CN114660406A - 一种用于电缆故障检测波形自适应优化的方法及系统 - Google Patents
一种用于电缆故障检测波形自适应优化的方法及系统 Download PDFInfo
- Publication number
- CN114660406A CN114660406A CN202210278974.0A CN202210278974A CN114660406A CN 114660406 A CN114660406 A CN 114660406A CN 202210278974 A CN202210278974 A CN 202210278974A CN 114660406 A CN114660406 A CN 114660406A
- Authority
- CN
- China
- Prior art keywords
- layer
- wavelet
- detail
- waveform
- optimal
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种用于电缆故障检测波形自适应优化的方法及系统,所述方法包括以下步骤:获取待故障检测电缆的诊断波形,进行一层小波分解获得第一层细节系数;选取峰效比最大的小波基为最优小波基;分别对诊断波形进行K层的小波分解;根据第K层的细节系数计算获得细节能量,将第K层细节能量与第K‑1层细节能量作商,取最大商值为临界层数;比较临界层数前一层或前两层的细节能量,取较大值为最优小波层数;所述诊断波形进行小波阈值去噪处理,获得自适应优化结果。本发明的方法能够解决由于干扰点造成的多个故障点不容易分辨的技术问题。
Description
技术领域
本发明属于电缆故障检测技术领域,具体涉及电缆故障检测波形优化领域,特别涉及一种用于电缆故障检测波形自适应优化的方法及系统。
背景技术
电缆在电力系统的电能传输中起着十分关键的作用;在运行中,电缆故障一旦发生,将导致大型电气系统停运甚至失控,会造成严重的经济损失和社会影响。因此,对电缆进行局部缺陷诊断十分重要,其可及时排除电缆的局部缺陷,避免局部潜伏性缺陷诱发永久性故障。
目前电缆的故障检测方法主要包括:直接测量电缆的物理化学性能进行检测、对电缆的相关电气量进行测量等;然而,上述现有方法只能对整体运行状态进行评估或对永久性故障位置进行定位,针对潜伏性缺陷的评估尚存在一些瓶颈问题。
针对潜伏性缺陷的评估目前主要是通过局部放电检测、电缆宽频阻抗谱以及时域反射法等方法进行检测。具体示例性的,现有的FDR(Frequency Domain Reflectometry,频域反射法)的电缆宽频阻抗谱技术中,利用低压变频正弦信号源测量电缆首端输入阻抗随频率变化的曲线,并根据曲线特征获取电缆运行状态信息,进而通过积分变换将电缆阻抗谱变换为伪频域上的阻抗谱函数,即获取电缆特征参数随位置变化的诊断波形,依据电缆局部缺陷特征参量与诊断波形之间的关系,实现局部缺陷及老化的定位。上述现有方法尚存在的技术缺陷包括,当存在多个故障点时,由于局部老化产生的突变峰值为渐变型,当故障点之间的距离较近时,信号的多次折反射会造成相互干扰,造成故障点不容易分辨,为故障检测带来困难。
发明内容
本发明的目的在于提供一种用于电缆故障检测波形自适应优化的方法及系统,以解决上述存在的一个或多个技术问题。本发明的方法,利用小波变换对诊断波形数据进行自适应优化处理,能够解决由于干扰点造成的多个故障点不容易分辨的技术问题。
为达到上述目的,本发明采用以下技术方案:
本发明提供的一种用于电缆故障检测波形的自适应优化方法,包括以下步骤:
获取待故障检测电缆的诊断波形;
对获取的所述诊断波形进行一层小波分解,获得第一层细节系数;基于获取的所述第一层细节系数,计算获得峰效比,选取峰效比最大的小波基为最优小波基;
基于获取的所述最优小波基,分别对诊断波形进行K层的小波分解;根据第K层的细节系数计算获得细节能量,将第K层细节能量与第K-1层细节能量作商,取最大商值为临界层数;比较临界层数前一层或前两层的细节能量,取较大值为最优小波层数;
基于获取的所述诊断波形,获得小波变换阈值;
基于获取的所述最优小波基、所述最优小波层数以及所述小波变换阈值,对所述诊断波形进行小波阈值去噪处理,获得自适应优化结果。
本发明方法的进一步改进在于,所述获取待故障检测电缆的诊断波形时,采用的方法为FDR。
