CN116859190A - 同源局部放电超声信号的时间差估计方法 - Google Patents
同源局部放电超声信号的时间差估计方法 Download PDFInfo
- Publication number
- CN116859190A CN116859190A CN202310732732.9A CN202310732732A CN116859190A CN 116859190 A CN116859190 A CN 116859190A CN 202310732732 A CN202310732732 A CN 202310732732A CN 116859190 A CN116859190 A CN 116859190A
- Authority
- CN
- China
- Prior art keywords
- time difference
- homologous
- adaptive filter
- partial discharge
- ultrasonic signals
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003044 adaptive effect Effects 0.000 claims abstract description 58
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims description 10
- 238000002604 ultrasonography Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 abstract description 9
- 230000036039 immunity Effects 0.000 abstract description 4
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
-
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
一种同源局部放电超声信号的时间差估计方法，其中，采集两通道同源超声信号；设定横向自适应滤波器阶数和交叉互相关器级数；将两通道同源信号输入两个横向自适应滤波器；将两个横向自适应滤波器得到的权系数输入k级交叉互相关器；对交叉互相关器的输出进行峰值提取得到同源超声信号之间的时间差。本发明具有时间分辨率高、时间差估计偏差小、抗噪性能好等优点，在电力设备(如电力变压器)状态诊断领域的局部放电定位方面具有较高的应用价值。
Description
技术领域
本发明涉及电力设备的局部放电在线监测技术领域，特别是一种同源局部放电超声信号的时间差估计方法。
背景技术
局部放电是造成电力设备绝缘击穿的重要因素之一。在电力设备局部放电在线监测领域中，除了需要检测局部放电的放电次数、放电强度、视在电荷等经典特征参量，确定局部放电的放电位置也是关乎电力设备能否安全运行的重要操作之一。利用局部放电定位技术，能够有效判断局放的放电位置，且对于评估设备当前的绝缘特性、判断局放类型具有重要的意义，可为工作人员开展检修工作并做出一系列正确决策提供工程指导和参考价值。相比于其他的一些经典方法，基于局部放电超声波检测定位技术不受周围设备的电磁干扰所影响，且灵敏度较高，因此被广泛应用于电力设备(如电力变压器)的局放定位领域。
基于局部放电超声波检测定位技术，传统的算法有TDOA、DOA等，无论采用哪种算法，必经环节之一是对接收到的信号进行时间差的提取，此环节的提取准确度对局放定位计算有着很大的影响。出于便于集成安装、减少经济成本和提高设备空间利用率等方面考虑，超声波检测定位设备正趋于小型化发展，而对于超声波接收设备而言，小型化的设备会带来更大的测量误差，严重影响局放部位的精准定位，解决办法之一是使用更为精密的仪器，但与此同时又会带来成本费用高等弊端。因此，亟需提出一种新的办法解决现有的同源局放超声信号时间差提取分辨率受设备采样率所限制以及设备采样率与经济成本之间的矛盾等问题。
在背景技术部分中公开的所述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成在本领域普通技术人员公知的现有技术的信息。
发明内容
