CN112630836B - 基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统 - Google Patents
基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统 Download PDFInfo
- Publication number
- CN112630836B CN112630836B CN202011458612.7A CN202011458612A CN112630836B CN 112630836 B CN112630836 B CN 112630836B CN 202011458612 A CN202011458612 A CN 202011458612A CN 112630836 B CN112630836 B CN 112630836B
- Authority
- CN
- China
- Prior art keywords
- terrain
- ice
- micro
- data
- icing
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/30—Analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
Abstract
本发明公开了一种基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统,该方法包括:选取待分析的易覆冰地区,在其出现冬季雨雪冰冻过程前,收集该地区的地形数据以及气象预测数据;并进行网格化;利用数值高程地形数据建立覆冰微地形网格数据,建立覆冰微地形启发因子;形成覆冰环境多维数组;建立与气象预测数据的种类对应的启发因子;根据微地形启发因子、气象预测数据的种类对应的启发因子,结合蚁群算法的距离启发因子和信息素因子,通过优化蚁群算法,输出微地形覆冰威胁的延伸路径;在微地形覆冰威胁的延伸路径上的关键微地形点位和重要输电线路进行监测布点。本发明能够直接得出覆冰威胁的发生位置和发展情况。
Description
技术领域
本发明涉及输电线路防护领域,尤其涉及一种基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统。
背景技术
在中国南方地区,一旦发生冬季雨雪冰冻过程,往往会造成一个时间段内和一个较大范围内的输电线路覆冰。一般情况下,由冷暖气团交汇引起的电网覆冰过程主要呈现自北向南或自西向东的动态发展趋势。在发展过程中,受到地形因素影响,各地的覆冰强弱分布极不均衡,尤其在微地形地区容易出现覆冰骤然加重的情况,给输电线路安全稳定运行带来巨大威胁。
电网防冰能力的提升在客观上要求微地形覆冰分布特征预测技术和覆冰监测技术能够给予有力的支持。现有的电网覆冰预报主要以气象数值预报为基础,预报精细化程度严重依赖初始场数据和数值预报模式的网格尺度,并受中尺度扰动影响,在次网格覆冰程度预报方面面临巨大的障碍,在刻画微地形覆冰特征时仍然存在很大的不足;覆冰监测工作长期依靠人工经验,在气候变化的大背景下已经难以有效指导覆冰监测队伍和装置部署,影响了覆冰监测工作高效开展。
人工蚁群算法是一种基于机器学习的路径规划算法,它不仅可以充分融合和挖掘不同种类的数据,还可以跳出常规的物理建模分析预测思路,形成一种从数据特征出发、更容易理解和掌握的建模新思路,大大改善微地形覆冰预测能力,以此为基础,进一步提升覆冰监测工作部署水平。建立在蚁群算法基础上的电网微地形覆冰威胁的路径延伸分析和监测布点方法,能够快速高效全面的分析气象地形数据特征,精细化定位微地形覆冰隐患点,指导电网防冻融冰工作。
发明内容
本发明提供了一种基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统。用以解决区域电网覆冰条件下,微地形覆冰危害的发生和迁移难以准确预测、覆冰监测不及时的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种基于电网微地形覆冰威胁路径延伸分析的监测布点方法,包括以下步骤:
选取待分析的易覆冰地区,在其出现冬季雨雪冰冻过程前,收集该地区的地形数据以及气象预测数据;并将地形数据以及气象预测数据进行网格化;地形数据,包括:区域内的覆冰微地形分布数据和数值高程地形数据;
根据覆冰微地形分布数据中的覆冰微地形分布位置情况,利用数值高程地形数据建立覆冰微地形网格数据,建立覆冰微地形启发因子;
以所选易覆冰地区的数值高程地形数据的经纬度坐标为基础,增加气象预测数据和覆冰微地形信息,形成覆冰环境多维数组;
根据气象预测数据的种类,建立与气象预测数据的种类对应的启发因子;
根据微地形启发因子、气象预测数据的种类对应的启发因子,结合蚁群算法的距离启发因子和信息素因子,通过优化蚁群算法,输出微地形覆冰威胁的延伸路径;
在微地形覆冰威胁的延伸路径上的关键微地形点位和重要输电线路进行监测布点。
