电网公司 | 一种电力负荷聚类的方法及装置 |
| CN109272058A (zh) * | 2018-11-27 | 2019-01-25 | 电子科技大学中山学院 | 一种集成电力负荷曲线聚类方法 |
| CN109283248A (zh) * | 2018-09-27 | 2019-01-29 | 华东理工大学 | 基于DBSCAN和k-means算法的板类结构多缺陷检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002169613A (ja) * | 2000-12-04 | 2002-06-14 | Hitachi Ltd | 電力ロードカーブの分析方法およびシステム |
-
2019
- 2019-09-18 CN CN201910879691.XA patent/CN110795610B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106530132A (zh) * | 2016-11-14 | 2017-03-22 | 国家电网公司 | 一种电力负荷聚类的方法及装置 |
| CN109283248A (zh) * | 2018-09-27 | 2019-01-29 | 华东理工大学 | 基于DBSCAN和k-means算法的板类结构多缺陷检测方法 |
| CN109272058A (zh) * | 2018-11-27 | 2019-01-25 | 电子科技大学中山学院 | 一种集成电力负荷曲线聚类方法 |
Non-Patent Citations (1)
| Title |
|---|
| 使用DBScan + Kmeans计算区域集聚和中心点;tonny1228;《https://blog.csdn.net/tonny1228/article/details/81115770》;20180719;4 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110795610A (zh) | 2020-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111324642A (zh) | 一种面向电网大数据分析的模型算法选型与评价方法 | |
| CN108280541A (zh) | 基于随机森林和决策树的客户服务策略制定方法、装置 | |
| CN110795610B (zh) | 一种基于聚类的电力负荷分析方法 | |
| CN111709613A (zh) | 基于数据统计的任务自动分配方法、装置及计算机设备 | |
| CN110147389A (zh) | 帐号处理方法和装置、存储介质及电子装置 | |
| CN108399553A (zh) | 一种考虑地理和线路从属关系的用户特征标签设定方法 | |
| CN111626614A (zh) | 一种基于电费回收的用户分类方法 | |
| CN112686473A (zh) | 一种基于分类算法的用电量预测方法及预测系统 | |
| Kegel et al. | Generating what-if scenarios for time series data | |
| CN115130811A (zh) | 电力用户画像的建立方法、装置及电子设备 | |
| CN111680852B (zh) | 地区整体能耗监控方法及其监控系统 | |
| CN116629709B (zh) | 一种供电指标的智能化分析报警系统 | |
| CN114418283A (zh) | 一种评标专家抽取方案的智能生成方法、系统及存储介质 | |
| CN113191533A (zh) | 仓库用工预测方法、装置、设备及存储介质 | |
| CN116029571B (zh) | 基于元宇宙的数据处理方法及相关装置 | |
| CN113421056A (zh) | 一种互联网人力资源管理系统 | |
| US10395190B2 (en) | Method and system for determining total cost of ownership | |
| JP2019200594A (ja) | 電力計画支援装置 | |
| CN111143431B (zh) | 一种智能化量费核查与异常识别系统 | |
| CN111898857A (zh) | 基于BEMD和kmeans电力用户特征分析方法及系统 | |
| CN111324790A (zh) | 基于支持向量机分类的负荷类型识别方法 | |
| CN113450142B (zh) | 一种电力客户用电行为聚类分析方法及装置 | |
| CN109784748A (zh) | 一种市场竞争机制下用户用电行为辨识方法及装置 | |
| Deng et al. | A novel method for elimination of inconsistencies in ordinal classification with monotonicity constraints | |
| CN115391047A (zh) | 资源调度方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |