CN112182984A - 一种基于供水物联网数据同化的污水管网实时模拟方法 - Google Patents
一种基于供水物联网数据同化的污水管网实时模拟方法 Download PDFInfo
- Publication number
- CN112182984A CN112182984A CN202010832786.9A CN202010832786A CN112182984A CN 112182984 A CN112182984 A CN 112182984A CN 202010832786 A CN202010832786 A CN 202010832786A CN 112182984 A CN112182984 A CN 112182984A
- Authority
- CN
- China
- Prior art keywords
- pipe network
- node
- water supply
- sewage pipe
- water
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 260
- 239000010865 sewage Substances 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004088 simulation Methods 0.000 title claims abstract description 31
- 238000007689 inspection Methods 0.000 claims abstract description 58
- 238000012546 transfer Methods 0.000 claims abstract description 30
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims description 74
- 239000007788 liquid Substances 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 12
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 2
- 239000013589 supplement Substances 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008021 deposition Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Fluid Mechanics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Sewage (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于供水物联网数据驱动的污水管网实时模拟方法,包括离线模块和实时在线模块,离线模块集成污水管网与供水管网水力模型,校正供水管网水力模型每个节点的历史用水量,建立污水管网模型校正单目标优化模型,确定每个节点用水量和检查井入流量之间的转移系数,实时在线模块实现污水管网模型水力参数的实时模拟。本发明填补了污水管网实时模拟领域空白,是对城市排水管网管理研究领域的一个重要补充,为污水管网系统的管理提供了重要的技术支撑,具有很好的推广和实际工程应用价值。
Description
技术领域
本发明属于市政工程城市供排水管网领域,具体涉及基于供水物联网数据同化的污水管网实时模拟技术。
背景技术
城市污水管网的安全运行直接影响到城市水环境、水安全以及人民的身体健康。近些年,随着城市人口数量的快速增长,污水管网规模不断扩大,拓扑结构变得更加复杂,而且系统老化更加严重,这给污水管网的运行和管理带来了极大的困难。城市污水管网目前容易产生的问题主要包括管网沉积、废水偷排、管道泄漏、雨污管错接和污水溢流等,这些问题已严重威胁城市水环境,也是产生城市黑臭水体的根本原因。
在现有技术中,解决这些问题的直接方法是在污水管网内布置传感器,实时监测管道水深及流量信息,以实现异常事件的预报预警与定位。然而,由于污水传感器购买和维护成本极高,管网中布置的传感器数量通常非常有限,只能对监测点周围小片区域进行异常事件的(如溢出或泄露)报警。此外,监测点的异常观测结果也可能是由于用户用水量突然增加造成,因此不考虑用水量的变化的监测点数据分析方法易导致很高的误报率。更重要的是,仅仅依靠来自传感器观测不能预测未来一段时期整个污水管网运行的运行状态(水深和流量),进而无法实现有效的预防与控制。突破这些关键难题的一个重要方法是建立污水管网水力模型以实时模拟和预测整个管网任意位置的水深和流量参数,同时结合有限监测点的数据,以实时诊断是否存在管道淤塞、泄漏、非法排放、非法连接,更重要的是,可以实时预测污水管网所有检查井的溢流情况。
实现污水管网实时水力模拟的关键是获取每个检查井的实时污水入流量,但获取如此高时空分辨率的流量数据在实际工程中是不现实的,这也是目前污水管网实时模拟的卡脖子难题。研究学者提出了诸多优化方法,通过有限监测点的观测数据反演检查井的实时污水入流量。然而,这些方法的一个重大缺陷是污水流量优化的多解性,即每个检查井入流量取值的不同组合仍能保证监测点处的模拟值与观测值相吻合,因此,很难确定优化解是否可以表征代表污水管网真实的水力运行状况,进而无法实现污水管网的有效监测。
发明内容
为解决上述现有技术中的瓶颈问题,本发明首次提出了一种基于供水物联网数据驱动的污水管网实时模拟方法,通过集成相同区域内的供水管网模型,将供水管网节点每个时刻的用水量分配至附近最近的污水管网检查井,随后使用优化方法确定节点用水量和检查井入流量之间的最佳转移系数,有效解决了多解性问题,最后,基于供水实时用水数据和已确定的最佳转移系数实现整个污水管网水深和流量参数的实时模拟。本发明的创新之处是将近些年趋于成熟的供水系统物联网与污水管网实现深入的融合和数据同化,供水物联网包含诸多的压力计、流量计和智能水表,可实时提供用户用水量信息,进而驱动污水管网的实时模拟。本发明中,采用污水管网实时水力模型为有效解决污水管网中的管道淤塞、偷排、泄露、管道错接以及污水溢流问题提供了关键的技术支撑。
本发明解决上述技术问题所具体采用的技术方案如下:
一种基于供水物联网数据驱动的污水管网实时模拟方法,其步骤如下:
过程1:离线模块,包括S1、S2和S3三个阶段,离线模块的执行频率和次数根据实际需要确定,
S1:按步骤S11-S12集成污水管网与供水管网水力模型,
S11:基于地理信息系统GIS提供的供水管道、水库、泵站、污水管道、检查井等模型组件的参数信息,建立污水管网和供水管网水力模型(图1),
S12:基于GIS自带的空间分析功能,建立供水管网模型节点与污水管网模型检查井之间的映射关系,实现模型中每个供水节点的排水进入与之空间距离最近的污水检查井(图2);
S2:按步骤S21-S27校正供水管网水力模型每个节点的历史用水量,
S21:设置所需的相关参数:供水管网中所有压力监测点和流量监测点在历史某时刻t的观测值Ho、Qo;误差阈值ε;最大迭代次数S和节点用水量调整范围p,
S22:初始化每个节点在在历史某时刻t的用水量:对于一个给定节点数量为Nx的供水管网,其中Ny个节点安装了智能水表(y<x),首先将Ny个单独计量的用水量分配至相应的节点,剩余水量根据每个节点与相邻节点连接的管道长度按比例分配至其余Nx-Ny个节点,具体公式如下:
式中,为按管道长度比例分配的节点r在历史某时刻t初始化后的节点用水量,lr为与节点r相连接的管道总长度,LT为供水管网管道总长度,LM为智能水表节点连接的管道总长度;QT为供水管网总供水量;QM为智能水表在历史t时刻的总水量,管网中共有Nx个节点,其中有一部分节点(数量为Ny)处装有智能水表,在历史t时刻的用水量根据智能水表直接获取,另外一部分节点(Nx-Ny)未装有智能水表在历史t时刻t的用水量未知,这些节点(Nx-Ny)在历史t时刻的用水量根据公式1-1计算得出,供水管网中历史t时刻所有节点的总初始用水量等于历史t时刻每个节点(总共Nx个节点)初始用水量之和,
S23:计算历史t时刻压力和流量监测点的观测值与模拟值残差:运行供水管网水力模拟,计算第s次迭代时(s=1,2,...,S),其中,
压力监测的点观测值与模拟值残差为:
流量监测点的观测值与模拟值残差为:
式中,NH和NQ分别为压力和流量监测点的数量,和Hu(q)s分别为压力监测点u的观测值和在第s次迭代时的模拟值(u=1,2,...,NH),和Qv(q)s分别为供水管网流量监测点v的观测值和在第s次迭代时的模拟值(v=1,2,...,NH),T表示向量的转置,为所有节点在第s次迭代时历史t时刻的节点用水量向量;
S24:计算历史t时刻节点用水量调整值,具体公式如下:
S25:更新每个节点的用水量,具体公式如下:
qs+1=qs+Δqs 1-5
S26:重复过程S23~S24,直至满足||Δqs||<ε或s>S,一般取ε=0.01,S=100,
S27:重复过程S21~S26,获取历史时间周期为T(通常取2个星期)时间精度为Δt(指前后两个t时刻之间的时间差,通常取半小时)的供水管网节点用水量数据,用于S3的计算;
S3:按步骤S31-S32建立污水管网模型校正单目标优化模型,确定每个节点用水量和检查井入流量之间的转移系数,
S31:建立单目标函数,具体公式如下:
dl(t)=kl×ql(t) 1-10
式中,K=[k1,k2,...kn]T,kl为污水管网模型中检查井l的用水量转移系数,T为污水管网模型校正模拟总时间,Tw为污水管网模拟热启动时间,M和N分别为污水管网中安装的液位计和流量计的数量,在污水管网数据采集系统中获取;和分别为液位监测点i在历史t时刻的液位观测值和模拟值,和为污水管网中的流量监测点j在历史t时刻的流量观测值和模拟值,和分别为液位监测点i和流量监测点j整个时间历史周期T所有时刻的模拟值向量,Fs(D(T))为和的组合向量,D(T)为T×n矩阵,表示所有检查井n整个时间周期T所有时刻的入流量,dl(t)为检查井l在历史t时刻的入流量,ql(t)为步骤S2中检查井l对应的供水管网节点历史t时刻的用水量校正值;和分别为kl的最小值和最大值;g()为线性转换函数,用于将液位和流量转换为同一区间,即0到1区间范围,定义为:
式中,x表示监测点的观测值或模拟值;xmin和xmax为上限和下限,一般根据监测点一段时期(如30天)的历史数据统计获取,
S32:求解单目标优化模型:使用现有技术中的遗传算法求解优化模型,得到每个检查井i的用水量转移系数kl(l=1,...,n);
过程2:实时在线模块,包括S4阶段,S4阶段每个时刻执行一次,
S4:按步骤S41-S43实现污水管网模型水力参数的实时模拟,
S41:根据供水管网压力计、流量计和智能水表获取当前t时刻的压力、流量和用水量数据,按照过程S2校正供水管网水力模型当前时刻t的节点用水量,
S42:根据S41获取的当前时刻t供水系统每个节点的用水量,以及S3得到的每个检查井的用水量转移系数,根据公式1-10计算污水管网中每个检查井当前时刻的入流量dl(t),
S43:运行污水管网水力模型,实时模拟时间精度为Δt(通常取半小时)的整个污水管网的液位和流量水力参数。
相对于现有技术而言,本发明具有以下优点:
①本发明首次提出了供水系统与污水管网的数据同化方法,通过建立供水管网节点用水量与污水管网检查井入流量之间的映射关系,有效解决了污水管网检查井入流量数据严重缺乏的问题。
②本发明提出了供水管网节点用水量实时校正与污水管网检查井转移系数单目标优化计算方法,创新实现了基于供水数据驱动的污水管网实时模拟方法,彻底解决了污水管网现有模拟技术普遍存在的多解问题,实现了整个污水管网液位和流量水力参数的实时准确模拟。
③本发明填补了污水管网实时模拟领域空白,是对城市排水管网管理研究领域的一个重要补充,为污水管网系统的管理提供了重要的技术支撑,具有很好的推广和实际工程应用价值。
附图说明
图1是本发明供水管网与污水管网功能示意图。
图2是本发明供水管网与污水管网集成示意图。
图3是本发明具体实施路线图。
图4是实施例BKN污水管网与供水管网系统及监测点布置图。
图5是实施例XZN污水管网系统及监测点布置图。
图6是实施例XZN供水管网系统及监测点布置图。
图7是实施例Benk和XZN供水管网监测点模拟值与监测值误差分布图(前17天共816个时间步长)。
图8是实施例供水管网校正的节点用水量与智能水表连接的已知用水量对比:(a)案例BKN(b)案例XZN。
图9是实施例节点用水量和检查井入流量之间的转移系数分布图。
图10是实施例流量监测点前17天(校正阶段)的模拟值与观测值对比:(a)案例BKN流量计C1(b)案例XZN流量计C3。
图11是实施例BKN在模型验证阶段(后14天)流量监测点(a)C1和液位监测点(b)M1、(c)M2、(d)M3的模拟值与观测值对比
图12是实施例XZN在模型验证阶段(后14天)流量监测点(a)C1、(b)C2和液位监测点(c)M1和(d)M5的模拟值与观测值对比。
图13是实施例XZN液位监测点M5的模拟值与观测值,以及附近10个检查井水深的模拟值对比。
具体实施方式
下面通过附图和实施例对本发明进行具体阐述,以便本领域技术人员更好地理解本发明的技术方案,需要说明的是,在实施方式中所列举的案例,其作用是为了使本领域技术人员更好地理解和实施本发明的技术方案,不应视为对本发明的限定或提前公开。。
参见图3,一种基于供水物联网数据驱动的污水管网实时模拟方法,其步骤如下:
过程1:离线模块,包括S1、S2和S3三个阶段,离线模块的执行频率和次数根据实际需要确定,
S1:按步骤S11-S12集成污水管网与供水管网水力模型,
S11:基于地理信息系统GIS提供的供水管道、水库、泵站、污水管道、检查井等模型组件的参数信息,建立污水管网和供水管网水力模型(图1),
S12:基于GIS自带的空间分析功能,建立供水管网模型节点与污水管网模型检查井之间的映射关系,实现模型中每个供水节点的排水进入与之空间距离最近的污水检查井(图2);
S2:按步骤S21-S27校正供水管网水力模型每个节点的历史用水量,
S21:设置所需的相关参数:供水管网中所有压力监测点和流量监测点在历史某时刻t的观测值Ho、Qo;误差阈值ε;最大迭代次数S和节点用水量调整范围p,
S22:初始化每个节点在在历史某时刻t的用水量:对于一个给定节点数量为Nx的供水管网,其中Ny个节点安装了智能水表(y<x),首先将Ny个单独计量的用水量分配至相应的节点,剩余水量根据每个节点与相邻节点连接的管道长度按比例分配至其余Nx-Ny个节点,具体公式如下:
式中,为按管道长度比例分配的节点r在历史某时刻t初始化后的节点用水量,lr为与节点r相连接的管道总长度,LT为供水管网管道总长度,LM为智能水表节点连接的管道总长度;QT为供水管网总供水量;QM为智能水表在历史t时刻的总水量,
管网中共有Nx个节点,其中有一部分节点(数量为Ny)处装有智能水表,在历史t时刻的用水量根据智能水表直接获取,另外一部分节点(Nx-Ny)未装有智能水表在历史t时刻t的用水量未知,这些节点(Nx-Ny)在历史t时刻的用水量根据公式1-1计算得出,供水管网中历史t时刻所有节点的总初始用水量等于历史t时刻每个节点(总共Nx个节点)初始用水量之和,
S23:计算历史t时刻压力和流量监测点的观测值与模拟值残差:运行供水管网水力模拟,计算第s次迭代时(s=1,2,...,S),其中,
压力监测的点观测值与模拟值残差为:
流量监测点的观测值与模拟值残差为:
式中,NH和NQ分别为压力和流量监测点的数量,和Hu(q)s分别为压力监测点u的观测值和在第s次迭代时的模拟值(u=1,2,...,NH),和Qv(q)s分别为供水管网流量监测点v的观测值和在第s次迭代时的模拟值(v=1,2,...,NH),T表示向量的转置,为所有节点在第s次迭代时历史t时刻的节点用水量向量;
S24:计算历史t时刻节点用水量调整值,具体公式如下:
S25:更新每个节点的用水量,具体公式如下:
qs+1=qs+Δqs 1-5
S26:重复过程S23~S24,直至满足||Δqs||<ε或s>S,一般取ε=0.01,S=100,
S27:重复过程S21~S26,获取历史时间周期为T(通常取2个星期)时间精度为Δt(指前后两个t时刻之间的时间差,通常取半小时)的供水管网节点用水量数据,用于S3的计算;
S3:按步骤S31-S32建立污水管网模型校正单目标优化模型,确定每个节点用水量和检查井入流量之间的转移系数,
S31:建立单目标函数,具体公式如下:
dl(t)=kl×ql(t) 1-10
式中,K=[k1,k2,...kn]T,kl为污水管网模型中检查井l的用水量转移系数,T为污水管网模型校正模拟总时间,Tw为污水管网模拟热启动时间,M和N分别为污水管网中安装的液位计和流量计的数量,在污水管网数据采集系统中获取;和分别为液位监测点i在历史t时刻的液位观测值和模拟值,和为污水管网中的流量监测点j在历史t时刻的流量观测值和模拟值,和分别为液位监测点i和流量监测点j整个时间历史周期T所有时刻的模拟值向量,Fs(D(T))为和的组合向量,D(T)为T×n矩阵,表示所有检查井n整个时间周期T所有时刻的入流量,dl(t)为检查井l在历史t时刻的入流量,ql(t)为步骤S2中检查井l对应的供水管网节点历史t时刻的用水量校正值;和分别为kl的最小值和最大值;g()为线性转换函数,用于将液位和流量转换为同一区间,即0到1区间范围,定义为:
式中,x表示监测点的观测值或模拟值;xmin和xmax为上限和下限,一般根据监测点一段时期(如30天)的历史数据统计获取,
S32:求解单目标优化模型:使用现有技术中的遗传算法求解优化模型,得到每个检查井i的用水量转移系数kl(l=1,...,n);
过程2:实时在线模块,包括S4阶段,S4阶段每个时刻执行一次,
S4:按步骤S41-S43实现污水管网模型水力参数的实时模拟,
S41:根据供水管网压力计、流量计和智能水表获取当前t时刻的压力、流量和用水量数据,按照过程S2校正供水管网水力模型当前时刻t的节点用水量,
S42:根据S41获取的当前时刻t供水系统每个节点的用水量,以及S3得到的每个检查井的用水量转移系数,根据公式1-10计算污水管网中每个检查井当前时刻的入流量dl(t),
S43:运行污水管网水力模型,实时模拟时间精度为Δt(通常取半小时)的整个污水管网的液位和流量水力参数。下面基于该方法,将其与具体实施例结合,以展示其具体技术效果,方法的具体步骤不再赘述。
实施例
下面将本发明的上述方法分别应用到Benk和Xiuzhou两个城市的污水管网。城市Benk的污水管网(记为FSS-BKN)由1个污水厂入口、64个检查井和64根污水管道组成,污水管网中安装了3个液位计和一个流量计(如图4所示),排污量约为4100吨/天;其相应的供水管网(记为WDS-BKN)由1个水厂、65个需水量节点和93根供水管道组成,供水管网中安装了3个压力计和1个流量计和40个智能水表,供水量约为4800吨/天;如图4所示,虚线箭头表示的是根据最短距离确定的供水管网节点与污水管网检查井之间的对应关系。城市Xiuzhou的污水管网(记为FSS-XZN)由1个污水厂入口、1214个检查井和1214根污水管道组成(如图5所示),总长度约86千米,排污量约21500吨/天,污水管网中安装了3个流量计和8个液位计;其相应的供水管网(记为WDS-XZN)由1个水厂、1个泵站、1119个节点和1137根供水管道组成(如图6所示),供水量约23150吨/天,服务人口约10.75万人,供水管网中安装有5个流量计、8个压力计和525个智能水表。
每个实例中,监测仪表记录了某月31天无降雨情况下的历史数据,时间步长为30分钟,因此每个监测点共有1488(31×24×2)个时间步长的数据。在过程1离线模式中,选取前面连续17天的供水管网和污水管网监测点历史数据(时间步长30分钟),用于确定污水管网模型中每个检查井的最佳转移系数。污水管网检查井转移系数优化计算中,污水管网模型热启动时间Tw=3天,17天中剩余的14天用于确定转移系数。使用31天中最后连续14天供水管网和污水管网监测点历史数据,进行过程2中的污水管网每个时刻t的实时在线模拟结果验证。
供水管网节点用水量校核中,针对每个实施例,校正误差阈值ε=0.1;最大迭代次数S=100和节点用水量调整范围p=20%。污水管网检查井转移系数优化计算中,检查井转移系数最小值为对于由智能水表提供的节点用水量所对应的检查井,最大值而对于通过水力模型校核得出的节点用水量所对应的检查井,考虑校核可能的误差,最大值所使用的常规技术中的遗传算法种群数量为500,最大迭代次数为50000,其余参数使用默认值。
图7为校正后的Benk和XZN供水管网监测点前17天(816个时间步长)的模拟值与监测值误差分布图。从图7(a)中可以看出Benk所有压力监测点处超过90%的绝对误差小于0.32米,最大值为1.34%;图7(b)中,供水管网Benk流量监测点处,93%的流量相对误差小于1.5%,其最大值为2.4%;从图7(c)中可以看出供水管网XZN所有压力监测点处的绝对误差均小于0.5米;图7(d)中,XZN流量监测点处大多数相对误差小于5%,最大值为9.27%。图8为两个实施例未装有智能水表的节点用水量校正值与安装智能水表的节点用水量真实值对比图,从图中可以看出,校正的节点用水量与智能水表记录的实际用水量趋势相同,即用水低峰和高峰时段相同,说明了两个实施例节点用水量校正误差除了满足模型应用的误差要求之外,节点用水量校正结果与实际用水量趋势相同,更具有科学合理性,保证了校正好的水力模型能够精确的进行实际应用。
图9为两个实施例污水管网检查井用水量转移系数分布图,从图中可以看出绝大多数的污水检查井转移系数位于[0,1]范围内,实施例BKN和XZN所有检查井转移系数的平均值分别为0.83和0.92,意味着83%和92%的供水管网总用水量通过检查井进入了污水管网。图10(a)为实施例BKN污水管网流量计C1前17天(校正阶段)的观测值与模拟值对比图,所有时刻监测值与模拟值的相对误差均小于5%,最大误差和平均误差分别为4.5%和1.16%(图10b)。图10(c)为实施例XZN污水管网流量计C3前17天(校正阶段)的观测值与模拟值对比图,监测值与模拟值相对误差最大值和平均值分别为13.74%和3.02%(图10d)。图11为实施例BKN污水管网在模型验证阶段(后14天)流量计C1的污水流量和液位计M1、M2和M3的水深观测值与模拟值对比图,其中流量相对误差最大值为4.91%,水深最大绝对误差为0.7cm。图12为实施例XZN在模型验证阶段(后14天)流量计C1、C2和液位计M1、M5观测值与模拟值对比图,流量计C1和C2相对误差最大值分别为13.05%和13.45%,液位计M1和M5观测值与模拟值最大绝对误差分别为1.4cm和1.1cm。由此可知,两个实施例污水管网检查井转移系数校正结果更具有科学合理性,均能保证监测点处的模型模拟值与实际观测值相吻合。
图13为实施例污水管网XZN液位计M5某天每个时刻的水深实时模拟值与实际观测值,以及附近10个检查井水深的实时模拟值对比图,通过监测M5每个时刻的实时水深,若某个时间段水深波动超出正常范围,则进行报警,然后通过分析附近所有检查井的实时水深数据,可以快速确定异常事件(如偷排、泄漏等)的发生位置。
由此可知,通过本发明所提出的基于供水物联网数据驱动的污水管网实时模拟方法,将相同区域内的供水管网模型中每个时刻的用水量分配至附近最近的污水管网检查井,并使用优化方法确定节点用水量和检查井入流量之间的转移系数,实现了整个污水管网液位和流量参数的实时模拟,为有效解决污水管网中的淤塞、泄漏、沉积、非法排放、雨污错接、污水溢流等问题提供了重要技术支撑,具有很好的推广和实际工程应用价值。
以上所述的实施例只是本发明的一种较佳的方案,然其并非用以限制本发明。有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (1)
1.一种基于供水物联网数据驱动的污水管网实时模拟方法,其特征在于,步骤如下:
过程1:离线模块,包括S1、S2和S3三个阶段,离线模块的执行频率和次数根据实际需要确定,
S1:按步骤S11-S12集成污水管网与供水管网水力模型,
S11:基于地理信息系统GIS提供的供水管道、水库、泵站、污水管道、检查井等模型组件的参数信息,建立污水管网和供水管网水力模型(图1),
S12:基于GIS自带的空间分析功能,建立供水管网模型节点与污水管网模型检查井之间的映射关系,实现模型中每个供水节点的排水进入与之空间距离最近的污水检查井(图2);
S2:按步骤S21-S27校正供水管网水力模型每个节点的历史用水量,
S21:设置所需的相关参数:供水管网中所有压力监测点和流量监测点在历史某时刻t的观测值Ho、Qo;误差阈值ε;最大迭代次数S和节点用水量调整范围p,
