CN107767037A - 一种用户用电构成解析方法 - Google Patents

一种用户用电构成解析方法 Download PDF

Info

Publication number
CN107767037A
CN107767037A CN201710922520.1A CN201710922520A CN107767037A CN 107767037 A CN107767037 A CN 107767037A CN 201710922520 A CN201710922520 A CN 201710922520A CN 107767037 A CN107767037 A CN 107767037A
Authority
CN
China
Prior art keywords
user
electricity consumption
forms
curve
power utilization
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
Application number
CN201710922520.1A
Other languages
English (en)
Other versions
CN107767037B (zh
Inventor
彭泽武
周珑
黄剑文
萧展辉
冯歆尧
万婵
邓楚然
胡苗
黎灿兵
张莉
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.)
Information Center of Guangdong Power Grid Co Ltd
Original Assignee
Information Center of Guangdong Power Grid Co Ltd
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 Information Center of Guangdong Power Grid Co Ltd filed Critical Information Center of Guangdong Power Grid Co Ltd
Priority to CN201710922520.1A priority Critical patent/CN107767037B/zh
Publication of CN107767037A publication Critical patent/CN107767037A/zh
Application granted granted Critical
Publication of CN107767037B publication Critical patent/CN107767037B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电气工程技术领域，更具体地，涉及一种用户用电构成解析方法。基于数据挖掘技术，通过智能电表获取制定用户家电的稳态电能信息，根据不同的时间尺度、不同的外部环境下辨识用户的负荷弹性时间，获取更加准确的用户用电解析结果。这种分析方式结合了用户家庭情况、环境因素等影响用电的因素，获得的用户用电构成解析结果更为精确，为后期电网性能改造等方案的计划和实施提供了更为科学的数据支撑。

Description

一种用户用电构成解析方法
技术领域
本发明涉及电气工程技术领域，更具体地，涉及一种用户用电构成解析方法。
背景技术
用户用电构成解析是基于居民用户有限的用电信息，把居民用户的用电量分解为单个或一类家电设备具体的用电量的一个过程。通过用户用电构成解析，能发现平常不必要的电能耗损，发掘出节能点，减少电费支出。目前用户用电构成解析主要采用非侵入式负荷监测方法，通过在电力入口处安装监测设备，通过监测该出的电压、电流等新型号就可以分析得到符合集群中单个负荷的种类和运行情况。这种方式仅对用户的用电设备的用电情况进行分析，然而在生活中，用电设备的使用情况受多种因素影响，仅通过对用户的用电设备的监测获得的解析结果不够全面，准确性较低。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷，提供一种用户用电构成解析方法，基于数据挖掘技术，通过智能电表获取制定用户家电的稳态电能信息，根据不同的时间尺度、不同的外部环境下辨识用户的负荷弹性时间，获取更加准确的用户用电解析结果。
为解决上述技术问题，本发明采用了如下技术方案：
一种用户用电构成解析方法，包括如下步骤：
S1-1：通过智能电表采集指定用户的家电稳态电能信息，绘制电能负荷曲线；
S2-1：在步骤S1- 1之后，根据电能负荷曲线建立不同家电不同工作状态下的实际组合曲线和拟合组合曲线；
S3-1：在步骤S2-1之后，对实际组合曲线和拟合组合曲线进行相似度对比，获得监测用户的用电构成数据；
S1-2：在步骤S1-1执行的同时，对用户信息进行采集并通过微气象在线监测设备检测用户的周边环境的气象信息；
S2-2：在步骤S1-2之后，根据步骤S1-2采集的信息，通过数据挖掘技术和聚类分析法，识别是否存在影响居民用电构成的主导因素，若存在主导因素，采用决策树的方法解析未监测用户的同类用电构成；若不存在主导因素，则采用逼近理想解的多属性决策方法获得未监测用户的相似用户；
S3-2：在步骤S2-2之后，根据挖掘出的相似用户，进行推算获得未监测用户的用电构成解析结果；
S4：在步骤S3-1和步骤S3-2均执行完毕之后，将监测用户的用电构成数据和未监测用户的用电构成解析结果组合，形成全面的居民用户用电构成数据；
S5：在步骤S4之后，通过对居民用户用电构成数据进行分析为电网优化提供数据支持。
进一步地，步骤S1-1中家电稳态电能信息包括家电的稳态电流和功率，电能负荷曲线包括电流负荷曲线和功率负荷曲线。
进一步地，通过建立目标函数并引入皮尔逊积矩相关系数建立实际组合曲线。
进一步地，通过遗传算法得出监测用户的用电构成数据，用电构成数据包括家电工作状态及电能消耗比例。
进一步地，步骤S1-2中用户信息包括用户类别、住房面积和人数；气象信息包括环境温度和湿度。
进一步地，步骤S3-2通过序列外推法获得未监测用户的用电构成解析结果。
进一步地，步骤S5具体包括如下步骤，下述步骤可同步执行：
S51：采用电平衡分析法，通过横向与纵向对比用户每种用电构成，为节能和用户侧优化运行提供辅助决策；
S52：提取用户用电构成数据中时间与空间上的分布特征，将负荷构成解析进一步细化到用户级，实现精细化的负荷建模；
S53：分析微气象影响每种用电构成的负荷时间弹性规律，推断每个用户的时间弹性，为电网分时电价、低频减载和低压减载提供支持。
与现有技术相比，有益效果是：首先选取具有代表性的用户实施监测，获得真实、准确的用电构成样本，对样本进行用电详细信息的采集，同时采集用户类别、面积、人数等用电相关因素，通过微气象在线检测设备，掌握用户生活区域的环境信息，获得与用电构成有关的因素信息。对采集到的用电因素信息和用电构成进行分析，获得未监测用户的用电构成解析结果，将已监测用户与未监测用户的用电构成数据组合，形成全面的居民用户用电构成数据。这种分析方式结合了用户家庭情况、环境因素等影响用电的因素，获得的用户用电构成解析结果更为精确，为后期电网性能改造等方案的计划和实施提供了更为科学的数据支撑。
附图说明
图1是本发明其中一个实施例的具体流程图。
具体实施方式
下面结合附图对本发明进行进一步说明。
如图1所示，本发明提供的一种用户用电构成解析方法，包括如下步骤：
S1-1：通过智能电表采集指定用户的家电稳态电能信息，绘制电能负荷曲线；
S2-1：在步骤S1- 1之后，根据电能负荷曲线建立不同家电不同工作状态下的实际组合曲线和拟合组合曲线；
S3-1：在步骤S2-1之后，对实际组合曲线和拟合组合曲线进行相似度对比，获得监测用户的用电构成数据；
S1-2：在步骤S1-1执行的同时，对用户信息进行采集并通过微气象在线监测设备检测用户的周边环境的气象信息；
S2-2：在步骤S1-2之后，根据步骤S1-2采集的信息，通过数据挖掘技术和聚类分析法，识别是否存在影响居民用电构成的主导因素，若存在主导因素，采用决策树的方法解析未监测用户的同类用电构成；若不存在主导因素，则采用逼近理想解的多属性决策方法获得未监测用户的相似用户；
S3-2：在步骤S2-2之后，根据挖掘出的相似用户，进行推算获得未监测用户的用电构成解析结果；
S4：在步骤S3-1和步骤S3-2均执行完毕之后，将监测用户的用电构成数据和未监测用户的用电构成解析结果组合，形成全面的居民用户用电构成数据；
S5：在步骤S4之后，通过对居民用户用电构成数据进行分析为电网优化提供数据支持。
首先选取具有代表性的用户实施监测，获得真实、准确的用电构成样本。对样本进行电能信息的采集，同时采集用户类别、面积、人数等用电相关因素，通过微气象在线检测设备，掌握用户生活区域的环境信息，获得与用电构成有关的因素信息。之后根据所采集的电能信息绘制典型家电设备的电能负荷曲线构成解析模型，这种用电构成解析方法采用智能优化算法求得最有解集，再根据最优解集判断各个家电设备的工作状态和工作时间，继而计算出各个家电设备的具体电能消耗。同时根据影响用户用电构成的其他因素获得未监测用户的相似用户，得出未监测用户的用电构成解析结果。将已监测和未监测用户的用电构成数据结合，形成全面的居民用户用电构成数据。
进一步地，步骤S1-1中家电稳态电能信息包括家电的稳态电流和功率，电能负荷曲线包括电流负荷曲线和功率负荷曲线。
进一步地，通过建立目标函数并引入皮尔逊积矩相关系数建立实际组合曲线。
进一步地，通过遗传算法得出监测用户的用电构成数据，用电构成数据包括家电工作状态及电能消耗比例。
进一步地，步骤S1-2中用户信息包括用户类别、住房面积和人数；气象信息包括环境温度和湿度。
进一步地，步骤S3-2通过序列外推法获得未监测用户的用电构成解析结果。
进一步地，步骤S5具体包括如下步骤，下述步骤可同步执行：
S51：采用电平衡分析法，通过横向与纵向对比用户每种用电构成，为节能和用户侧优化运行提供辅助决策；
S52：提取用户用电构成数据中时间与空间上的分布特征，将负荷构成解析进一步细化到用户级，实现精细化的负荷建模；
S53：分析微气象影响每种用电构成的负荷时间弹性规律，推断每个用户的时间弹性，为电网分时电价、低频减载和低压减载提供支持。
本发明基于数据挖掘技术，对居民用电习惯与微气象对居民用电的影响进行分析，以解析用户用电构成；在取得居民用户用电构成解析结果后，根据用电构成及负荷时间弹性，能为电网分时电价等提供支持，发现更多的节能点，减少不必要的电能消耗，为电力***实施分段电价和分时电价等提供衡量的标准。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (7)

