CN115685827A - 一种余热电站智能运行系统及其方法 - Google Patents
一种余热电站智能运行系统及其方法 Download PDFInfo
- Publication number
- CN115685827A CN115685827A CN202211332083.5A CN202211332083A CN115685827A CN 115685827 A CN115685827 A CN 115685827A CN 202211332083 A CN202211332083 A CN 202211332083A CN 115685827 A CN115685827 A CN 115685827A
- Authority
- CN
- China
- Prior art keywords
- waste heat
- control module
- power station
- heat power
- valve
- 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
Links
- 239000002918 waste heat Substances 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims description 15
- 238000005259 measurement Methods 0.000 claims abstract description 27
- 230000007246 mechanism Effects 0.000 claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 17
- 238000003062 neural network model Methods 0.000 claims description 14
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 13
- 239000003546 flue gas Substances 0.000 claims description 13
- 230000004913 activation Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 230000001276 controlling effect Effects 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000009123 feedback regulation Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明提供了一种余热电站智能运行系统,所述运行系统包括传感机构、工控模块、远程传输端、数控服务模块、智控模块以及执行机构;所述传感机构将实时采集的余热电站运行参数和阀门初始开度量传输给工控模块,所述工控模块通过远程传送端实时将余热电站运行参数和发送给数据服务模块;所述数控服务模块采用神经网络并根据余热电站运行参数建立余热电站阀门测控模型,所述智控模块根据远程传送端发送的余热电站运行参数在余热电站测控模型进行测评并调控参数将反馈给工控模块;所述工控模块根据所述智控模块反馈调控参数通过执行机构实现对余热电站阀门控制;本发明能够实现智能自主运行,降低运行成本。
Description
技术领域
本发明涉及余热电站运行的技术领域,更具体地,涉及一种余热电站智能运行系统及其方法。
背景技术
余热电站的运行管理一般都在工业场景内封闭式管理运行,是依靠运行人员素养与经验完成电站的运行管理工作。
目前,余热电站的管理系统部署主要包括用于采集现场数据的传感机构(温度、压力)等;用于数据转换采集的转换模块;用于数据传输和控制的工控模块。在实际应用中,数据从传感机构到达转换模块进入传输和工控模块,然后由运行人员判断,然后才能输出操作指令完成运行和操控,智能化、自动化程度不高,过于依赖人工判断。
因此,现有技术中亟需一种能够远程实现已产生数据驱动优化实时产生数据,通过建立数据模型,实现智能运行的技术方案。
发明内容
针对上述问题,本发明提供了一种余热电站智能运行方法。本发明能够实现智能自主运行,降低运行成本。
为实现上述目的,本发明通过下述技术方案予以实现:
一种余热电站智能运行系统,所述运行系统包括传感机构、工控模块、远程传输端、数控服务模块、智控模块以及执行机构;包括如下步骤:
所述传感机构将实时采集的余热电站运行参数和阀门初始开度量Y传输给工控模块,
所述工控模块通过远程传送端实时将余热电站运行参数和发送给数据服务模块;其中:
所述余热电站运行参数包括:记过热器前烟气温度x1、AQC炉进口烟气压力x2、AQC炉出口烟气压力x3、AQC取风温度x4,Y为AQC炉旁通阀开度Y1、AQC炉冷风阀开度Y2;