针对所述现有技术存在的不足或缺陷，提供了一种同源局部放电超声信号的时间差估计方法。解决了现有同源局部放电超声信号时间差提取分辨率受设备采样率制约而导致的时间差提取误差大、局部放电源定位精度低等问题。
本发明的目的是通过以下技术方案予以实现。
一种同源局部放电超声信号的时间差估计方法包括，
步骤1：采集两通道同源超声信号x1(n)和x2(n)，初始化第一横向自适应滤波器、第二横向自适应滤波器和交叉互相关器，设置第一横向自适应滤波器的阶数2M+1、第二横向自适应滤波器的阶数2M+1和交叉互相关器级数k，其中，M和k为正整数；
步骤2：将两通道同源超声信号x1(n)和x2(n)输入第一横向自适应滤波器与第二横向自适应滤波器得到权系数w12(n)和w21(n)；
步骤3：将第一横向自适应滤波器的权系数与第二横向自适应滤波器的权系数输入k级的交叉互相关器，得到输出函数
步骤4；对输出函数进行峰值提取，获得两通道同源超声信号x1(n)和x1(n)的时间差/>
所述的同源局部放电超声信号的时间差估计方法中，第一横向自适应滤波器的权系数w12(n)的初值为长度为2M+1的0向量，第二横向自适应滤波器的权系数w21(n)的初值为长度为2M+1的0向量。
所述的同源局部放电超声信号的时间差估计方法中，第一横向自适应滤波器的权系数w12(n)的更新算法如下：
y12(n)＝w12 T(n)x1(n)＝x1 T(n)w12(n)
e12(n)＝x2(n-M)-y12(n)
w12(n+1)＝w12(n)+2μe12(n)x1(n)
式中：y12(n)为滤波器输出函数，e12(n)为误差函数，μ为常数，x1(n)＝[x1(n+M)x1(n+M-1)...x1(n)...x1(n-M)]T。
所述的同源局部放电超声信号的时间差估计方法中，第二横向自适应滤波器的权系数w21(n)更新算法如下：
y21(n)＝w21 T(n)x2(n)＝x2 T(n)w21(n)
e21(n)＝x1(n-M)-y21(n)
w21(n+1)＝w21(n)+2μe21(n)x2(n)
式中：y21(n)为滤波器输出函数，e21(n)为误差函数，μ为一常数，x2(n)＝[x2(n+M)x2(n+M-1)...x2(n)...x2(n-M)]T。
所述的同源局部放电超声信号的时间差估计方法中，k级的交叉互相关器中第l级的交叉互相关器的表达式如下：
其中，⊙表示相关运算。
所述的同源局部放电超声信号的时间差估计方法中，k级的交叉互相关器的输出进行峰值提取的数学表达式如下：
式中：为同源局部放电超声信号的时间差估计值；fs为设备采样率。
与现有技术相比，本公开带来的有益效果为：
本公开不受设备采样率影响、能够超分辨率估计同源超声信号之间的时间差、抗噪能力较强等特点。通过自适应滤波器估计得到的时间差不受传感器采样率的限制，减少时间差估计值的偏差，从而大大提高定位精度。具有良好的抗噪能力，可以在低信噪比条件下进行时间差估计。自适应滤波器能够在迭代过程中动态调整权系数的值，可应用于跟踪时变和动态的输入环境。
所述说明仅是本发明技术方案的概述，为了能够使得本发明的技术手段更加清楚明白，达到本领域技术人员可依照说明书的内容予以实施的程度，并且为了能够让本发明的所述和其它目的、特征和优点能够更明显易懂，下面以本发明的具体实施方式进行举例说明。
附图说明
通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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。而且在整个附图中，用相同的附图标记表示相同的部件。
在附图中：
图1是一种同源局部放电超声信号的时间差估计方法的流程示意图；
图2是一种同源局部放电超声信号的时间差估计方法的第一横向自适应滤波器的原理示意图；
图3是一种同源局部放电超声信号的时间差估计方法的第二横向自适应滤波器的原理示意图；
图4是一种同源局部放电超声信号的时间差估计方法的k级的交叉互相关器的原理示意图；
图5是本发明的一个实施例提供的同源局部放电超声信号仿真波形示意图；
图6是一个实施例提供的对两通道同源信号进行处理后的提取时域时间差示意图。
以下结合附图和实施例对本发明作进一步的解释。
具体实施方式
下面将参照附图1至图6更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
