CN115267548A - 锂电池电压采样方法、系统和可读存储介质 - Google Patents
锂电池电压采样方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN115267548A CN115267548A CN202210873506.8A CN202210873506A CN115267548A CN 115267548 A CN115267548 A CN 115267548A CN 202210873506 A CN202210873506 A CN 202210873506A CN 115267548 A CN115267548 A CN 115267548A
- Authority
- CN
- China
- Prior art keywords
- time
- lithium battery
- frequency
- voltage sampling
- battery voltage
- 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
- 238000005070 sampling Methods 0.000 title claims abstract description 47
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 46
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001914 filtration Methods 0.000 claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 230000009466 transformation Effects 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013139 quantization Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本申请涉及一种锂电池电压采样方法、系统和可读存储介质,该锂电池电压采样方法用于锂电池系统,包括:S101、根据不同时段,采集n个锂电池系统在不同工作状态的锂电池电压;S102、根据Y(t)计算得到相对关联距离熵CH;S103、对全体电压采样序列进行相对关联熵计算,确定的CH阈值并进行电池不同工作状态的划分,按照不同的工作状态划入不同序列时间段;S104、对不同序列时间段的电压序列进行广义S变换得到二维时频复数矩阵;S105、对二维时频复数矩阵进行阈值滤波处理;S106、对阈值滤波处理后的数据进行时频滤波处理;S107、经过广义S反变换获得去噪后的锂电池电压信号。本申请能自适应地调节时频滤波因子,在最大程度保存有效信息的前提下滤除干扰信息。
Description
技术领域
本申请涉及一种锂电池电压采样方法、系统和可读存储介质,属于采样数据处理领域。
背景技术
由于电压采样信号的频谱是时变的,其中的噪音更是各个时段各不相同。要想将这些各时段频谱不同的噪音准确净地滤掉而叉不影响有效信号,最有效的办法是构造随时间变化的滤波器。但是在实际工作中,电池不同阶段的电压变化特征往往不一样,并且在不同工作状态下遭遇的电压采样值噪声污染也不尽相同。所以必须有一种方法能够分段分场合的提取出不同环境下的电压采样值噪声,此种滤波方法能够做到自适应环境的变化。基于上述情况,特提出本申请。
发明内容
本申请的目的在于提供一种锂电池电压采样方法、系统和可读存储介质,能自适应地调节时频滤波因子,在最大程度保存有效信息的前提下滤除干扰信息,能解决目前单一情况下选取定阈值的s变换时频滤波器其噪声频段区域单纯靠经验选取的不足的问题。
为达到上述目的,本申请公开如下技术方案:
第一方面,本申请提供一种锂电池电压采样方法,其用于锂电池系统,所述锂电池电压采样方法包括:
S101、根据不同时段,采集n个所述锂电池系统在不同工作状态的锂电池电压,定义所述锂电池系统的时间演变状态空间Y(t)为:
Y(t)=[x(t),x(t+τ),x(t+2τ),...x(t+(m-1)τ)]
其中,τ为延迟时间,x(t)为电压采样时间序列,t等于1至n,m为嵌入维数;
S102、根据所述Y(t)计算得到相对关联距离熵CH:
S103、对全体电压采样序列进行相对关联熵计算,确定的CH阈值并进行电池不同工作状态的划分,按照不同的工作状态划入不同序列时间段;
S104、对所述不同序列时间段的电压序列进行广义S变换得到二维时频复数矩阵;
S105、对所述二维时频复数矩阵进行阈值滤波处理;
S106、对阈值滤波处理后的数据进行时频滤波处理;
S107、经过广义S反变换获得去噪后的锂电池电压信号。
在一些可能的实施方式中,步骤S102中,包括:
根据所述Y(t)获得相空间中的点Yi,其中,i等于1至N,N=n-(m-1)τ;
获得所述相空间中系统相轨迹点对之间的距离dij和其最大值dmax:
dij=||Yi-Yj||(i,j=1,2,...,N)
dmax=max(dij)(i=1,2,...N)
在一些可能的实施方式中,步骤S104中,包括:
提供广义S变换函数,变换得到二维时频复数矩阵,所述广义S变换函数为:
其中,f为频率,t为时间,k和b为常数。
在一些可能的实施方式中,当f趋向于n/NT,且τ趋向于kT时,离散的广义S变换函数为:
在一些可能的实施方式中,所述二维时频复数矩阵为:
在一些可能的实施方式中,步骤S105中,所述对所述二维时频复数矩阵进行阈值滤波处理包括:
计算得到的GST(k,n)最大值GSTmax和最小值GSTmin;
对变换后的信号数据进行量化,其中,量化间隔Δp和量化区间σ的计算公式如下:
确定滤去噪声范围的阈值α,确定阈值滤波的滤波因子,其计算公式如下:
通过阈值滤波提取时频域内的有效信号,其计算公式为:
GST1(k,n)=GST(k,n)*H1(k,n)。
在一些可能的实施方式中,步骤S106中,所述对阈值滤波处理后的数据进行时频滤波处理包括:
确定信号的瞬时频率,对信号的时频分布进行分析,确定噪声时频范围,保留有效信号的时频范围,所述时频滤波处理的时频滤波器函数表达式如下:
其中,[tk-1,tk]和[fn-1,fn]分别表示有效信号的时间范围和频率范围;
随后提取时频域内的有效信号,其计算公式为:
GST2(k,n)=GST1(k,n)*H2(k,n)。
在一些可能的实施方式中,步骤S107中,所述广义S反变换的函数为:
x(t)=GST-1[GST2(k,n)]。
第二方面,本申请提供一种锂电池电压采样系统,其包括处理器和存储器,所述存储器用于存储程序,所述处理器用于从存储器中调用并运行所述程序以执行第一方面所述的锂电池电压采样方法。
第三方面,本申请提供一种计算机可读存储介质,其包括计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行第一方面所述的锂电池电压采样方法。
通过本申请的技术方案,所公开的采样方法以分时段的相对距离熵概念引入分段分类方法中,在时频谱上计算不同工况下的信号频率区域的熵值,据相对熵的大小,来确定不同工况阶段的不同噪声频段区域,设定阈值,自适应地调节时频滤波因子,在最大程度保存有效信息的前提下滤除干扰信息,能解决目前单一情况下选取定阈值的s变换时频滤波器其噪声频段区域单纯靠经验选取的不足的问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本申请一实施例所示的锂电池电压采样方法的示意性流程图;
图2为本申请一实施例所示的距离熵结合S变换后的单体电压采集值序列(横坐标为采集时间点);
图3为本申请一实施例所示的无干扰下单体电压采集值序列(横坐标为采集时间点);
图4为本申请一实施例所示的受到电磁干扰下单体电压采集值序列(横坐标为采集时间点)。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
在本申请的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本申请的描述中,需要说明的是,除非另有明确的规定和限定,“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。。
图1示出了本申请一实施例所示的锂电池电压采样方法的流程图。该采样方法应用于锂电池系统。
如图1所示,所述锂电池电压采样方法可以包括以下步骤:
S101、根据不同时段,采集n个所述锂电池系统在不同工作状态的锂电池电压,定义所述锂电池系统的时间演变状态空间Y(t)为:
Y(t)=[x(t),x(t+τ),x(t+2τ),...x(t+(m-1)τ)]
其中,τ为延迟时间,x(t)为电压采样时间序列,t等于1至n,m为嵌入维数;
S102、根据所述Y(t)计算得到相对关联距离熵CH:
S103、对全体电压采样序列进行相对关联熵计算,确定的CH阈值并进行电池不同工作状态的划分,按照不同的工作状态划入不同序列时间段;
S104、对所述不同序列时间段的电压序列进行广义S变换得到二维时频复数矩阵;
S105、对所述二维时频复数矩阵进行阈值滤波处理;
S106、对阈值滤波处理后的数据进行时频滤波处理;
S107、经过广义S反变换获得去噪后的锂电池电压信号。
具体地,在本实施例中,步骤S102中,包括:
根据所述Y(t)获得相空间中的点Yi,其中,i等于1至N,N=n-(m-1)τ;
获得所述相空间中系统相轨迹点对之间的距离dij和其最大值dmax:
dij=||Yi-Yj||(i,j=1,2,...,N)
dmax=max(dij)(i=1,2,...N)
具体地,在本实施例中,步骤S104中,包括:
提供广义S变换函数,变换得到二维时频复数矩阵,所述广义S变换函数为:
其中,f为频率,t为时间,k和b为常数。
具体地,在本实施例中,当f趋向于n/NT,且τ趋向于kT时,离散的广义 S变换函数为:
具体地,在本实施例中,所述二维时频复数矩阵为:
具体地,在本实施例中,步骤S105中,所述对所述二维时频复数矩阵进行阈值滤波处理包括:
计算得到的GST(k,n)最大值GSTmax和最小值GSTmin;
对变换后的信号数据进行量化,其中,量化间隔Δp和量化区间σ的计算公式如下:
确定滤去噪声范围的阈值α,确定阈值滤波的滤波因子,其计算公式如下:
通过阈值滤波提取时频域内的有效信号,其计算公式为:
GST1(k,n)=GST(k,n)*H1(k,n)。
具体地,在本实施例中,步骤S106中,所述对阈值滤波处理后的数据进行时频滤波处理包括:
确定信号的瞬时频率,对信号的时频分布进行分析,确定噪声时频范围,保留有效信号的时频范围,所述时频滤波处理的时频滤波器函数表达式如下:
其中,[tk-1,tk]和[fn-1,fn]分别表示有效信号的时间范围和频率范围;
随后提取时频域内的有效信号,其计算公式为:
GST2(k,n)=GST1(k,n)*H2(k,n)。
具体地,在本实施例中,步骤S107中,所述广义S反变换的函数为:
x(t)=GST-1[GST2(k,n)]。
本申请实施例基于上述方法对电池电压进行单体电压采集,具体为距离熵结合S变换去噪后的信号,如图2所示。另外,在其他实施例中,本申请还在无干扰和受电磁干扰下进行了单体电压采集时,以与本申请的方法进行展示对比,分别如图3和图4所示。
通过对比图2至图4,由图可知,在最大程度保存有效信息的前提下滤除干扰信息。
本申请实施例还提供一种计算机设备,该计算机设备包括至少一个处理器和存储器,该存储器用于存储程序,该至少一个处理器用于从存储器中调用并运行该程序以执行上述所提供的方法。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,当该计算机程序在计算机设备上运行时,使得计算机设备执行上述所提供的方法。