所述数控服务模块采用神经网络并根据余热电站运行参数建立余热电站阀门测控模型,即:
Z=WX+b
其中:X为运行参数向量,W为参数向量,b为偏置项;
所述智控模块根据远程传送端发送的余热电站运行参数在余热电站测控模型进行测评并调控参数将反馈给工控模块;
所述工控模块根据所述智控模块反馈调控参数通过执行机构实现对余热电站阀门控制。
进一步,所述智控模块根据远程传送端发送的余热电站运行参数在余热电站测控模型进行测评并调控参数将反馈给工控模块过程,包括如下步骤:
所述智控模块将余热电站运行参数按比例分为训练集和测试集,并将阀门开度以相同的比例分配到训练集和测试集中;
所述智控模块对余热电站运行参数和阀门开度中的异常数据进行数据清除;
所述智控模块将训练集中运行参数向量X为X1,X2,X3,X4,并采用Relu函数作为激活函数输入余热电站阀门测控模型,输出测控阀门开度向量Z;
所述智控模块将阀门开度向量Z与阀门初始开度量Y行比较,即Z1,Z2与Y1,Y2进行比较,取Z与Y的均方差最小时的W和b的值作为参数向量和偏置项的值;
所述智控模块将测试集中的运行参数输入到余热电站阀门测控模型,再将得到的计算结果与实际的阀门开度进行比较,当比较结果满足预设条件,则说明余热电站阀门测控模型正常,继续下一步,当比较结果不满足预设条件,则回到上一步
所述智控模块将实时的运行参数输入到余热电站阀门测控模型中,将得出的计算结果作为目标开度,再将目标开度通过通讯网关传输至工控模块,工控模块控制执行机构将阀门的开度调整为目标开度。
进一步,所述远程端包括交换机和通讯网关;所述交换机根据通信协议与通讯网关建立通讯连接,通讯网关通过无线传输方式与数据服务中心建立数据上传信道,将运行参数和阀门开度传输到数控服务模块;所述通讯协议通信协议为TCP/IP协议、RS485协议或Modbus/TCP协议中的一种。
进一步,所述数据服务模块还包括PC客户端和手机客户端。
为了解决现有技术,本发明还可以采用如下技术方案:一种余热电站智能运行方法,包括如下步骤:
S1、传感机构将实时采集的运行参数和阀门开度传输给工控模块,工控模块再将运行参数和阀门开度传输给交换机,交换机根据通信协议与通讯网关建立通讯连接,通讯网关通过无线传输方式与数据服务模块建立数据上传信道,将运行参数和阀门开度传输到数据服务模块;
S2、智控模块将运行参数按比例分为训练集和测试集,并将阀门开度以相同的比例分配到训练集和测试集中;
S3、在数据服务模块中建立余热电站阀门测控模型Z=WX+b:记X为运行参数向量,Y为阀门开度向量,Z为计算结果向量,W为参数向量,b为偏置项;
S4、智控模块从数据服务模块中提取余热电站阀门测控模型Z=WX+b;在训练集中输入X,采用Relu函数作为激活函数,对W和b进行赋值,得出计算结果向量Z,再将Z与Y进行比较,取Z与Y的均方差最小时的W和b的值作为参数向量和偏置项的值,从而完成神经网络模型Z=WX+b的建立;
S5、智控模块从数据服务模块中提取余热电站阀门测控模型Z=WX+b;在测试集中的运行参数输入到余热电站阀门测控模型Z=WX+b中,再将得到的计算结果与实际的阀门开度进行比较,当比较结果满足预设条件,则说明该神经网络模型模型可用,继续下一步,当比较结果不满足预设条件,则回到步骤S3;
S6、智控模块将实时的运行参数输入到余热电站阀门测控模型Z=WX+b中,将得出的计算结果作为目标开度,再将目标开度通过通讯网关传输至工控模块,工控模块控制执行机构将阀门的开度调整为目标开度。
有益效果
本发明相比现有技术的有益效果是:所有余热电站数据能够同时传输到远程数控服务模块,实现数据共享,对实时数据进行分析处理,利用神经网络模型,根据实时运行参数进行模型训练和测试,根据模型的计算结果对阀门开度的实时控制,从而自动调节主蒸汽温度和发到功率等,主运行数据如日发电量、投料量、发电功率等可以实时调节,实现智能自主运行,降低运行成本。
附图说明
图1是本发明的数据传输流程图。
图2是本发明运行数据的基本关系
图3是神经网络模型输入和输出参数的示意图。
图4是神经网络模型的计算过程示意图。
图5是神经网络模型建立的流程图。
具体实施方式
下面根据具体实施方式对本发明做进一步阐述。
如图1-5所示的余热电站智能运行系统及其方法,包括以下步骤:
(1)传感机构将实时采集的运行参数和阀门开度传输给工控模块,工控模块再将运行参数和阀门开度传输给交换机,交换机根据通信协议与通讯网关建立通讯连接,通讯网关通过无线传输方式与数控服务模块建立数据上传信道,将运行参数和阀门开度传输到数控服务模块;数控服务模块将获得的运行参数和阀门开度传输到客户端;运行参数包括:过热器前烟气温度、AQC炉取风温度、AQC炉出口烟气压力、AQC炉进口烟气压力;阀门开度包括:AQC炉旁通阀开度和AQC炉冷风阀开度;通信协议为TCP/IP协议、RS485协议或Modbus/TCP协议中的一种,本实施例中为Modbus/TCP协议;本实施例中,客户端包括PC客户端和手机客户端;
(2)智控模块将运行参数按比例分为训练集和测试集,并将阀门开度以相同的比例分配到训练集和测试集中;本实施例中,分别对输入值和输出值数据按照4:1的比例拆分为训练集和测试集,训练集作为训练模型确定模型参数使用,测试集是验证模型的训练效果使用,训练阶段测试数据对模型是不可见的;智控模块再对运行参数和阀门开度中的异常数据进行数据清洗,具体为:将AQC炉旁通阀开度、AQC炉冷风阀开度、AQC取风温度变化、锅炉进口压力、锅炉出口压力等数据中时间静态无变化、数据缺失以及测量值超出传感器量程的情况下的数据进行清除;
(3)在数控服务模块中建立神经网络模型Z=WX+b:记X为运行参数向量,Y为阀门开度向量,Z为计算结果向量,W为参数向量,b为偏置项;记过热器前烟气温度x1、AQC炉进口烟气压力x2、AQC炉出口烟气压力x3、AQC取风温度x4,Z为AQC炉旁通阀开度z1、AQC炉冷风阀开度z2;在训练集中输入运行参数向量X为X1,X2,X3,X4,采用Relu函数作为激活函数,对W和b进行赋值,输出计算结果向量Z为Z1,Z2,再将Z与Y进行比较,即Z1,Z2与Y1,Y2进行比较,取Z与Y的均方差最小时的W和b的值作为参数向量和偏置项的值,从而完成神经网络模型Z=WX+b的建立;图4中,f为激活函数Relu,Z1,Z2,模型训练过程就是以均方差最小为约束确定参数的过程;
(4)智控模块从数控服务模块中提取神经网络模型Z=WX+b;
(5)在测试集中的运行参数输入到神经网络模型Z=WX+b中,再将得到的计算结果与实际的阀门开度进行比较,当比较结果满足预设条件,则说明该神经网络模型模型可用,继续进行步骤(6),当比较结果不满足预设条件,则回到步骤(3);本实施例中,预设条件为得到的计算结果与实际的阀门开度相差1%以下;
(6)将实时的运行参数输入到神经网络模型Z=WX+b中,将得出的计算结果作为目标开度,再将目标开度通过通讯网关传输至工控模块,工控模块控制执行机构将阀门的开度调整为目标开度。
当AQC炉取风温度过高时,控制AQC炉旁通阀以及AQC炉冷风阀的开度,会引起过热器前烟气温度下降,AQC炉两端压差降低,从而降低主蒸汽温度和发电功率。
以上所述的仅是本发明的优选实施方式,但本发明并不局限于上述的具体实施方式,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,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。
Claims (5)
1.一种余热电站智能运行系统,其特征在于:所述运行系统包括传感机构、工控模块、远程传输端、数控服务模块、智控模块以及执行机构;包括如下步骤:
所述传感机构将实时采集的余热电站运行参数和阀门初始开度量Y传输给工控模块,
所述工控模块通过远程传送端实时将余热电站运行参数和发送给数据服务模块;其中:
所述余热电站运行参数包括:记过热器前烟气温度x1、AQC炉进口烟气压力x2、AQC炉出口烟气压力x3、AQC取风温度x4,Y为AQC炉旁通阀开度Y1、AQC炉冷风阀开度Y2;
所述数控服务模块采用神经网络并根据余热电站运行参数建立余热电站阀门测控模型,即:
Z=WX+b
其中:X为运行参数向量,W为参数向量,b为偏置项;
所述智控模块根据远程传送端发送的余热电站运行参数在余热电站测控模型进行测评并调控参数将反馈给工控模块;
所述工控模块根据所述智控模块反馈调控参数通过执行机构实现对余热电站阀门控制。
2.根据权利要求1所述的一种余热电站智能运行系统,其特征在于:所述智控模块根据远程传送端发送的余热电站运行参数在余热电站测控模型进行测评并调控参数将反馈给工控模块过程,包括如下步骤:
所述智控模块将余热电站运行参数按比例分为训练集和测试集,并将阀门开度以相同的比例分配到训练集和测试集中;
所述智控模块对余热电站运行参数和阀门开度中的异常数据进行数据清除;
所述智控模块将训练集中运行参数向量X为X1,X2,X3,X4,并采用Relu函数作为激活函数输入余热电站阀门测控模型,输出测控阀门开度向量Z;
所述智控模块将阀门开度向量Z与阀门初始开度量Y行比较,即Z1,Z2与Y1,Y2进行比较,取Z与Y的均方差最小时的W和b的值作为参数向量和偏置项的值;
所述智控模块将测试集中的运行参数输入到余热电站阀门测控模型,再将得到的计算结果与实际的阀门开度进行比较,当比较结果满足预设条件,则说明余热电站阀门测控模型正常,继续下一步,当比较结果不满足预设条件,则回到上一步
所述智控模块将实时的运行参数输入到余热电站阀门测控模型中,将得出的计算结果作为目标开度,再将目标开度通过通讯网关传输至工控模块,工控模块控制执行机构将阀门的开度调整为目标开度。
3.根据权利要求1所述的一种余热电站智能运行系统,其特征在于:所述远程端包括交换机和通讯网关;所述交换机根据通信协议与通讯网关建立通讯连接,通讯网关通过无线传输方式与数据服务中心建立数据上传信道,将运行参数和阀门开度传输到数控服务模块;所述通讯协议通信协议为TCP/IP协议、RS485协议或Modbus/TCP协议中的一种。
4.根据权利要求1所述的一种余热电站智能运行系统,其特征在于:所述数据服务模块还包括PC客户端和手机客户端。
5.采用如权利要求1-4任一项所述的系统对余热电站智能运行方法,其特征在于,包括如下步骤:
S1、传感机构将实时采集的运行参数和阀门开度传输给工控模块,工控模块再将运行参数和阀门开度传输给交换机,交换机根据通信协议与通讯网关建立通讯连接,通讯网关通过无线传输方式与数据服务模块建立数据上传信道,将运行参数和阀门开度传输到数据服务模块;
S2、智控模块将运行参数按比例分为训练集和测试集,并将阀门开度以相同的比例分配到训练集和测试集中;
S3、在数据服务模块中建立余热电站阀门测控模型Z=WX+b:记X为运行参数向量,Y为阀门开度向量,Z为计算结果向量,W为参数向量,b为偏置项;
S4、智控模块从数据服务模块中提取余热电站阀门测控模型Z=WX+b;在训练集中输入X,采用Relu函数作为激活函数,对W和b进行赋值,得出计算结果向量Z,再将Z与Y进行比较,取Z与Y的均方差最小时的W和b的值作为参数向量和偏置项的值,从而完成神经网络模型Z=WX+b的建立;
S5、智控模块从数据服务模块中提取余热电站阀门测控模型Z=WX+b;在测试集中的运行参数输入到余热电站阀门测控模型Z=WX+b中,再将得到的计算结果与实际的阀门开度进行比较,当比较结果满足预设条件,则说明该神经网络模型模型可用,继续下一步,当比较结果不满足预设条件,则回到步骤S3;
S6、智控模块将实时的运行参数输入到余热电站阀门测控模型Z=WX+b中,将得出的计算结果作为目标开度,再将目标开度通过通讯网关传输至工控模块,工控模块控制执行机构将阀门的开度调整为目标开度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211332083.5A CN115685827B (zh) | 2022-10-28 | 2022-10-28 | 一种余热电站智能运行系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211332083.5A CN115685827B (zh) | 2022-10-28 | 2022-10-28 | 一种余热电站智能运行系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115685827A true CN115685827A (zh) | 2023-02-03 |
CN115685827B CN115685827B (zh) | 2024-07-26 |
Family
ID=85045908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211332083.5A Active CN115685827B (zh) | 2022-10-28 | 2022-10-28 | 一种余热电站智能运行系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115685827B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865830A (zh) * | 2015-04-29 | 2015-08-26 | 华北电力大学(保定) | 一种机组负荷双重智能优化控制方法 |
CN110598842A (zh) * | 2019-07-17 | 2019-12-20 | 深圳大学 | 一种深度神经网络超参数优化方法、电子设备及存储介质 |
CN111027258A (zh) * | 2019-11-28 | 2020-04-17 | 国核电力规划设计研究院有限公司 | 一种用于超临界机组的发电负荷与供热量的智能预测方法 |
US20210287089A1 (en) * | 2020-03-14 | 2021-09-16 | DataRobot, Inc. | Automated and adaptive design and training of neural networks |
CN113418229A (zh) * | 2021-06-11 | 2021-09-21 | 沈阳工业大学 | 一种基于卷积-自编码神经网络的供暖管控阀门智能调控系统 |
CN113529211A (zh) * | 2021-09-17 | 2021-10-22 | 中材新材料装备科技(天津)有限公司 | 一种针对碳纤维预氧化炉内的散热部件 |
-
2022
- 2022-10-28 CN CN202211332083.5A patent/CN115685827B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865830A (zh) * | 2015-04-29 | 2015-08-26 | 华北电力大学(保定) | 一种机组负荷双重智能优化控制方法 |