S22:初始化每个节点在在历史某时刻t的用水量:对于一个给定节点数量为Nx的供水管网,其中Ny个节点安装了智能水表(y<x),首先将Ny个单独计量的用水量分配至相应的节点,剩余水量根据每个节点与相邻节点连接的管道长度按比例分配至其余Nx-Ny个节点,具体公式如下:
式中,为按管道长度比例分配的节点r在历史某时刻t初始化后的节点用水量,lr为与节点r相连接的管道总长度,LT为供水管网管道总长度,LM为智能水表节点连接的管道总长度;QT为供水管网总供水量;QM为智能水表在历史t时刻的总水量,
管网中共有Nx个节点,其中有一部分节点(数量为Ny)处装有智能水表,在历史t时刻的用水量根据智能水表直接获取,另外一部分节点(Nx-Ny)未装有智能水表在历史t时刻t的用水量未知,这些节点(Nx-Ny)在历史t时刻的用水量根据公式1-1计算得出,供水管网中历史t时刻所有节点的总初始用水量等于历史t时刻每个节点(总共Nx个节点)初始用水量之和,
S23:计算历史t时刻压力和流量监测点的观测值与模拟值残差:运行供水管网水力模拟,计算第s次迭代时(s=1,2,...,S),其中,
压力监测的点观测值与模拟值残差为:
流量监测点的观测值与模拟值残差为:
式中,NH和NQ分别为压力和流量监测点的数量,和Hu(q)s分别为压力监测点u的观测值和在第s次迭代时的模拟值(u=1,2,...,NH),和Qv(q)s分别为供水管网流量监测点v的观测值和在第s次迭代时的模拟值(v=1,2,...,NH),T表示向量的转置,为所有节点在第s次迭代时历史t时刻的节点用水量向量;
S24:计算历史t时刻节点用水量调整值,具体公式如下:
S25:更新每个节点的用水量,具体公式如下:
qs+1=qs+Δqs 1-5
S26:重复过程S23~S24,直至满足||Δqs||<ε或s>S,一般取ε=0.01,S=100,
S27:重复过程S21~S26,获取历史时间周期为T(通常取2个星期)时间精度为Δt(指前后两个t时刻之间的时间差,通常取半小时)的供水管网节点用水量数据,用于S3的计算;
S3:按步骤S31-S32建立污水管网模型校正单目标优化模型,确定每个节点用水量和检查井入流量之间的转移系数,
S31:建立单目标函数,具体公式如下:
dl(t)=kl×ql(t) 1-10
式中,K=[k1,k2,...kn]T,kl为污水管网模型中检查井l的用水量转移系数,T为污水管网模型校正模拟总时间,Tw为污水管网模拟热启动时间,M和N分别为污水管网中安装的液位计和流量计的数量,在污水管网数据采集系统中获取;和分别为液位监测点i在历史t时刻的液位观测值和模拟值,和为污水管网中的流量监测点j在历史t时刻的流量观测值和模拟值,和分别为液位监测点i和流量监测点j整个时间历史周期T所有时刻的模拟值向量,Fs(D(T))为和的组合向量,D(T)为T×n矩阵,表示所有检查井n整个时间周期T所有时刻的入流量,dl(t)为检查井l在历史t时刻的入流量,ql(t)为步骤S2中检查井l对应的供水管网节点历史t时刻的用水量校正值;和分别为kl的最小值和最大值;g()为线性转换函数,用于将液位和流量转换为同一区间,即0到1区间范围,定义为:
式中,x表示监测点的观测值或模拟值;xmin和xmax为上限和下限,一般根据监测点一段时期(如30天)的历史数据统计获取,
S32:求解单目标优化模型:使用现有技术中的遗传算法求解优化模型,得到每个检查井i的用水量转移系数kl(l=1,...,n);
过程2:实时在线模块,包括S4阶段,S4阶段每个时刻执行一次,
S4:按步骤S41-S43实现污水管网模型水力参数的实时模拟,
S41:根据供水管网压力计、流量计和智能水表获取当前t时刻的压力、流量和用水量数据,按照过程S2校正供水管网水力模型当前时刻t的节点用水量,
S42:根据S41获取的当前时刻t供水系统每个节点的用水量,以及S3得到的每个检查井的用水量转移系数,根据公式1-10计算污水管网中每个检查井当前时刻的入流量dl(t),
S43:运行污水管网水力模型,实时模拟时间精度为Δt(通常取半小时)的整个污水管网的液位和流量水力参数。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010832786.9A CN112182984B (zh) | 2020-08-18 | 2020-08-18 | 一种基于供水物联网数据驱动的污水管网实时模拟方法 |
PCT/CN2020/120149 WO2022036820A1 (zh) | 2020-08-18 | 2020-10-10 | 一种基于供水物联网数据同化的污水管网实时模拟方法 |
US18/171,441 US20230205943A1 (en) | 2020-08-18 | 2023-02-20 | Real-time simulation method of sewage pipe network based on water supply iot data assimilation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010832786.9A CN112182984B (zh) | 2020-08-18 | 2020-08-18 | 一种基于供水物联网数据驱动的污水管网实时模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112182984A true CN112182984A (zh) | 2021-01-05 |
CN112182984B CN112182984B (zh) | 2022-04-26 |
Family
ID=73919430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010832786.9A Active CN112182984B (zh) | 2020-08-18 | 2020-08-18 | 一种基于供水物联网数据驱动的污水管网实时模拟方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112182984B (zh) |
