CN111008358A - 一种电力系统中配电网可靠性快速评估方法 - Google Patents

一种电力系统中配电网可靠性快速评估方法 Download PDF

Info

Publication number
CN111008358A
CN111008358A CN201911056263.3A CN201911056263A CN111008358A CN 111008358 A CN111008358 A CN 111008358A CN 201911056263 A CN201911056263 A CN 201911056263A CN 111008358 A CN111008358 A CN 111008358A
Authority
CN
China
Prior art keywords
reliability
distribution network
topology
power distribution
database
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.)
Pending
Application number
CN201911056263.3A
Other languages
English (en)
Inventor
林秀钦
刘昊
曾庆辉
刘少辉
马榕嵘
李雷
涂琬婧
吴焯军
张思寒
王云飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Original Assignee
Guangdong Power Grid Co Ltd
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Foshan Power Supply Bureau of Guangdong Power Grid Corp filed Critical Guangdong Power Grid Co Ltd
Priority to CN201911056263.3A priority Critical patent/CN111008358A/zh
Publication of CN111008358A publication Critical patent/CN111008358A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明提供一种电力系统中配电网可靠性快速评估方法,该方法利用配电网拓扑和配电网可靠性之间的数学关系,通过配电网拓扑构建邻接矩阵,并且获得反映矩阵特征的奇异值。利用拓扑之间奇异值计算得出最相近的两种拓扑,根据标准数据库中已知拓扑的可靠性指标即可快速计算得出目标配电网的可靠性指标。本发明方法既避免了大量复杂的数学运算,又能在可靠性分析技术的不断发展中不断完善标准数据库,不断提高本方法所用数据的有效性,因此在实际中能为配电网可靠性分析提供一定的指导意义。

