CN115616152A - 基于实际环境温度的室内车内挥发性有机物浓度预测方法 - Google Patents

基于实际环境温度的室内车内挥发性有机物浓度预测方法 Download PDF

Info

Publication number
CN115616152A
CN115616152A CN202211155966.3A CN202211155966A CN115616152A CN 115616152 A CN115616152 A CN 115616152A CN 202211155966 A CN202211155966 A CN 202211155966A CN 115616152 A CN115616152 A CN 115616152A
Authority
CN
China
Prior art keywords
indoor
voc
concentration
vehicle
temperature
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
CN202211155966.3A
Other languages
English (en)
Inventor
熊建银
王海媚
高莹
张瑞
王昊
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202211155966.3A priority Critical patent/CN115616152A/zh
Publication of CN115616152A publication Critical patent/CN115616152A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/0047—Organic compounds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Mathematical Physics (AREA)
  • Medicinal Chemistry (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Algebra (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Air-Conditioning For Vehicles (AREA)

Abstract

本发明属于室内和车内环境检验技术领域，特别涉及一种基于实际环境温度的室内车内挥发性有机物浓度预测方法。与现有多源释放模型预测只能进行单一温度工况下污染物浓度预测相比，本发明可以预测温度变化状态下实际室内车内挥发性有机物VOC释放浓度，有利于准确获得实际室内车内环境中污染物的浓度变化规律并进行暴露评估，对控制和改善室内车内空气质量、提高舒适性和健康有重要意义。另外，考虑到测定不同温度下材料VOC关键参数实验工作量巨大，本发明采用参数与温度的相关关系，只需测定三个不同温度下的关键参数即可，极大地节省了试验成本，更适用于工程应用。

Description

基于实际环境温度的室内车内挥发性有机物浓度预测方法
技术领域
本发明属于室内和车内环境检验技术领域，特别涉及一种基于实际环境环境温度的室内车内挥发性有机物浓度预测方法。
背景技术
各种内饰是挥发性有机物(VOC)的主要来源，常见的有苯、甲苯、乙苯、二甲苯、苯乙烯、乙醛、甲醛等20多种，这些污染物会引起病态建筑/汽车综合症，例如急性呼吸道感染、肺部疾病、皮肤过敏反应等，其中甲醛和甲苯已被国际癌症研究署(IARC)确定为I类致癌物质，乙醛为II类可能致癌物质。研究材料释放特性，获得室内车内污染物浓度有两种方法：实验测试和模型预测。由于直接测量成本高、耗时长，数学模型得到了广泛的应用。最简单的经验模型很好地描述了实验数据，但它们不能提供对物理机制的洞察，而且难以扩大规模。因此，基于传质的物理模型应运而生。考虑到在真实的建筑或车内环境中，存在多种具有不同几何尺寸和特性的材料，研究人员提出多个源/汇的VOC 释放/吸附预测模型。基于表征材料VOC释放特性的初始浓度C0、扩散系数Dm和分配系数K这三个关键参数，物理预测模型即可获得VOC释放速率/浓度与时间的关系。而测定材料中VOC 三个关键参数的方法很多，其中浓度轨迹法应用最广，可用于建材、家具及乘用车内饰。但已有物理模型只能实现单一环境温度下的VOC浓度预测，这与环境温度逐时变化的实际情况不符。本发明对现有多源释放模型进行改进，结合三个关键参数与温度之间的关系式，可实现实际环境温度逐时变化状态下室内/车内VOC浓度的预测。对于只考虑单一温度下的释放预测，这是模型预测方法中的重大进步，有利于准确预测实际室内/车内污染物的浓度情况及暴露评估，对控制和改善室内/车内空气质量、提高舒适性和健康有重要意义。
发明内容
本发明的目的：针对现有多源释放模型只能进行单一温度工况下污染物浓度预测的缺陷，本发明的目的在于提供一种用于预测温度变化状态下实际室内/车内VOC释放浓度的方法。
为实现上述目的，提供下述技术方案。一种基于实际环境温度的室内车内挥发性有机物 VOC浓度预测方法，其设计如下：
1)开启窗户2-3小时，加大室内/车内换气，降低室内/车内环境中VOC浓度接近于零；然后关闭窗户，监测室内/车内空气逐时温度T(t)；
2)使用浓度轨迹法确定室内/车内多种饰品在三种温度工况下VOC的三个关键参数 C0,i、Dm,i和Ki；
3)结合公式(1)-(3)对三种温度下的关键参数与温度进行线性拟合，确定G1，G2，G3，G4，G5和G6，即得到三个关键参数与温度的关系式；
Figure BDA0003857934610000021
Figure BDA0003857934610000022
Figure BDA0003857934610000023
式中：T为温度，K；G1，G2，G3，G4，G5和G6为与温度无关的常数；下角标j表示3 种不同温度；
4)建立室内/车内材料在建筑/整车环境中的多源释放物理模型，对于室内/车内的每一种内饰材料，其释放速率Ei可由公式(4)计算；依据VOC质量守恒关系，推导出室内/车内气相VOC浓度Ca的质量控制方程，由公式(6)表示；初始时刻，室内/车内VOC浓度为零，对应的初始条件为公式(7)；
Figure BDA0003857934610000024
Figure BDA0003857934610000025
Figure BDA0003857934610000026
Ca(t)＝0 t＝0 (7)
该模型中：下角标i代表不同材料；
Figure BDA0003857934610000027
qn,i为公式(5)的正根；Ca为室内/车内气相VOC浓度，μg/m3；
Figure BDA0003857934610000028
C0为材料中VOC的初始浓度，μg/m3；Dm为材料中VOC的扩散系数，m2/s；K为材料中VOC的分配系数；t为释放时间，s；V为室内/车内空间体积，m3；A为材料释放表面积，m2；Bim为传质毕渥数，表示为hmL/Dm；L为材料的厚度，m；hm为对流传质系数，m2/s；Q为通风量,m3/s；
5)使用程序对公式(1)-(7)进行编译，将步骤1)-4)所确定的VOC释放关键参数与温度的关系、材料尺寸、环境体积等参数输入程序，即可得到室内/车内VOC的浓度数据；计算室内/车内气相VOC浓度的具体步骤如6)-10)；
6)结合三个关键参数与温度之间的关系，确定t时刻所测温度下不同材料i中VOC的三个关键参数；
7)将材料的三个关键参数C0,i、Dm,i、Ki代入式(5)，计算出各材料的释放速率Ei(t)；
8)将计算出的室内/车内所有材料的Ei(t)值代入式(6)中，得到t+Δt时刻的气相VOC 浓度Ca(t+Δt)(Δt为时间步长)；
9)然后重复步骤6)，确定t+Δt时刻测定温度下材料的三个关键参数，再结合更新后的Ca(t+Δt)计算Ei(t+Δt)；
10)重复步骤6)-9)，迭代得出给定时间内的气相VOC浓度Ca，即可实现不同环境温度下的室内车内VOC浓度的有效预测。
本发明的特点及效果：
与现有多源释放模型预测只能进行单一温度工况下污染物浓度预测相比，本发明可以预测温度变化状态下实际室内/车内VOC释放浓度，有利于准确预测实际室内/车内污染物的浓度情况和暴露评估，对控制和改善室内/车内空气质量、提高舒适性和健康有重要意义。另外，考虑到测定不同温度下材料VOC关键参数实验工作量巨大，本发明采用参数与温度的相关关系，只需测定三个不同温度下的关键参数即可，极大地节省了试验成本，更适用于工程应用。