需要说明的是，在说明书及权利要求当中使用了某些词汇来指称预定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个附图并不构成对本发明实施例的限定。
为了更好地理解，如图1至图6所示，一种同源局部放电超声信号的时间差估计方法包括，
步骤1：采集两通道同源超声信号x1(n)和x2(n)，初始化第一横向自适应滤波器、第二横向自适应滤波器和交叉互相关器，设置第一横向自适应滤波器的阶数2M+1、第二横向自适应滤波器的阶数2M+1和交叉互相关器级数k，其中：M和k为正整数；
步骤2：将两通道同源超声信号x1(n)和x2(n)输入第一横向自适应滤波器与第二横向自适应滤波器得到权系数w12(n)和w21(n)；
步骤3：将第一横向自适应滤波器的权系数与第二横向自适应滤波器的权系数输入k级的交叉互相关器，得到输出函数
步骤4；对进行峰值提取，获得两通道同源超声信号x1(n)和x2(n)的时间差。
所述的同源局部放电超声信号的时间差估计方法中，第一横向自适应滤波器的权系数w12(n)的初值为长度为2M+1的0向量，第二横向自适应滤波器的权系数w21(n)的初值为长度为2M+1的0向量。
所述的同源局部放电超声信号的时间差估计方法中，第一横向自适应滤波器的权系数w12(n)的更新算法如下：
y12(n)＝w12 T(n)x1(n)＝x1 T(n)w12(n)
e12(n)＝x2(n-M)-y12(n)
w12(n+1)＝w12(n)+2μe12(n)x1(n)
式中：y12(n)为滤波器输出函数，e12(n)为误差函数，μ为一常数，x1(n)＝[x1(n+M)x1(n+M-1)...x1(n)...x1(n-M)]T。
所述的同源局部放电超声信号的时间差估计方法中，第二横向自适应滤波器的权系数w21(n)更新算法如下：
y21(n)＝w21 T(n)x2(n)＝x2 T(n)w21(n)
e21(n)＝x1(n-M)-y21(n)
w21(n+1)＝w21(n)+2μe21(n)x2(n)
式中：y21(n)为滤波器输出函数，e21(n)为误差函数，μ为一常数，x2(n)＝[x2(n+M)x2(n+M-1)...x2(n)...x2(n-M)]T。
所述的同源局部放电超声信号的时间差估计方法中，k级的交叉互相关器中第l级的交叉互相关器的表达式如下：
其中，⊙表示相关运算。
所述的同源局部放电超声信号的时间差估计方法中，k级的交叉互相关器的输出进行峰值提取的数学表达式如下：
式中：为同源局部放电超声信号的时间差估计值；fs为设备采样率。
在一个实施例中，方法包括如下步骤：
(1)采集两通道同源超声信号x1(n)和x2(n)，初始化横向自适应滤波器阶数2M+1和交叉互相关器级数k。
(2)将两通道同源超声信号输入如附图2所示的第一横向自适应滤波器与如附图3所示的第二横向自适应滤波器，第一横向自适应滤波器的权系数w12(n)和第二横向自适应滤波器的权系数w21(n)的初值为长度为2M+1的O向量，其中：M和k为正整数。
第一横向自适应滤波器的权系数w12(n)更新算法如下：
y12(n)＝w12 T(n)x1(n)＝x1 T(n)w12(n)
e12(n)＝x2(n-M)-y12(n)
w12(n+1)＝w12(n)+2μe12(n)x1(n)
式中：y12(n)为滤波器输出函数，e12(n)为误差函数，μ为一常数，x1(n)＝[x1(n+M)x1(n+M-1)...x1(n)...x1(n-M)]T。
第二横向自适应滤波器的权系数w21(n)更新算法如下：
y21(n)＝w21 T(n)x2(n)＝x2 T(n)w21(n)
e21(n)＝x1(n-M)-y21(n)
w21(n+1)＝w21(n)+2μe21(n)x2(n)
式中：y21(n)为滤波器输出函数，e21(n)为误差函数，μ为一常数，x2(n)＝[x2(n+M)x2(n+M-1)...x2(n)...x2(n-M)]T。
(3)将第一横向自适应滤波器的权系数与第二横向自适应滤波器的权系数输入如附图4所示的k级交叉互相关器，k级交叉互相关器中第1级交叉互相关器的表达式如下：
其中，⊙表示相关运算。
(4)对k级交叉互相关器的输出进行峰值提取，获得两通道同源超声信号的时间差，对k级交叉互相关器的输出进行峰值提取的数学表达式如下：