Description

一种电力系统中配电网可靠性快速评估方法
技术领域
本发明涉及配电网可靠性快速评估方法领域,更具体地,涉及一种电力系统中配电网可靠性快速评估方法。
背景技术
配电网位于电力系统的末端,直接向电力用户供应和分配能源。配电网的可靠性包含所有电力用户,保护设备和配电馈线的意外事件。因此,配电网可靠性评估是电力行业的一项重要任务。近年来已经开发了几种方法来评估配电网络的可靠性,这些方法分为分析方法和类比方法。前者主要包括状态空间方法,网络方法和系统状态枚举方法,它们根据系统结构,组件状态和它们之间的逻辑关系来表示系统属性。然而,随着组件的增加,计算负荷呈指数增长,使得计算过程变得相对困难。另一方面,蒙特卡罗方法是后者的典型方法,其通过模拟系统的实际过程和随机行为来估计可靠性,然后可以从大量模拟结果中计算可靠性指标。然而,蒙特卡罗方法的计算精度与计算时间密切相关,例如,它需要消耗很长的时间来获得令人满意的计算精度,其具有较高的时间成本。总之,以上方法的不足之处导致其较难应用于所有场景,这给配电网的可靠性分析带来困难。
近年来,配电网络的拓扑建模引起了许多学者的研究兴趣。有文献提出了一种新的拓扑算法用于远程实时监控配电网络;基于配电网络结构和运行,以及配电网的优化规划,提出了一种结合模糊逻辑的配电网拓扑概念聚类方法。此外,有文献计算了配电网的拓扑特征参数,研究了配电网对随机故障和目标攻击的容忍度,并提出了小世界效应与电网可靠性关系的方法。然而,目前对配电网拓扑结构的研究仍处于初期阶段,尚未开展应用拓扑相似性评估配电网可靠性的研究。
发明内容
本发明提供一种运算量较小的电力系统中配电网可靠性快速评估方法。
为了达到上述技术效果,本发明的技术方案如下:
一种电力系统中配电网可靠性快速评估方法,包括以下步骤:
S1:建立标准拓扑数据库;
S2:利用S1中建立的数据库确定相似性和更新可靠性指标。
进一步地,所述步骤S1中建立的标准拓扑数据库中对于每个确定的节点数 n,对应于标准数据库中的n个节点和n-1个分支拓扑信息,对于标准数据库中的任何拓扑,它包含描述拓扑的邻接矩阵,对应于邻接矩阵的奇异值序列以及分布网络的可靠性指标,该标准拓扑数据库实现穷尽地找到n节点和n-1分支的所有拓扑的奇异值序列。
进一步地,所述步骤S2中确定相似性的过程是:
对于两个奇异值序列,通过方法确定相似性,均方根用rms表示,设定两个奇异序列的值分别为σA={σ1,σ2,…,σn}和τB={τ1,τ2,…,τm},然后,计算两个奇异值序列的均方根。
进一步地,所述两个奇异值序列的均方根为:
Figure BDA0002256623410000021
其中μi是相应的权重系数;k是奇异值序列的长度,较大的奇异值可更好地反映拓扑的特征,奇异值的值越大,对相似性的影响越大,μi的值越大,具有最小均方根的拓扑被视为最相似的拓扑。
进一步地,所述步骤S2中在获得最相似的拓扑之后,将该新拓扑的可靠性指标视为需要解决的原始拓扑的可靠性指标。
进一步地,所述步骤S2中确定可靠性的过程是:
设定阈值为t*,假设数据库中存在符合筛选条件的m个奇异值序列:Xrms ≤t,然后,将m个奇异值序列的rms值集合记录为
Figure BDA0002256623410000022
并且可以给出最相似拓扑的rms值:
Figure BDA0002256623410000023
筛选
Figure BDA0002256623410000024
的结果被记录为
Figure BDA0002256623410000025
当偏差太大时,即使满足阈值条件,也应该丢弃均方根。
进一步地,通过二次筛选结果更新可靠性指标
Figure BDA0002256623410000026
每个 rms值对应于标准数据库中的奇异值序列,奇异值序列对应于邻接矩阵及其可靠性指标。
进一步地,可靠性指数对应于二次筛选结果的均方根定义为 {R′(1),R′(2),…,R′(j)},R(n)
Figure BDA0002256623410000027
的可靠性指数,需要解决的配电网可靠性指标的表达式:
Figure BDA0002256623410000031
进一步地,所述步骤S2中筛选
Figure BDA0002256623410000032
的标准是:
筛选标准是
Figure BDA0002256623410000033
进一步地,将标准数据库中的数据代入上述公式(1)计算后即可获得目标配电网的可靠性指标。
与现有技术相比,本发明技术方案的有益效果是:
本发明利用配电网拓扑和配电网可靠性之间的数学关系,通过配电网拓扑构建邻接矩阵,并且获得反映矩阵特征的奇异值。利用拓扑之间奇异值计算得出最相近的两种拓扑,根据标准数据库中已知拓扑的可靠性指标即可快速计算得出目标配电网的可靠性指标。本发明方法既避免了大量复杂的数学运算,又能在可靠性分析技术的不断发展中不断完善标准数据库,不断提高本方法所用数据的有效性,因此在实际中能为配电网可靠性分析提供一定的指导意义。
附图说明
图1是所提发明方法的总体执行流程图;
图2是数据库的框架结构;
图3是5-8节点的奇异值穷举结果;
图4是IEEE 33节点分布式网络。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
为解决电力系统中本发明为解决传统配电网可靠性指标计算方法的应用困难,提出了一种基于配电网拓扑相似性分析的可靠性计算方法,本发明方法的实现是基于矩阵的拓扑分析得出,并且能随时更新标准拓扑数据库中的数据,因此能适应于配电网拓扑分析技术的不断发展,具有较大实践指导意义。
本发明提出了一种基于配电网拓扑相似性分析的可靠性计算方法,该方法具有以下步骤:
步骤1:标准拓扑数据库的开发
一个发达的数据库可以提高计算精度,标准数据库框架结构如图2所示。对于每个确定的节点数n,对应于标准数据库中的n个节点和n-1个分支拓扑信息。对于标准数据库中的任何拓扑,它包含描述拓扑的邻接矩阵,对应于邻接矩阵的奇异值序列以及分布网络的可靠性指标。
开发标准数据库的目的是穷尽地找到n节点和n-1分支的所有拓扑的奇异值序列。图3显示了当节点数为5-8时所有拓扑的奇异值序列的详尽结果。
步骤2:相似性确定和可靠性指标更新
对于两个奇异值序列,可以通过均方根(rms)方法确定相似性。设定两个奇异序列的值分别为σA={σ1,σ2,…,σn)和τB={τ1,τ2,…,τm}。然后,两个奇异值序列的均方根可以给出为
Figure BDA0002256623410000041
其中μi是相应的权重系数;k是奇异值序列的长度。根据奇异值理论,较大的奇异值可以更好地反映拓扑的特征。因此,奇异值的值越大,对相似性的影响越大,μi的值越大。在实际计算中,具有最小rms的拓扑被视为最相似的拓扑。
在获得最相似的拓扑之后,可以将该新拓扑的可靠性指标粗略地视为需要解决的原始拓扑的可靠性指标。但是,需要更新可靠性指标以提高结果的准确性。
设定阈值为t*,假设数据库中存在符合筛选条件的m个奇异值序列:Xrms ≤t。然后,将m个奇异值序列的rms值集合记录为
Figure BDA0002256623410000042
并且可以给出最相似拓扑的rms值:
Figure BDA0002256623410000043
因此,进一步筛选
Figure BDA0002256623410000044
的结果被记录为
Figure BDA0002256623410000045
筛选标准是
Figure BDA0002256623410000046
换句话说,当偏差太大时,即使满足阈值条件,也应该丢弃均方根。
最后,通过二次筛选结果更新可靠性指标
Figure BDA0002256623410000047
每个rms值对应于标准数据库中的奇异值序列,奇异值序列对应于邻接矩阵及其可靠性指标。因此,可靠性指数对应于二次筛选结果的均方根可以定义为{R′(1),R′(2),…,R′(j)}, R(n)
Figure BDA0002256623410000051
的可靠性指数。然后,可以写出需要解决的配电网可靠性指标的表达式
Figure BDA0002256623410000052
实施例2:
下面的实施例进一步说明了本发明的实际应用优势:
为了评估所提出的算法的计算速度,本节执行三种情况,例如,5节点,9 节点和26节点的分发网络。其他比较算法是:蒙特卡罗方法和失效模式效应分析。对于每种情况,每个算法重复计算100×10次,消耗时间的平均值记录在表1中(单位:s/百次)。
表1使用不同算法计算100次时所使用的时间
Figure BDA0002256623410000053
如表1所示,算法的计算速度明显快于其他算法,并且随着矩阵阶数的增加,计算量不会显着增加。特别是,对于蒙特卡罗方法,当矩阵阶数超过50时,程序完成操作所需的时间超过30秒,这远大于所提算法的时间。因此,随着配电网络复杂性的增加,所提出的算法在计算速度上的优势更加突出。
实施例3:
本文以IEEE 33节点分布网络为例,实现可靠性分析。平均服务可用性指数(ASAI)用作可靠性指标,IEEE 33节点分布网络如图4所示。根据33节点分布式网络拓扑结构图,选择部分33个节点的数据库信息,提取它的奇异值序列,并将其与IEEE 33节点分布式网络拓扑的奇异值序列进行比较。
为了筛选相似的奇异值序列,需要确定阈值和奇异值序列的长度。对于比较,阈值分别设置为0.01,0.02和0.03。并且奇异值序列的长度分别设置为20,30和 33。然后,满足该条件的奇异值序列的数量示于表2中。
表2不同约束下奇异值序列的数量
Figure BDA0002256623410000061
如表2所示,如果阈值过于苛刻,则无法从数据库中筛选出满足条件的奇异值序列。并且如果阈值太松,则会获得太多的奇异值序列,这会降低计算精度。而且,如果奇异值序列长度太小,计算精度也会降低。例如,当奇异值序列长度为20时,第2699个奇异值序列具有最小的误差。当奇异值序列长度为30时,奇异值序列的最小误差数为2134.而且,如果奇异值序列长度过大,则计算速度会降低。因此,选择合适的阈值和奇异值序列长度可以提高计算效率和计算精度。