优选地,气象预测数据,包括气象预报的该地区本次过程中气温和湿度分布数据。
优选地,覆冰环境多维数组,数据结构为(x,y,T,h,M),(x,y)为数值高程地形数据的经纬度坐标,T为气温,h为湿度,M为覆冰微地形信息。
优选地,与气象预测数据的种类对应的启发因子,包括:气温启发因子T和湿度启发因子H,计算式如下:
式中,Tj为气温启发因子,Wi和Wj分别为i、j两点的温度值,Hj为湿度启发因子,hi和hj分别为i、j两点的湿度值,T0、H0为实验确定的常数。
优选地,优化蚁群算法的求解转移概率公式如下:
距离启发因子计算式,计算式如下:
信息素计算因子,计算式如下:
τj(t+n)=(1-ρ)·τj(t)+Δτi,j(t) (6)
τj(0)=C (7)
其中,i为蚂蚁k当前所在节点,j为下一步计划节点,α为信息素重要性指数,β为距离启发因子重要性指数,allowedk为蚂蚁k下一步可选择的节点,xj、yj分别为节点j的坐标,xi、yi分别为节点i的坐标,为第k只蚂蚁在节点i,j之间路径所留下的信息素,Lk为蚂蚁k完成其路径的总长度。γ为气温启发因子重要性指数,δ为湿度启发因子重要性指数,n为路径的节点总数。α、β、δ、ρ、Q、C为实验确定的常数,m为蚂蚁总数。
本发明还提供一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果:
1、本发明的基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统,考虑地形特征和气象环境,充分利用优化蚁群算法的信息整合和对比优势,建立微地形覆冰路径威胁延伸路径,得到微地形覆冰发展预测结果和监测布点方案。本发明首次将基于蚁群算法的路径规划方法引入电网覆冰预测监测工作中,能够直接给出电力企业最关心的覆冰威胁的发生位置和发展情况,实现了对现有的输电线路覆冰预测方法的改进,指导覆冰监测的针对性提升。
2、在优选方案中,本发明基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统,条理清晰、操作性强、实用性高,通用性好,有效规避了物理模型的建立和求解难题,对维护电网的安全稳定及防灾减灾有重要作用,对交通、建筑等行业开展调度管理也有一定的启发意义。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的基于电网微地形覆冰威胁路径延伸分析的监测布点方法的结构示意图;
图2是本发明优选实施例2的重覆冰隐患点延伸路径示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1,本发明的基于电网微地形覆冰威胁路径延伸分析的监测布点方法。包括以下步骤:
一种基于电网微地形覆冰威胁路径延伸分析的监测布点方法,包括以下步骤:
选取待分析的易覆冰地区,在其出现冬季雨雪冰冻过程前,收集该地区的地形数据以及气象预测数据;并将地形数据以及气象预测数据进行网格化;地形数据,包括:区域内的覆冰微地形分布数据和数值高程地形数据;
根据覆冰微地形分布数据中的覆冰微地形分布位置情况,利用数值高程地形数据建立覆冰微地形网格数据,建立覆冰微地形启发因子;
以所选易覆冰地区的数值高程地形数据的经纬度坐标为基础,增加气象预测数据和覆冰微地形信息,形成覆冰环境多维数组;
根据气象预测数据的种类,建立与气象预测数据的种类对应的启发因子;
根据微地形启发因子、气象预测数据的种类对应的启发因子,结合蚁群算法的距离启发因子和信息素因子,通过优化蚁群算法,输出微地形覆冰威胁的延伸路径;
在微地形覆冰威胁的延伸路径上的关键微地形点位和重要输电线路进行监测布点。
通过上述步骤,能考虑地形特征和气象环境,充分利用优化蚁群算法的信息整合和对比优势,建立微地形覆冰路径威胁延伸路径,得到微地形覆冰发展预测结果和监测布点方案。得到的覆冰威胁的(发展)延伸路径,则该路径上的关键微地形点位和重要输电线路将成为新一轮覆冰过程的主要影响对象,对期提前进行监测工作部署。并在次年的覆冰监测装置配置计划和观冰人员负责区域中,对此类地点进行重点关注和管理。对维护电网的安全稳定及防灾减灾有重要作用,对交通、建筑等行业开展调度管理也有一定的启发意义。
在实际应用中,本发明还可进行优化,以下示例说明:
实施例1:
本实施例的基于电网微地形覆冰威胁路径延伸分析的监测布点方法,包括以下步骤:
(1)、覆冰环境数据收集。选取某一易覆冰地区,在其出现冬季雨雪冰冻过程前,收集该地区的地形数据,即区域内的覆冰微地形分布数据和数值高程地形数据;收集该地区气象预测数据,即气象预报的该地区本次过程中气温和湿度分布数据。
(2.1)、气象数据整理。选取步骤(1)得到的气象预测数据,先将气温预测数据网格化,要求划分网格与数值高程网格的范围大小完全对应,再将湿度预测数据依照同样的方法网格化。