式中：为同源局部放电超声信号的时间差估计值；fs为设备采样率。
附图1是一个实施例的实施流程图：采集两通道同源超声信号；设定两个横向自适应滤波器阶数和交叉互相关器级数；将两通道同源信号输入两个横向自适应滤波器；将两个横向自适应滤波器得到的权系数输入k级交叉互相关器；对交叉互相关器的输出进行峰值提取得到同源超声信号之间的时间差。
附图5中的a(t)和b(t)为正态分布的零均值平稳随机序列，采样频率为1kHz,并通过带宽为100Hz的理想低通滤波器，a(t)和b(t)的时间差为2.7ms。
附图6是本发明自适应滤波器对信号a(t)与b(t)处理后的时间差估计曲线，可以看出，经过多次迭代，时间差稳定在2.71094ms，相比于在分辨率情况下得到的结果3ms，更加接近于真实的时间差2.7ms，起到了超分辨率估计时间差的效果，证明本算法是切实有效的。
本方法公开了一种超分辨率的超声信号时间差估计自适应滤波器。该方法的主要步骤为：采集两通道同源超声信号；设定横向自适应滤波器阶数和交叉互相关器级数；将两通道同源信号输入两个横向自适应滤波器；将两个横向自适应滤波器得到的权系数输入k级交叉互相关器；对交叉互相关器的输出进行峰值提取得到同源超声信号之间的时间差。本发明具有时间分辨率高、时间差估计偏差小、抗噪性能好等优点，在电力设备(如电力变压器)状态诊断领域的局部放电定位方面具有较高的应用价值。
以上结合具体实施例描述了本申请的基，本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (6)
1.一种同源局部放电超声信号的时间差估计方法，其特征在于，其包括以下步骤，
步骤1：采集两通道同源超声信号x1(n)和x2(n)，初始化第一横向自适应滤波器、第二横向自适应滤波器和交叉互相关器，设置第一横向自适应滤波器的阶数2M+1、第二横向自适应滤波器的阶数2M+1和交叉互相关器级数k，其中，M和k为正整数；
步骤2：将两通道同源超声信号x1(n)和x2(n)输入第一横向自适应滤波器与第二横向自适应滤波器得到权系数w12(n)和w21(n)；
步骤3：将第一横向自适应滤波器的权系数与第二横向自适应滤波器的权系数输入k级的交叉互相关器，得到输出函数
步骤4；对输出函数进行峰值提取，获得两通道同源超声信号x1(n)和x1(n)的时间差/>
2.根据权利要求1所述的同源局部放电超声信号的时间差估计方法，其特征在于，优选的，第一横向自适应滤波器的权系数w12(n)的初值为长度为2M+1的0向量，第二横向自适应滤波器的权系数w21(n)的初值为长度为2M+1的0向量。
3.根据权利要求2所述的同源局部放电超声信号的时间差估计方法，其特征在于，第一横向自适应滤波器的权系数w12(n)的更新算法如下：
y12(n)＝w12 T(n)x1(n)＝x1 T(n)w12(n)
e12(n)＝x2(n-M)-y12(n)
w12(n+1)＝w12(n)+2μe12(n)x1(n)
式中：y12(n)为滤波器输出函数，e12(n)为误差函数，μ为常数，x1(n)＝[x1(n+M)x1(n+M-1)...x1(n)...x1(n-M)]T。
4.根据权利要求2所述的同源局部放电超声信号的时间差估计方法，其特征在于，第二横向自适应滤波器的权系数w21(n)更新算法如下：
y21(n)＝w21 T(n)x2(n)＝x2 T(n)w21(n)
e21(n)＝x1(n-M)-y21(n)
w21(n+1)＝w21(n)+2μe21(n)x2(n)
式中：y21(n)为滤波器输出函数，e21(n)为误差函数，μ为一常数，x2(n)＝[x2(n+M)x2(n+M-1)...x2(n)...x2(n-M)]T。
5.根据权利要求2所述的同源局部放电超声信号的时间差估计方法，其特征在于，k级的交叉互相关器中第1级的交叉互相关器的表达式如下：
其中，⊙表示相关运算。
6.根据权利要求1所述的同源局部放电超声信号的时间差估计方法，其特征在于，k级的交叉互相关器的输出进行峰值提取的数学表达式如下：
