CN114002501A - 一种带有数字滤波的采集终端拓扑识别方法 - Google Patents

一种带有数字滤波的采集终端拓扑识别方法 Download PDF

Info

Publication number
CN114002501A
CN114002501A CN202210000574.3A CN202210000574A CN114002501A CN 114002501 A CN114002501 A CN 114002501A CN 202210000574 A CN202210000574 A CN 202210000574A CN 114002501 A CN114002501 A CN 114002501A
Authority
CN
China
Prior art keywords
signal
current
acquisition terminal
digital filtering
frequency
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
CN202210000574.3A
Other languages
English (en)
Inventor
葛玉磊
郑亚岗
杜志国
臧人霖
马超
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.)
Qingdao Topscomm Communication Co Ltd
Original Assignee
Qingdao Topscomm Communication Co Ltd
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 Qingdao Topscomm Communication Co Ltd filed Critical Qingdao Topscomm Communication Co Ltd
Priority to CN202210000574.3A priority Critical patent/CN114002501A/zh
Publication of CN114002501A publication Critical patent/CN114002501A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G01R23/165—Spectrum analysis; Fourier analysis using filters
    • G01R23/167—Spectrum analysis; Fourier analysis using filters with digital filters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Abstract

本发明公开了一种带有数字滤波的采集终端拓扑识别方法，涉及配电网自动化技术领域，包括以下步骤：步骤1，采集终端实时高频采集台区电流信号；步骤2，台区某设备的微电流模块发送特定规律的特征电流；步骤3，采集终端对采集的电流信号进行最小均方（LMS）自适应数字滤波处理；步骤4，采集终端对滤波数据进行滑动离散傅里叶变换（SDFT），得到频谱信息；步骤5，采集终端对频谱信息进行解码处理，分析采集的信号是否为台区设备发送的特征电流信号。本发明利用采集终端对信号进行最小均方自适应数字滤波及滑动离散傅里叶变换分析，该方法对于微电流方案的信号识别，具有更强的抗干扰性，识别准确率高，稳定性好，具有很好的工程实用性。

