CN112415326A - 一种基于模糊聚类算法的配电网故障区段辨识方法 - Google Patents

一种基于模糊聚类算法的配电网故障区段辨识方法 Download PDF

Info

Publication number
CN112415326A
CN112415326A CN202011136602.1A CN202011136602A CN112415326A CN 112415326 A CN112415326 A CN 112415326A CN 202011136602 A CN202011136602 A CN 202011136602A CN 112415326 A CN112415326 A CN 112415326A
Authority
CN
China
Prior art keywords
line
fault
function
clustering algorithm
fuzzy clustering
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
Application number
CN202011136602.1A
Other languages
English (en)
Other versions
CN112415326B (zh
Inventor
梁睿
唐泽华
程孟晗
薛雪
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.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
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 China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN202011136602.1A priority Critical patent/CN112415326B/zh
Publication of CN112415326A publication Critical patent/CN112415326A/zh
Application granted granted Critical
Publication of CN112415326B publication Critical patent/CN112415326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Locating Faults (AREA)

Abstract

本发明公开了一种基于模糊聚类算法的配电网故障区段辨识方法，适用于适用于电网故障辩识领域。首先在线路上广泛布置的分布式测量点，将各测量点之间的距离定义为一个判别区段，当配电线路沿线发生单相接地故障时，各测量点记录并远传零序电流幅值信息至云端计算机；采用基于模糊聚类算法的定位方法，根据故障线路与非故障线路零序电流幅值沿线分布的差异进行故障区段辨识。对设备性能要求低，辨识方法简单、可靠，具有重要的实际工程应用价值。