1.一种用户用电构成解析方法，其特征在于：包括如下步骤：
S1-1：通过智能电表采集指定用户的家电稳态电能信息，绘制电能负荷曲线；
S2-1：在步骤S1- 1之后，根据电能负荷曲线建立不同家电不同工作状态下的实际组合曲线和拟合组合曲线；
S3-1：在步骤S2-1之后，对实际组合曲线和拟合组合曲线进行相似度对比，获得监测用户的用电构成数据；
S1-2：在步骤S1-1执行的同时，对用户信息进行采集并通过微气象在线监测设备检测用户的周边环境的气象信息；
S2-2：在步骤S1-2之后，根据步骤S1-2采集的信息，通过数据挖掘技术和聚类分析法，识别是否存在影响居民用电构成的主导因素，若存在主导因素，采用决策树的方法解析未监测用户的同类用电构成；若不存在主导因素，则采用逼近理想解的多属性决策方法获得未监测用户的相似用户；
S3-2：根据步骤S2-2挖掘出的相似用户，进行推算获得未监测用户的用电构成解析结果；
S4：在步骤S3-1和步骤S3-2均执行完毕之后，将监测用户的用电构成数据和未监测用户的用电构成解析结果组合，形成全面的居民用户用电构成数据；
S5：在步骤S4之后，通过对居民用户用电构成数据进行分析为电网优化提供数据支持。
2.根据权利要求1所述的一种用户用电构成解析方法，其特征在于：所述步骤S1-1中家电稳态电能信息包括家电的稳态电流和功率，电能负荷曲线包括电流负荷曲线和功率负荷曲线。
3.根据权利要求1所述的一种用户用电构成解析方法，其特征在于：所述步骤S2-1通过建立目标函数并引入皮尔逊积矩相关系数建立实际组合曲线。
4.根据权利要求1所述的一种用户用电构成解析方法，其特征在于：所述步骤S3-1监测用户的用电构成数据通过遗传算法得出，用电构成数据包括家电工作状态及电能消耗比例。
5.根据权利要求1所述的一种用户用电构成解析方法，其特征在于：所述步骤S1-2中用户信息包括用户类别、住房面积和人数；气象信息包括环境温度和湿度。
6.根据权利要求1所述的一种用户用电构成解析方法，其特征在于：所述步骤S3-2通过序列外推法获得未监测用户的用电构成解析结果。
7.根据权利要求1所述的一种用户用电构成解析方法，其特征在于：所述步骤S5具体包括如下步骤，下述步骤可同步执行：
S51：采用电平衡分析法，通过横向与纵向对比用户每种用电构成，为节能和用户侧优化运行提供辅助决策；
S52：提取用户用电构成数据中时间与空间上的分布特征，将负荷构成解析进一步细化到用户级，实现精细化的负荷建模；
S53：分析微气象影响每种用电构成的负荷时间弹性规律，推断每个用户的时间弹性，为电网分时电价、低频减载和低压减载提供支持。
CN201710922520.1A 2017-09-30 2017-09-30 一种用户用电构成解析方法 Active CN107767037B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710922520.1A CN107767037B (zh) 2017-09-30 2017-09-30 一种用户用电构成解析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710922520.1A CN107767037B (zh) 2017-09-30 2017-09-30 一种用户用电构成解析方法

Publications (2)

Publication Number Publication Date
CN107767037A true CN107767037A (zh) 2018-03-06
CN107767037B CN107767037B (zh) 2021-04-02

Family

ID=61267819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710922520.1A Active CN107767037B (zh) 2017-09-30 2017-09-30 一种用户用电构成解析方法

Country Status (1)