特别地,奇异值序列长度和阈值分别被设置为30和0.021。计算表明满足条件的三个奇异值序列:
Figure BDA0002256623410000062
and
Figure BDA0002256623410000063
相应的可靠性指标ASAI为R(1)=99.9950,R′(1)=99.9975andR′(2)=99.9954。然后,通过更新可靠性指标,如下:
Figure BDA0002256623410000064
由以上计算过程可见,本发明方法能快速便捷的完成目标配电网的可靠性指标的计算,且通过本发明方法与其它计算方法的对比可以体现本方法在运算速度上的优势。另外本方法所要求的数据不多,无需获得元件损耗值等不便获取的数据,减少了对其的依赖。最后本方法所使用的标准数据库可以随时更新替换,能更好地适应配电网可靠性指标研究的发展。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种电力系统中配电网可靠性快速评估方法,其特征在于,包括以下步骤:
S1:建立标准拓扑数据库;
S2:利用S1中建立的数据库确定相似性和更新可靠性指标。
2.根据权利要求1所述的电力系统中配电网可靠性快速评估方法,其特征在于,所述步骤S1中建立的标准拓扑数据库中对于每个确定的节点数n,对应于标准数据库中的n个节点和n-1个分支拓扑信息,对于标准数据库中的任何拓扑,它包含描述拓扑的邻接矩阵,对应于邻接矩阵的奇异值序列以及分布网络的可靠性指标,该标准拓扑数据库实现穷尽地找到n节点和n-1分支的所有拓扑的奇异值序列。
3.根据权利要求2所述的电力系统中配电网可靠性快速评估方法,其特征在于,所述步骤S2中确定相似性的过程是:
对于两个奇异值序列,通过方法确定相似性,均方根用rms表示,设定两个奇异序列的值分别为σA={σ1,σ2,…,σn}和τB={τ1,τ2,…,τm},然后,计算两个奇异值序列的均方根。
4.根据权利要求3所述的电力系统中配电网可靠性快速评估方法,其特征在于,所述两个奇异值序列的均方根为:
Figure FDA0002256623400000011
其中μi是相应的权重系数;k是奇异值序列的长度,较大的奇异值可更好地反映拓扑的特征,奇异值的值越大,对相似性的影响越大,μi的值越大,具有最小均方根的拓扑被视为最相似的拓扑。
5.根据权利要求4所述的电力系统中配电网可靠性快速评估方法,其特征在于,所述步骤S2中在获得最相似的拓扑之后,将该新拓扑的可靠性指标视为需要解决的原始拓扑的可靠性指标。
6.根据权利要求5所述的电力系统中配电网可靠性快速评估方法,其特征在于,所述步骤S2中确定可靠性的过程是:
设定阈值为t*,假设数据库中存在符合筛选条件的m个奇异值序列:Xrms≤t,然后,将m个奇异值序列的rms值集合记录为
Figure FDA0002256623400000021
并且可以给出最相似拓扑的rms值:
Figure FDA0002256623400000022
筛选
Figure FDA0002256623400000023
的结果被记录为
Figure FDA0002256623400000024
当偏差太大时,即使满足阈值条件,也应该丢弃均方根。
7.根据权利要求6所述的电力系统中配电网可靠性快速评估方法,其特征在于,通过二次筛选结果更新可靠性指标
Figure FDA0002256623400000025
每个rms值对应于标准数据库中的奇异值序列,奇异值序列对应于邻接矩阵及其可靠性指标。
8.根据权利要求7所述的电力系统中配电网可靠性快速评估方法,其特征在于,可靠性指数对应于二次筛选结果的均方根定义为{R′(1),R′(2),…,R′(j)},R(n)
Figure FDA0002256623400000026
的可靠性指数,需要解决的配电网可靠性指标的表达式:
Figure FDA0002256623400000027
9.根据权利要求8所述的电力系统中配电网可靠性快速评估方法,其特征在于,所述步骤S2中筛选
Figure FDA0002256623400000028
的标准是:
筛选标准是
Figure FDA0002256623400000029
10.根据权利要求9所述的电力系统中配电网可靠性快速评估方法,其特征在于,将标准数据库中的数据代入上述公式(1)计算后即可获得目标配电网的可靠性指标。
CN201911056263.3A 2019-10-31 2019-10-31 一种电力系统中配电网可靠性快速评估方法 Pending CN111008358A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911056263.3A CN111008358A (zh) 2019-10-31 2019-10-31 一种电力系统中配电网可靠性快速评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911056263.3A CN111008358A (zh) 2019-10-31 2019-10-31 一种电力系统中配电网可靠性快速评估方法