Description

一种基于模糊聚类算法的配电网故障区段辨识方法
技术领域
本发明涉及一种基于模糊聚类算法的配电网故障区段辨识方法，尤其适用于电网故障辩识领域。
背景技术
随着我国经济的快速增长，用电负荷的规模和数量不断增加，配电网的规模愈加扩大。城市配网线路工作环境复杂，极易发生故障，其中以单相接地故障为主要形式，达到故障总数的80％以上。
为了满足配电自动化的建设要求，迎合泛在电力物联网的发展方向，大量分布式测量装置广泛配置于配电网中，如μPMU等。然而，大量配置的分布式测量装置所带来的海量运行数据，至今仍没有对其实现有效充分利用，极大地浪费了现场实际运行数据这一宝贵资源。充分利用分布式测量装置所记录的正常、故障状态下的电流波形信息，采取简单易行的方案有效定位故障区段，对于提升正常、故障状态下数据的价值，减少运维工作的繁复性与工作量具有重要意义。
发明内容
发明目的：为解决上述技术的不足之处，提供一种步骤简单，使用效果好，能够快速定位辨识电网故障区段的基于模糊聚类算法的配电网故障区段辨识方法。
为实现上述目的，本发明的基于模糊聚类算法的配电网故障区段辨识方法，其步骤如下：
S1首先在电网各线路的首端设置首端测量点，并在各线路上间隔布置分布式测量点；在电网正常运行状态下，采集电网各线路首端测量点两周波的相电流信息，利用三角函数对采集到的相电流进行拟合，得到正常运行状态下的波形函数Fm(t)(m＝1,2,…,M，M为母线出线数)；
S2当系统某线路上发生单相接地故障时，采集各线路首端测量点到达稳态后两周波的相电流信息，使用三角函数对采集到的相电流进行拟合，得到各线路故障后稳态时的波形函数Gm(t)(m＝1,2,…,M，M为母线出线数)；
S3将拟合出的各线路正常运行时的波形函数Fm(t)和各线路故障稳态时的波形函数Gm(t)按时间轴对齐并作差，得差值函数Hm(t)；
S4对差值函数Hm(t)在时间区间上作积分，其中t为故障发生时刻，得到面积差函数序列Γ＝[S1,S2,…,SM]T(m＝1,2,…,M，M为母线出线数)；
S5利用模糊聚类算法FCM对面积差函数序列Γ进行分类，根据聚类结果，确定故障线路；
S6分别采集故障线路各分布式测量点正常状态时及到达稳态后的两周波的相电流波形，利用三角函数将采集到的各测量点相电流信息进行拟合，得到各测量点正常状态下及故障后稳态的波形函数Fn(t)、Dn(t)(n＝1,2,…,N，N为故障线路上分布式测量点数目)，将Fn(t)、Dn(t)作差，并在时间区间(t+0.04,t+0.1)上积分，得到故障线路上各分布式测量点处相电流的面积差函数序列Ω＝[s1,s2,…,sN]T(n＝1,2,…,N，N为故障线路上的分布式测量装置的数目)；
S7使用模糊聚类算法对面积差函数序列Ω进行分类，根据聚类结果，确定单相接地故障发生的线路区段。
在步骤S3中，将拟合出的正常运行时的波形函数Fm(t)和故障稳态时的波形函数Gm(t)按时间轴对齐并作差，得差值函数Hm(t)，其计算公式为：
在步骤S4中，对差值函数Hm(t)在时间区间(t+0.04,t+0.1)上作积分，其中t为故障发生时刻，得到面积差函数序列Γ＝[S1,S2,…,SM]T(m＝1,2,…,M，M为母线出线数)，其计算公式为：
Figure BDA0002736902150000021
在步骤S5和步骤S7中，使用模糊聚类算法FCM分别对面积差函数序列Γ与面积差函数序列Ω进行分类，以步骤S5中聚类方法为例，计算过程如下：
a设置聚类类别数c＝2，用[0,1]间随机数初始化隶属矩阵U，矩阵U中系数uij需满
足下式中的约束条件；
Figure BDA0002736902150000022
b将序列Γ＝[S1,S2,…,SM]T数据代入下式，计算c个聚类中心ci，λ为权重指数，此处λ＝2：
Figure BDA0002736902150000023
c将序列Γ中数据代入下式计算目标函数J用以限制迭代次数，若J<1×10-6，则算法
停止,否则，重复上述步骤：
Figure BDA0002736902150000031
d利用公式：
Figure BDA0002736902150000032
计算新的隶属矩阵U；
e结束上述步骤，即可根据隶属矩阵U完成故障线路辨识，如果
Figure BDA0002736902150000033
则该数据被划分到第i个分类，根据分类结果，实现故障线路辨识。
有益效果：