Description

一种带有数字滤波的采集终端拓扑识别方法
技术领域
本发明涉及配电网自动化技术领域，尤其涉及一种应用于低压台区采集终端的拓扑识别方法。
背景技术
台区作为智能电网发展建设的末端层级，涉及营销、运检等多个专业，是电网管理工作的重点和难点。户变关系和拓扑不明确，会造成台区线损分析数据误差大，业扩新增负荷安排不合理、影响负载均衡，降低远程费控及远程充值成功率等问题，影响这些基础业务的开展实施，也进一步制约了深化应用业务的开展。当台区发生事故需要抢修时，不准确的户变关系和拓扑数据会影响抢修策略的合理性、安全性以及抢修项目的及时性。另外，由于用户信息变化、表计故障更换、台区升级改造等原因，当前系统户变关系经常发生变化，加之现有低压电力线载波、微功率无线等通信方式在“共零”和耦合情况下，均具备跨台区通信和抄读的能力，给户变关系和拓扑梳理工作的开展带来极大挑战。
现有基于台区信息相关性的方法，主要包括工频过零序列相关性、停电记录相关性、整点电压曲线相关性等，此类方法适合时钟同步较好、接电合规性较好的台区，识别成功率较高，但是识别数据通信量大、识别周期长，且识别效果受负荷波动影响较大，对于共零和耦合的情况无法准确识别；基于电信号畸变的方法，主要包括工频电压畸变、工频电流畸变、工频畸变设备介入增强台区特征等，此类方法适合供电半径短、负荷相对稳定的台区，识别精度高，但是，该方法会影响供电质量和供电可靠性，剧烈的畸变存在危害用电安全的风险。
近两年关于微电流（一般指发送电流峰值小于600mA）的拓扑识别方案愈加成熟，电流发送的实现原理相对比较简单，但对于该微电流信号的识别提取，不同的识别算法获得的识别效果有很大的不同，特别是复杂环境的台区，噪声信号的干扰造成的该电流信号识别提取效果较差。
发明内容
本发明针对现有技术的不足，提出一种带有数字滤波的采集终端拓扑识别方法，该方法基于微电流发送的基础上，主要解决微电流拓扑方案的信号识别，整套算法均在台区采集终端上实现，采集终端首先对实时采集的电流信号进行数字滤波处理，然后进行傅里叶变换，得到信号频谱，最后对频谱解码处理，确定提取的信号是否为目标信号。
本发明的目的可以通过以下技术方案来实现：
一种带有数字滤波的采集终端拓扑识别方法，主要包括采集终端电流信号的高频采样、采样信号的滤波处理、傅里叶变换及信号解码分析。
一种带有数字滤波的采集终端拓扑识别方法，包括以下步骤：
步骤1：采集终端实时高频采集台区线路的电流信号；
步骤2：台区某一电能表设备的微电流发送模块发送具有特定规律的特征电流；
步骤3：采集终端对采集的电流信号进行最小均方（LMS）自适应数字滤波处理；
步骤4：采集终端将数字滤波后的数据进行滑动离散傅里叶变换（SDFT），得到采样信号的频谱信息；
步骤5：采集终端对频谱信息进行解码处理，分析采集的信号是否为台区设备发送的特征电流信号；
进一步地，所述步骤3中的最小均方自适应滤波是一种易于实现、性能稳健的算法，该滤波器算法通过调制滤波器系数，使得滤波器输出y(n)接近理想信号d(n)，即输出误差序列
Figure 714459DEST_PATH_IMAGE001
的均方值ε最小化。
该滤波器均方误差ε计算公式为：
Figure 959495DEST_PATH_IMAGE002
其中，
Figure 83440DEST_PATH_IMAGE003
为自适应滤波器的冲击响应；X(n)为输入的电流采样信号，
Figure 947491DEST_PATH_IMAGE004
为N×N的输入电流采样信号的自相关矩阵，它是输入电流信号采样值间的相关性矩阵。
Figure 89759DEST_PATH_IMAGE005
为N×1互相关矢量，代表理想信号d(n)与输入的电流采样信号的相关性。
进一步地，所述步骤4中的滑动离散傅里叶变换算法提取第k次频率fk的频域分量计算公式为：
Figure 381063DEST_PATH_IMAGE006
Figure 490840DEST_PATH_IMAGE007
Figure 158581DEST_PATH_IMAGE008
其中，ak、bk、ck分别表示频率为fk的谐波电流的实部、虚部和模值；N表示参与离散 傅里叶变换运算的采样点数；n表示采样点序号；
Figure 420935DEST_PATH_IMAGE009
表示第n个采样点的采样值。
进一步地，所述步骤2中的特征电流发送方式为OOK调制方式，特征电流峰值不大于0.40 A，调制频率为f0，调制周期为TS，高电平脉宽时间为Tk，位宽时间为Tw，如果发送的特征码某比特位为1，则在Tw时间内进行信号调制，如果某比特位为0，则不进行调制。
进一步地，所述步骤1中的采集终端电流采样频率不小于4KHz。
本发明的有益效果是：方法在采集终端本地即可对信号进行数字滤波及傅里叶变换分析，对于微电流方案的信号识别，具有更强的抗干扰性，识别准确率高，稳定性好，具有很好的工程实用性。
附图说明
图1为本发明的总体流程图。
图2为本发明所述特征电流信号调制原理图。
图3为本发明所述特征电流调制发送示例图。
图4为本发明设计的自适应滤波器的结构图。
图5为本发明现场采集终端采集的电流信号经自适应滤波及滑动离散傅里叶变换之后的频谱图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不限定本发明。
结合附图1，一种带有数字滤波的采集终端拓扑识别方法，包括以下步骤：
步骤1：采集终端实时高频采集台区线路的电流信号，采样频率为5KHz；
步骤2：台区某一电能表设备的微电流发送模块发送具有特定规律的特征电流，特征电流发送方式为OOK调制方式，调制原理如图2所示，特征电流峰值不大于0.40 A，默认调制频率为833.3Hz，调制周期为1.2ms，高电平脉宽时间为400µs，位宽时间为600ms，发送的特征码信息为0xAAE9。如果发送的特征码某比特位为1，则在位宽时间内进行信号调制，如果某比特位为0，则不进行调制，经信号调制后的特征电流时域波形图如图3所示；
步骤3：采集终端对采集的电流信号进行最小均方（LMS）自适应数字滤波处理，设计的自适应滤波如图4所示；该滤波器算法通过调制滤波器系数，使得滤波器输出y(n)接近理想信号d(n)，即输出误差序列
Figure 883141DEST_PATH_IMAGE010
的均方值ε最小化。
该滤波器均方误差ε计算公式为：
Figure 981678DEST_PATH_IMAGE002
其中，
Figure 46586DEST_PATH_IMAGE003
为自适应滤波器的冲击响应；X(n)为输入的电流采样信号，
Figure 38813DEST_PATH_IMAGE004
为N×N的输入电流采样信号的自相关矩阵，它是输入电流信号采样值间的相关性矩阵。
Figure 334837DEST_PATH_IMAGE005
为N×1互相关矢量，代表理想信号d(n)与输入的电流采样信号的相关性。
步骤4：采集终端将数字滤波后的数据进行傅里叶变换，得到采样信号的频谱信息；滑动离散傅里叶变换算法提取第k次频率fk的频域分量计算公式为：
Figure 45304DEST_PATH_IMAGE006
Figure 913903DEST_PATH_IMAGE011
Figure 26216DEST_PATH_IMAGE008
其中，ak、bk、ck分别表示频率fk为的谐波电流的实部、虚部和模值；N表示参与离散 傅里叶变换运算的采样点数；n表示采样点序号；
Figure 440011DEST_PATH_IMAGE009
表示第个n采样点的采样值。
步骤5：采集终端对频谱信息进行解码处理，分析采集的信号是否为台区设备发送的特征电流信号，现场采集终端采集的电流信号经自适应滤波及滑动离散傅里叶变换之后的频谱如图5所示。
本实施例利用实际的现场台区对本发明所述方法进行了测试验证。验证了上百个台区的拓扑识别，计算结果与真实拓扑结构一致。
上述实施例是对本发明的具体实施方式的说明，而非对本发明的限制，有关技术领域的技术人员在不脱离本发明的精神和范围的情况下，还可做出各种变换和变化以得到相对应的等同的技术方案，因此所有等同的技术方案均应归入本发明的专利保护范围。

Claims (5)

1.一种带有数字滤波的采集终端拓扑识别方法，其特征在于，包括以下步骤：
步骤1：采集终端实时高频采集台区线路的电流信号；
步骤2：台区某一电能表设备的微电流发送模块发送具有特定规律的特征电流；
步骤3：采集终端对采集的电流信号进行最小均方（LMS）自适应数字滤波处理；
步骤4：采集终端将数字滤波后的数据进行滑动离散傅里叶变换（SDFT），得到采样信号的频谱信息；
步骤5：采集终端对频谱信息进行解码处理，分析采集的信号是否为台区设备发送的特征电流信号。
2.根据权利要求1所述的一种带有数字滤波的采集终端拓扑识别方法，其特征在于，所述步骤3中的最小均方自适应滤波器均方误差ε计算公式为：
Figure 798519DEST_PATH_IMAGE001
其中， X(n)为输入的电流采样信号，
Figure DEST_PATH_IMAGE002
为自适应滤波器的冲击响应；
Figure 512397DEST_PATH_IMAGE003
为N×N的输入电流采样信号的自相关矩阵，它是输入电流信号采样值间的相关性矩阵；
Figure DEST_PATH_IMAGE004
为N×1互相关矢量，代表理想信号d(n)与输入的电流采样信号的相关性。
3.根据权利要求1所述的一种带有数字滤波的采集终端拓扑识别方法，其特征在于，所述步骤4中的滑动离散傅里叶变换算法提取第k次频率fk的频域分量计算公式为：
Figure 88872DEST_PATH_IMAGE005
Figure DEST_PATH_IMAGE006
Figure 280819DEST_PATH_IMAGE007
其中，ak、bk、ck分别表示频率为fk的谐波电流的实部、虚部和模值；N表示参与离散傅里 叶变换运算的采样点数；n表示采样点序号；
Figure DEST_PATH_IMAGE008
表示第n个采样点的采样值。
4.根据权利要求1所述的一种带有数字滤波的采集终端拓扑识别方法，其特征在于，所述步骤2中的特征电流发送方式为OOK调制方式，特征电流峰值不大于0.40 A，调制频率为f0，调制周期为TS，高电平脉宽时间为Th，位宽时间为TW，如果发送的特征码某比特位为1，则在TW时间内进行信号调制，如果某比特位为0，则不进行调制。
5.根据权利要求1所述的一种带有数字滤波的采集终端拓扑识别方法，其特征在于，所述步骤1中的采集终端电流采样频率不小于4KHz。
CN202210000574.3A 2022-01-04 2022-01-04 一种带有数字滤波的采集终端拓扑识别方法 Pending CN114002501A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210000574.3A CN114002501A (zh) 2022-01-04 2022-01-04 一种带有数字滤波的采集终端拓扑识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210000574.3A CN114002501A (zh) 2022-01-04 2022-01-04 一种带有数字滤波的采集终端拓扑识别方法

Publications (1)

Publication Number Publication Date
CN114002501A true CN114002501A (zh) 2022-02-01

Family

ID=79932650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210000574.3A Pending CN114002501A (zh) 2022-01-04 2022-01-04 一种带有数字滤波的采集终端拓扑识别方法

Country Status (1)

Country Link
CN (1) CN114002501A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114598038A (zh) * 2022-05-10 2022-06-07 青岛鼎信通讯股份有限公司 一种适用于低压台区的特征电流识别方法
CN114629117A (zh) * 2022-05-13 2022-06-14 国网浙江省电力有限公司宁波供电公司 功率时间碎片低压台区拓扑识别方法和装置
CN114826330A (zh) * 2022-04-20 2022-07-29 青岛鼎信通讯股份有限公司 一种基于m序列的低压台区特征电流通信同步方法
CN115701005A (zh) * 2022-11-04 2023-02-07 杭州万高科技股份有限公司 一种基于z平面零极点设计的台区识别方法
CN116054402A (zh) * 2023-01-09 2023-05-02 上海正泰智能科技有限公司 用于拓扑识别的电流解调方法、调制方法、设备及介质
CN116489032A (zh) * 2023-04-27 2023-07-25 科大智能科技股份有限公司 用于配电台区用户拓扑识别的特征波识别方法及存储介质
CN116660612A (zh) * 2023-07-31 2023-08-29 青岛鼎信通讯科技有限公司 一种特征电流检测方法
CN116861203A (zh) * 2023-09-05 2023-10-10 青岛鼎信通讯科技有限公司 一种基于单频信号的微电流信号识别方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106160211A (zh) * 2015-03-30 2016-11-23 国家电网公司 基于多路工频通信技术的农村电网远程检测系统与方法
CN110658397A (zh) * 2019-09-10 2020-01-07 国网浙江省电力有限公司 一种基于电阻投切和频域分析的户变关系识别方法及系统
CN110852201A (zh) * 2019-10-28 2020-02-28 东南大学 一种基于多脉冲包络谱匹配的脉冲信号检测方法
CN110988470A (zh) * 2019-12-17 2020-04-10 国网江苏省电力有限公司检修分公司 一种基于自适应电网次谐波提取与控制方法
CN111600380A (zh) * 2020-03-28 2020-08-28 青岛鼎信通讯股份有限公司 一种基于可变负载和恒流检测的户变关系识别方法
CN112054598A (zh) * 2020-09-10 2020-12-08 烟台科大正信电气有限公司 一种电网低压台区拓扑识别系统
CN112557822A (zh) * 2020-12-05 2021-03-26 青岛鼎信通讯股份有限公司 一种中压台区拓扑关系定位识别方法
CN112804111A (zh) * 2021-04-09 2021-05-14 国网浙江省电力有限公司营销服务中心 一种具有台区拓扑识别功能的4g通信单元及识别方法
CN113097966A (zh) * 2021-04-07 2021-07-09 国网浙江省电力有限公司营销服务中心 一种基于断路器的低压台区拓扑识别方法及系统
CN113206684A (zh) * 2021-04-26 2021-08-03 青岛鼎信通讯股份有限公司 一种带拓扑识别功能的台区智能融合终端
CN113224840A (zh) * 2021-04-26 2021-08-06 青岛鼎信通讯股份有限公司 一种用于拓扑识别的智能量测终端
CN113471967A (zh) * 2021-07-06 2021-10-01 深圳智微电子科技有限公司 一种基于pwm特征调制电流的低压台区拓扑识别方法
CN113567734A (zh) * 2020-04-29 2021-10-29 深圳市费思泰克科技有限公司 一种电网电压信号参数的检测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106160211A (zh) * 2015-03-30 2016-11-23 国家电网公司 基于多路工频通信技术的农村电网远程检测系统与方法
CN110658397A (zh) * 2019-09-10 2020-01-07 国网浙江省电力有限公司 一种基于电阻投切和频域分析的户变关系识别方法及系统
CN110852201A (zh) * 2019-10-28 2020-02-28 东南大学 一种基于多脉冲包络谱匹配的脉冲信号检测方法
CN110988470A (zh) * 2019-12-17 2020-04-10 国网江苏省电力有限公司检修分公司 一种基于自适应电网次谐波提取与控制方法
CN111600380A (zh) * 2020-03-28 2020-08-28 青岛鼎信通讯股份有限公司 一种基于可变负载和恒流检测的户变关系识别方法
CN113567734A (zh) * 2020-04-29 2021-10-29 深圳市费思泰克科技有限公司 一种电网电压信号参数的检测方法
CN112054598A (zh) * 2020-09-10 2020-12-08 烟台科大正信电气有限公司 一种电网低压台区拓扑识别系统
CN112557822A (zh) * 2020-12-05 2021-03-26 青岛鼎信通讯股份有限公司 一种中压台区拓扑关系定位识别方法
CN113097966A (zh) * 2021-04-07 2021-07-09 国网浙江省电力有限公司营销服务中心 一种基于断路器的低压台区拓扑识别方法及系统
CN112804111A (zh) * 2021-04-09 2021-05-14 国网浙江省电力有限公司营销服务中心 一种具有台区拓扑识别功能的4g通信单元及识别方法
CN113206684A (zh) * 2021-04-26 2021-08-03 青岛鼎信通讯股份有限公司 一种带拓扑识别功能的台区智能融合终端
CN113224840A (zh) * 2021-04-26 2021-08-06 青岛鼎信通讯股份有限公司 一种用于拓扑识别的智能量测终端
CN113471967A (zh) * 2021-07-06 2021-10-01 深圳智微电子科技有限公司 一种基于pwm特征调制电流的低压台区拓扑识别方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114826330A (zh) * 2022-04-20 2022-07-29 青岛鼎信通讯股份有限公司 一种基于m序列的低压台区特征电流通信同步方法
CN114826330B (zh) * 2022-04-20 2023-09-22 青岛鼎信通讯股份有限公司 一种基于m序列的低压台区特征电流通信同步方法
CN114598038A (zh) * 2022-05-10 2022-06-07 青岛鼎信通讯股份有限公司 一种适用于低压台区的特征电流识别方法
CN114629117A (zh) * 2022-05-13 2022-06-14 国网浙江省电力有限公司宁波供电公司 功率时间碎片低压台区拓扑识别方法和装置
CN115701005A (zh) * 2022-11-04 2023-02-07 杭州万高科技股份有限公司 一种基于z平面零极点设计的台区识别方法
CN115701005B (zh) * 2022-11-04 2024-04-19 杭州万高科技股份有限公司 一种基于z平面零极点设计的台区识别方法
CN116054402A (zh) * 2023-01-09 2023-05-02 上海正泰智能科技有限公司 用于拓扑识别的电流解调方法、调制方法、设备及介质
CN116054402B (zh) * 2023-01-09 2023-09-22 上海正泰智能科技有限公司 用于拓扑识别的电流解调方法、调制方法、设备及介质
CN116489032A (zh) * 2023-04-27 2023-07-25 科大智能科技股份有限公司 用于配电台区用户拓扑识别的特征波识别方法及存储介质
CN116660612A (zh) * 2023-07-31 2023-08-29 青岛鼎信通讯科技有限公司 一种特征电流检测方法
CN116861203A (zh) * 2023-09-05 2023-10-10 青岛鼎信通讯科技有限公司 一种基于单频信号的微电流信号识别方法
CN116861203B (zh) * 2023-09-05 2024-01-09 青岛鼎信通讯科技有限公司 一种基于单频信号的微电流信号识别方法

Similar Documents

Publication Publication Date Title
CN114002501A (zh) 一种带有数字滤波的采集终端拓扑识别方法
CN110350528B (zh) 一种低压台区拓扑自动辨识方法
CN110658397B (zh) 一种基于电阻投切和频域分析的户变关系识别方法及系统
CN111600380B (zh) 一种基于可变负载和恒流检测的户变关系识别方法
CN111650431B (zh) 一种电表台区识别方法
Xia et al. A real-time monitoring system based on ZigBee and 4G communications for photovoltaic generation
CN111080105A (zh) 基于电压时序数据的台区户变关系识别方法及系统
CN111382789A (zh) 基于机器学习的电力负荷识别方法及系统
CN103916207A (zh) 一种主动式多频段电力线通信干扰设备与方法
CN102930111A (zh) 变电站scd模型文件的生成方法及装置
CN112804318B (zh) 电表台区识别方法
CN117708550B (zh) 一种电力大数据自动化数据分析及模型构建方法
CN110808580A (zh) 基于小波变换和极限学习机的电压暂降源快速辨识方法
CN111103498B (zh) 一种低压台区变线户关系识别系统及方法
CN114912490A (zh) 一种基于傅里叶变换算法的特征电流识别检定方法及装置
CN111366889B (zh) 一种智能电表异常用电检测方法
CN110865328B (zh) 基于ami的智能电表相位识别、拓扑辨识及阻抗估计方法
CN116466182A (zh) 一种电力系统线路故障测距方法
CN113447745B (zh) 站域虚拟故障录波处理方法
CN109375139B (zh) 一种自动测试光纤电流互感器的装置及方法
CN109787219B (zh) 一种电压暂降的智能识别方法
CN109038683B (zh) 一次调频频率信号源的准确性评价方法、装置及设备
Kezunovic et al. Selection of optimal fault location algorithm
Ye et al. OSNR monitoring based on low-bandwidth coherent receiver and discrete classifier
Kezunovic et al. Automated Fault Analysis Using Advanced Information Technology for Data Integration and Information Exchange

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