Publications (1)

Publication Number Publication Date
CN111008358A true CN111008358A (zh) 2020-04-14

Family

ID=70111225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911056263.3A Pending CN111008358A (zh) 2019-10-31 2019-10-31 一种电力系统中配电网可靠性快速评估方法

Country Status (1)

Country Link
CN (1) CN111008358A (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384302A (zh) * 2016-09-30 2017-02-08 南方电网科学研究院有限责任公司 配电网可靠性评估方法和系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384302A (zh) * 2016-09-30 2017-02-08 南方电网科学研究院有限责任公司 配电网可靠性评估方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭晓斌等: "基于拓扑相似性分析的配电网网架可靠性评估", 《高电压技术》 *

Similar Documents

Publication Publication Date Title
CN110493025B (zh) 一种基于多层有向图的故障根因诊断的方法及装置
CN107169628B (zh) 一种基于大数据互信息属性约简的配电网可靠性评估方法
CN112559963B (zh) 一种配电网动态参数辨识方法及装置
CN110544015A (zh) 一种基于大数据分析的企业碳数据或碳资产智能管控平台
CN109583782B (zh) 支持多数据源的汽车金融风控方法
CN111178585A (zh) 基于多算法模型融合的故障接报量预测方法
CN105471647A (zh) 一种电力通信网故障定位方法
CN112379325A (zh) 一种用于智能电表的故障诊断方法及系统
CN114529228A (zh) 一种面向电力监控系统供应链的风险预警方法及系统
CN111882157A (zh) 一种基于深度时空神经网络的需求预测方法、系统及计算机可读存储介质
CN111756587B (zh) 一种采用GraphSAGE预测时序网络链路的方法
CN115062534A (zh) 天然气管道系统的供气可靠性计算方法及装置
CN110807508B (zh) 计及复杂气象影响的母线峰值负荷预测方法
CN113706328A (zh) 基于fassa-bp算法的智能制造能力成熟度评价方法
Sandhu et al. A comparative analysis of conjugate gradient algorithms & PSO based neural network approaches for reusability evaluation of procedure based software systems
CN118484666A (zh) 面向源网荷多元应用的储能电站评估方法及系统
CN110781206A (zh) 一种学习拆回表故障特征规则预测在运电能表是否故障的方法
CN114548493A (zh) 一种电能表电流过载预测方法与系统
Li et al. Root cause analysis of anomalies based on graph convolutional neural network
CN117077780A (zh) 基于粒子群算法和知识图谱优化通信专网故障的测评方法
CN115618743B (zh) 一种瞄准镜系统的状态评估方法及状态评估系统
Li et al. Predicting Software Quality by Optimized BP Network Based on PSO.
CN111008358A (zh) 一种电力系统中配电网可靠性快速评估方法
Kuang et al. An Association Rules-Based Method for Outliers Cleaning of Measurement Data in the Distribution Network
Nannapaneni et al. Manufacturing process evaluation under uncertainty: A hierarchical bayesian network approach

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200414