本发明通过将线路中分布式测量装置中所提取的相电流信息进行模糊聚类分析，通过所构建的判据实现配电网故障区段辨识，克服了工程上大量存在的判断阈值选定所带来的麻烦且对测量装置所具备的采样频率要求较低，本方法能够有效地辨识故障区段，方法对设备性能要求低，辨识方法简单、可靠，具有重要的实际工程应用价值。
附图说明
图1为本发明基于模糊聚类算法的配电网故障区段辨识方法的流程示意图；
图2为单端辐射配电网状仿真模型示意图；
图3为本发明基于模糊聚类算法的配电网故障区段辨识方法的仿真结果示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示，本发明的基于模糊聚类算法的配电网故障区段辨识方法，其步骤如下：
S1首先在电网各线路的首端设置首端测量点，并在各线路上间隔布置分布式测量点；在电网正常运行状态下，采集电网各线路首端测量点两周波的相电流信息，利用三角函数对采集到的相电流进行拟合，得到正常运行状态下的波形函数Fm(t)(m＝1,2,…,M，M为母线出线数)；
S2当系统某线路上发生单相接地故障时，采集各线路首端测量点到达稳态后两周波的相电流信息，使用三角函数对采集到的相电流进行拟合，得到各线路故障后稳态时的波形函数Gm(t)(m＝1,2,…,M，M为母线出线数)；
S3将拟合出的各线路正常运行时的波形函数Fm(t)和各线路故障稳态时的波形函数Gm(t)按时间轴对齐并作差，得差值函数Hm(t)；将拟合出的正常运行时的波形函数Fm(t)和故障稳态时的波形函数Gm(t)按时间轴对齐并作差，得差值函数Hm(t)，其计算公式为：
Hm(t)＝Fm(t)-Gm(t)；
S4对差值函数Hm(t)在时间区间上作积分，其中t为故障发生时刻，得到面积差函数序列Γ＝[S1,S2,…,SM]T(m＝1,2,…,M，M为母线出线数)；对差值函数Hm(t)在时间区间(t+0.04,t+0.1)上作积分，其中t为故障发生时刻，得到面积差函数序列Γ＝[S1,S2,…,SM]T(m＝1,2,…,M，M为母线出线数)，其计算公式为：
Figure BDA0002736902150000041
S5利用模糊聚类算法FCM对面积差函数序列Γ进行分类，根据聚类结果，确定故障线路；
S6分别采集故障线路各分布式测量点正常状态时及到达稳态后的两周波的相电流波形，利用三角函数将采集到的各测量点相电流信息进行拟合，得到各测量点正常状态下及故障后稳态的波形函数Fn(t)、Dn(t)(n＝1,2,…,N，N为故障线路上分布式测量点数目)，将Fn(t)、Dn(t)作差，并在时间区间(t+0.04,t+0.1)上积分，得到故障线路上各分布式测量点处相电流的面积差函数序列Ω＝[s1,s2,…,sN]T(n＝1,2,…,N，N为故障线路上的分布式测量装置的数目)；
S7使用模糊聚类算法对面积差函数序列Ω进行分类，根据聚类结果，确定单相接地故障发生的线路区段。
在步骤S5和步骤S7中，使用模糊聚类算法FCM分别对面积差函数序列Γ与面积差函数序列Ω进行分类，以步骤S5中聚类方法为例，计算过程如下：
a设置聚类类别数c＝2，用[0,1]间随机数初始化隶属矩阵U，矩阵U中系数uij需满
足下式中的约束条件；
Figure BDA0002736902150000042
b将序列Γ＝[S1,S2,…,SM]T数据代入下式，计算c个聚类中心ci，λ为权重指数，此处λ＝2：
Figure BDA0002736902150000043
c将序列Γ中数据代入下式计算目标函数J用以限制迭代次数，若J<1×10-6，则算法
停止,否则，重复上述步骤：
Figure BDA0002736902150000051
d利用公式：
Figure BDA0002736902150000052
计算新的隶属矩阵U；
e结束上述步骤，即可根据隶属矩阵U完成故障线路辨识，如果
Figure BDA0002736902150000053
则该数据被划分到第i个分类，根据分类结果，实现故障线路辨识。
仿真验证
图2为典型的单端辐射状配电网的拓扑结构，在PSCAD/EMTDC中搭建10kV中性点不接地电缆线路，仿真模型如图2所示，线路L1、L2、L3长度分别为5km、6km、8km；每条线路沿线均匀布置测量点，以验证方法的可行性。对各分布式测量点进行编号Imn，m代表分布式测量装置在系统中所在支路编号，n代表其在支路上的沿线排序。在L3上距线路首端1.5km处设置单相接地故障，故障选线以及区段定位分类如图3所示。从结果可以看出：本发明所提方法可以准确判断配电网单相接地故障区段。

Claims (4)

1.一种基于模糊聚类算法的配电网故障区段辨识方法，其特征在于步骤如下：
S1首先在电网各线路的首端设置首端测量点，并在各线路上间隔布置分布式测量点；在电网正常运行状态下，采集电网各线路首端测量点两周波的相电流信息，利用三角函数对采集到的相电流进行拟合，得到正常运行状态下的波形函数Fm(t)(m＝1,2,…,M，M为母线出线数)；
S2当系统某线路上发生单相接地故障时，采集各线路首端测量点到达稳态后两周波的相电流信息，使用三角函数对采集到的相电流进行拟合，得到各线路故障后稳态时的波形函数Gm(t)(m＝1,2,…,M，M为母线出线数)；
S3将拟合出的各线路正常运行时的波形函数Fm(t)和各线路故障稳态时的波形函数Gm(t)按时间轴对齐并作差，得差值函数Hm(t)；
S4对差值函数Hm(t)在时间区间上作积分，其中t为故障发生时刻，得到面积差函数序列Γ＝[S1,S2,…,SM]T(m＝1,2,…,M，M为母线出线数)；
S5利用模糊聚类算法FCM对面积差函数序列Γ进行分类，根据聚类结果，确定故障线路；
S6分别采集故障线路各分布式测量点正常状态时及到达稳态后的两周波的相电流波形，利用三角函数将采集到的各测量点相电流信息进行拟合，得到各测量点正常状态下及故障后稳态的波形函数Fn(t)、Dn(t)(n＝1,2,…,N，N为故障线路上分布式测量点数目)，将Fn(t)、Dn(t)作差，并在时间区间(t+0.04,t+0.1)上积分，得到故障线路上各分布式测量点处相电流的面积差函数序列Ω＝[s1,s2,…,sN]T(n＝1,2,…,N，N为故障线路上的分布式测量装置的数目)；
S7使用模糊聚类算法对面积差函数序列Ω进行分类，根据聚类结果，确定单相接地故障发生的线路区段。
2.根据权利要求1所述一种基于模糊聚类算法的配电网故障区段辨识方法，其特征在于：在步骤S3中，将拟合出的正常运行时的波形函数Fm(t)和故障稳态时的波形函数Gm(t)按时间轴对齐并作差，得差值函数Hm(t)，其计算公式为：
Hm(t)＝Fm(t)-Gm(t)
3.根据权利要求1所述一种基于模糊聚类算法的配电网故障区段辨识方法，其特征在于：在步骤S4中，对差值函数Hm(t)在时间区间(t+0.04,t+0.1)上作积分，其中t为故障发生时刻，得到面积差函数序列Γ＝[S1,S2,…,SM]T(m＝1,2,…,M，M为母线出线数)，其计算公式为：
Figure FDA0002736902140000021
4.根据权利要求1所述的一种基于模糊聚类算法的配电网故障区段辨识方法，其特征在于，在步骤S5和步骤S7中，使用模糊聚类算法FCM分别对面积差函数序列Γ与面积差函数序列Ω进行分类，以步骤S5中聚类方法为例，计算过程如下：
a设置聚类类别数c＝2，用[0,1]间随机数初始化隶属矩阵U，矩阵U中系数uij需满足下式中的约束条件；
Figure FDA0002736902140000022
b将序列Γ＝[S1,S2,…,SM]T数据代入下式，计算c个聚类中心ci，λ为权重指数，此处λ＝2：
Figure FDA0002736902140000023
c将序列Γ中数据代入下式计算目标函数J用以限制迭代次数，若J<1×10-6，则算法停止,否则，重复上述步骤：
Figure FDA0002736902140000024
d利用公式：
Figure FDA0002736902140000025
计算新的隶属矩阵U；
e结束上述步骤，即可根据隶属矩阵U完成故障线路辨识，如果
Figure FDA0002736902140000026
则该数据被划分到第i个分类，根据分类结果，实现故障线路辨识。
CN202011136602.1A 2020-10-22 2020-10-22 一种基于模糊聚类算法的配电网故障区段辨识方法 Active CN112415326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011136602.1A CN112415326B (zh) 2020-10-22 2020-10-22 一种基于模糊聚类算法的配电网故障区段辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011136602.1A CN112415326B (zh) 2020-10-22 2020-10-22 一种基于模糊聚类算法的配电网故障区段辨识方法

Publications (2)

Publication Number Publication Date
CN112415326A true CN112415326A (zh) 2021-02-26
CN112415326B CN112415326B (zh) 2022-02-11

Family

ID=74840411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011136602.1A Active CN112415326B (zh) 2020-10-22 2020-10-22 一种基于模糊聚类算法的配电网故障区段辨识方法

Country Status (1)

Country Link
CN (1) CN112415326B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113406441A (zh) * 2021-07-27 2021-09-17 天津大学 基于聚类和迭代算法的柔性直流电网故障测距方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495331A (zh) * 2011-11-23 2012-06-13 泉州七星电气有限公司 基于柱上分界开关智能终端的单相接地故障判别方法
CN103267927A (zh) * 2013-04-27 2013-08-28 昆明理工大学 一种利用工频分量小波系数直线拟合检测的小电流接地系统故障选线方法
CN103439634A (zh) * 2013-09-02 2013-12-11 北京四方继保自动化股份有限公司 一种利用接地时刻零序电流暂态极性特征进行故障选线的方法
CN103941163A (zh) * 2014-05-12 2014-07-23 福州大学 利用模糊k均值聚类的谐振接地系统故障选线方法
CN107843779A (zh) * 2017-09-26 2018-03-27 国网河南省电力公司民权县供电公司 一种基于模糊聚类的电力系统故障录波分类分析方法和系统
CN109298288A (zh) * 2018-11-29 2019-02-01 中国矿业大学 广域零序电流分布信息的配电网故障区段精确定位方法
CN109655713A (zh) * 2019-01-18 2019-04-19 国网江苏省电力有限公司电力科学研究院 一种单相接地故障定位方法和系统
CN110297146A (zh) * 2019-07-30 2019-10-01 华北电力大学 基于暂态波形特征的输电线路雷击干扰与故障识别方法
CN110879330A (zh) * 2019-12-02 2020-03-13 昆明理工大学 一种基于零序伏安曲线面积的配电网单相接地故障发展态势判别方法
CN111650470A (zh) * 2020-05-21 2020-09-11 中国矿业大学(北京) 微电网线路区段快速自适应故障检测与识别方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495331A (zh) * 2011-11-23 2012-06-13 泉州七星电气有限公司 基于柱上分界开关智能终端的单相接地故障判别方法
CN103267927A (zh) * 2013-04-27 2013-08-28 昆明理工大学 一种利用工频分量小波系数直线拟合检测的小电流接地系统故障选线方法
CN103439634A (zh) * 2013-09-02 2013-12-11 北京四方继保自动化股份有限公司 一种利用接地时刻零序电流暂态极性特征进行故障选线的方法
CN103941163A (zh) * 2014-05-12 2014-07-23 福州大学 利用模糊k均值聚类的谐振接地系统故障选线方法
CN107843779A (zh) * 2017-09-26 2018-03-27 国网河南省电力公司民权县供电公司 一种基于模糊聚类的电力系统故障录波分类分析方法和系统
CN109298288A (zh) * 2018-11-29 2019-02-01 中国矿业大学 广域零序电流分布信息的配电网故障区段精确定位方法
CN109655713A (zh) * 2019-01-18 2019-04-19 国网江苏省电力有限公司电力科学研究院 一种单相接地故障定位方法和系统
CN110297146A (zh) * 2019-07-30 2019-10-01 华北电力大学 基于暂态波形特征的输电线路雷击干扰与故障识别方法
CN110879330A (zh) * 2019-12-02 2020-03-13 昆明理工大学 一种基于零序伏安曲线面积的配电网单相接地故障发展态势判别方法
CN111650470A (zh) * 2020-05-21 2020-09-11 中国矿业大学(北京) 微电网线路区段快速自适应故障检测与识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
梁睿 等: "零序分布参数的单相接地故障精确定位研究", 《电工技术学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113406441A (zh) * 2021-07-27 2021-09-17 天津大学 基于聚类和迭代算法的柔性直流电网故障测距方法
CN113406441B (zh) * 2021-07-27 2022-07-05 天津大学 基于聚类和迭代算法的柔性直流电网故障测距方法

Also Published As

Publication number Publication date
CN112415326B (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
CN100438251C (zh) 一种大型电力系统脆弱线路辨识的方法
AU2020103179A4 (en) A Fault Locating Method of Power Grid Based on Network Theory
CN110829417B (zh) 基于lstm双结构模型的电力系统暂态稳定预测方法
CN109459669B (zh) 10kV配电网单相接地故障区段定位方法
CN108008255A (zh) 一种中压配电网故障快速定位装置及定位方法
CN111679158A (zh) 基于同步量测数据相似度的配电网故障辨识方法
CN101958543B (zh) 一种变电站三相无阻抗非线性多源状态估计方法
CN111596167A (zh) 基于模糊c均值聚类算法的故障区段定位方法及装置
CN108414896B (zh) 一种电网故障诊断方法
CN110348114B (zh) 一种电网完备性状态信息重构的非精确故障识别方法
CN112147462A (zh) 一种基于深度学习的输电线路故障辨识方法
CN101499659B (zh) 基于基尔霍夫电流定律的变电站分布式状态估计方法
CN113109669B (zh) 一种基于行波特征频率的配电网混联线路故障定位方法
CN112098889B (zh) 一种基于神经网络和特征矩阵的单相接地故障定位方法
CN109428327B (zh) 基于响应的电网关键支路与主导稳定模式识别方法及系统
CN113937764A (zh) 一种低压配电网高频量测数据处理与拓扑识别方法
CN112883522A (zh) 一种基于gru循环神经网络的微电网动态等效建模方法
CN111628494A (zh) 一种基于逻辑回归法的低压配电网拓扑识别方法及系统
CN112684295A (zh) 一种基于相似离度的高渗透率下配电网故障选线方法及系统
CN112415326B (zh) 一种基于模糊聚类算法的配电网故障区段辨识方法
CN109494726A (zh) 基于dlrnn神经网络的电力系统稳定性在线评估方法
CN116298684A (zh) 一种配电网用故障研判定位系统
CN111190072A (zh) 集抄系统诊断模型建立方法、故障诊断方法及装置
CN112415325A (zh) 基于边缘计算的单相接地故障区段辨识方法
CN113177717B (zh) 一种基于影响增量灵敏度的输电系统韧性快速评估方法

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