附图说明
图1为本发明用于乘用车内甲苯预测结果与实验测定结果对比。
具体实施方式
下面结合附图及实施例详细说明如下：
本发明提出的一种用于预测温度变化状态下实际室内车内VOC释放浓度的方法，结合附图及实施例详细说明如下：
1)选择乘用车为研究对象，确定车内容积为3m3，开启窗户2-3小时，加大车内换气，降低车内环境中VOC浓度接近于零；关闭窗户，监测车内空气0h、1h、2h、3h、4h和5h 温度分别为45.5℃、49.7℃、54.9℃、58.5℃和60.1℃，以及甲苯浓度分别为0μg/m3、9.6μg/m3、12.5μg/m3、22.1μg/m3、18.6μg/m3和23.2μg/m3；
2)选取地毯、顶棚和座椅三种典型车内材料，测量其面积分别为：2.72m2、2.10m2和4.15m2；测量其厚度分别为：0.028m、0.008m和0.12m；使用浓度轨迹法确定这三种材料在25℃、40℃和65℃三种温度工况下甲苯的三个关键参数；地毯在三种温度下的初始浓度分别为：4.24×103μg/m3、6.36×103μg/m3和8.48×103μg/m3，扩散系数分别为3.06×10-11m2/s、 3.21×10-9m2/s和3.66×10-9m2/s，分配系数分别为196、80.3和58.5；顶棚在三种温度下的初始浓度分别为：2.52×104μg/m3、3.63×104μg/m3和5.45×104μg/m3，扩散系数分别为2.08×10-12 m2/s、4.29×10-10m2/s和6.44×10-10m2/s，分配系数分别为755、250和162；座椅在三种温度下的初始浓度分别为：1.83×103μg/m3、2.09×103μg/m3和6.60×103μg/m3，扩散系数分别为 2.70×10-8m2/s、5.06×10-8m2/s和1.87×10-7m2/s，分配系数分别为30.8、16.5和11.5；
3)结合公式(1)-(3)对三种温度下的关键参数与温度进行线性拟合，确定G1，G2，G3，G4，G5和G6，即得到地毯、顶棚和座椅中甲苯的三个参数与温度的关系式；地毯中甲苯的三个参数与温度的关系式分别为：ln(C0T0.5Dm)＝-1890.3/T+17.6，ln(DmT-1.25)＝-11567.3/T+8.8， ln(KT-0.5)＝3180/T-8.47633；顶棚中甲苯的三个参数与温度的关系式分别为： ln(C0T0.5Dm)＝-2085.8/T+20.1，ln(DmT-1.25)＝-13945/T+14.2，ln(KT-0.5)＝4005.3/T-9.9；座椅中甲苯的三个参数与温度的关系式分别为：ln(C0T0.5Dm)＝-2940.8/T+25，ln(DmT-1.25)＝-7212/T-9.6， ln(KT-0.5)＝2325/T-2.5；
Figure BDA0003857934610000041
Figure BDA0003857934610000042
Figure BDA0003857934610000043
式中：T为温度，K；G1，G2，G3，G4，G5和G6为与温度无关的常数；下角标j表示3 种不同温度；
4)建立整车环境中的多源释放物理模型，地毯、顶棚和座椅材料中甲苯的释放速率Ei可由公式(4)计算；依据甲苯质量守恒关系，推导出车内甲苯气相浓度Ca的质量控制方程，由公式(6)表示；初始时刻，车内甲苯浓度为零，对应的初始条件为公式(7)；
Figure BDA0003857934610000044
Figure BDA0003857934610000045
Figure BDA0003857934610000051
Ca(t)＝0 t＝0 (7)
该模型中：下角标i代表不同材料；
Figure BDA0003857934610000052
qn,i为公式(5)的正根；Ca为室内/车内气相VOC浓度，μg/m3；
Figure BDA0003857934610000053
C0为材料中甲苯的初始浓度，μg/m3；Dm为材料中甲苯的扩散系数，m2/s；K为材料中甲苯的分配系数；t为释放时间，s；V为室内/车内空间体积，m3；A为材料释放表面积，m2；Bim为传质毕渥数，表示为hmL/Dm；L为材料的厚度，m；从文献中确定的对流传质系数hm约为0.0025m2/s；从文献中确定密闭状态下乘用车的通风量Q约为1.92×10-4m3/s；
5)使用程序对公式(1)-(7)进行编译，将步骤1)-4)所确定的VOC释放关键参数与温度的关系、材料尺寸、环境体积等参数输入程序，即可得到车内甲苯的浓度数据；实验数据与预测结果如图1所示；计算车舱内气相甲苯浓度的具体步骤如下；
6)t时刻所测温度下三种材料中甲苯的三个关键参数可由程序结合三个关键参数与温度之间的关系直接确定；
7)将t时刻三种材料中甲苯的三个关键参数C0,i、Dm,i、Ki代入式(5)，计算出各材料的释放速率Ei(t)；
8)将计算出的室内/车内所有材料的Ei(t)值代入式(6)中，得到t+Δt时刻的气相VOC 浓度Ca(t+Δt)(Δt为时间步长)；
9)然后重复步骤6)，确定t+Δt时刻测定温度下材料的三个关键参数，再结合更新后的 Ca(t+Δt)计算Ei(t+Δt)；
10)重复步骤6)-9)，迭代得出给定时间内的气相甲苯浓度Ca，即可实现不同环境温度下的室内车内VOC浓度的有效预测。
本发明实施例中，实测数据与模型预测结果的偏差为6.59％，满足精度需求。

Claims (1)

1.基于实际环境温度的室内车内挥发性有机物浓度预测方法，其设计如下：
1)开启窗户2-3小时，加大室内/车内换气，降低室内/车内环境中挥发性有机物VOC浓度接近于零；然后关闭窗户，监测室内/车内空气逐时温度T(t)；
2)使用浓度轨迹法确定室内/车内多种饰品在三种温度工况下VOC的三个关键参数C0,i、Dm,i和Ki；
3)结合公式(1)-(3)对三种温度下的关键参数与温度进行线性拟合，确定参数G1，G2，G3，G4，G5和G6，即得到三个关键参数与温度的关系式；
Figure FDA0003857934600000011
Figure FDA0003857934600000012
Figure FDA0003857934600000013
式中：T为温度，K；G1，G2，G3，G4，G5和G6为与温度无关的常数；下角标j表示3种不同温度；
4)建立室内/车内材料在建筑/整车环境中的多源释放物理模型，对于室内/车内的每一种内饰材料，其释放速率Ei可由公式(4)计算；依据VOC质量守恒关系，推导出室内/车内气相VOC浓度Ca的质量控制方程，由公式(6)表示；初始时刻，室内/车内VOC浓度为零，对应的初始条件为公式(7)；
Figure FDA0003857934600000014
Figure FDA0003857934600000015
Figure FDA0003857934600000016
Ca(t)＝0 t＝0 (7)
该模型中：下角标i代表不同材料；
Figure FDA0003857934600000017
qn,i为公式(5)的正根；Ca为室内/车内气相VOC浓度，μg/m3；
Figure FDA0003857934600000018
C0为材料中VOC的初始浓度，μg/m3；Dm为材料中VOC的扩散系数，m2/s；K为材料中VOC的分配系数；t为释放时间，s；V为室内/车内空间体积，m3；A为材料释放表面积，m2；Bim为传质毕渥数，表示为hmL/Dm；L为材料的厚度，m；hm为对流传质系数，m2/s；Q为通风量,m3/s；
5)使用程序对公式(1)-(7)进行编译，将步骤1)-4)所确定的VOC释放关键参数与温度的关系、材料尺寸、环境体积等参数输入程序，即可得到室内/车内VOC的浓度数据；计算室内/车内气相VOC浓度的具体步骤如6)-10)；
6)结合三个关键参数与温度之间的关系，确定t时刻所测温度下不同材料i中VOC的三个关键参数；
7)将材料的三个关键参数C0,i、Dm,i、Ki代入式(5)，计算出各材料的释放速率Ei(t)；
8)将计算出的室内/车内所有材料的Ei(t)值代入式(6)中，得到t+Δt时刻的气相VOC浓度Ca(t+Δt)(Δt为时间步长)；
9)然后重复步骤6)，确定t+Δt时刻测定温度下材料的三个关键参数，再结合更新后的Ca(t+Δt)计算Ei(t+Δt)；
10)重复步骤6)-9)，迭代得出给定时间内的气相VOC浓度Ca，即可实现不同环境温度下的室内车内VOC浓度的有效预测。
CN202211155966.3A 2022-09-22 2022-09-22 基于实际环境温度的室内车内挥发性有机物浓度预测方法 Pending CN115616152A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211155966.3A CN115616152A (zh) 2022-09-22 2022-09-22 基于实际环境温度的室内车内挥发性有机物浓度预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211155966.3A CN115616152A (zh) 2022-09-22 2022-09-22 基于实际环境温度的室内车内挥发性有机物浓度预测方法