式中：为同源局部放电超声信号的时间差估计值；fs为设备采样率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310732732.9A CN116859190A (zh) | 2023-06-20 | 2023-06-20 | 同源局部放电超声信号的时间差估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310732732.9A CN116859190A (zh) | 2023-06-20 | 2023-06-20 | 同源局部放电超声信号的时间差估计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116859190A true CN116859190A (zh) | 2023-10-10 |
Family
ID=88222569
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310732732.9A Pending CN116859190A (zh) | 2023-06-20 | 2023-06-20 | 同源局部放电超声信号的时间差估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116859190A (zh) |
-
2023
- 2023-06-20 CN CN202310732732.9A patent/CN116859190A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107478990A (zh) | 一种发电机机电暂态过程动态估计方法 | |
| CN111912521B (zh) | 一种非平稳信号的频率检测方法和存储介质 | |
| CN105954695B (zh) | 一种基于同步的同质传感器突变参数识别方法与装置 | |
| CN110927543A (zh) | 一种电力设备局部放电超声信号时差估计方法 | |
| CN109669072B (zh) | 一种配电网的自适应同步相量量测方法 | |
| CN110940933B (zh) | 一种用于测量陡脉冲上升沿起始时刻的综合计算方法 | |
| CN107528646B (zh) | 一种基于宽带频谱的干扰信号识别及提取方法 | |
| CN110308339B (zh) | 基于证据推理规则的变频器直流母线电容故障诊断法 | |
| CN105975995B (zh) | 基于模糊偏好关系的多振动信号融合方法 | |
| CN116859190A (zh) | 同源局部放电超声信号的时间差估计方法 | |
| CN108008262B (zh) | 一种局部放电快速检测方法 | |
| CN114200232B (zh) | 一种输电线路故障行波波头检测方法及系统 | |
| CN109117698B (zh) | 一种基于最小均方误差准则的噪声背景估计方法 | |
| CN108021725B (zh) | 确定电功图数据中抽油机换向点位置的方法 | |
| CN111458626B (zh) | 基于共生多元泛函计算的电路系统信号分析与处理方法 | |
| CN114297579A (zh) | 一种基于循环平稳测度的盲源分离方法 | |
| CN112034232A (zh) | 一种供电系统电压暂降检测方法 | |
| Khoa et al. | Regular paper An Extended Kalman Filter for Detecting Voltage Sag Events in Power Systems | |
| CN109793511A (zh) | 基于深度学习技术的心电信号噪声检测算法 | |
| CN110032758A (zh) | 计算电信号的能量的方法、装置和计算机存储介质 | |
| CN114235572B (zh) | 一种基于信号相似度的结构损伤评价方法 | |
| CN116794459A (zh) | 局部放电超声信号时间差估计方法 | |
| CN112415347B (zh) | 一种用于电缆沟隧道的局部放电检测方法及系统 | |
| CN118260579A (zh) | 基于非线性动力学的多径衰落鲁棒性辐射源信号表征方法 | |
| CN112924831A (zh) | 一种特高频局部放电定位时延估计方法 |
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 |