(2.2)、微地形数据整理。根据步骤(1)得到的所选区域内的覆冰微地形分布位置情况,利用数值高程地形数据建立覆冰微地形网格数据,并形成覆冰微地形启发因子M,方法为:当网格中不存在覆冰微地形时,该网格的覆冰微地形启发因子取1;当网格中存在1处覆冰微地形时,该网格的覆冰微地形启发因子取3;当网格中存在2处覆冰微地形时,该网格的覆冰微地形启发因子取5;当网格中存在3处以上覆冰微地形时,该网格的覆冰微地形启发因子取10。
(3)、建立初始场结构数据。以所选易覆冰地区的数值高程地形数据的经纬度坐标为基础,增加温度、湿度、覆冰微地形信息,形成覆冰环境的五维数组,数据结构为(x,y,T,h,M)。根据气象预报确定的雨雪冰冻天气最先和最后影响的位置,确定起止坐标。从而形成算法初始场。
(4.1)、建立启发因子。除了步骤(2.2)中的微地形启发因子M外,为实现信息的充分应用,建立气温启发因子T和湿度启发因子H:
式中,Tj为气温启发因子,Wi和Wj分别为i、j两点的温度值,Hj为湿度启发因子,hi和hj分别为i、j两点的湿度值,T0、H0为实验确定的常数。
(4.2)、建立算法。根据微地形启发因子、气温启发因子、湿度启发因子,并结合蚁群算法原有距离启发因子和信息素因子,建立优化蚁群算法,核心是求解转移概率公式:
τj(t+n)=(1-ρ)·τj(t)+Δτi,j(t) (6)
τj(0)=C (7)
公式(3)为转移概率计算式,公式(4)~(5)为距离启发因子计算式,公式(6)~(9)为信息素计算式。其中,i为蚂蚁k当前所在节点,j为下一步计划节点,α为信息素重要性指数,β为距离启发因子重要性指数,allowedk为蚂蚁k下一步可选择的节点,xj、yj分别为节点j的坐标,xi、yi分别为节点i的坐标,为第k只蚂蚁在节点i,j之间路径所留下的信息素,Lk为蚂蚁k完成其路径的总长度。γ为气温启发因子重要性指数,δ为湿度启发因子重要性指数,n为路径的节点总数。α、β、δ、ρ、Q、C为实验确定的常数,m为蚂蚁总数。
(5)、路径分析。用步骤(3)建立的算法初始场代入步骤(4.1)~(4.2)形成的优化蚁群算法程序,自动计算并输出微地形覆冰威胁的延伸路径,即认为本次雨雪冰冻过程中,输电线路覆冰最厚(威胁最大)的点位将按照这一路径向前延伸。
(6)、提出监测布点方案。根据步骤(5)得到的微地形覆冰威胁的延伸路径,认为该路径上的关键微地形点位和重要输电线路将成为新一轮覆冰过程的主要影响对象,对期提前进行监测工作部署。并在次年的覆冰监测装置配置计划和观冰人员负责区域中,对此类地点进行重点关注和管理。
实施例2:
(1)、覆冰环境数据收集。收集2019年2月中下旬湖南电网覆冰过程的相关数据,包括湖南地形数据,即全省数值高程地形数据和微地形经纬度坐标数据;湖南电网出现覆冰前一天的7天气温湿度预报数据。
(2.1)、气象数据整理。选取步骤(1)得到的气象预测数据,先将气温预测数据网格化,要求划分网格与数值高程网格的范围大小完全对应,再将湿度预测数据依照同样的方法网格化。
(2.2)、微地形数据整理。根据步骤(1)得到的所选区域内的覆冰微地形分布位置情况,利用数值高程地形数据建立覆冰微地形网格数据,统计在同一网格内的微地形数量,按照覆冰微地形启发因子建立规则,并形成覆冰微地形启发因子。
(3)、建立初始场结构数据。以所选易覆冰地区的数值高程地形数据的经纬度坐标为基础,增加温度、湿度、覆冰微地形信息,形成覆冰环境的五维数组,数据结构为(x,y,T,h,M)。根据气象预报确定的雨雪冰冻天气最先和最后影响的位置,确定起止位置分别为张家界慈利和怀化会同,并确定起止位置的经纬度坐标。从而形成算法初始场。
(4.1)建立启发因子。根据公式(1)~(2),分别建立气温启发因子和湿度启发因子。
(4.2)、建立算法。根据微地形启发因子、气温启发因子、湿度启发因子,并结合蚁群算法原有距离启发因子和信息素因子,建立优化蚁群算法,编写计算机程序并将初始场数据带入计算。
(5)、路径分析。根据初始场数据特征形成的微地形覆冰威胁延伸路径分析结果如图2所示。
(6)、提出监测布点方案。根据步骤(5)得到的覆冰威胁发展延伸路径,对此类地点进行重点监测和管理。实际情况为,在此次覆冰过程中,图中第二节点所在张家界武陵源发生了覆冰倒塔事故;图中第四节点所在的益阳安化发生了重覆冰线路降压运行事件。
实施例3:
本实施例提供一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一实施例中的步骤。
综上可知,本发明充分利用优化蚁群算法的信息整合和对比优势,建立微地形覆冰路径威胁延伸路径,得到微地形覆冰发展预测结果和监测布点方案。实用性高,通用性好,有效规避了物理模型的建立和求解难题,对维护电网的安全稳定及防灾减灾有重要作用,对交通、建筑等行业开展调度管理也有一定的启发意义。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于电网微地形覆冰威胁路径延伸分析的监测布点方法,其特征在于,包括以下步骤:
