CN112736878A - 一种电网连锁故障告警方法及系统 - Google Patents
一种电网连锁故障告警方法及系统 Download PDFInfo
- Publication number
- CN112736878A CN112736878A CN202110097521.3A CN202110097521A CN112736878A CN 112736878 A CN112736878 A CN 112736878A CN 202110097521 A CN202110097521 A CN 202110097521A CN 112736878 A CN112736878 A CN 112736878A
- Authority
- CN
- China
- Prior art keywords
- fault information
- information
- fault
- incidence relation
- power grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000001364 causal effect Effects 0.000 claims description 28
- 238000013528 artificial neural network Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims 3
- 239000002994 raw material Substances 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000000903 blocking effect Effects 0.000 description 6
- 230000035772 mutation Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
- H02H7/26—Sectionalised protection of cable or line systems, e.g. for disconnecting a section on which a short-circuit, earth fault, or arc discharge has occured
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H1/00—Details of emergency protective circuit arrangements
- H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电网连锁故障告警方法及系统，本发明采用预设的因果事件链规则库和预先训练的神经网络，识别故障信息之间的关联关系，对关联关系的故障信息进行归并，获得连锁故障信息，并对连锁故障信息进行展示，方便调度人员识别核心故障、确定故障原因和故障影响。
Description
技术领域
本发明涉及一种电网连锁故障告警方法及系统，属于电力系统智能分析与控制技术领域。
背景技术
随着电网规模的不断扩大，电力系统连锁故障的风险也随之增加，尽管发生连锁故障的概率极小，但其一旦发生则对断电地区损害极大。目前国内外专家学者对于电力系统连锁故障机理进行了一系列研究，并建立了多种分析模型，但是对于连锁故障的研究多为提前预测风险的形式，即在连锁故障发生前对当前电网状态进行风险评估，缺少在连锁故障发生时或发生后，对已发生的连锁故障进行告警的方法。
发明内容
本发明提供了一种电网连锁故障分析方法及系统，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
一种电网连锁故障告警方法，包括，
汇集本地所有故障信息，获取各故障信息的特征；
根据故障信息的特征，采用预设的因果事件链规则库和预先训练的神经网络，识别故障信息之间的关联关系；
将具有关联关系的故障信息进行归并，获得连锁故障信息；
将连锁故障信息发送至展示侧。
根据故障信息的特征，采用预设的因果事件链规则库和预设的神经网络，识别故障信息之间的关联关系，具体过程为，
根据故障信息的特征，采用预设的因果事件链规则库，识别部分故障信息之间的关联关系；
根据剩余故障信息的特征，采用预先训练的神经网络，识别剩余故障信息中存在的关联关系。
因果事件链规则库包括，
直流换相失败规则：交流线路故障导致直流换相失败；
直流闭锁规则：直流近区电压突变或者直流换相失败导致直流闭锁；
联络线功率波动规则：直流极故障导致重要断面功率波动；
直流多次换相失败合并规则。
故障信息的特征包括故障信息的种类、故障信息间的时间、故障信息间的拓扑距离。
将预处理后的两故障信息特征作为神经网络的输入，识别两故障信息之间的关联关系；其中，预处理为将故障信息间的时间进行归一化、将大于阈值的故障信息间拓扑距离赋予一定值。
将具有关联关系的故障信息按照时间先后顺序进行归并，获得连锁故障信息。
将连锁故障信息发送至展示侧，使连锁故障信息按照时间先后顺序进行地理图展示。
一种电网连锁故障告警系统，包括，