本发明方法的进一步改进在于,所述对获取的所述诊断波形进行一层小波分解,获得第一层细节系数的步骤包括:
对获取的诊断波形选取symN、dbN、coifN三类小波基进行一层小波分解,获得第一层细节系数;其中,N表示小波的阶数。
本发明方法的进一步改进在于,N的取值范围为1~8中的整数。
本发明方法的进一步改进在于,所述基于获取的所述第一层细节系数,计算获得峰效比,选取峰效比最大的小波基为最优小波基中,峰效比的计算表达式为,
式中,P1表示第一层峰效比,D1表示第一层细节系数,N表示小波的阶数,M表示细节系数总量,Di表示第i个第一层细节系数。
本发明方法的进一步改进在于,所述细节能量的计算表达式为,
式中,Ej表示第j层的细节能量,C表示第j层细节系数总量,Djk表示总层数为K层时的第j层细节系数,E表示第j层的细节能量与j-1层的商值。
本发明方法的进一步改进在于,K的取值范围为1~15中的整数。
本发明方法的进一步改进在于,所述基于获取的所述诊断波形,获得小波变换阈值的步骤包括:
基于获取的所述诊断波形,采用ddencmp函数获得小波变换阈值。
本发明提供的一种用于电缆故障检测波形的自适应优化系统,包括:
诊断波形获取模块,用于获取待故障检测电缆的诊断波形;
最优小波基获取模块,用于对获取的所述诊断波形进行一层小波分解,获得第一层细节系数;基于获取的所述第一层细节系数,计算获得峰效比,选取峰效比最大的小波基为最优小波基;
最优小波层数获取模块,用于基于获取的所述最优小波基,分别对诊断波形进行K层的小波分解;根据第K层的细节系数计算获得细节能量,将第K层细节能量与第K-1层细节能量作商,取最大商值为临界层数;比较临界层数前一层、前两层的细节能量,取较大值为最优小波层数;
小波变换阈值获取模块,用于基于获取的所述诊断波形,获得小波变换阈值;
优化结果获取模块,用于基于获取的所述最优小波基、所述最优小波层数以及所述小波变换阈值,对所述诊断波形进行小波阈值去噪处理,获得自适应优化结果。
与现有技术相比,本发明具有以下有益效果:
区别于现有技术通过讯噪比或神经网络等方法对波形进行处理,本发明的方法不需要预先得到理想的处理后信号,且对数据量没有很大的需求;本发明的方法直接利用近似系数进行小波系数的选取达到滤波效果,更符合应用实际,能够自适应的计算和选择并应用小波变换进行处理,不需要针对不同信号修改数值或进行手动运算。具体解释性的,本发明的方法利用小波变换对诊断波形进行处理,通过计算不同系数的能量及峰效比并进行比较自适应的得到小波变换系数并进行滤波处理,达到确定故障点所在位置的结果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面对实施例或现有技术描述中所需要使用的附图做简单的介绍;显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种用于电缆故障检测波形自适应优化的方法的流程示意图;
图2是本发明实施例中,故障定位对比示意图;其中,图2中(a)为现有传统FDR获得的故障定位示意图,图2中(b)为本发明方法获得的故障定位示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述:
请参阅图1,本发明实施例的一种用于电缆故障检测波形的自适应优化方法,包括以下步骤:
获取待故障检测电缆的诊断波形(也即诊断函数);示例性的,获取所述诊断波形时,采用的方法可以是FDR(频域反射法Frequency Domain Reflectometer)、TFDR(时频域反射法,Time Frequency Domain Reflectometer)、TDR(时域反射法,Time DomainReflectometer);进一步解释性的,采用FDR时具体包括,利用积分变换对电缆频域阻抗谱进行变换,获取电缆特征参数随位置变化的诊断波形;所述诊断波形包含有干扰噪声,干扰噪声是指当存在多个故障点且故障点之间的距离较近时,信号的多次折反射会造成相互干扰,或电缆铺设环境较为复杂造成的干扰,其存在会对故障点的定位带来一定困难;
对获取的诊断波形选取symN(Symlets小波,近似对称的紧支集正交小波),dbN(Daubechies小波,紧支集正交小波),coifN(Coiflets小波)三类小波基进行一层小波分解,获得第一层细节系数;