选取待分析的易覆冰地区,在其出现冬季雨雪冰冻过程前,收集该地区的地形数据以及气象预测数据;并将所述地形数据以及气象预测数据进行网格化;所述地形数据,包括:区域内的覆冰微地形分布数据和数值高程地形数据;
根据覆冰微地形分布数据中的覆冰微地形分布位置情况,利用数值高程地形数据建立覆冰微地形网格数据,建立覆冰微地形启发因子;
以所选易覆冰地区的数值高程地形数据的经纬度坐标为基础,增加气象预测数据和覆冰微地形信息,形成覆冰环境多维数组;
根据气象预测数据的种类,建立与所述气象预测数据的种类对应的启发因子;
根据微地形启发因子、气象预测数据的种类对应的启发因子,结合蚁群算法的距离启发因子和信息素因子,通过优化蚁群算法,输出微地形覆冰威胁的延伸路径;
在所述微地形覆冰威胁的延伸路径上的关键微地形点位和重要输电线路进行监测布点。
2.根据权利要求1所述的基于电网微地形覆冰威胁路径延伸分析的监测布点方法,其特征在于,所述气象预测数据,包括气象预报的该地区本次过程中气温和湿度分布数据。
3.根据权利要求2所述的基于电网微地形覆冰威胁路径延伸分析的监测布点方法,其特征在于,所述覆冰环境多维数组,数据结构为(x,y,T,h,M),(x,y)为数值高程地形数据的经纬度坐标,T为气温,h为湿度,M为覆冰微地形信息。
5.根据权利要求4所述的基于电网微地形覆冰威胁路径延伸分析的监测布点方法,其特征在于,所述优化蚁群算法的求解转移概率公式如下:
所述距离启发因子计算式,计算式如下:
所述信息素计算因子,计算式如下:
τj(t+n)=(1-ρ)·τj(t)+Δτi,j(t) (6)
τj(0)=C (7)
6.一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至5任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458612.7A CN112630836B (zh) | 2020-12-11 | 2020-12-11 | 基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458612.7A CN112630836B (zh) | 2020-12-11 | 2020-12-11 | 基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112630836A CN112630836A (zh) | 2021-04-09 |
CN112630836B true CN112630836B (zh) | 2022-12-06 |
Family
ID=75310156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011458612.7A Active CN112630836B (zh) | 2020-12-11 | 2020-12-11 | 基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112630836B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113917566B (zh) * | 2021-09-28 | 2023-06-27 | 国网湖南省电力有限公司 | 考虑效率-资源最优平衡的微地形气象预测方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462660B (zh) * | 2014-11-14 | 2018-04-27 | 贵州电力试验研究院 | 一种野外输电线路冬季覆冰厚度分布绘制方法 |
CN105160425A (zh) * | 2015-08-17 | 2015-12-16 | 国家电网公司 | 基于气象和地形因子的输变电设备覆冰灾害监测和预报方法 |
CN106651646A (zh) * | 2016-11-28 | 2017-05-10 | 武汉大学 | 基于模糊综合评判的输电线路覆冰状态评估方法 |
CN110443973A (zh) * | 2018-05-04 | 2019-11-12 | 国家电网公司 | 一种输电线路覆冰状态预警方法、装置及系统 |
CN110657834A (zh) * | 2019-08-26 | 2020-01-07 | 中国电力科学研究院有限公司 | 一种微地形区域电网输电线路覆冰状态判断方法及装置 |
CN110516825B (zh) * | 2019-08-27 | 2023-01-13 | 国网湖南省电力有限公司 | 一种覆冰环境下输电线路特巡路径规划方法及系统 |
CN110991879A (zh) * | 2019-12-02 | 2020-04-10 | 贵州电网有限责任公司 | 一种输电线路冰期不同档距覆冰灾害风险评估方法 |
CN111428942B (zh) * | 2020-04-16 | 2022-06-07 | 贵州电网有限责任公司 | 基于变网格技术提取微地形因子的线路覆冰厚度预测方法 |