WO (1) | WO2022036820A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011903A (zh) * | 2021-04-26 | 2021-06-22 | 成都环极科技有限公司 | 基于gis和水力模型的水污染精准溯源方法 |
CN113626959A (zh) * | 2021-07-12 | 2021-11-09 | 浙江大学 | 一种基于三维地理信息的污水管网水力模型建立方法 |
CN113781276A (zh) * | 2021-07-12 | 2021-12-10 | 浙江大学 | 一种污水管网流量不确定性分析方法 |
CN113803646A (zh) * | 2021-09-01 | 2021-12-17 | 长江生态环保集团有限公司 | 适用于缺陷管道排查的排水管网监测布点方法 |
CN113818536A (zh) * | 2021-11-03 | 2021-12-21 | 江苏四联自动化科技有限公司 | 一种污水管网排水能力综合调度方法及系统 |
CN114429034A (zh) * | 2021-12-27 | 2022-05-03 | 同济大学 | 一种面向供水管网水力模型水量校核的压力监测点移动布置方法 |
CN114477329A (zh) * | 2022-02-22 | 2022-05-13 | 江苏舜维环境工程有限公司 | 一种水泥厂集成化水处理装置 |
WO2023284060A1 (zh) * | 2021-07-12 | 2023-01-19 | 浙江大学 | 一种基于地理三维信息的污水管网流量不确定性分析方法 |
CN116976046A (zh) * | 2023-06-12 | 2023-10-31 | 中国建筑第四工程局有限公司 | 基于管网追踪的污水监控方法及系统 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114818211B (zh) * | 2022-04-12 | 2024-05-10 | 长江生态环保集团有限公司 | 一种基于mike+构建污水收集系统量化模拟技术方法 |
CN114861375A (zh) * | 2022-04-25 | 2022-08-05 | 中国电建集团华东勘测设计研究院有限公司 | 一种供水管网水质多参数监测点权衡优化布置方法 |
CN115095797B (zh) * | 2022-05-25 | 2024-07-12 | 四创科技有限公司 | 一种截污治污管网运行异常快速筛查方法及终端 |
CN114970064B (zh) * | 2022-06-01 | 2024-07-12 | 中冶赛迪信息技术(重庆)有限公司 | 一种供水方案的获取方法、装置、电子设备及介质 |
CN114741831B (zh) * | 2022-06-13 | 2022-08-23 | 成都同飞科技有限责任公司 | 一种供水管网水力压强预警分布的模拟方法及系统 |
CN115650327A (zh) * | 2022-09-20 | 2023-01-31 | 中国电建集团西北勘测设计研究院有限公司 | 一种城镇污水系统旱天外水入流的剥离方法 |
CN115789527A (zh) * | 2022-11-01 | 2023-03-14 | 江苏鸿利智能科技股份有限公司 | 一种基于水环境信息化治理的分析系统及方法 |
CN116050037B (zh) * | 2023-01-13 | 2024-04-02 | 三峡智慧水务科技有限公司 | 基于有向拓扑网络的城市排水系统液位间接监测分析方法 |
CN116102096B (zh) * | 2023-01-17 | 2024-03-01 | 中节能国祯环保科技股份有限公司 | 一种城市污水厂网一体化的控制方法及系统 |
CN115861011B (zh) * | 2023-02-15 | 2023-05-05 | 山东优嘉环境科技有限公司 | 一种基于多源数据融合的智慧城市优化管理方法和系统 |
CN116150930B (zh) * | 2023-04-20 | 2023-07-18 | 天津智云水务科技有限公司 | 基于3d地图信息的供水管网水力模型节点流量初始化方法 |
CN116662767B (zh) * | 2023-08-01 | 2023-10-13 | 陕西中科绿能能源研究院有限公司 | 基于多传感器的蒸发冷却机组系统温度数据智能采集方法 |
CN117057819B (zh) * | 2023-08-15 | 2024-06-28 | 泰华智慧产业集团股份有限公司 | 一种雨水管网污水排放溯源分析方法及系统 |
CN117150693B (zh) * | 2023-09-03 | 2024-07-12 | 深圳市水务科技发展有限公司 | 一种基于深度学习的排水管网混接改造优化模型系统 |
CN117034044B (zh) * | 2023-10-09 | 2024-02-02 | 山东朝启电子科技有限公司 | 一种基于数据智能的智能表井管理系统 |
CN117390842B (zh) * | 2023-10-10 | 2024-07-05 | 长江勘测规划设计研究有限责任公司 | 一种基于贝叶斯优化框架的排水管网模型自动率定方法 |
CN117522199B (zh) * | 2023-11-08 | 2024-08-23 | 重庆大学 | 一种城市供水管网综合安全评价及监测点选址方法 |
CN117610793B (zh) * | 2024-01-22 | 2024-04-12 | 成都秦川物联网科技股份有限公司 | 一种智能水表远程维护方法、装置及物联网系统 |
CN117805338B (zh) * | 2024-03-01 | 2024-05-28 | 广东省建筑设计研究院有限公司 | 一种建筑供水管网水质实时在线监测方法及系统 |
CN118387953A (zh) * | 2024-05-28 | 2024-07-26 | 中建安装集团有限公司 | 一种基于大数据的绿色建造建筑废水处理分析系统及方法 |