特征获取模块：汇集本地所有故障信息，获取各故障信息的特征；
关联识别模块：根据故障信息的特征，采用预设的因果事件链规则库和预先训练的神经网络，识别故障信息之间的关联关系；
归并模块：将具有关联关系的故障信息进行归并，获得连锁故障信息；
展示模块：将连锁故障信息发送至展示侧。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行电网连锁故障告警方法。
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行电网连锁故障告警方法的指令。
本发明所达到的有益效果：本发明采用预设的因果事件链规则库和预先训练的神经网络，识别故障信息之间的关联关系，对关联关系的故障信息进行归并，获得连锁故障信息，并对连锁故障信息进行展示，方便调度人员识别核心故障、确定故障原因和故障影响。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种电网连锁故障告警方法，包括以下步骤：
步骤1，汇集本地所有故障信息，获取各故障信息的特征。
故障信息主要包括本地的各类故障、系统间推送的故障告警信息、异常信号、特高压直流故障信号、气象信息等。
通过周期（周期为1秒，具体可根据实际情况配置）扫描电网调度控制系统的告警表以及消息总线，获取故障事件发布通道（通道号36，可配置）的综合智能告警故障诊断、以及系统间告警直传的故障跳闸信息，故障告警信息中整合了故障设备、故障时间、相关开关和保护的动作情况等。
异常信号主要包括一次设备越限重载信息、潮流及电压突变信息等。通过扫描全网的设备实时量测，结合限值表计算得到断面、线路、主变、母线等设备的越限重载信息，生成设备越限告警，结合人工设定的潮流/电压突变门槛（突变门槛可在表中配置），生成量测突变告警。
特高压直流故障信号主要包括换相失败信号、直流闭锁信号等，通过匹配告警描述中是否包含“换相失败”、“直流极闭锁”以及具体的直流系统名称，识别换相失败告警和闭锁信号，通过采集直流系统对应的换流器功率总加，监视区内直流运行功率，并且对其进行密切监视。当监视到直流功率突变满足门槛（突变门槛可在表中配置），且收到直流故障信号，则生成直流闭锁告警。
气象信息包括大风、雷电、暴雨、山火、覆冰等自然灾害等信息，从电网调度控制系统的三区获取源数据，创建表空间和数据结构，记录气象信息的发生时间、影响范围和影响程度，根据气象卫星的定位数据，记录每个气象事件的主要地理位置信息。
故障信息汇集后，对其进行预处理，主要为创建表空间和数据结构，记录每个离散故障信息的详细信息，将故障信息按时序进行排列，作为后续进一步处理和整合的源数据。
故障信息的特征包括故障信息的种类、故障信息间的时间、故障信息间的拓扑距离。其中，拓扑距离的获取依赖于全网一次设备模型，通过给每个设备首末端分配节点号建立起拓扑连接关系的数学模型，进而可以根据故障设备的节点号搜索得到两两之间的电气距离，用自然数1、2、3表示。故障信息种类主要包括故障跳闸告警、直流闭锁告警、设备越限告警、潮流/电压突变告警、换相失败告警五类，对于一个故障信息，用一个5位向量标识其所属种类，属于该类即相应位为1，其他位为-1，如某线路潮流突变告警，其类别标识应为-1/-1/-1/1/-1，若事件类型无法获取则5位均记为0。
步骤2，根据故障信息的特征，采用预设的因果事件链规则库和预先训练的神经网络，识别故障信息之间的关联关系。
具体过程为：
21）根据故障信息的特征，采用预设的因果事件链规则库，识别部分故障信息之间的关联关系。
因果事件链规则库采用因果事件链的建模方式，人为根据电力系统知识以及地区电网特性配置相关因果事件，例如定义原因事件交流线路故障、机组跳闸，定义结果事件直流换相失败、直流闭锁、联络线功率波动。对于获取到的故障信息特征，基于因果事件链规则库匹配判断故障信息之间是否满足因果事件链规则库中的因果关系。
目前因果事件链规则库包括：1、直流换相失败规则：交流线路故障导致直流换相失败；2、直流闭锁规则：直流近区电压突变或者直流换相失败导致直流闭锁；3、联络线功率波动规则：直流极故障导致重要断面功率波动；4、直流多次换相失败合并规则。
将故障信息特征文本输入因果事件链规则库，根据时间相近原则和空间拓扑关系分析判断，若故障信息之间为因果事件或者故障时间相近并且空间拓扑相关，则判断故障信息之间存在内在关联性。
因果事件链规则库是基于逻辑和知识的，只适用与处理有逻辑关联的故障信息特征，但故障信息特征中还存在大量离散特征、无法从规则库中找到相应逻辑的特征；这些剩余的特征需要进行进一步的识别。
22）根据剩余故障信息的特征，采用预先训练的神经网络，识别剩余故障信息中存在的关联关系。
神经网络采用历史样本训练，采用梯度下降法调整神经网络参数，将两故障信息特征作为神经网络的输入，识别两故障信息之间的关联关系。
故障信息特征子输入之前需要进行预处理；其中，故障信息间的时间为两者的时间差，为了消除不同量级的数据输入对神经网络参数的影响，减小训练难度，将获得的时间差统一除以15，即进行类归一化处理；对于拓扑距离无法获取的则记为-1，拓扑距离大于阈值的则赋予一定值，如：拓扑距离大于3，统一记为4。