本申请实施例还提供一种包含计算机程序的计算机程序产品,当其在计算机设备上运行时,使得计算机设备执行上述所提供的方法。
可选地,在具体实现中,该处理器的个数不做限制。该处理器是通用处理器,可选地,该通用处理器能够通过硬件来实现或通过软件来实现。当通过硬件实现时,该处理器是逻辑电路、集成电路等;当通过软件来实现时,该处理器是一个通用处理器,通过读取存储器中存储的软件代码来实现,该存储器集成在处理器中,位于该处理器之外,独立存在。
上述实施例,全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。
可选地,所述计算机为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令能够存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。
所述计算机可读存储介质是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质,例如固态硬盘。
综上所述:通过本申请的技术方案,所公开的采样方法以分时段的相对距离熵概念引入分段分类方法中,在时频谱上计算不同工况下的信号频率区域的熵值,据相对熵的大小,来确定不同工况阶段的不同噪声频段区域,设定阈值,自适应地调节时频滤波因子,在最大程度保存有效信息的前提下滤除干扰信息,能解决目前单一情况下选取定阈值的s变换时频滤波器其噪声频段区域单纯靠经验选取的不足的问题。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种锂电池电压采样方法,其特征在于,用于锂电池系统,所述锂电池电压采样方法包括:
S101、根据不同时段,采集n个所述锂电池系统在不同工作状态的锂电池电压,定义所述锂电池系统的时间演变状态空间Y(t)为:
Y(t)=[x(t),x(t+τ),x(t+2τ),...x(t+(m-1)τ)]
其中,τ为延迟时间,x(t)为电压采样时间序列,t等于1至n,m为嵌入维数;
S102、根据所述Y(t)计算得到相对关联距离熵CH:
S103、对全体电压采样序列进行相对关联熵计算,确定的CH阈值并进行电池不同工作状态的划分,按照不同的工作状态划入不同序列时间段;
S104、对所述不同序列时间段的电压序列进行广义S变换得到二维时频复数矩阵;
S105、对所述二维时频复数矩阵进行阈值滤波处理;
S106、对阈值滤波处理后的数据进行时频滤波处理;
S107、经过广义S反变换获得去噪后的锂电池电压信号。
8.如权利要求1所述的锂电池电压采样方法,其特征在于,步骤S107中,所述广义S反变换的函数为:
x(t)=GST-1[GST2(k,n)]。
9.一种锂电池电压采样系统,其特征在于,包括处理器和存储器,所述存储器用于存储程序,所述处理器用于从存储器中调用并运行所述程序以执行权利要求1至8中任一项所述的锂电池电压采样方法。
10.一种计算机可读存储介质,其特征在于,包括计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行权利要求1至8中任一项所述的锂电池电压采样方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210873506.8A CN115267548A (zh) | 2022-07-22 | 2022-07-22 | 锂电池电压采样方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210873506.8A CN115267548A (zh) | 2022-07-22 | 2022-07-22 | 锂电池电压采样方法、系统和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115267548A true CN115267548A (zh) | 2022-11-01 |
Family
ID=83768039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210873506.8A Pending CN115267548A (zh) | 2022-07-22 | 2022-07-22 | 锂电池电压采样方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115267548A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117388741A (zh) * | 2023-10-13 | 2024-01-12 | 广东云下汇金科技有限公司 | 一种智算中心备用发电机组监测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111046791A (zh) * | 2019-12-11 | 2020-04-21 | 河海大学 | 一种基于含可变因子广义s变换的电流信号滤波去噪方法 |
CN111198357A (zh) * | 2019-12-19 | 2020-05-26 | 南京理工大学 | 一种基于可调窗函数的s变换时频分析方法 |
CN111638463A (zh) * | 2020-06-09 | 2020-09-08 | 同济大学 | 一种基于交流阻抗的新能源汽车电池诊断系统 |
CN112379284A (zh) * | 2020-10-30 | 2021-02-19 | 合肥国轩高科动力能源有限公司 | 一种电池模组压差非正常特征识别方法及系统 |
CN112415270A (zh) * | 2020-10-27 | 2021-02-26 | 同济大学 | 一种电池阻抗快速测量方法及系统 |
US20210181365A1 (en) * | 2019-12-12 | 2021-06-17 | King Fahd University Of Petroleum And Minerals | Adaptive noise estimation and removal method for microseismic data |
-
2022
- 2022-07-22 CN CN202210873506.8A patent/CN115267548A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111046791A (zh) * | 2019-12-11 | 2020-04-21 | 河海大学 | 一种基于含可变因子广义s变换的电流信号滤波去噪方法 |
US20210181365A1 (en) * | 2019-12-12 | 2021-06-17 | King Fahd University Of Petroleum And Minerals | Adaptive noise estimation and removal method for microseismic data |
CN111198357A (zh) * | 2019-12-19 | 2020-05-26 | 南京理工大学 | 一种基于可调窗函数的s变换时频分析方法 |
CN111638463A (zh) * | 2020-06-09 | 2020-09-08 | 同济大学 | 一种基于交流阻抗的新能源汽车电池诊断系统 |
CN112415270A (zh) * | 2020-10-27 | 2021-02-26 | 同济大学 | 一种电池阻抗快速测量方法及系统 |
CN112379284A (zh) * | 2020-10-30 | 2021-02-19 | 合肥国轩高科动力能源有限公司 | 一种电池模组压差非正常特征识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
江龙平 等: "相对关联距离熵在转子系统故障诊断中的应用", 《机械设计与研究》, vol. 22, no. 4, 20 August 2006 (2006-08-20), pages 79 - 81 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117388741A (zh) * | 2023-10-13 | 2024-01-12 | 广东云下汇金科技有限公司 | 一种智算中心备用发电机组监测方法及系统 |
CN117388741B (zh) * | 2023-10-13 | 2024-05-31 | 广东云下汇金科技有限公司 | 一种智算中心备用发电机组监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110830450A (zh) | 基于统计的异常流量监测方法、装置、设备及存储介质 | |
CN111460153B (zh) | 热点话题提取方法、装置、终端设备及存储介质 | |
CN115267548A (zh) | 锂电池电压采样方法、系统和可读存储介质 | |
CN112233051B (zh) | 一种中值滤波方法、中值滤波装置和计算机可读存储介质 | |
CN111580654A (zh) | 一种基于emd的脑电信号的短时特征提取方法 | |
CN110767248B (zh) | 一种抗变调干扰的音频指纹提取方法 | |
Kay | Model-based probability density function estimation | |
CN114117141A (zh) | 一种自适应密度聚类方法、存储介质及系统 | |
CN114168586A (zh) | 一种异常点检测的方法和装置 | |
CN113267676B (zh) | 格策尔算法下的频谱确定方法、系统、设备及存储介质 | |
CN105721090A (zh) | 一种非法调频广播电台的检测和识别方法 | |
CN116776181A (zh) | 基于改进模糊聚类的终端侧负荷辨识方法、介质及系统 | |
CN112347413A (zh) | 信号处理方法、信号处理器、设备及存储介质 | |
WO2024000904A1 (zh) | 一种流量检测方法、装置、设备及可读存储介质 | |
CN116706876A (zh) | 一种双高电力系统宽频振荡识别方法、装置及设备 | |
EP4094254B1 (en) | Noise floor estimation and noise reduction | |
Li et al. | Two-branch wavelet denoising for accurate spectrum sensing in cognitive radios | |
CN109857973B (zh) | 红外数据滤波方法及装置 | |
CN112988536A (zh) | 一种数据异常检测方法、装置、设备及存储介质 | |
CN112217749A (zh) | 一种盲信号分离方法及装置 | |
CN116839646A (zh) | 传感器检测方法、装置及电子设备 | |
CN113177514B (zh) | 无人机信号检测方法、装置及计算机可读存储介质 | |
CN113155422B (zh) | 一种故障检测方法、装置和存储介质 | |
CN113884761B (zh) | 一种提高测频精度的方法、装置、设备及介质 | |
CN115310049B (zh) | 一种时间序列数据的周期检测方法、装置及设备 |
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 |