Country Link
CN (1) CN107767037B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111080478A (zh) * 2019-12-11 2020-04-28 吉林同益光电科技有限公司 一种基于供电企业营销服务的客户侧增强***
CN113363974A (zh) * 2021-06-16 2021-09-07 广东电网有限责任公司 基于累积电量低频采样的居民负荷构成解析方法及装置
CN114580657A (zh) * 2022-02-24 2022-06-03 山东大学 一种基于关系深度强化学习的家庭能量管控方法及***
CN115713435A (zh) * 2022-11-15 2023-02-24 广州鲁邦通物联网科技股份有限公司 一种基于mec边缘智能网关的用电管理方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617565A (zh) * 2013-12-06 2014-03-05 国网山东省电力公司 城市微气象与电力空调负荷关系的建立方法
CN104156783A (zh) * 2014-07-29 2014-11-19 广西电网有限责任公司 计及气象累积效应的电力***最大日负荷预测***及方法
CN104158289A (zh) * 2014-07-24 2014-11-19 许昌学院 基于智能有序用电装置的智能有序用电管理***及方法
CN106384015A (zh) * 2016-09-30 2017-02-08 国网上海市电力公司 一种基于能耗数据采集的分布式光伏***能效预评估方法
RU2015135417A (ru) * 2015-08-20 2017-02-27 Федеральное Государственное Бюджетное Образовательное Учреждение Высшего Образования "Новосибирский Государственный Технический Университет" Способ разнесения топливных затрат на ТЭЦ

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617565A (zh) * 2013-12-06 2014-03-05 国网山东省电力公司 城市微气象与电力空调负荷关系的建立方法
CN104158289A (zh) * 2014-07-24 2014-11-19 许昌学院 基于智能有序用电装置的智能有序用电管理***及方法
CN104156783A (zh) * 2014-07-29 2014-11-19 广西电网有限责任公司 计及气象累积效应的电力***最大日负荷预测***及方法
RU2015135417A (ru) * 2015-08-20 2017-02-27 Федеральное Государственное Бюджетное Образовательное Учреждение Высшего Образования "Новосибирский Государственный Технический Университет" Способ разнесения топливных затрат на ТЭЦ
CN106384015A (zh) * 2016-09-30 2017-02-08 国网上海市电力公司 一种基于能耗数据采集的分布式光伏***能效预评估方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111080478A (zh) * 2019-12-11 2020-04-28 吉林同益光电科技有限公司 一种基于供电企业营销服务的客户侧增强***
CN113363974A (zh) * 2021-06-16 2021-09-07 广东电网有限责任公司 基于累积电量低频采样的居民负荷构成解析方法及装置
CN114580657A (zh) * 2022-02-24 2022-06-03 山东大学 一种基于关系深度强化学习的家庭能量管控方法及***
CN115713435A (zh) * 2022-11-15 2023-02-24 广州鲁邦通物联网科技股份有限公司 一种基于mec边缘智能网关的用电管理方法及***

Also Published As

Publication number Publication date
CN107767037B (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
AU2020101900A4 (en) A method, device and equipment for detecting abnormal electric meter
Himeur et al. Building power consumption datasets: Survey, taxonomy and future directions
CN108021736B (zh) 一种基于滑动窗残差模型的负荷投切动作监测方法
CN110956220B (zh) 一种非侵入式家用电器负荷识别方法
CN107767037A (zh) 一种用户用电构成解析方法
CN109345409B (zh) 一种基于宽带载波的居民用户综合能效管理方法
Abubakar et al. An overview of non-intrusive load monitoring methodologies
CN106251034A (zh) 基于云计算技术的智慧节能电表监控***
CN112286063A (zh) 一种基于非侵入量测的区域能耗监测***及方法
CN113902104A (zh) 联合无监督域自适应策略和注意力机制的非侵入式负荷监测方法
CN105809573A (zh) 一种基于大数据分析的用电性质认证方法
Guillén-García et al. Identification of the electrical load by C-means from non-intrusive monitoring of electrical signals in non-residential buildings
Bergés et al. Leveraging data from environmental sensors to enhance electrical load disaggregation algorithms
CN117559443A (zh) 尖峰负荷下大工业用户集群有序用电控制方法
Gurbuz et al. Comprehensive non-intrusive load monitoring process: Device event detection, device feature extraction and device identification using KNN, random forest and decision tree
CN111199014B (zh) 一种基于时间序列的seq2point的NILM方法及装置
CN115912359B (zh) 基于大数据的数字化安全隐患识别排查治理方法
Kommey et al. An artificial intelligence‐based non‐intrusive load monitoring of energy consumption in an electrical energy system using a modified K‐Nearest Neighbour algorithm
CN116662840A (zh) 一种基于机器学习的低压台区用户相位识别方法
Kelati et al. IoT based appliances identification techniques with fog computing for e-health
Liu et al. A modified IP-based NILM approach using appliance characteristics extracted by 2-SAX
Giri et al. Novel techniques for the detection of on and off states of appliances for power estimation in non-intrusive load monitoring
Li et al. A fusion framework using integrated neural network model for non-intrusive load monitoring
CN110146758A (zh) 基于交叉熵的非侵入式电器识别方法
Ramadan et al. Non-intrusive Load Monitoring for Household Energy Disaggregation: A State-of-the-Art

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