神经网络的输出为0~1之间的小数，可用该数值表示关联程度，输出大于0.5认为相关，小于0.5认为二者不具备因果关联关系。
步骤3，将具有关联关系的故障信息按照时间先后顺序进行归并，获得连锁故障信息。
步骤4，将连锁故障信息发送至展示侧，使连锁故障信息按照时间先后顺序进行地理图展示；即将连锁故障信息相关的各故障，按照时间和地理位置，在地理图上进行展示。
上述方法采用预设的因果事件链规则库和预先训练的神经网络，识别故障信息之间的关联关系，对关联关系的故障信息进行归并，获得连锁故障信息，并对连锁故障信息进行展示，方便调度人员识别核心故障、确定故障原因和故障影响。
一种电网连锁故障告警系统，包括，
特征获取模块：汇集本地所有故障信息，获取各故障信息的特征；
关联识别模块：根据故障信息的特征，采用预设的因果事件链规则库和预先训练的神经网络，识别故障信息之间的关联关系；
归并模块：将具有关联关系的故障信息进行归并，获得连锁故障信息；
发送模块：将连锁故障信息发送至展示侧。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行电网连锁故障告警方法。
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行电网连锁故障告警方法的指令。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种电网连锁故障告警方法，其特征在于：包括，
汇集本地所有故障信息，获取各故障信息的特征；
根据故障信息的特征，采用预设的因果事件链规则库和预先训练的神经网络，识别故障信息之间的关联关系；
将具有关联关系的故障信息进行归并，获得连锁故障信息；
将连锁故障信息发送至展示侧。
2.根据权利要求1所述的一种电网连锁故障告警方法，其特征在于：根据故障信息的特征，采用预设的因果事件链规则库和预设的神经网络，识别故障信息之间的关联关系，具体过程为，
根据故障信息的特征，采用预设的因果事件链规则库，识别部分故障信息之间的关联关系；
根据剩余故障信息的特征，采用预先训练的神经网络，识别剩余故障信息中存在的关联关系。
3.根据权利要求2所述的一种电网连锁故障告警方法，其特征在于：因果事件链规则库包括，
直流换相失败规则：交流线路故障导致直流换相失败；
直流闭锁规则：直流近区电压突变或者直流换相失败导致直流闭锁；
联络线功率波动规则：直流极故障导致重要断面功率波动；
直流多次换相失败合并规则。
4.根据权利要求2所述的一种电网连锁故障告警方法，其特征在于：故障信息的特征包括故障信息的种类、故障信息间的时间、故障信息间的拓扑距离。
5.根据权利要求4所述的一种电网连锁故障告警方法，其特征在于：将预处理后的两故障信息特征作为神经网络的输入，识别两故障信息之间的关联关系；其中，预处理为将故障信息间的时间进行归一化、将大于阈值的故障信息间拓扑距离赋予一定值。
6.根据权利要求1所述的一种电网连锁故障告警方法，其特征在于：将具有关联关系的故障信息按照时间先后顺序进行归并，获得连锁故障信息。
7.根据权利要求1所述的一种电网连锁故障告警方法，其特征在于：将连锁故障信息发送至展示侧，使连锁故障信息按照时间先后顺序进行地理图展示。
8.一种电网连锁故障告警系统，其特征在于：包括，
特征获取模块：汇集本地所有故障信息，获取各故障信息的特征；
关联识别模块：根据故障信息的特征，采用预设的因果事件链规则库和预先训练的神经网络，识别故障信息之间的关联关系；
归并模块：将具有关联关系的故障信息进行归并，获得连锁故障信息；
发送模块：将连锁故障信息发送至展示侧。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至7所述的方法中的任一方法。
10.一种计算设备，其特征在于：包括，
一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至7所述的方法中的任一方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110097521.3A CN112736878B (zh) | 2021-01-25 | 2021-01-25 | 一种电网连锁故障告警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110097521.3A CN112736878B (zh) | 2021-01-25 | 2021-01-25 | 一种电网连锁故障告警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112736878A true CN112736878A (zh) | 2021-04-30 |
| CN112736878B CN112736878B (zh) | 2022-07-29 |
Family