其中示例性可选的,N=1~8,N表示小波基的类别;
基于获取的第一层细节系数,计算获得峰效比,选取峰效比最大的小波基为最优小波基;解释性的,由于有效信号的幅值相较于噪声信号越大,峰值比越高,越容易得到更好的去噪效果,故选取峰值比为最大值的小波基作为最优小波基;
其中,峰效比的计算表达式为,
式中,P1表示第一层峰效比,D1表示第一层细节系数,N表示小波的阶数,M表示细节系数总量,Di表示第i个第一层细节系数;
基于获取的最优小波基,分别对诊断波形进行K层(示例性可选的,K=1~15)的小波分解,根据第K层的细节系数计算细节能量,将本层细节能量与K-1层作商,取最大商值为临界层数,比较临界层数前一层及两层的细节能量,取较大值为最优小波层数;解释性的,小波的细节能量是指每层细节系数的平方,可以反映各层小波系数的能量分布来判断集中情况。计算小波的每一层的细节能量与上一层的商值,在一定范围内,当商值最大时可以认为小波系数在全时域分布,此时低频分量分解成小波系数,噪声信号与有效信号不易分离,比较最大层临近的前两层的能量值,故选取得到较大的能量值的层数作为最佳分解层数;
其中,细节能量的计算表达式为,
式中,Ej表示第j层的细节能量,C表示第j层细节系数总量,Djk表示总层数为K层时的第j层细节系数,E表示第j层的细节能量与j-1层的商值;
基于诊断波形,获得小波变换阈值;示例性的,可采用ddencmp函数;
基于获取的最优小波基、最优小波层数以及小波变换阈值,对诊断波形进行小波阈值去噪处理,获得自适应优化结果。
本发明实施例进一步可选的,基于诊断波形,获得小波变换阈值的步骤具体包括:
运用MATLAB中的ddencmp函数获取信号的阈值作为所选取的最佳阈值。
通过MATLAB实现并组合以上三部分的波形滤波算法,实现能够根据诊断波形自身的特点,自适应地选取小波基、阈值及分解层数,最终得到波形图。
本发明实施例的方法,根据函数小波变换后的细节系数选择相应的小波基和小波分解层数,已达到自适应滤波的效果;完全自适应的根据诊断波形的不同对波形进行变换,而不需要手动调节系数,即在未知波形滤波后所需要得到的效果的情况下,预先对特定诊断波形所需小波变换系数进行计算,通过该技术能够优化对多个电缆故障点的分辨和确定效果。
请参阅图2,通过建立仿真模型,模拟电缆上出现两点故障的情况,并根据本发明实施例上述流程进行小波阈值滤波,依据模拟故障波形特点,得到的最佳小波基为sym8,最佳小波分解层数为2层,得到的滤波前后波形曲线如图2所示。从图2可以得出,未经过小波变换前的图像干扰较为严重,缺陷点周围存在一定干扰可能造成误判;通过自适应的小波变换后,滤除了故障点附近的干扰信号,波形上明显存在两个峰值位置,即为故障点所在位置,减少了误判的可能。
综上所述,本发明实施例提供的方法是一种针对频域反射法故障定位波形数据进行自适应优化滤波方法,可用来减少故障分析时的干扰噪声影响。具体的,针对诊断波形无法提前进行理想函数的判断的特点,使用讯噪比进行比较得到最佳小波变换系数的方法及通过神经网络进行训练的方法都不符合实际的需求;本发明的方法中,采用细节系数对选取不同小波基和层数时的峰效比及能量比等数据进行比较,选取获得最合适的小波系数;存在多个故障点时,通过对干扰信号的滤除更清晰的得到每个故障点所在的位置;运用小波变换完全自适应的依据不同诊断波形特点进行系数选择,便于推广和应用于实际。
下述为本发明的装置实施例,可以用于执行本发明方法实施例。对于装置实施例中未纰漏的细节,请参照本发明方法实施例。
本发明再一实施例提供的一种用于电缆故障检测波形的自适应优化系统,包括:
诊断波形获取模块,用于获取待故障检测电缆的诊断波形;
最优小波基获取模块,用于对获取的所述诊断波形进行一层小波分解,获得第一层细节系数;基于获取的所述第一层细节系数,计算获得峰效比,选取峰效比最大的小波基为最优小波基;
最优小波层数获取模块,用于基于获取的所述最优小波基,分别对诊断波形进行K层的小波分解;根据第K层的细节系数计算获得细节能量,将第K层细节能量与第K-1层细节能量作商,取最大商值为临界层数;比较临界层数前一层、前两层的细节能量,取较大值为最优小波层数;
小波变换阈值获取模块,用于基于获取的所述诊断波形,获得小波变换阈值;
优化结果获取模块,用于基于获取的所述最优小波基、所述最优小波层数以及所述小波变换阈值,对所述诊断波形进行小波阈值去噪处理,获得自适应优化结果。
