CN114611869A - 一种低压台区台户识别方法 - Google Patents

一种低压台区台户识别方法 Download PDF

Info

Publication number
CN114611869A
CN114611869A CN202210081333.6A CN202210081333A CN114611869A CN 114611869 A CN114611869 A CN 114611869A CN 202210081333 A CN202210081333 A CN 202210081333A CN 114611869 A CN114611869 A CN 114611869A
Authority
CN
China
Prior art keywords
voltage
data
low
transformer
user
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
CN202210081333.6A
Other languages
English (en)
Other versions
CN114611869B (zh
Inventor
刘晓淞
吴宗兵
董如春
廖苏
黄衍源
吴岚
戴研
张世权
刘洋洋
岳诚
裴莉
杨敏
董冉昊
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.)
Hubei Chongguang Electric Co ltd
Chuzhou Power Supply Co of State Grid Anhui Electric Power Co Ltd
Original Assignee
Hubei Chongguang Electric Co ltd
State Grid Corp of China SGCC
Chuzhou Power Supply Co of State Grid Anhui Electric Power 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 Hubei Chongguang Electric Co ltd, State Grid Corp of China SGCC, Chuzhou Power Supply Co of State Grid Anhui Electric Power Co Ltd filed Critical Hubei Chongguang Electric Co ltd
Priority to CN202210081333.6A priority Critical patent/CN114611869B/zh
Publication of CN114611869A publication Critical patent/CN114611869A/zh
Application granted granted Critical
Publication of CN114611869B publication Critical patent/CN114611869B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种低压台区台户识别方法，属于智能配电网数据分析技术领域。针对传统识别方法人力成本高、识别准确率低的缺陷，本发明利用大数据分析方法，对低压台区台户关系进行智能分析和识别，具体通过降维进行数据的约简和去噪，提升后续数据处理的效率，进一步通过新的数据聚类方法，提升二者关系识别的准确性，通过本申请方法可以大幅节约人力成本，满足智能电网的精细化管理。

Description

一种低压台区台户识别方法
技术领域
本发明属于智能配电网数据分析技术领域，具体涉及一种低压台区台户识 别方法。
背景技术
智能电网是近些年来电力工业最重大的变革与创新，也是智慧城市建设的 重要组成部分之一。同时，配电台区普遍存在线损计算异常等问题，导致台区 运行、规划等多个高级应用难以推进，难以对整个台区实现智能化管控，会对 用户的安全用电造成直接的影响智能电网的快速发展也对配电网侧的精细化管 理提出了更高的要求。
传统配电台户关系辨识主要分为如下两种方法：(1)人工抄表统计方式， 巡检人员沿线寻找变压器各相对应的用电用户，并在台区档案上进行记录。显 然，该方法存在工作量大、准确率低、信息更新不及时等问题，随着用户数量 与13俱增，弊病也越来越突出；(2)基于台区用户识别仪进行识别，其主要 应用的技术为电力线载波通信或者脉冲电流技术两种方法。从经济角度考察， 该仪器较为昂贵，每个国家电网省公司也仅有有限的几台，当确实出现难以辨 别的户变关系时，可申请借用。从技术角度考察，这两种技术存在一定的局限。 该仪器利用识别终端和手持终端中内置的通信单元的问答响应辨别某一用户是否归属于目标台区，采用点对点的通信方式，效率较低；若采用电力线载波通 信方式，大功率的载波信号有可能因为“共高压串扰”、“共地串扰”、“共 电缆沟串扰”耦合到相邻的台区变压器，导致错误识别，影响识别准确率。
发明内容
本发明的目的在于解决上述现有技术中存在的识别效率和准确性问题，提 供一种低压台区台户的关系识别方法。
本发明是通过以下步骤实现该技术方案：
S1；通过用电信息采集系统获获取台区变压器低压侧电压数据
Figure BDA0003486154990000021
及待分类的用户电压数据
Figure BDA0003486154990000022
其中N为低压变 压器台数，M为用户数量，i代表变压器侧电压，j代表用户端电压，每一个变 压器以及用户的电压数据会连续采集t个时刻形成待分析数据，并对采集得到 的数据进行归一化处理，本申请优选t＝800；
采集系统中获得的数据会出现数据缺失情况，根据数据缺失情况采取不同 的数据处理和插值方法，如用户用电量长时间为0，则可将该类用户剔除，用户 出现无规律的缺失数据，则可通过插值法进行补齐；
S2：由于电力系统中低压侧待识别用户数据巨大，低压侧电压数据维度很 高，另外基于时间序列采集的数据会产生大量的噪声，因此对获取得到的电压 数据进行数据降维；
具体，本申请采用了一种改进的数据特征降维方法，PCA实质上是一个基 变换，使得变换后的数据有最大的方差，也就是通过对坐标轴的旋转和坐标原 点的平移使得其中一个轴(主轴)与数据点之间的方差最小，坐标转换后去掉 高方差的正交轴，得到降维数据集。本申请使用SVD方法进行PCA降维，变 压器电压V为N×t维数据样本，共有N个样本，每行是t维，数据矩阵可以 分解为：
Vi＝X＝U∑VT，U和V为正交阵(正交阵满足：UUT＝VTV＝1)，Σ是t×t 的对角阵。接下来，将Σ分割成r列，记作Σr；利用U和V便能够得到 降维数据
Figure BDA0003486154990000023
同理用户端电压数据降维为
Figure BDA0003486154990000024
优选地r取400。
S3:利用降维后的数据进行台户关系识别，处于同一台区同一相别的用户， 电压波动规律具有很强的相似性，利用此规律可以进行数据关系的识别，本申 请采用聚类算法进行台区台户识别，具体包括：
S31、由于台区变压器数量N在聚类前是已知的，因此可明确得出最终的聚 类个数为A、B、C三相变压器的总相数。这为后续的聚类类别数提供了很好的 基础；
S32、台区台户识别是辨识用户属于哪个低压变压器，因而可以以低压侧变 压器每相电压降维后的数据
Figure BDA0003486154990000031
作为聚类中心；对用户端电压数据降维为
Figure BDA0003486154990000032
进行 数据分块，本申请块数设为K＝40,计算每个分块的每一维度数据的均值；
S33、计算各个块均值样本与聚类中心的趋势一致性，若该均值样本与聚类 中心的趋势一致性小于一定阈值Td则将该块数据排除在该聚类中心的类别中， 也将该块中样本剔除出作为该类聚类中心的可能性；若均值样本与聚类中心的 趋势一致性大于等于一定阈值Tj,则再分别计算计算每个样本到每个聚类中心 的相似度值，并按照响相应的相似度值，取70％样本作为该聚类中心的类别所属；
S34、相应Td减少，将未归类的剩余样本重复进行S33，直到划分完成所有 聚类类别；
S34、对于得到的每个聚类群集，重新计算群集中心；
S35、重复进行S33-S34直到聚类的中心小于一定值，基本保持不再改变。
S4：分析结果显示，依据聚类结果，针对每个低压侧变压器，得到对应所 属台户，并利用界面直观显示二者对应关系。
与现有技术相比，本发明的有益效果是：利用大数据分析方法，对低压台 区台户关系进行智能分析和识别，具体通过降维进行数据的约简和去噪，提升 后续数据处理的效率，进一步通过新的数据聚类方法，分块以及聚类中心剔除 大大提升二者关系识别的效率和准确性，通过本申请方法可以大幅节约人力成 本，满足智能电网的精细化管理。
附图说明
图1本申请低压台区台户用户识别方法流程图。
具体实施方式
下面结合附图对本发明作进一步详细描述：
结合本发明附图1，具体说明本申请的技术方案如下：
S1；通过用电信息采集系统获获取台区变压器低压侧电压数据
Figure BDA0003486154990000041
及待分类的用户电压数据
Figure BDA0003486154990000042
其中N为低压变 压器台数，M为用户数量，i代表变压器侧电压，j代表用户端电压，每一个变 压器以及用户的电压数据会连续采集t个时刻形成待分析数据，并对采集得到 的数据进行归一化处理，本申请优选t＝800；
采集系统中获得的数据会出现数据缺失情况，根据数据缺失情况采取不同 的数据处理和插值方法，如用户用电量长时间为0，则可将该类用户剔除，用户 出现无规律的缺失数据，则可通过插值法进行补齐；
S2：由于电力系统中低压侧待识别用户数据巨大，低压侧电压数据维度很 高，另外基于时间序列采集的数据会产生大量的噪声，因此对获取得到的电压 数据进行数据降维；
具体，本申请采用了一种改进的数据特征降维方法，PCA实质上是一个基 变换，使得变换后的数据有最大的方差，也就是通过对坐标轴的旋转和坐标原 点的平移使得其中一个轴(主轴)与数据点之间的方差最小，坐标转换后去掉 高方差的正交轴，得到降维数据集。本申请使用SVD方法进行PCA降维，变 压器电压V为N×t维数据样本，共有N个样本，每行是t维，数据矩阵可以 分解为：
Vi＝X＝U∑VT，U和V为正交阵(正交阵满足：UUT＝VTV＝1)，Σ是t×t 的对角阵。接下来，将Σ分割成r列，记作Σr；利用U和V便能够得到 降维数据
Figure BDA0003486154990000043
同理用户端电压数据降维为
Figure BDA0003486154990000044
优选地r取400。
S3:利用降维后的数据进行台户关系识别，处于同一台区同一相别的用户， 电压波动规律具有很强的相似性，利用此规律可以进行数据关系的识别，本申 请采用聚类算法进行台区台户识别，具体包括：
S31、由于台区变压器数量N在聚类前是已知的，因此可明确得出最终的聚 类个数为A、B、C三相变压器的总相数。这为后续的聚类类别数提供了很好的 基础；
S32、台区台户识别是辨识用户属于哪个低压变压器，因而可以以低压侧变 压器每相电压降维后的数据
Figure BDA0003486154990000051
作为聚类中心；对用户端电压数据降维为
Figure BDA0003486154990000052
进行 数据分块，本申请块数设为K＝40,计算每个分块的每一维度数据的均值；
S33、计算各个块均值样本与聚类中心的趋势一致性，若该均值样本与聚类 中心的趋势一致性小于一定阈值Td则将该块数据排除在该聚类中心的类别中， 也将该块中样本剔除出作为该类聚类中心的可能性；若均值样本与聚类中心的 趋势一致性大于等于一定阈值Tj,则再分别计算计算每个样本到每个聚类中心 的相似度值，并按照响相应的相似度值，取70％样本作为该聚类中心的类别所属；
S34、相应Td减少，将未归类的剩余样本重复进行S33，直到划分完成所有 聚类类别；
S34、对于得到的每个聚类群集，重新计算群集中心；本步骤中聚类中心可 以按照均值聚类中心计算方式来得到，也可以通过其他聚类中心的获得方式计 算得到；
S35、重复进行S33-S34直到聚类的中心小于一定值，基本保持不再改变。
S4：分析结果显示，依据聚类结果，针对每个低压侧变压器，得到对应所 属台户，并利用界面直观显示二者对应关系。
除此之外，本申请还提供了一种低压台区台户的关系识别方法对应的计算 设备以及计算机可读存储介质，包括处理器和存储器，所述存储器存储有能够 被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指 令以实现上述低压台区台户的关系识别方法。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相 连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接， 或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以 通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况 理解上述术语在本发明中的具体含义。
在本发明的描述中，除非另有说明，术语“上”、“下”、“左”、“右”、 “内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系， 仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必 须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限 制。
最后应说明的是，上述技术方案只是本发明的一种实施方式，对于本领域 内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各 种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因 此前面描述的方式只是优选的，而并不具有限制性的意义。

Claims (5)

1.一种低压台区台户识别方法，其特征在于：；
S1；通过用电信息采集系统获获取台区变压器低压侧电压数据
Figure RE-FDA0003619658950000011
及待分类的用户电压数据
Figure RE-FDA0003619658950000012
其中N为低压变压器台数，M为用户数量，i代表变压器侧电压，j代表用户端电压；
S2：由于电力系统中低压侧待识别用户数据巨大，低压侧电压数据维度很高，另外基于时间序列采集的数据会产生大量的噪声，因此对获取得到的电压数据进行数据降维；
S3:利用降维后的数据进行台户关系识别，处于同一台区同一相别的用户，电压波动规律具有很强的相似性，利用此规律可以进行数据关系的识别，本申请采用聚类算法进行台区台户识别，具体包括：
S31、由于台区变压器数量N在聚类前是已知的，可明确得出最终的聚类类别个数为A、B、C三相变压器的总相数；
S32、台区台户识别是辨识用户属于哪个低压变压器，因而可以以低压侧变压器电压降维后的数据
Figure RE-FDA0003619658950000013
作为聚类中心；对用户端电压数据降维为
Figure RE-FDA0003619658950000014
进行数据分块，计算每个分块的每一维度数据的均值；
S33、计算各个块均值样本与聚类中心的趋势一致性，若该均值样本与聚类中心的趋势一致性小于一定阈值Td则将该块数据排除在该聚类中心的类别中，也将该块中样本剔除出作为聚类中心的可能性；若均值样本与聚类中心的趋势一致性大于等于一定阈值Tj,则再分别计算计算每个样本到每个聚类中心的相似度；并按照响应的距离相似度取70％样本作为该聚类中心的类别所属；
S34、相应Td减少，将未归类的剩余样本重复进行S33，直到划分完成所有聚类类别；
S34、对于每个群集，重新计算群集中心；
S35、重复进行S33-S34直到聚类的中心不再改变；
S4：分析结果显示，依据聚类结果，针对每个低压侧变压器，得到对应所属台户，并利用界面直观显示二者对应关系。
2.根据权利要求1所述的低压台区台户用户识别方法，其特征在于：所述步骤S2中的降维方法为使用SVD方法进行PCA降维。
3.根据权利要求1所述的低压台区台户用户识别方法，其特征在于：所述S1中还包含采集系统中获得的数据会出现数据缺失情况，根据数据缺失情况采取不同的数据处理和插值方法，如用户用电量长时间为0，则可将该类用户剔除，用户出现无规律的缺失数据，则可通过插值法进行补齐。
4.根据权利要求1所述的低压台区台户用户识别方法，其特征在于：S32中块数设为K＝40。
5.一种计算设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现上述低压台区台户的关系识别方法。
CN202210081333.6A 2022-01-24 2022-01-24 一种低压台区台户识别方法 Active CN114611869B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210081333.6A CN114611869B (zh) 2022-01-24 2022-01-24 一种低压台区台户识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210081333.6A CN114611869B (zh) 2022-01-24 2022-01-24 一种低压台区台户识别方法

Publications (2)

Publication Number Publication Date
CN114611869A true CN114611869A (zh) 2022-06-10
CN114611869B CN114611869B (zh) 2023-05-02

Family

ID=81857697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210081333.6A Active CN114611869B (zh) 2022-01-24 2022-01-24 一种低压台区台户识别方法

Country Status (1)