CN110598842A (zh) * | 2019-07-17 | 2019-12-20 | 深圳大学 | 一种深度神经网络超参数优化方法、电子设备及存储介质 |
CN111027258A (zh) * | 2019-11-28 | 2020-04-17 | 国核电力规划设计研究院有限公司 | 一种用于超临界机组的发电负荷与供热量的智能预测方法 |
US20210287089A1 (en) * | 2020-03-14 | 2021-09-16 | DataRobot, Inc. | Automated and adaptive design and training of neural networks |
CN113418229A (zh) * | 2021-06-11 | 2021-09-21 | 沈阳工业大学 | 一种基于卷积-自编码神经网络的供暖管控阀门智能调控系统 |
CN113529211A (zh) * | 2021-09-17 | 2021-10-22 | 中材新材料装备科技(天津)有限公司 | 一种针对碳纤维预氧化炉内的散热部件 |
Non-Patent Citations (3)
Title |
---|
马良玉;成蕾;: "考虑回热循环的超超临界机组负荷预测神经网络模型", 热力发电, no. 04, 25 April 2016 (2016-04-25) * |
马良玉;王智燕;高志元;马永光;: "超临界机组负荷汽压特性神经网络逆模型研究", 自动化与仪表, no. 12, 15 December 2013 (2013-12-15) * |
黄宝海;韩璞;葛忠真;何丽娜;: "基于现场数据的电站过热器神经网络建模", 华北电力大学学报(自然科学版), no. 02, 30 March 2008 (2008-03-30) * |
Also Published As
Publication number | Publication date |
---|---|
CN115685827B (zh) | 2024-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5207614B2 (ja) | コントローラ、プロセス制御方法及びプロセス制御システム | |
CN109708258B (zh) | 一种基于负荷动态变化的冷库温度前馈-模糊控制系统及控制方法 | |
JP6356978B2 (ja) | 無線又は間欠プロセス計測値を伴うプロセス制御システムにおける予測手段の使用 | |
CN108458146B (zh) | 一种智能阀门系统 | |
JP2016129063A (ja) | プロセス監視システム、プロセス監視方法およびデータ伝送方法 | |
US20070112905A1 (en) | Process control with unreliable communications | |
CN113048550B (zh) | 一种集中供热系统一次侧优化控制方法及系统 | |
CN209263078U (zh) | 一种基于模糊pid的锅炉燃烧优化系统 | |
CN107463152B (zh) | 一种甘蔗糖厂生产指挥调度系统及其运行方法 | |
CN210371295U (zh) | 一种新型电站轴流风机在线监测系统 | |
CN105783078A (zh) | 热力能源区域供热控制系统及其方法 | |
CN115685827A (zh) | 一种余热电站智能运行系统及其方法 | |
CN205579736U (zh) | 城市热网智能管理系统 | |
CN102081396B (zh) | 全自动高炉除尘风机控制系统的多传感器集总控制方法 | |
CN102073274A (zh) | 专家模糊增量式自适应的参数在线整定优化系统及方法 | |
CN113065249B (zh) | 一种供热系统供回水温度预测方法及装置 | |
CN114459613A (zh) | 一种加热炉动态生产实时监测预警系统及使用方法 | |
CN101604155A (zh) | 3d虚拟实境监控系统及其监控方法 | |
CN111156830A (zh) | 一种炭素罐式煅烧炉温度自动控制系统 | |
CN117018850A (zh) | 一种智能化的废气处理干法净化工艺系统 | |
CN111897302A (zh) | 基于物联网的水泥烧成控制与优化双层协同控制系统 | |
CN108518732A (zh) | 一种基于互联网自动化热网运营管理系统及其控制方法 | |
CN108334137B (zh) | 基于labview的壁挂炉实时在线调试方法 | |
CN213461823U (zh) | 一种减温减压站控制系统 | |
CN110433950B (zh) | 一种磨煤机出口温度控制装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |