CN112737930A - 智能数据通信网关机延迟处理系统及延迟处理方法 - Google Patents

智能数据通信网关机延迟处理系统及延迟处理方法 Download PDF

Info

Publication number
CN112737930A
CN112737930A CN202011504312.8A CN202011504312A CN112737930A CN 112737930 A CN112737930 A CN 112737930A CN 202011504312 A CN202011504312 A CN 202011504312A CN 112737930 A CN112737930 A CN 112737930A
Authority
CN
China
Prior art keywords
message
delay
data communication
delay processing
switch
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
CN202011504312.8A
Other languages
English (en)
Inventor
王顺江
王爱华
苏安龙
赵琰
曹瀚文
宋世巍
王东来
金宜放
许睿超
寿增
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.)
State Grid Corp of China SGCC
State Grid Liaoning Electric Power Co Ltd
Shenyang Institute of Engineering
Original Assignee
State Grid Liaoning Electric Power Co Ltd
Shenyang Institute of Engineering
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 State Grid Liaoning Electric Power Co Ltd, Shenyang Institute of Engineering filed Critical State Grid Liaoning Electric Power Co Ltd
Priority to CN202011504312.8A priority Critical patent/CN112737930A/zh
Publication of CN112737930A publication Critical patent/CN112737930A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/66—Arrangements for connecting between networks having differing types of switching systems, e.g. gateways
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L49/00—Packet switching elements
    • H04L49/20—Support for services
    • H04L49/208—Port mirroring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/22—Parsing or analysis of headers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公布了智能数据通信网关机延迟处理系统及延迟处理方法，包括调控主站前置机、远动交换机、数据通信网关机、站控层交换机、间隔层设备及延迟处理装置，数据通信网关机向下连接站控层交换机，向上连接远动交换机，进行信息交互；远动交换机与调控主站前置机连接，站控层交换机与间隔层设备连接。本发明通过信息旁路侦听，将报文发送至采集模块，经采集模块到延迟分析模块，延迟分析模块采用神经网络对网关机的cpu工作状态分类，可智能辨别出报文的延迟状态，并利用SMITH预估补偿的延迟补偿模块，进行变步长的延迟补偿。

Description

智能数据通信网关机延迟处理系统及延迟处理方法
技术领域
本发明涉及一种数据通信网关机，尤其是涉及一种智能数据通信网关机延迟处理系统及延迟处理方法。
背景技术
数据通信网关机作为调控主站与变电站信息交互及协同应用的纽带，需要把不同厂家的设备统一通信规约。数据通信网关机处理时间包括遥测处理时间、遥信处理时间及遥控处理时间，遥控处理时间包括遥控选择处理时间及遥控执行处理时间。目前对数据通信网关机处理时间测试无有效快速可靠的测试手段，过多依赖于人工读秒表的形式，这样的测试结果误差大。
发明内容
本发明的目的是提供一种智能数据通信网关机延迟处理系统及延迟处理方法，该网关机可对数据通信网关机状态以及主站和变电站之间的交互数据延迟进行自动辨别，并采用了一种基于机器学习的方法，对具有延迟的数据进行变步长补偿。数据延迟误差小，可以进行对数据实时补偿。
为了解决现有技术存在的问题，本发明采用的技术方案如下：
智能数据通信网关机延迟处理系统，包括调控主站前置机、远动交换机、数据通信网关机、站控层交换机、间隔层设备及延迟处理装置，数据通信网关机向下连接站控层交换机，向上连接远动交换机，进行信息交互；远动交换机与调控主站前置机连接，站控层交换机与间隔层设备连接；远动交换机与站控层交换机分别与两个镜像口相连接；两个镜像口均与延迟处理装置连接，将报文传至延迟处理装置中处理。
进一步地，所述的迟延处理装置包括报文采集模块、报文延迟分析模块和报文延迟补偿模块；所述的报文采集模块用于接收远动交换机和站控层交换机发送的报文；所述的报文延迟分析模块用于对采集到的报文进行实时提取，将有效的报文提交给报文延迟分析模块；所述报文延迟补偿模块用于对延迟的报文进行变步长补偿。
所述的智能数据通信网关机延迟处理系统的延迟处理方法，包括如下步骤：
①将数据通信网关机cpu状态导入报文延迟分析模块；
②通过镜像口将远动交换机和站控层交换机的报文发送到报文采集模块中；
③对采集到的报文进行解析；
④利用神经网络辨别报文的延迟状态；
⑤报文延迟补偿模块对延迟的报文进行变步长补偿。
进一步地，所述的步骤①中cpu占用率分为两种情况，占用率在0-90％时属于正常运行状态，90％及以上属于低效率运行状态；利用信号转换器将其导入至报文分析模块中，采用概率神经网络对其进行分类处理：
设c＝c1或c＝c2，c1为正常运行状态，c2为低效率运行状态，先验概率为：
h1＝p(c1),h2＝p(c2),h1+h2＝1 (1)
给定输入量后，进行分类的依据为：
Figure BDA0002844435980000021
p(c1|x)为x发生情况下，类别c1的后验概率；根据贝叶斯公式，后验概率等于：
Figure BDA0002844435980000022
实际分类时，定义αi为将输入量指派到ci的动作，λij为采取动作αi造成的损失，则采取动作αi的期望风险为：
Figure BDA0002844435980000031
贝叶斯判定规则变为：
Figure BDA0002844435980000032
进一步地，所述的步骤②中对数据通信网关机向下连接的站控层交换机及向上连接的远动交换机进行镜像设置，数据通信网关机处理时间测试装置的报文采集模块通过镜像口采集站控层交换机的IEC61850MMS报文和远动交换机的IEC60870-5-104报文。
进一步地，所述的步骤③是数据通信网关机的报文延迟分析模块对采集到的报文进行实时提取，将有效的报文提交给报文延迟分析模块，作为延迟分析模块中概率神经网络的输入层。
进一步地，所述的步骤④是将提取到的有效报文作为输入量输入报文延迟分析模块，通过贝叶斯分类智能辨别出数据通信网关机的实时状态以及该状态下的延迟，将数据的分类结果进一步发送到报文延迟补偿模块中，进行与实时状态相对应的变步长延迟补偿；第一层为输入层，第二层隐含层是径向基层；向量x输入到隐含层，隐含层中第i类模式的第j神经元所确定的关系由下式定义：
Figure BDA0002844435980000033
进一步地，所述的步骤⑤是利用SMITH预估补偿。
本发明所具有的优点和有益效果是：
本发明通过信息旁路侦听，将报文发送至报文采集模块，经报文采集模块到报文延迟分析模块，报文延迟分析模块采用神经网络对数据通信网关机的cpu工作状态分类，可智能辨别出报文的延迟状态，最后设计了一种利用SMITH预估补偿的报文延迟补偿模块，进行变步长的延迟补偿。解决了数据通信网关机目前数据延迟误差较大，无法进行对数据实时补偿的问题，同时很好的解决了数据通信网关机处理时间方面的技术难题。
附图说明
图1为智能数据通信网关机延迟处理系统；
图2为贝叶斯神经网络模型；
图3为报文延迟补偿模块对延迟的报文进行变步长补偿原理图。
具体实施方式
下面结合附图和实施例对本发明进行详细描述：
如图1所示，本发明智能数据通信网关机延迟处理系统，包括调控主站前置机1、远动交换机2、数据通信网关机3、站控层交换机4、间隔层设备5及延迟处理装置6，数据通信网关机向下连接站控层交换机，向上连接远动交换机，进行信息交互；远动交换机与调控主站前置机连接，站控层交换机与间隔层设备连接；远动交换机与站控层交换机分别与两个镜像口相连接；两个镜像口均与延迟处理装置连接，将报文传至延迟处理装置中处理。
所述的迟延处理装置包括报文采集模块、报文延迟分析模块和报文延迟补偿模块。
所述的智能数据通信网关机延迟处理系统的延迟处理方法，包括如下步骤：
步骤①将数据通信网关机cpu状态导入报文延迟分析模块：
如图2所示，cpu占用率分为两种情况，占用率在0-90％时属于正常运行状态，90％及以上属于低效率运行状态。利用信号转换器将其导入至报文分析模块中，采用概率神经网络对其进行分类处理。
设c＝c1或c＝c2，c1为正常运行状态，c2为低效率运行状态，先验概率为：
h1＝p(c1),h2＝p(c2),h1+h2＝1 (1)
给定输入量后，进行分类的依据为：
Figure BDA0002844435980000051
p(c1|x)为x发生情况下，类别c1的后验概率。根据贝叶斯公式，后验概率等于：
Figure BDA0002844435980000052
实际分类时，为了避免错分的损失与风险，需要调整分类原则。定义αi为将输入量指派到ci的动作，λij为采取动作αi造成的损失，则采取动作αi的期望风险为：
Figure BDA0002844435980000053
贝叶斯判定规则变为：
Figure BDA0002844435980000054
步骤②通过镜像口将远动交换机和站控层交换机的报文发送到报文采集模块中：对数据通信网关机向下连接的站控层交换机及向上连接的远动交换机进行镜像设置，数据通信网关机处理时间测试装置的报文采集模块通过镜像口7采集站控层交换机的IEC61850MMS报文和远动交换机的IEC60870-5-104报文。
步骤③对采集到的报文进行解析：
数据通信网关机的报文延迟分析模块对采集到的报文进行实时提取，将有效的报文提交给延迟分析模块，作为延迟分析模块中概率神经网络的输入层。
步骤④利用神经网络辨别报文的延迟状态：
将提取到的有效报文作为输入量输入延迟分析模块，通过贝叶斯分类可以智能辨别出数据通信网关机的实时状态以及该状态下的延迟，将数据的分类结果进一步发送到延迟补偿模块中，进行与实时状态相对应的变步长延迟补偿。第一层为输入层，第二层隐含层是径向基层。向量x输入到隐含层，隐含层中第i类模式的第j神经元所确定的关系由下式定义：
Figure BDA0002844435980000061
⑤报文延迟补偿模块对延迟的报文进行变步长补偿：利用了SMITH预估补偿，其原理如图3所示。
其中G'p(s)e-fs为含有延迟时间f的不确定对象，即有效报文；DNNM为去掉延迟的神经网络逼近模型；r(t)为期望值；u(t)为控制输入；y(t)为实际对象输出；fm为延迟分析模块辨识出的延迟。

Claims (8)

1.智能数据通信网关机延迟处理系统，其特征在于：包括调控主站前置机(1)、远动交换机(2)、数据通信网关机(3)、站控层交换机(4)、间隔层设备(5)及延迟处理装置(6)，数据通信网关机向下连接站控层交换机，向上连接远动交换机，进行信息交互；远动交换机与调控主站前置机连接，站控层交换机与间隔层设备连接；远动交换机与站控层交换机分别与两个镜像口相连接；两个镜像口均与延迟处理装置连接，将报文传至延迟处理装置中处理。
2.根据权利要求1所述的智能数据通信网关机延迟处理系统，其特征在于：所述的迟延处理装置包括报文采集模块、报文延迟分析模块和报文延迟补偿模块；所述的报文采集模块用于接收远动交换机和站控层交换机发送的报文；所述的报文延迟分析模块用于对采集到的报文进行实时提取，将有效的报文提交给报文延迟分析模块；所述报文延迟补偿模块用于对延迟的报文进行变步长补偿。
3.根据权利要求1所述的智能数据通信网关机延迟处理系统的延迟处理方法，其特征在于包括如下步骤：
①将数据通信网关机cpu状态导入报文延迟分析模块；
②通过镜像口将远动交换机和站控层交换机的报文发送到报文采集模块中；
③对采集到的报文进行解析；
④利用神经网络辨别报文的延迟状态；
⑤报文延迟补偿模块对延迟的报文进行变步长补偿。
4.根据权利要求3所述的智能数据通信网关机延迟处理系统的延迟处理方法，其特征在于：
所述的步骤①中cpu占用率分为两种情况，占用率在0-90％时属于正常运行状态，90％及以上属于低效率运行状态；利用信号转换器将其导入至报文分析模块中，采用概率神经网络对其进行分类处理：
设c＝c1或c＝c2，c1为正常运行状态，c2为低效率运行状态，先验概率为：
h1＝p(c1),h2＝p(c2),h1+h2＝1 (1)
给定输入量后，进行分类的依据为：
Figure FDA0002844435970000021
p(c1|x)为x发生情况下，类别c1的后验概率；根据贝叶斯公式，后验概率等于：
Figure FDA0002844435970000022
实际分类时，定义αi为将输入量指派到ci的动作，λij为采取动作αi造成的损失，则采取动作αi的期望风险为：
Figure FDA0002844435970000023
贝叶斯判定规则变为：
Figure FDA0002844435970000024
5.根据权利要求3所述的智能数据通信网关机延迟处理系统的延迟处理方法，其特征在于：所述的步骤②中对数据通信网关机向下连接的站控层交换机及向上连接的远动交换机进行镜像设置，数据通信网关机处理时间测试装置的报文采集模块通过镜像口采集站控层交换机的IEC61850MMS报文和远动交换机的IEC60870-5-104报文。
6.根据权利要求3所述的智能数据通信网关机延迟处理系统的延迟处理方法，其特征在于：所述的步骤③是数据通信网关机的报文延迟分析模块对采集到的报文进行实时提取，将有效的报文提交给报文延迟分析模块，作为延迟分析模块中概率神经网络的输入层。
7.根据权利要求3所述的智能数据通信网关机延迟处理系统的延迟处理方法，其特征在于：所述的步骤④是将提取到的有效报文作为输入量输入报文延迟分析模块，通过贝叶斯分类智能辨别出数据通信网关机的实时状态以及该状态下的延迟，将数据的分类结果进一步发送到报文延迟补偿模块中，进行与实时状态相对应的变步长延迟补偿；第一层为输入层，第二层隐含层是径向基层；向量x输入到隐含层，隐含层中第i类模式的第j神经元所确定的关系由下式定义：
Figure FDA0002844435970000031
8.根据权利要求3所述的智能数据通信网关机延迟处理系统的延迟处理方法，其特征在于：所述的步骤⑤是利用SMITH预估补偿。
CN202011504312.8A 2020-12-18 2020-12-18 智能数据通信网关机延迟处理系统及延迟处理方法 Pending CN112737930A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011504312.8A CN112737930A (zh) 2020-12-18 2020-12-18 智能数据通信网关机延迟处理系统及延迟处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011504312.8A CN112737930A (zh) 2020-12-18 2020-12-18 智能数据通信网关机延迟处理系统及延迟处理方法

Publications (1)

Publication Number Publication Date
CN112737930A true CN112737930A (zh) 2021-04-30

Family

ID=75603184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011504312.8A Pending CN112737930A (zh) 2020-12-18 2020-12-18 智能数据通信网关机延迟处理系统及延迟处理方法

Country Status (1)

Country Link
CN (1) CN112737930A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113184040A (zh) * 2021-06-03 2021-07-30 长安大学 一种基于驾驶人转向意图的无人车线控转向控制方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104954198A (zh) * 2015-05-26 2015-09-30 中国南方电网有限责任公司超高压输电公司南宁局 一种智能变电站过程层交换机状态监测装置及方法
CN106302019A (zh) * 2016-08-17 2017-01-04 国网江苏省电力公司电力科学研究院 一种变电站数据通信网关机处理时间的测试系统及方法
KR101777789B1 (ko) * 2017-04-27 2017-09-12 우성기업(주) 변전설비 감시 시스템
CN111526062A (zh) * 2020-07-06 2020-08-11 国网江西省电力有限公司电力科学研究院 一种变电站远动通信网关机的维护方法
CN111600779A (zh) * 2020-06-24 2020-08-28 厦门长江电子科技有限公司 一种兼容多种交换机的测试平台

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104954198A (zh) * 2015-05-26 2015-09-30 中国南方电网有限责任公司超高压输电公司南宁局 一种智能变电站过程层交换机状态监测装置及方法
CN106302019A (zh) * 2016-08-17 2017-01-04 国网江苏省电力公司电力科学研究院 一种变电站数据通信网关机处理时间的测试系统及方法
KR101777789B1 (ko) * 2017-04-27 2017-09-12 우성기업(주) 변전설비 감시 시스템
CN111600779A (zh) * 2020-06-24 2020-08-28 厦门长江电子科技有限公司 一种兼容多种交换机的测试平台
CN111526062A (zh) * 2020-07-06 2020-08-11 国网江西省电力有限公司电力科学研究院 一种变电站远动通信网关机的维护方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113184040A (zh) * 2021-06-03 2021-07-30 长安大学 一种基于驾驶人转向意图的无人车线控转向控制方法及系统
CN113184040B (zh) * 2021-06-03 2023-04-07 长安大学 一种基于驾驶人转向意图的无人车线控转向控制方法及系统

Similar Documents

Publication Publication Date Title
CN110350528B (zh) 一种低压台区拓扑自动辨识方法
CN107153845A (zh) 一种基于机器学习的自适应并网光伏系统的孤岛检测法
CN114002501A (zh) 一种带有数字滤波的采集终端拓扑识别方法
CN112737930A (zh) 智能数据通信网关机延迟处理系统及延迟处理方法
CN115954879B (zh) 基于ao算法优化pnn的配电网线变关系精准辨识方法
CN116824517B (zh) 基于可视化的变电站运维安全管控系统
CN116502160A (zh) 一种电量数据自动采集系统
CN113644741A (zh) 一种基于边缘计算的海量故障录波数据处理方法
CN115754790A (zh) 一种低压双电源系统电源侧故障诊断及自动切换方法
CN111781467A (zh) 一种基于多维全景数据的电网故障智能判别方法
CN111190072A (zh) 集抄系统诊断模型建立方法、故障诊断方法及装置
CN113624998A (zh) 基于电力大数据的电锅炉补热储热成本优化方法和装置
CN113702767A (zh) 基于小波滑窗能量的孤岛直流微电网故障诊断方法
CN111061152B (zh) 基于深度神经网络的攻击识别方法及智慧能源功率控制装置
CN110880020B (zh) 一种自适应的跨区域基站能耗模型迁移与补偿方法
CN110674845B (zh) 一种结合多感受野注意与特征再校准的菜品识别方法
CN113554010B (zh) 一种电网线路故障识别模型训练方法
CN111476383B (zh) 一种泵站机组状态检修动态决策方法
CN114266720A (zh) 基于混合神经网络的电力导线故障检测方法及系统
Shan et al. Root Cause Analysis of Failures for Power Communication Network Based on CNN
CN113542930A (zh) 基于多层数据缓存的hplc采集方法
CN113781213A (zh) 一种基于图和层次化transformer的智能交易异常检测方法
CN117692026B (zh) 一种电力线通信的链路感知方法及装置
Patel et al. Wavelet and Machine learning based approach for Fault classification in AC Micro-grid system
CN111598145A (zh) 基于混合概率标签时变约束分配的非侵入式负荷监测方法

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
TA01 Transfer of patent application right

Effective date of registration: 20210916

Address after: 110006 No. 18, Ningbo Road, Heping District, Liaoning, Shenyang

Applicant after: STATE GRID LIAONING ELECTRIC POWER SUPPLY Co.,Ltd.

Applicant after: SHENYANG INSTITUTE OF ENGINEERING

Applicant after: STATE GRID CORPORATION OF CHINA

Address before: 110 000 No. 18 Ningbo Road, Heping District, Shenyang, Liaoning Province

Applicant before: STATE GRID LIAONING ELECTRIC POWER SUPPLY Co.,Ltd.

Applicant before: SHENYANG INSTITUTE OF ENGINEERING

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20210430

RJ01 Rejection of invention patent application after publication