Country Link
CN (1) CN114611869B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115051363A (zh) * 2022-08-17 2022-09-13 广东电网有限责任公司佛山供电局 一种配网台区户变关系辨识方法、装置及计算机存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740641A (zh) * 2018-12-18 2019-05-10 清华四川能源互联网研究院 一种基于主成分分析和k-means聚类的台区用户识别方法
CN111126429A (zh) * 2019-11-10 2020-05-08 国网浙江省电力有限公司 一种基于PCA降维和K-Means聚类的低压台区用户接入点识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740641A (zh) * 2018-12-18 2019-05-10 清华四川能源互联网研究院 一种基于主成分分析和k-means聚类的台区用户识别方法
CN111126429A (zh) * 2019-11-10 2020-05-08 国网浙江省电力有限公司 一种基于PCA降维和K-Means聚类的低压台区用户接入点识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴奇等: "基于主成分分析法和改进K-means算法的台区用户识别方法", 《电气自动化》 *
王家驹等: "基于多维尺度分析和改进K-means的台户关系辨识方法", 《电气自动化》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115051363A (zh) * 2022-08-17 2022-09-13 广东电网有限责任公司佛山供电局 一种配网台区户变关系辨识方法、装置及计算机存储介质
CN115051363B (zh) * 2022-08-17 2023-01-13 广东电网有限责任公司佛山供电局 一种配网台区户变关系辨识方法、装置及计算机存储介质

Also Published As

Publication number Publication date
CN114611869B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN112699913B (zh) 一种台区户变关系异常诊断方法及装置
CN111505433B (zh) 一种低压台区户变关系纠错及相位识别方法
CN111126429A (zh) 一种基于PCA降维和K-Means聚类的低压台区用户接入点识别方法
CN109740641A (zh) 一种基于主成分分析和k-means聚类的台区用户识别方法
CN111080105A (zh) 基于电压时序数据的台区户变关系识别方法及系统
CN108896875B (zh) 一种单相接地故障选线方法及装置
CN110569316A (zh) 基于t-SNE降维技术和BIRCH聚类的低压台区用户拓扑辨识方法
CN104198899A (zh) 一种多放电源情况下变压器局部放电类型识别方法
CN114611869A (zh) 一种低压台区台户识别方法
CN112819649A (zh) 确定台区户变关系的方法及装置
CN114359674A (zh) 基于度量学习的非侵入式负荷识别方法
CN113659564B (zh) 基于电压波动特征聚类的低压配电网拓扑识别方法及系统
CN108445321A (zh) 一种继电保护故障智能录波方法
CN114626487A (zh) 基于随机森林分类算法的线变关系校核方法
CN112215490B (zh) 一种基于相关性系数改进K-means的电力负荷聚类分析方法
CN113595071A (zh) 台区用户辨识与电压影响评估方法
CN111898694B (zh) 一种基于随机树分类的非入侵式负荷识别方法及装置
CN117236022A (zh) 互感器剩余寿命预测模型训练方法、应用方法及电子设备
CN112699921A (zh) 一种基于堆栈降噪自编码的电网暂态故障数据聚类清洗方法
CN115051363B (zh) 一种配网台区户变关系辨识方法、装置及计算机存储介质
CN111191946A (zh) 故障线路识别方法及装置、电子设备
CN115204319A (zh) 一种低压配电网拓扑参数识别方法及系统
CN115600494A (zh) 一种低压台区拓扑自动识别方法及装置
CN112415304B (zh) 基于低压台区电压数据曲线分群的线路识别方法
CN114024308A (zh) 一种配电网台户关系辨识方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220602

Address after: 239000 No. 510 Fenghuang Road, Anhui, Chuzhou

Applicant after: STATE GRID ANHUI POWER CO., LTD. CHUZHOU POWER SUPPLY Co.

Applicant after: Hubei Chongguang Electric Co.,Ltd.

Address before: 100031 No. 86 West Chang'an Avenue, Beijing, Xicheng District

Applicant before: STATE GRID CORPORATION OF CHINA

Applicant before: STATE GRID ANHUI POWER CO., LTD. CHUZHOU POWER SUPPLY Co.

Applicant before: Hubei Chongguang Electric Co.,Ltd.

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant