CN108759904B - 基于大数据的城轨信息综合分析方法和装置 - Google Patents
基于大数据的城轨信息综合分析方法和装置 Download PDFInfo
- Publication number
- CN108759904B CN108759904B CN201810291574.7A CN201810291574A CN108759904B CN 108759904 B CN108759904 B CN 108759904B CN 201810291574 A CN201810291574 A CN 201810291574A CN 108759904 B CN108759904 B CN 108759904B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- whole vehicle
- traction
- power supply
- current value
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供一种基于大数据的城轨信息综合分析方法和装置，该方法包括：根据采集到的各时刻上处于同一运行线路上的轨道车辆的整车电流值、整车电压值以及整车参数信息，获取整车***能耗模型，整车***能耗模型用于指示不同时刻的整车***能耗；根据采集到的各时刻上处于运行线路上的各变电所的供电电流值、供电电压值以及温度信息，获取供电***能耗模型，供电***能耗模型用于指示不同时刻的供电***能耗；根据整车***能耗模型和供电***能耗模型，获取全局能耗模型，全局能耗模型为整车***能耗与供电***能耗的关系模型。本发明通过能耗模型对城市轨道交通能耗进行全局性掌握，提高了轨道交通***的综合效能。
Description
技术领域
本发明涉及轨道交通技术领域，尤其涉及一种基于大数据的城轨信息综合分析方法和装置。
背景技术
国内外大城市经济的迅速发展、城市面积的不断扩张、城市人口以及汽车的快速增加，导致城市交通愈发拥堵。城市轨道交通因其快捷、安全和舒适等优点，近年来得到了快速发展。而伴随着城市轨道交通的发展，其能量消耗总量也随之增长，且城市轨道交通的能量需求占据整个交通体系中最大的比重，因此，实现城市轨道交通的节能，将产生巨大的经济和社会效益。
现有技术中，针对城市轨道交通的节能方案均以特定控制策略为研究目标，如在高峰期时，城市轨道交通的能耗高，在该时段对城市轨道交通配置更高的供电容量，但现有技术难以形成对城市轨道交通能耗全天候、长时间的全局性掌握，城市轨道交通***的综合效能低。
发明内容
本发明提供一种基于大数据的城轨信息综合分析方法和装置，通过能耗模型对城市轨道交通能耗进行全局性掌握，提高了轨道交通***的综合效能，为城市轨道交通的节能举措提供了理论依据。
本发明的第一方面提供一种基于大数据的城轨信息综合分析方法，包括：
根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的整车电流值、整车电压值以及整车参数信息，获取整车***能耗模型，所述整车***能耗模型用于指示不同时刻的整车***能耗；
根据采集到的所述城轨信息中所述各时刻上处于所述运行线路上的各变电所的供电电流值、供电电压值以及温度信息，获取供电***能耗模型，所述供电***能耗模型用于指示不同时刻的供电***能耗；
根据所述整车***能耗模型和所述供电***能耗模型，综合分析获取全局能耗模型，所述全局能耗模型为所述整车***能耗与所述供电***能耗的关系模型。
可选的，所述整车电流值包括牵引电流值和辅助电流值，所述整车电压值包括牵引电压值和辅助电压值，所述整车参数信息包括牵引参数信息和辅助参数信息；
所述根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的整车电流值、整车电压值以及整车参数信息，获取整车***能耗模型，包括：
根据采集到的所述城轨信息中各时刻上处于同一运行线路上的轨道车辆的所述牵引电流值、所述牵引电压值以及所述牵引参数信息，获取整车牵引能耗模型，所述整车牵引能耗模型用于指示不同时刻的整车牵引能耗；
根据采集到的所述城轨信息中各时刻上处于同一运行线路上的轨道车辆的所述辅助电流值、所述辅助电压值以及所述辅助参数信息，获取整车辅助能耗模型，所述整车辅助能耗模型用于指示不同时刻的整车辅助能耗；
根据所述整车牵引能耗模型和所述整车辅助能耗模型，获取所述整车***能耗模型。
可选的，所述牵引参数信息包括：
所述轨道车辆的载荷和轮径、牵引逆变器的级位和温度、电机的转速和温度、环境温度和所述轨道车辆的位置，所述位置为所述轨道车辆距起始变电所的距离；
所述根据采集到的所述城轨信息中各时刻上处于同一运行线路上的轨道车辆的所述牵引电流值、所述牵引电压值以及所述牵引参数信息，获取整车牵引能耗模型，包括：
根据所述牵引电流值、所述牵引电压值，获取所述各时刻的整车牵引能耗；
根据所述整车牵引能耗、所述各时刻的所述轨道车辆的载荷和轮径、牵引逆变器的级位和温度、电机的转速和温度、环境温度，获取所述整车牵引能耗模型。
可选的，所述辅助参数信息包括：
所述轨道车辆的载荷和轮径、辅助逆变器的级位和温度、充电机的温度、环境温度和所述轨道车辆的位置；
所述根据采集到的所述城轨信息中各时刻上处于同一运行线路上的轨道车辆的所述辅助电流值、所述辅助电压值以及所述辅助参数信息，获取整车辅助能耗模型，包括：
根据所述辅助电流值、所述辅助电压值，获取所述各时刻的整车辅助能耗；
根据所述整车辅助能耗、所述各时刻的所述轨道车辆的载荷和轮径、辅助逆变器的级位和温度、充电机的温度、所述环境温度，获取所述整车辅助能耗模型。
可选的，所述根据所述整车***能耗模型和所述供电***能耗模型，综合分析获取全局能耗模型，包括：
根据所述整车牵引能耗和所述整车辅助能耗，获取所述整车***能耗；
根据所述供电电流值、所述供电电压值，获取各时刻所述供电***能耗；
根据所述各时刻的所述整车***能耗以及对应的所述供电***能耗，综合分析获取所述全局能耗模型。
可选的，所述变电所包括主变电所和多个分变电所，所述主变电所分别与所述多个分变电所连接，各所述分变电所分别与轨道车辆连接；
所述供电电流值包括：所述主变电所的输出电流值、各所述分变电所的输入电流值、各所述分变电所的输出电流值和整车的输入电流值；
所述供电电压值包括：所述主变电所的输出电压值、各所述分变电所的输入电压值、各所述分变电所的输出电压值和所述整车的输入电压值；
根据所述供电电流值、所述供电电压值，获取各时刻所述供电***能耗，包括：
根据所述主变电所的输出电流值和所述主变电所的输出电压值、各所述分变电所的输入电流值和各所述分变电所的输入电压值，获取第一线路能耗；
根据各所述分变电所的输入电流值和各所述分变电所的输入电压值、各所述分变电所的输出电流值和各所述分变电所的输出电压值，获取各所述分变电所能耗；
根据各所述分变电所的输出电流值和各所述分变电所的输出电压值、所述整车的输入电流值和所述整车的输入电压值，获取第二线路能耗；
根据所述第一线路能耗、各所述分变电所能耗和所述第二线路能耗，获取所述供电***能耗。
可选的，所述牵引电流值包括所述牵引逆变器的输入电流值和所述牵引逆变器的输出电流值；牵引电压值包括：所述牵引逆变器的输入电压值和所述牵引逆变器的输出电压值；
所述根据所述牵引电流值、所述牵引电压值，获取所述各时刻的整车牵引能耗，包括：
根据所述牵引逆变器的输入电流值和所述牵引逆变器的输入电压值、所述牵引逆变器的输出电流值和所述牵引逆变器的输出电压值，获取所述各时刻的整车牵引能耗。
本发明的第二方面提供一种基于大数据的城轨信息综合分析装置，包括：
整车***能耗模型获取模块，用于根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的整车电流值、整车电压值以及整车参数信息，获取整车***能耗模型，所述整车***能耗模型用于指示不同时刻的整车***能耗；
供电***能耗模型获取模块，用于根据采集到的所述城轨信息中所述各时刻上处于所述运行线路上的各变电所的供电电流值、供电电压值以及温度信息，获取供电***能耗模型，所述供电***能耗模型用于指示不同时刻的供电***能耗；
全局能耗模型获取模块，用于根据所述整车***能耗模型和所述供电***能耗模型，综合分析获取全局能耗模型，所述全局能耗模型为所述整车***能耗与所述供电***能耗的关系模型。
本发明的第三方面提供一种基于大数据的城轨信息综合分析装置，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述基于大数据的城轨信息综合分析装置执行上述基于大数据的城轨信息综合分析方法。
本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机执行指令，当所述计算机执行指令被处理器执行时，实现上述基于大数据的城轨信息综合分析方法。
本发明提供一种基于大数据的城轨信息综合分析方法和装置，该方法包括：根据采集到的所述城轨信息中各时刻上处于同一运行线路上的轨道车辆的整车电流值、整车电压值以及整车参数信息，获取整车***能耗模型，整车***能耗模型用于指示不同时刻的整车***能耗；根据采集到的所述城轨信息中各时刻上处于运行线路上的各变电所的供电电流值、供电电压值以及温度信息，获取供电***能耗模型，供电***能耗模型用于指示不同时刻的供电***能耗；根据整车***能耗模型和供电***能耗模型，综合分析获取全局能耗模型，全局能耗模型为整车***能耗与供电***能耗的关系模型。本发明通过能耗模型对城市轨道交通能耗进行全局性掌握，提高了轨道交通***的综合效能。
附图说明
图1为本发明提供的基于大数据的城轨信息综合分析方法的流程示意图一；
图2为本发明提供的基于大数据的城轨信息综合分析方法的流程示意图二；
图3为本发明提供的基于大数据的城轨信息综合分析方法的流程示意图三；
图4为本发明提供的城市轨道交通布局示意图；
图5为本发明提供的基于大数据的城轨信息综合分析装置的结构示意图一；
图6为本发明提供的基于大数据的城轨信息综合分析的结构示意图二。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明提供的基于大数据的城轨信息综合分析方法的流程示意图一，图1所示方法流程的执行主体可以为基于大数据的城轨信息综合分析装置，该基于大数据的城轨信息综合分析装置可由任意的软件和/或硬件实现。如图1所示，本实施例提供的基于大数据的城轨信息综合分析方法可以包括：
S101，根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的整车电流值、整车电压值以及整车参数信息，获取整车***能耗模型，整车***能耗模型用于指示不同时刻的整车***能耗。
本实施例中提供的城市轨道车辆可以为地铁、轻轨等，以地铁A号线为例进行说明，在地铁A号线的运行线路上布置有多个变电所，该多个变电所为地铁A号线的上运行的轨道车辆供电。
本实施例中根据采集到的处于同一运行线路上的各时刻的轨道车辆的整车电流值、整车电压值，通过获取二者的乘积获得在该线路上不同时刻的整车***能耗；整车参数信息可以包括：整车的类型、载荷、轮径、温度等；本实施例中，整车***能耗模型用于指示不同时刻的整车***能耗。
根据整车***能耗和整车参数信息获取整车***能耗模型，可以是单独获取以时间为自变量，整车***能耗为因变量的整车***第一子能耗模型，获取以整车温度为自变量，整车***能耗为因变量的整车***第二子能耗模型……，以整车载荷为自变量，整车***能耗为因变量的整车***第N子能耗模型，其中，整车***能耗模型为上述整车***子能耗模型的总和，从该整车***能耗模型可以获取整车***能耗与每一个整车参数、时间的关系，在节能措施方面，可根据整车做出全天性、季节性的、针对不同客流量的节能措施。
具体的，在单独获取以时间为自变量，整车***能耗为因变量的整车***第一子能耗模型时，时间可以为以一天为单位，获取整车***能耗与时间的关系模型，依据该模型可对轨道交通做出全天候的节能举措，如针对早7-8点早高峰、早10-11点空闲段做出相应的措施；也可以是以年为单位，针对夏季温度高、冬季温度低等对整车做出相应的措施。
本实施例中获取整车***能耗模型，也可以是获取各时刻的整车***能耗和对应的整车的类型、载荷、轮径、温度等，获取以该整车的类型、载荷、轮径、温度等为自变量，整车***能耗为因变量的整车***能耗模型，从该整车***能耗模型可以获取整车***能耗与全部整车参数的关系，在节能措施方面，可根据整车***能耗模型对整车做出全天性、季节性的、针对不同客流量的节能措施。
本实施例中获取整车***能耗模型，也可以是上述两种类型的整车***能耗模型的总和，本实施例对此不做限制。
S102，根据采集到的城轨信息中各时刻上处于运行线路上的各变电所的供电电流值、供电电压值以及温度信息，获取供电***能耗模型，供电***能耗模型用于指示不同时刻的供电***能耗。
运行线路上布置有多个变电所，根据采集到的处于同一运行线路上的各时刻的各的整车电流值、整车电压值，通过获取二者的乘积获得在该线路上不同时刻的各变电所的供电***能耗，各变电所的供电***能耗的加和即为供电***能耗；温度信息可以为各时刻外界环境的温度和/或各变电所的温度；本实施例中，供电***能耗模型用于指示不同时刻的供电***能耗。
根据供电***能耗和温度信息，获取供电***能耗模型。具体的，供电***能耗模型可以单独为供电***能耗与时间的关系模型或供电***能耗与温度的关系模型；也可以是以时间为对应关系，供电***能耗与对应温度的关系模型；其中，供电***能耗模型的获取方式与上述整车***能耗模型的获取方式相同，在此不做赘述。
从该供电***能耗模型可以获取供电***能耗与时间、温度等的关系，在节能措施方面，可根据供电***能耗模型对变电所做出全天性、季节性的节能措施。
其中，本实施例对S101和S102的先后顺序不做限制，二者可以同时获取。
S103，根据整车***能耗模型和供电***能耗模型，综合分析获取全局能耗模型，全局能耗模型为整车***能耗与供电***能耗的关系模型。
本实施例中，整车***能耗模型用于指示不同时刻的整车***能耗，供电***能耗模型用于指示不同时刻的供电***能耗，根据时间的对应关系，获取各时刻的整车***能耗以及对应的供电***能耗，以整车***能耗为自变量，供电***能耗为因变量，获取全局能耗模型，该全局能耗模型为整车***能耗与供电***能耗的关系模型；从该全局能耗模型可以获取整车***能耗与供电***能耗的关系，在节能措施方面，可根据整车***能耗的变化，做出对变电所的节能措施。
进一步的，在不同时刻，该整车***能耗可根据整车***能耗模型换算为对应时刻的整车参数，该全局能耗模型为供电***能耗与整车参数的关系模型，从该全局能耗模型可以获取整车***能耗与整车的关系，在节能措施方面，可根据整车参数的变化，做出对变电所的节能措施。
本领域技术人员可以想到的是也可同时获取多条运行线路上的整车***能耗模型、供电***能耗模型和全局能耗模型，建立总供电所与各变电所、整车的关系模型，进而从源头处进行节能。
本实施例中，根据采集到的各时刻上处于同一运行线路上的轨道车辆的整车电流值、整车电压值以及整车参数信息，获取整车***能耗模型，整车***能耗模型用于指示不同时刻的整车***能耗；根据采集到的各时刻上处于运行线路上的各变电所的供电电流值、供电电压值以及温度信息，获取供电***能耗模型，供电***能耗模型用于指示不同时刻的供电***能耗；根据整车***能耗模型和供电***能耗模型，获取全局能耗模型，全局能耗模型为整车***能耗与供电***能耗的关系模型。通过能耗模型对城市轨道交通能耗进行全局性掌握，提高了轨道交通***的综合效能，为城市轨道交通的节能举措提供了理论依据。
下面结合图2对本发明提供的基于大数据的城轨信息综合分析方法进一步进行说明，图2为本发明提供的基于大数据的城轨信息综合分析方法的流程示意图二，如图2所示，本实施例提供的基于大数据的城轨信息综合分析方法包括：
S201，根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的牵引电流值、牵引电压值以及牵引参数信息，获取整车牵引能耗模型，整车牵引能耗模型用于指示不同时刻的整车牵引能耗。
轨道车辆的整车***中，通常包括牵引***和辅助***。牵引***主要为电力机车提供牵引力，辅助***主要为轨道车辆上的制动***、冷却***、空调、照明等辅助设备供电。
本实施例中，整车电流值包括牵引电流值和辅助电流值，整车电压值包括牵引电压值和辅助电压值，整车参数信息包括牵引参数信息和辅助参数信息。
本实施例中根据采集到的处于同一运行线路上的各时刻的轨道车辆的牵引电流值、牵引电压值，通过获取二者的乘积获得在该线路上不同时刻的整车牵引能耗；牵引参数信息可以包括：牵引逆变器的类型、级位信息、整车的载荷、轮径、温度等；本实施例中，整车***能耗模型用于指示不同时刻的整车***能耗。其中，整车牵引能耗模型的获取方式与上述整车***能耗模型的获取方式相同，在此不做赘述。
S202，根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的辅助电流值、辅助电压值以及辅助参数信息，获取整车辅助能耗模型，整车辅助能耗模型用于指示不同时刻的整车辅助能耗。
本实施例中，辅助参数信息可以包括：辅助逆变器的类型、级位信息、整车的载荷、轮径、温度等；整车辅助能耗模型的获取方式与上述整车牵引能耗模型的获取方式相同，在此不做赘述。
其中，本实施例对S201和S202的先后顺序不做限制，二者可以同时获取。
S203，根据整车牵引能耗模型和整车辅助能耗模型，获取整车***能耗模型。
本实施例中，可根据时间所对应的整车牵引能耗模型和整车辅助能耗模型，二者相加获取整车***能耗模型。本领域技术人员可以想到的是，当整车牵引能耗模型为整车牵引能耗与每一个牵引参数的关系模型，整车辅助能耗模型为整车辅助能耗与每一个辅助参数的关系模型时，整车***能耗模型为整车牵引能耗模型和整车辅助能耗模型的总和。
S204，根据采集到的城轨信息中各时刻上处于运行线路上的各变电所的供电电流值、供电电压值以及温度信息，获取供电***能耗模型，供电***能耗模型用于指示不同时刻的供电***能耗。
其中，本实施例对S203和S204的先后顺序不做限制，二者可以同时获取。
S205，根据整车***能耗模型和供电***能耗模型，综合分析获取全局能耗模型。
具体的，整车***能耗模型包括整车牵引能耗模型和整车辅助能耗模型，整车***能耗为整车牵引能耗和整车辅助能耗的加和，如上述S103，全局能耗模型为以整车***能耗为自变量，供电***能耗为因变量的关系模型；本领域技术人员可以想到的是可根据时间所对应的牵引能耗和牵引参数、辅助能耗和辅助参数，将全局能耗模型中的自变量替换为由牵引参数和辅助参数组成的自变量；从该全局能耗模型可以获取供电***能耗与牵引参数和辅助参数的关系，可根据牵引参数和辅助参数的变化，做出对变电所的节能措施。
其中，S204可参照上述实施例中S102的相关描述，此处不再赘述。
本实施例中，通过整车牵引能耗模型和整车辅助能耗模型的加和，获取整车***能耗模型，再结合获取的供电***能耗模型；根据整车***能耗模型和供电***能耗模型，获取全局能耗模型，该全局能耗模型中可以获取供电***能耗与整车***中牵引参数和辅助参数的关系，可根据牵引参数和辅助参数的变化，做出对变电所、整车的全天候的节能措施。此外通过能耗模型对城市轨道交通能耗进行全局性掌握，提高了轨道交通***的综合效能，为城市轨道交通的节能举措提供了理论依据。
下面结合图3和图4对本发明提供的基于大数据的城轨信息综合分析方法进一步进行说明，图3为本发明提供的基于大数据的城轨信息综合分析方法的流程示意图三，图4为本发明提供的城市轨道交通布局示意图；如图3所示，本实施例提供的基于大数据的城轨信息综合分析方法包括：
S301，根据牵引电流值、牵引电压值，获取各时刻的整车牵引能耗。
本实施例中，牵引电流值包括牵引逆变器的输入电流值和牵引逆变器的输出电流值；牵引电压值包括：牵引逆变器的输入电压值和牵引逆变器的输出电压值。
具体的，根据牵引逆变器的输入电流值和牵引逆变器的输入电压值的乘积获取牵引逆变器输入能耗，根据牵引逆变器的输出电流值和牵引逆变器的输出电压值的乘积，获取牵引逆变器输出能耗，根据牵引逆变器输入能耗和输出能耗的差值，获取各时刻的整车牵引能耗。
电流可通过电流传感器获取，电压可通过电压传感器获取；如图4所示，具体的，牵引逆变器中的输入电流传感器、电压传感器布置在⑨，牵引逆变器的中的输出电流传感器、电压传感器布置在⑩。
具体的，根据整车牵引能耗、各时刻的轨道车辆的载荷和轮径、牵引逆变器的级位和温度、电机的转速和温度、环境温度，获取整车牵引能耗模型。
本实施例中，牵引参数信息包括：轨道车辆的载荷和轮径、牵引逆变器的级位和温度、电机的转速和温度、环境温度和轨道车辆的位置，位置为轨道车辆距起始变电所的距离。
其中，轨道车辆的载荷为轨道车辆中每节车厢的载荷之和，每节车厢的载荷可由整车的转向架测取，转向架如图4中的⑾；轨道车辆的轮径可在轨道车辆开始行驶前进行测量，如图4中的⑿；牵引逆变器的级位由驾驶室的级位感应器获取；电机的转速可由速度传感器获取；轨道车辆的位置可由车辆上的GPS获取；环境温度、牵引逆变器的温度、电机的温度可由温度传感器获取，其中，牵引逆变器中的温度传感器布置在⑺、电机中的温度传感器布置在⑽、外界的温度传感器布置在室外，实施获取环境温度。
其中，获取整车牵引能耗模型的方式与上述实施例中获取整车牵引能耗模型方式相同，在此不做赘述。
S302，根据辅助电流值、辅助电压值，获取各时刻的整车辅助能耗。
本实施例中，辅助电流值包括辅助逆变器的输入电流值、辅助逆变器的输出电流值、充电机的输入电流值和充电机的输出电流值；辅助电压值包括：辅助逆变器的输入电压值、辅助逆变器的输出电压值、充电机的输入电压值和充电机的输出电压值。
具体的，辅助逆变器的能耗与充电机的能耗的获取方式，均与上述牵引逆变器的获取方式相同，在此不做赘述。其中，整车辅助能耗为辅助逆变器的能耗与充电机的能耗的加和。
电流可通过电流传感器获取，电压可通过电压传感器获取；如图4所示，具体的，辅助逆变器中的输入电流传感器、电压传感器布置在
辅助逆变器的中的输出电流传感器、电压传感器布置在
充电机中的输入电流传感器、电压传感器布置在
充电机中的输出电流传感器、电压传感器布置在
具体的，根据整车辅助能耗、各时刻的轨道车辆的载荷和轮径、辅助逆变器的级位和温度、充电机的温度、环境温度，获取整车辅助能耗模型。
其中，轨道车辆的载荷和轮径、辅助逆变器的级位的获取方式与上述的获取方式相同，在此不做赘述。
环境温度、辅助逆变器的温度、充电机的温度可由温度传感器获取，其中，如图4所示，辅助逆变器中的温度传感器布置在⑻、充电机中的温度传感器布置在⑼。
其中，本实施例对S301和S302的先后顺序不做限制，二者可以同时获取。
S303，根据整车牵引能耗和整车辅助能耗，获取整车***能耗。
本实施例中，整车***能耗为整车牵引能耗和整车辅助能耗的加和。
S304，根据供电电流值、供电电压值，获取各时刻供电***能耗。
其中，变电所包括主变电所和多个分变电所，主变电所分别与多个分变电所连接，各分变电所分别与轨道车辆连接。
供电电流值包括：主变电所的输出电流值、各分变电所的输入电流值、各分变电所的输出电流值和整车的输入电流值；供电电压值包括：主变电所的输出电压值、各分变电所的输入电压值、各分变电所的输出电压值和整车的输入电压值。
本实施例中，根据主变电所的输出电流值和主变电所的输出电压值、各分变电所的输入电流值和各分变电所的输入电压值，获取第一线路能耗。
根据各分变电所的输入电流值和各分变电所的输入电压值、各分变电所的输出电流值和各分变电所的输出电压值，获取各分变电所能耗。
根据各分变电所的输出电流值和各分变电所的输出电压值、整车的输入电流值和整车的输入电压值，获取第二线路能耗。
具体的，第一线路能耗、各分变电所能耗和第二线路能耗的获取方式与上述牵引逆变器能耗的获取方式相同，在此不作赘述。供电***能耗为第一线路能耗、各分变电所能耗和第二线路能耗的加和。
如图4所示，主变电所的输出电流、电压传感器布置在①，各分变电所的输入电流、电压传感器布置在②③④，各分变电所的输出电流、电压传感器布置在⑤⑥⑦，整车的输入电流、电压传感器布置在⑧。
在获取供电***能耗模型时，需获取温度信息，该温度信息包括：各变电所温度和各变电所逆变器温度，具体的，各变电所的温度传感器布置在⑴⑶⑸，各变电所逆变器的温度传感器布置在⑵⑷⑹。
其中，本实施例对S303和S304的先后顺序不做限制，二者可以同时获取。
S305，根据各时刻的整车***能耗以及对应的供电***能耗，综合分析获取全局能耗模型。
S305可参照上述实施例中S205的相关描述，此处不再赘述。
本实施例中，通过获取主变电所、各分变电所以及线路能耗，获取供电***能耗；通过获取牵引逆变器、辅助逆变器以及充电机的能耗，获取整车***能耗；通过整车***能耗和供电***能耗获取全局能耗模型，从该全局能耗模型可以获取供电***能耗与牵引参数和辅助参数的关系，可根据牵引参数和辅助参数的变化，做出对变电所、整车的全天候的节能措施。
图5为本发明提供的基于大数据的城轨信息综合分析装置的结构示意图一，如图5所示，该基于大数据的城轨信息综合分析装置400包括：整车***能耗模型获取模块401、供电***能耗模型获取模块402和全局能耗模型获取模块403。
整车***能耗模型获取模块401，用于根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的整车电流值、整车电压值以及整车参数信息，获取整车***能耗模型，整车***能耗模型用于指示不同时刻的整车***能耗；
供电***能耗模型获取模块402，用于根据采集到的城轨信息中各时刻上处于运行线路上的各变电所的供电电流值、供电电压值以及温度信息，获取供电***能耗模型，供电***能耗模型用于指示不同时刻的供电***能耗；
全局能耗模型获取模块403，用于根据整车***能耗模型和供电***能耗模型，综合分析获取全局能耗模型，全局能耗模型为整车***能耗与供电***能耗的关系模型。
本实施例提供的基于大数据的城轨信息综合分析装置与上述基于大数据的城轨信息综合分析方法实现的原理和技术效果类似，在此不作赘述。
可选的，整车电流值包括牵引电流值和辅助电流值，整车电压值包括牵引电压值和辅助电压值，整车参数信息包括牵引参数信息和辅助参数信息。
整车***能耗模型获取模块401，还用于根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的牵引电流值、牵引电压值以及牵引参数信息，获取整车牵引能耗模型，整车牵引能耗模型用于指示不同时刻的整车牵引能耗；根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的辅助电流值、辅助电压值以及辅助参数信息，获取整车辅助能耗模型，整车辅助能耗模型用于指示不同时刻的整车辅助能耗；根据整车牵引能耗模型和整车辅助能耗模型，获取整车***能耗模型。
可选的，牵引参数信息包括：轨道车辆的载荷和轮径、牵引逆变器的级位和温度、电机的转速和温度、环境温度和轨道车辆的位置，位置为轨道车辆距起始变电所的距离。
整车***能耗模型获取模块401，还用于根据牵引电流值、牵引电压值，获取各时刻的整车牵引能耗；根据整车牵引能耗、各时刻的轨道车辆的载荷和轮径、牵引逆变器的级位和温度、电机的转速和温度、环境温度，获取整车牵引能耗模型。
可选的，辅助参数信息包括：轨道车辆的载荷和轮径、辅助逆变器的级位和温度、充电机的温度、环境温度和轨道车辆的位置。
整车***能耗模型获取模块401，还用于根据辅助电流值、辅助电压值，获取各时刻的整车辅助能耗；根据整车辅助能耗、各时刻的轨道车辆的载荷和轮径、辅助逆变器的级位和温度、充电机的温度、环境温度，获取整车辅助能耗模型。
可选的，全局能耗模型获取模块403，还用于根据整车牵引能耗和整车辅助能耗，获取整车***能耗；根据供电电流值、供电电压值，获取各时刻供电***能耗；根据各时刻的整车***能耗以及对应的供电***能耗，综合分析获取全局能耗模型。
可选的，变电所包括主变电所和多个分变电所，主变电所分别与多个分变电所连接，各分变电所分别与轨道车辆连接。
供电电流值包括：主变电所的输出电流值、各分变电所的输入电流值、各分变电所的输出电流值和整车的输入电流值。
供电电压值包括：主变电所的输出电压值、各分变电所的输入电压值、各分变电所的输出电压值和整车的输入电压值。
全局能耗模型获取模块403，还用于根据主变电所的输出电流值和主变电所的输出电压值、各分变电所的输入电流值和各分变电所的输入电压值，获取第一线路能耗；根据各分变电所的输入电流值和各分变电所的输入电压值、各分变电所的输出电流值和各分变电所的输出电压值，获取各分变电所能耗；根据各分变电所的输出电流值和各分变电所的输出电压值、整车的输入电流值和整车的输入电压值，获取第二线路能耗；根据第一线路能耗、各分变电所能耗和第二线路能耗，获取供电***能耗。
可选的，牵引电流值包括牵引逆变器的输入电流值和牵引逆变器的输出电流值；牵引电压值包括：牵引逆变器的输入电压值和牵引逆变器的输出电压值。
整车***能耗模型获取模块401，还用于根据牵引逆变器的输入电流值和牵引逆变器的输入电压值、牵引逆变器的输出电流值和牵引逆变器的输出电压值，获取各时刻的整车牵引能耗。
图6为本发明提供的基于大数据的城轨信息综合分析装置的结构示意图二，该基于大数据的城轨信息综合分析装置例如可以是终端设备，比如智能手机、平板电脑、计算机等。如图6所示，该基于大数据的城轨信息综合分析装置500包括：存储器501和至少一个处理器502。
存储器501，用于存储程序指令。
处理器502，用于在程序指令被执行时实现本实施例中的基于大数据的城轨信息综合分析方法，具体实现原理可参见上述实施例，本实施例此处不再赘述。
该基于大数据的城轨信息综合分析装置还可以包括及输入/输出接口503。
输入/输出接口503可以包括独立的输出接口和输入接口，也可以为集成输入和输出的集成接口。其中，输出接口用于输出数据，输入接口用于获取输入的数据，上述输出的数据为上述方法实施例中输出的统称，输入的数据为上述方法实施例中输入的统称。
本发明还提供一种可读存储介质，可读存储介质中存储有执行指令，当基于大数据的城轨信息综合分析装置的至少一个处理器执行该执行指令时，当计算机执行指令被处理器执行时，实现上述实施例中的基于大数据的城轨信息综合分析方法。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。基于大数据的城轨信息综合分析装置的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得基于大数据的城轨信息综合分析装置实施上述的各种实施方式提供的基于大数据的城轨信息综合分析方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在上述网络设备或者终端设备的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：ApplicationSpecific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于大数据的城轨信息综合分析方法，其特征在于，包括：
根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的整车电流值、整车电压值以及整车参数信息，获取整车***能耗模型，所述整车***能耗模型用于指示不同时刻的整车***能耗；
根据采集到的所述城轨信息中所述各时刻上处于所述运行线路上的各变电所的供电电流值、供电电压值以及温度信息，获取供电***能耗模型，所述供电***能耗模型用于指示不同时刻的供电***能耗；
根据所述整车***能耗模型和所述供电***能耗模型，综合分析获取全局能耗模型，所述全局能耗模型为所述整车***能耗与所述供电***能耗的关系模型。
2.根据权利要求1所述的综合分析方法，其特征在于，所述整车电流值包括牵引电流值和辅助电流值，所述整车电压值包括牵引电压值和辅助电压值，所述整车参数信息包括牵引参数信息和辅助参数信息；
所述根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的整车电流值、整车电压值以及整车参数信息，获取整车***能耗模型，包括：
根据采集到的所述城轨信息中各时刻上处于同一运行线路上的轨道车辆的所述牵引电流值、所述牵引电压值以及所述牵引参数信息，获取整车牵引能耗模型，所述整车牵引能耗模型用于指示不同时刻的整车牵引能耗；
根据采集到的所述城轨信息中各时刻上处于同一运行线路上的轨道车辆的所述辅助电流值、所述辅助电压值以及所述辅助参数信息，获取整车辅助能耗模型，所述整车辅助能耗模型用于指示不同时刻的整车辅助能耗；
根据所述整车牵引能耗模型和所述整车辅助能耗模型，获取所述整车***能耗模型。
3.根据权利要求2所述的综合分析方法，其特征在于，所述牵引参数信息包括：
所述轨道车辆的载荷和轮径、牵引逆变器的级位和温度、电机的转速和温度、环境温度和所述轨道车辆的位置，所述位置为所述轨道车辆距起始变电所的距离；
所述根据采集到的所述城轨信息中各时刻上处于同一运行线路上的轨道车辆的所述牵引电流值、所述牵引电压值以及所述牵引参数信息，获取整车牵引能耗模型，包括：
根据所述牵引电流值、所述牵引电压值，获取所述各时刻的整车牵引能耗；
根据所述整车牵引能耗、所述各时刻的所述轨道车辆的载荷和轮径、牵引逆变器的级位和温度、电机的转速和温度、环境温度，获取所述整车牵引能耗模型。
4.根据权利要求2所述的综合分析方法，其特征在于，所述辅助参数信息包括：
所述轨道车辆的载荷和轮径、辅助逆变器的级位和温度、充电机的温度、环境温度和所述轨道车辆的位置；
所述根据采集到的所述城轨信息中各时刻上处于同一运行线路上的轨道车辆的所述辅助电流值、所述辅助电压值以及所述辅助参数信息，获取整车辅助能耗模型，包括：
根据所述辅助电流值、所述辅助电压值，获取所述各时刻的整车辅助能耗；
根据所述整车辅助能耗、所述各时刻的所述轨道车辆的载荷和轮径、辅助逆变器的级位和温度、充电机的温度、所述环境温度，获取所述整车辅助能耗模型。
5.根据权利要求2-4任一项所述的综合分析方法，其特征在于，所述根据所述整车***能耗模型和所述供电***能耗模型，综合分析获取全局能耗模型，包括：
根据所述整车牵引能耗和所述整车辅助能耗，获取所述整车***能耗；
根据所述供电电流值、所述供电电压值，获取各时刻所述供电***能耗；
根据所述各时刻的所述整车***能耗以及对应的所述供电***能耗，综合分析获取所述全局能耗模型。
6.根据权利要求5所述的综合分析方法，其特征在于，所述变电所包括主变电所和多个分变电所，所述主变电所分别与所述多个分变电所连接，各所述分变电所分别与轨道车辆连接；
所述供电电流值包括：所述主变电所的输出电流值、各所述分变电所的输入电流值、各所述分变电所的输出电流值和整车的输入电流值；
所述供电电压值包括：所述主变电所的输出电压值、各所述分变电所的输入电压值、各所述分变电所的输出电压值和所述整车的输入电压值；
根据所述供电电流值、所述供电电压值，获取各时刻所述供电***能耗，包括：
根据所述主变电所的输出电流值和所述主变电所的输出电压值、各所述分变电所的输入电流值和各所述分变电所的输入电压值，获取第一线路能耗；
根据各所述分变电所的输入电流值和各所述分变电所的输入电压值、各所述分变电所的输出电流值和各所述分变电所的输出电压值，获取各所述分变电所能耗；
根据各所述分变电所的输出电流值和各所述分变电所的输出电压值、所述整车的输入电流值和所述整车的输入电压值，获取第二线路能耗；
根据所述第一线路能耗、各所述分变电所能耗和所述第二线路能耗，获取所述供电***能耗。
7.根据权利要求3所述的综合分析方法，其特征在于，所述牵引电流值包括所述牵引逆变器的输入电流值和所述牵引逆变器的输出电流值；牵引电压值包括：所述牵引逆变器的输入电压值和所述牵引逆变器的输出电压值；
所述根据所述牵引电流值、所述牵引电压值，获取所述各时刻的整车牵引能耗，包括：
根据所述牵引逆变器的输入电流值和所述牵引逆变器的输入电压值、所述牵引逆变器的输出电流值和所述牵引逆变器的输出电压值，获取所述各时刻的整车牵引能耗。
8.一种基于大数据的城轨信息综合分析装置，其特征在于，包括：
整车***能耗模型获取模块，用于根据采集到的城轨信息中各时刻上处于同一运行线路上的轨道车辆的整车电流值、整车电压值以及整车参数信息，获取整车***能耗模型，所述整车***能耗模型用于指示不同时刻的整车***能耗；
供电***能耗模型获取模块，用于根据采集到的所述城轨信息中所述各时刻上处于所述运行线路上的各变电所的供电电流值、供电电压值以及温度信息，获取供电***能耗模型，所述供电***能耗模型用于指示不同时刻的供电***能耗；
全局能耗模型获取模块，用于根据所述整车***能耗模型和所述供电***能耗模型，综合分析获取全局能耗模型，所述全局能耗模型为所述整车***能耗与所述供电***能耗的关系模型。
9.一种基于大数据的城轨信息综合分析装置，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述基于大数据的城轨信息综合分析装置执行权利要求1-7任一项所述的综合分析方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机执行指令，当所述计算机执行指令被处理器执行时，实现权利要求1-7任一项所述的综合分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810291574.7A CN108759904B (zh) | 2018-04-03 | 2018-04-03 | 基于大数据的城轨信息综合分析方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810291574.7A CN108759904B (zh) | 2018-04-03 | 2018-04-03 | 基于大数据的城轨信息综合分析方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108759904A CN108759904A (zh) | 2018-11-06 |
| CN108759904B true CN108759904B (zh) | 2021-02-09 |
Family
ID=63981162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810291574.7A Active CN108759904B (zh) | 2018-04-03 | 2018-04-03 | 基于大数据的城轨信息综合分析方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108759904B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103913630A (zh) * | 2014-04-18 | 2014-07-09 | 上海电科智能***股份有限公司 | 集中式轨道交通电能计量与能耗分析*** |
| CN104535833A (zh) * | 2014-11-28 | 2015-04-22 | 南车青岛四方机车车辆股份有限公司 | 一种车载电能检测方法及*** |
| CN104932487A (zh) * | 2015-06-04 | 2015-09-23 | 北京交通大学 | 一种地铁车辆远程诊断*** |
| CN105004918A (zh) * | 2015-07-15 | 2015-10-28 | 北京交通大学 | 城轨列车运行能耗数据的采集装置 |
| CN205665308U (zh) * | 2016-03-09 | 2016-10-26 | 苏州市万松电气有限公司 | 列车用电设备能耗数据采集分析*** |
| CN206074687U (zh) * | 2016-08-22 | 2017-04-05 | 南京地铁运营有限责任公司 | 基于大数据的地铁能耗数据采集分析*** |
| CN106774131A (zh) * | 2017-01-05 | 2017-05-31 | 河南机电职业学院 | 一种城市轨道交通能耗测量控制***及评价方法 |
| CN106846171A (zh) * | 2016-12-27 | 2017-06-13 | 广州耐奇电气科技有限公司 | 一种城市轨道交通交直流***电能管理*** |
-
2018
- 2018-04-03 CN CN201810291574.7A patent/CN108759904B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103913630A (zh) * | 2014-04-18 | 2014-07-09 | 上海电科智能***股份有限公司 | 集中式轨道交通电能计量与能耗分析*** |
| CN104535833A (zh) * | 2014-11-28 | 2015-04-22 | 南车青岛四方机车车辆股份有限公司 | 一种车载电能检测方法及*** |
| CN104932487A (zh) * | 2015-06-04 | 2015-09-23 | 北京交通大学 | 一种地铁车辆远程诊断*** |
| CN105004918A (zh) * | 2015-07-15 | 2015-10-28 | 北京交通大学 | 城轨列车运行能耗数据的采集装置 |
| CN205665308U (zh) * | 2016-03-09 | 2016-10-26 | 苏州市万松电气有限公司 | 列车用电设备能耗数据采集分析*** |
| CN206074687U (zh) * | 2016-08-22 | 2017-04-05 | 南京地铁运营有限责任公司 | 基于大数据的地铁能耗数据采集分析*** |
| CN106846171A (zh) * | 2016-12-27 | 2017-06-13 | 广州耐奇电气科技有限公司 | 一种城市轨道交通交直流***电能管理*** |
| CN106774131A (zh) * | 2017-01-05 | 2017-05-31 | 河南机电职业学院 | 一种城市轨道交通能耗测量控制***及评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108759904A (zh) | 2018-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101963640B (zh) | 一种直流充电桩检测***及检测方法 | |
| CN106772029A (zh) | 电动汽车电机驱动***测试平台 | |
| CN107528316B (zh) | 一种台区变压器容量受限条件下的充电桩智能配电方法 | |
| Veerendra et al. | Hybrid power management for fuel cell/supercapacitor series hybrid electric vehicle | |
| CN106156871A (zh) | 一种基于全生命周期拥有成本的电动汽车车型选择方法 | |
| Janecki et al. | Concept of smart cities and economic model of electric buses implementation | |
| CN204110303U (zh) | 一种电动自行车的速度控制装置 | |
| CN116151776B (zh) | 配电线路保供电管理方法、***及电子设备 | |
| CN103991389B (zh) | 一种燃料电池混合动力公交车能量管理方法及装置 | |
| Dong et al. | Calibration and optimization of an electric vehicle powertrain system | |
| Galaï-Dol et al. | On the use of train braking energy regarding the electrical consumption optimization in railway station | |
| CN108759904B (zh) | 基于大数据的城轨信息综合分析方法和装置 | |
| Feng | Brake energy recovery system for electric vehicle | |
| CN204573819U (zh) | 路灯 | |
| CN113085832B (zh) | 一种增程式混合动力车辆能量管理方法 | |
| Leska et al. | Comparative Calculation of the Fuel–Optimal Operating Strategy for Diesel Hybrid Railway Vehicles | |
| CN203289160U (zh) | 一种新型光伏充电站 | |
| CN108599150A (zh) | 用于大规模电动汽车接入区域的配电网投资效益分析方法 | |
| Suripto et al. | Design and Analysis of Solar-powered E-bike Charging Stations to Support the Development of Green Campus | |
| CN103325185B (zh) | 一种可调输出电压的电动车智能充电桩 | |
| Indira | Optimised business model for effective charging of batteries in electric vehicles | |
| CN203490525U (zh) | 一种嵌入式停车场区域控制器 | |
| CN115713326B (zh) | 数据驱动的供电服务渠道能效分析方法及装置 | |
| CN213007677U (zh) | 一种带无线监控终端的电动汽车充电桩 | |
| Wu | Electric Vehicle Design Based on Green Travel Mode |
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 |