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。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.一种用于电缆故障检测波形的自适应优化方法,其特征在于,包括以下步骤:
获取待故障检测电缆的诊断波形;
对获取的所述诊断波形进行一层小波分解,获得第一层细节系数;基于获取的所述第一层细节系数,计算获得峰效比,选取峰效比最大的小波基为最优小波基;
基于获取的所述最优小波基,分别对诊断波形进行K层的小波分解;根据第K层的细节系数计算获得细节能量,将第K层细节能量与第K-1层细节能量作商,取最大商值为临界层数;比较临界层数前一层或前两层的细节能量,取较大值为最优小波层数;
基于获取的所述诊断波形,获得小波变换阈值;
基于获取的所述最优小波基、所述最优小波层数以及所述小波变换阈值,对所述诊断波形进行小波阈值去噪处理,获得自适应优化结果。
2.根据权利要求1所述的一种用于电缆故障检测波形的自适应优化方法,其特征在于,所述获取待故障检测电缆的诊断波形时,采用的方法为FDR。
3.根据权利要求1所述的一种用于电缆故障检测波形的自适应优化方法,其特征在于,所述对获取的所述诊断波形进行一层小波分解,获得第一层细节系数的步骤包括:
对获取的诊断波形选取symN、dbN、coifN三类小波基进行一层小波分解,获得第一层细节系数;其中,N表示小波的阶数。
4.根据权利要求3所述的一种用于电缆故障检测波形的自适应优化方法,其特征在于,N的取值范围为1~8中的整数。
7.根据权利要求1所述的一种用于电缆故障检测波形的自适应优化方法,其特征在于,K的取值范围为1~15中的整数。
8.根据权利要求1所述的一种用于电缆故障检测波形的自适应优化方法,其特征在于,所述基于获取的所述诊断波形,获得小波变换阈值的步骤包括:
基于获取的所述诊断波形,采用ddencmp函数获得小波变换阈值。
9.一种用于电缆故障检测波形的自适应优化系统,其特征在于,包括:
诊断波形获取模块,用于获取待故障检测电缆的诊断波形;
最优小波基获取模块,用于对获取的所述诊断波形进行一层小波分解,获得第一层细节系数;基于获取的所述第一层细节系数,计算获得峰效比,选取峰效比最大的小波基为最优小波基;
最优小波层数获取模块,用于基于获取的所述最优小波基,分别对诊断波形进行K层的小波分解;根据第K层的细节系数计算获得细节能量,将第K层细节能量与第K-1层细节能量作商,取最大商值为临界层数;比较临界层数前一层、前两层的细节能量,取较大值为最优小波层数;
小波变换阈值获取模块,用于基于获取的所述诊断波形,获得小波变换阈值;
优化结果获取模块,用于基于获取的所述最优小波基、所述最优小波层数以及所述小波变换阈值,对所述诊断波形进行小波阈值去噪处理,获得自适应优化结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210278974.0A CN114660406A (zh) | 2022-03-21 | 2022-03-21 | 一种用于电缆故障检测波形自适应优化的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210278974.0A CN114660406A (zh) | 2022-03-21 | 2022-03-21 | 一种用于电缆故障检测波形自适应优化的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114660406A true CN114660406A (zh) | 2022-06-24 |
Family
ID=82031076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210278974.0A Pending CN114660406A (zh) | 2022-03-21 | 2022-03-21 | 一种用于电缆故障检测波形自适应优化的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114660406A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116593831A (zh) * | 2023-07-19 | 2023-08-15 | 西安交通大学 | 一种电缆缺陷定位方法、设备及介质 |
-
2022
- 2022-03-21 CN CN202210278974.0A patent/CN114660406A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116593831A (zh) * | 2023-07-19 | 2023-08-15 | 西安交通大学 | 一种电缆缺陷定位方法、设备及介质 |
CN116593831B (zh) * | 2023-07-19 | 2023-11-07 | 西安交通大学 | 一种电缆缺陷定位方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6738135B2 (ja) | 電気ケーブルの故障検出をコンピュータで実行する方法 | |
KR101463728B1 (ko) | 데이터 전송 라인들 상의 전자기 간섭을 검출하기 위한 방법 및 디바이스들 | |
US11333699B2 (en) | Method for characterising a fault in a transmission line network with unknown topology | |
NO341197B1 (no) | Fremgangsmåte og system for overvåkning av tilstanden til elektriske kabler | |
CN114692758A (zh) | 电力通信故障分析方法、装置、终端设备及介质 | |
CN113489534A (zh) | 光缆异常检测方法及装置 | |
CN114660406A (zh) | 一种用于电缆故障检测波形自适应优化的方法及系统 | |
CN114217164B (zh) | 一种基于放电波形智能识别的电缆故障测距方法及系统 | |
CN115389877A (zh) | 电缆绝缘故障的定位方法、装置、终端及存储介质 | |
CN116155371A (zh) | 一种otdr事件检测方法 | |
CN117892611A (zh) | 基于时空图神经网络的中压配电网伪量测生成方法及装置 | |
CN116400166A (zh) | 一种基于ewt的频域电力电缆缺陷检测方法 | |
JP6296882B2 (ja) | 適応型周波数領域ウィンドウイング | |
CN114371376A (zh) | 换流变压器局部绝缘老化缺陷在线分相监测和评估方法 | |
CN113552444A (zh) | 一种泄漏电流特征阈值在线整定方法及装置 | |
CN112114215A (zh) | 基于误差反向传播算法的变压器老化评估的方法及系统 | |
CN111781439B (zh) | 一种电力电缆局部放电信号检测方法及装置 | |
CN117872039B (zh) | 一种基于改进rbf网络的线路故障测距方法及系统 | |
US10938981B2 (en) | Method and apparatus for determining a bridged tap length | |
CN117233528A (zh) | 基于卷积神经网络的电缆缺陷定位方法、系统及电子设备 | |
US20230035180A1 (en) | Method and apparatus for determining the location of impairments on a line of a wired network | |
CN118013191A (zh) | 基于lsm滤波、ceemdan联合小波检测绝缘子的去噪方法 | |
CN117851758A (zh) | 电缆局部放电信号的处理方法及计算机存储介质 | |
CN116973708A (zh) | 一种海缆局部放电关键参数反演方法及系统 | |
CN117409790A (zh) | 一种施工器械声纹检测方法、系统、设备及介质 |
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 |