CN118296973B (zh) * | 2024-06-06 | 2024-07-30 | 山东和光智慧能源科技有限公司 | 一种基于物联网的供热管道智能查漏系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016622A (zh) * | 2017-03-22 | 2017-08-04 | 浙江大学 | 一种含大用户用水信息的城市供水管网节点需水量反演方法 |
CN107563007A (zh) * | 2017-08-07 | 2018-01-09 | 浙江大学 | 一种节点流量和管道阻力系数同时调整的供水管网模型快速校正方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102032935B (zh) * | 2010-12-07 | 2012-01-11 | 杭州电子科技大学 | 城市排水汇流管网污水泵站流量的软测量方法 |
CN102592008B (zh) * | 2011-12-30 | 2013-10-30 | 华东师范大学 | 基于gis技术的城市排水管网设计系统及方法 |
US20140156232A1 (en) * | 2012-11-30 | 2014-06-05 | International Business Machines Corporation | Methods, systems and computer program storage devices for generating a flooding forecast |
CN104598698A (zh) * | 2015-02-13 | 2015-05-06 | 北京清控人居环境研究院有限公司 | 在线构架系统以及基于在线构架的供水管网模型建模方法 |
CN107633340B (zh) * | 2017-07-21 | 2021-09-07 | 浙江大学 | 一种基于压力监测的供水管网漏失区域快速识别方法 |
CN107506536B (zh) * | 2017-08-07 | 2020-07-24 | 浙江大学 | 一种针对多水源供水管网的供水优化分区方法 |
CN108197725B (zh) * | 2017-12-06 | 2021-05-28 | 浙江大学 | 基于需水量先验信息的供水管网节点需水量校核方法 |
CN108332059B (zh) * | 2018-01-16 | 2019-05-31 | 浙江大学 | 服务于供水管网爆管监测的测压点优化布置方法 |
CN108664684B (zh) * | 2018-03-16 | 2021-04-09 | 浙江大学 | 一种基于瞬变模拟的供水管网串联管道简化方法 |
CN108758357B (zh) * | 2018-06-01 | 2019-06-11 | 浙江大学 | 一种基于供水管网压力变化值分析的爆管定位方法 |
CN109237311A (zh) * | 2018-09-13 | 2019-01-18 | 上海万朗水务科技有限公司 | 污水处理厂排水管道管网信息系统 |
CN110929359B (zh) * | 2019-11-20 | 2023-09-22 | 合肥泽众城市智能科技有限公司 | 基于pnn神经网络和swmm技术的管网淤积风险预测建模方法 |
-
2020
- 2020-08-18 CN CN202010832786.9A patent/CN112182984B/zh active Active
- 2020-10-10 WO PCT/CN2020/120149 patent/WO2022036820A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016622A (zh) * | 2017-03-22 | 2017-08-04 | 浙江大学 | 一种含大用户用水信息的城市供水管网节点需水量反演方法 |
CN107563007A (zh) * | 2017-08-07 | 2018-01-09 | 浙江大学 | 一种节点流量和管道阻力系数同时调整的供水管网模型快速校正方法 |
Non-Patent Citations (7)
Title |
---|
刘智晓等: "流域治理视角下合流制雨季超量混合污水治理策略", 《中国给水排水》 * |
孔艳丽等: "供水管网动态模型分类及应用分析", 《给水排水》 * |
张琼等: "珠三角某市污水管网在线管理系统的构建", 《中国给水排水》 * |
张瑞杰等: "防止采油污水外排计算机仿真模拟技术", 《科学技术与工程》 * |
朱志文等: "基于排水动态管控平台的在线监测系统在城市排水运维中的应用", 《节能与环保》 * |
黄哲骢等: "供水管网漏损现状及漏损检测方法研究综述", 《科技通报》 * |
黄盼盼等: "基于水力模型的供水管网区块化优化研究", 《水电能源科学》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011903A (zh) * | 2021-04-26 | 2021-06-22 | 成都环极科技有限公司 | 基于gis和水力模型的水污染精准溯源方法 |
WO2023284060A1 (zh) * | 2021-07-12 | 2023-01-19 | 浙江大学 | 一种基于地理三维信息的污水管网流量不确定性分析方法 |
CN113626959A (zh) * | 2021-07-12 | 2021-11-09 | 浙江大学 | 一种基于三维地理信息的污水管网水力模型建立方法 |
CN113781276A (zh) * | 2021-07-12 | 2021-12-10 | 浙江大学 | 一种污水管网流量不确定性分析方法 |
CN113781276B (zh) * | 2021-07-12 | 2024-01-19 | 浙江大学 | 一种污水管网流量不确定性分析方法 |
CN113626959B (zh) * | 2021-07-12 | 2023-12-08 | 浙江大学 | 一种基于三维地理信息的污水管网水力模型建立方法 |
CN113803646B (zh) * | 2021-09-01 | 2023-04-07 | 长江生态环保集团有限公司 | 适用于缺陷管道排查的排水管网监测布点方法 |
CN113803646A (zh) * | 2021-09-01 | 2021-12-17 | 长江生态环保集团有限公司 | 适用于缺陷管道排查的排水管网监测布点方法 |
CN113818536A (zh) * | 2021-11-03 | 2021-12-21 | 江苏四联自动化科技有限公司 | 一种污水管网排水能力综合调度方法及系统 |
CN114429034A (zh) * | 2021-12-27 | 2022-05-03 | 同济大学 | 一种面向供水管网水力模型水量校核的压力监测点移动布置方法 |
CN114477329B (zh) * | 2022-02-22 | 2023-01-06 | 江苏舜维环境工程有限公司 | 一种水泥厂集成化水处理装置 |
CN114477329A (zh) * | 2022-02-22 | 2022-05-13 | 江苏舜维环境工程有限公司 | 一种水泥厂集成化水处理装置 |
CN116976046A (zh) * | 2023-06-12 | 2023-10-31 | 中国建筑第四工程局有限公司 | 基于管网追踪的污水监控方法及系统 |
CN116976046B (zh) * | 2023-06-12 | 2024-04-05 | 中国建筑第四工程局有限公司 | 基于管网追踪的污水监控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2022036820A1 (zh) | 2022-02-24 |
CN112182984B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112182984B (zh) | 一种基于供水物联网数据驱动的污水管网实时模拟方法 | |
US20230205943A1 (en) | Real-time simulation method of sewage pipe network based on water supply iot data assimilation | |
Nazif et al. | Pressure management model for urban water distribution networks | |
De Marchis et al. | Analysis of the impact of intermittent distribution by modelling the network-filling process | |
KR100828968B1 (ko) | 지리정보시스템과 연계된 하수관거 유지관리방법 및 그기능을 탑재한 하수관거 유지관리시스템 | |
US20240184959A1 (en) | Sewage pipe network hydraulic model building method based on three-dimensional geographic information | |
CN101871448B (zh) | 一种泵站水泵特性曲线确定方法及系统 | |
Cunha et al. | A comprehensive water balance methodology for collective irrigation systems | |
CN116362720A (zh) | 一种应对供水管网操作变化情景下的漏损检测方法、装置及系统 | |
CN113626959B (zh) | 一种基于三维地理信息的污水管网水力模型建立方法 | |
JP2023169099A (ja) | 流入量予測システム | |
CN113792367B (zh) | 基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法 | |
CN103617563A (zh) | 一种基于地统计空间分析理论的供水管网无监测节点压力确定方法 | |
CN113221440B (zh) | 一种排水系统监测点优化布置与实时全局反演方法 | |
Leonhardt et al. | A software-based sensor for combined sewer overflows | |
CN109992868B (zh) | 一种基于异参离散广义Nash汇流模型的河道洪水预报方法 | |
JP2002285634A (ja) | 雨水流入予測装置 | |
CN116305452A (zh) | 一种流域尺度淤地坝拦沙量的动态计算方法 | |
Charalambous | Use of district metered areas coupled with pressure optimisation to reduce leakage | |
KR20240000915A (ko) | 유역 상세화를 통한 실적자료 기반 물수급 분석 방법 및 그 방법을 구현하기 위한 컴퓨터로 판독 가능한 기록매체에 저장된 프로그램 | |
CN113340539A (zh) | 一种直埋大管径生活给水管道渗漏在线监测装置及其方法 | |
Rathore et al. | Leakage diagnosis with a contamination mitigation control framework using a graph theory based model | |
JAURENA BELTRAMI | On the interconnectivity of urban water system models Possibilities, limitations, and feasibilities | |
Mazouz et al. | Analysis of The Simulation of The Water Supply Network of The New City of Guelma by Epanet | |
CN214952040U (zh) | 一种直埋大管径生活给水管道渗漏在线监测装置 |
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 |