-
2020
- 2020-12-11 CN CN202011458612.7A patent/CN112630836B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112630836A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wanik et al. | Storm outage modeling for an electric distribution network in Northeastern USA | |
Lima et al. | Extreme rainfall events over Rio de Janeiro State, Brazil: Characterization using probability distribution functions and clustering analysis | |
Deni et al. | The best probability models for dry and wet spells in Peninsular Malaysia during monsoon seasons | |
CN104182594A (zh) | 一种电力系统风区图的绘制方法 | |
US8682623B1 (en) | Electric power distribution interruption risk assessment calculator | |
KR101646587B1 (ko) | 북서태평양 태풍 활동성에 대한 하이브리드 계절 예측 방법 | |
CN106251026A (zh) | 基于pdbscan算法的雷电临近趋势预报方法 | |
CN105095668B (zh) | 基于亚洲极涡因子的电网覆冰长期预报方法 | |
CN101996365A (zh) | 草原火灾蔓延预测系统 | |
Liu et al. | A comprehensive risk analysis of transportation networks affected by rainfall‐induced multihazards | |
CN112630836B (zh) | 基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统 | |
CN107958312A (zh) | 基于反演算法的输电线路舞动预测方法、系统及存储介质 | |
CN111144637A (zh) | 基于机器学习的区域电网地质灾害预报模型构建方法 | |
CN115759499A (zh) | 一种基于优化算法的路径规划方法、装置、设备及介质 | |
Angalakudati et al. | Improving emergency storm planning using machine learning | |
CN113537846A (zh) | 基于气象灾害的输配电线路杆塔的风险分析方法及系统 | |
CN110516825B (zh) | 一种覆冰环境下输电线路特巡路径规划方法及系统 | |
Liu et al. | Building Chinese wind data for Wind Erosion Prediction System using surrogate US data | |
CN112257329A (zh) | 一种判定台风对线路影响的方法 | |
Hong et al. | Probabilistic simulations for seasonal typhoon genesis over the South China Sea | |
Rosowsky | Projecting the effects of a warming climate on the hurricane hazard and insured losses: Methodology and case study | |
Tan et al. | Statistical analysis and prediction of regional bus passenger flows | |
KR102422300B1 (ko) | 도심항공교통의 포트 선정을 위한 기후정보 제공 방법 및 시스템 | |
Choun et al. | Logic tree approach for probabilistic typhoon wind hazard assessment | |
Guo et al. | Typhoon wind hazard model and estimation on return period of typhoon wind speed |
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 |