Publications (1)

Publication Number Publication Date
CN115616152A true CN115616152A (zh) 2023-01-17

Family

ID=84858346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211155966.3A Pending CN115616152A (zh) 2022-09-22 2022-09-22 基于实际环境温度的室内车内挥发性有机物浓度预测方法

Country Status (1)

Country Link
CN (1) CN115616152A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116718711A (zh) * 2023-08-10 2023-09-08 北京市科学技术研究院城市安全与环境科学研究所 建材污染物释放速率的确定方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116718711A (zh) * 2023-08-10 2023-09-08 北京市科学技术研究院城市安全与环境科学研究所 建材污染物释放速率的确定方法及装置
CN116718711B (zh) * 2023-08-10 2024-03-29 北京市科学技术研究院城市安全与环境科学研究所 建材污染物释放速率的确定方法及装置

Similar Documents

Publication Publication Date Title
CN115616152A (zh) 基于实际环境温度的室内车内挥发性有机物浓度预测方法
CN110418954A (zh) 管理装置、空调管理系统和空调管理方法
WO2016185630A1 (ja) 室内環境モデル作成装置
US11994883B2 (en) Method for optimising the energy expenditure and comfort of a building
WO2011100736A2 (en) Model based system and method for estimating parameters and states in temperature controlled spaces
CN102736558A (zh) 基于时间序列算法的数控机床热误差实时补偿建模方法
Li et al. A novel concept to measure envelope thermal transmittance and air infiltration using a combined simulation and experimental approach
Lu et al. A hybrid numerical-neural-network model for building simulation: A case study for the simulation of unheated and uncooled indoor temperature
Alonso et al. Holistic methodology to reduce energy use and improve indoor air quality for demand-controlled ventilation
Mazar et al. Adaptive model predictive climate control of multi-unit buildings using weather forecast data
Thirumal et al. Optimization of IAQ characteristics of an air-conditioned car using GRA and RSM
Zhang et al. A multisource mass transfer model for simulating VOC emissions from paints
CN117116377A (zh) 一种环境安全性评估方法、装置、设备及介质
Ellis et al. Matchstick: A room-to-room thermal model for predicting indoor temperature from wireless sensor data
CN111859595A (zh) 一种基于多组分多参数动态模型的室内装修甲醛浓度及其衰减的预测方法
Dmitriev et al. Verification of Rabinowicz’criterion by direct molecular dynamics modeling
CN109840307A (zh) 一种室内温湿度场快速预测系统及方法
Gopalan et al. Fault prioritisation for Air Handling units using fault modelling and actual fault occurrence data
Takemasa et al. Application of an unsteady-state model for predicting vertical temperature distribution to an existing atrium
Wang et al. Evaluation of Uncertainties of Using CO2 for Studying Ventilation Performance and Indoor Airborne Contaminant Transmissions
Antretter et al. An approach for a statistical model for the user behaviour regarding window ventilation in residential buildings
Soufiane et al. Modelling the energy demand of a residential building using an artificial neural network (ANN) approach
Zhao et al. Prediction and optimization of indoor thermal environment and energy consumption based on artificial neural network
Macdonald Assessing the significance of design changes when simulating building performance including the effects of uncertain input data
Ho et al. A study on the prediction of thermal comfort for residuals using LSTM deep learning model

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