ID=75595289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110097521.3A Expired - Fee Related CN112736878B (zh) | 2021-01-25 | 2021-01-25 | 一种电网连锁故障告警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112736878B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107770797A (zh) * | 2016-08-17 | 2018-03-06 | 中国移动通信集团内蒙古有限公司 | 一种无线网络告警管理的关联分析方法及系统 |
| CN110070266A (zh) * | 2019-03-22 | 2019-07-30 | 中国电力科学研究院有限公司 | 一种用于识别电网连锁故障大事件的方法及系统 |
| CN111915192A (zh) * | 2020-08-04 | 2020-11-10 | 南方电网调峰调频发电有限公司 | 电力设备故障管理系统的建立方法和系统、计算机设备 |
-
2021
- 2021-01-25 CN CN202110097521.3A patent/CN112736878B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107770797A (zh) * | 2016-08-17 | 2018-03-06 | 中国移动通信集团内蒙古有限公司 | 一种无线网络告警管理的关联分析方法及系统 |
| CN110070266A (zh) * | 2019-03-22 | 2019-07-30 | 中国电力科学研究院有限公司 | 一种用于识别电网连锁故障大事件的方法及系统 |
| CN111915192A (zh) * | 2020-08-04 | 2020-11-10 | 南方电网调峰调频发电有限公司 | 电力设备故障管理系统的建立方法和系统、计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112736878B (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102638100B (zh) | 地区电网设备异常告警信号关联分析与诊断方法 | |
| CN106019084B (zh) | 基于配用电数据关联的中压配电网断线故障诊断方法 | |
| CN106054104A (zh) | 一种基于决策树的智能电表故障实时预测方法 | |
| CN110942235B (zh) | 一种电力应急评估系统 | |
| CN111191872B (zh) | 一种电网多维度韧性评估系统及方法 | |
| CN112467724A (zh) | 一种低压配电网故障研判方法 | |
| CN111047169A (zh) | 一种电网调度用故障分析检测系统 | |
| CN109993665B (zh) | 电力系统在线安全稳定评估方法、装置及系统 | |
| CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
| CN106327071A (zh) | 电力通信风险分析方法和系统 | |
| CN110033102A (zh) | 一种巨型水电厂具有学习功能的智能诊断方法及专家系统 | |
| CN113806420A (zh) | 一种电网数据监测方法及装置 | |
| CN115453267A (zh) | 一种电力信息系统故障诊断系统 | |
| CN116094174A (zh) | 基于知识图谱的电网运维监控方法、系统、设备及介质 | |
| CN111049131A (zh) | 一种地区电网在线故障处置预案生成方法及系统 | |
| CN113487051B (zh) | 一种配电网故障抢修维护数据处理方法、设备及计算机存储介质 | |
| Andrade et al. | Data-driven anomaly detection and event log profiling of SCADA alarms | |
| CN108596450B (zh) | 电网风险预警方法和系统 | |
| CN107294205B (zh) | 一种基于保信主站数据的变电站状态监视方法 | |
| CN117614137A (zh) | 基于多源数据融合的配电网优化系统 | |
| CN110807014B (zh) | 一种基于交叉验证的台区数据异常甄别方法和装置 | |
| CN112736878B (zh) | 一种电网连锁故障告警方法及系统 | |
| CN111509839A (zh) | 一种基于告警信号的跳闸事件化模型分析方法 | |
| CN116049098A (zh) | 一种适用于配电网运行状态判断的运行数据特征分析方法 | |
| CN111313355B (zh) | 一种人工监督下的监控信号事件规则更新的方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220729 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |