CN110134708A - 电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 - Google Patents
电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110134708A CN110134708A CN201910158160.1A CN201910158160A CN110134708A CN 110134708 A CN110134708 A CN 110134708A CN 201910158160 A CN201910158160 A CN 201910158160A CN 110134708 A CN110134708 A CN 110134708A
- Authority
- CN
- China
- Prior art keywords
- line loss
- area
- per unit
- platform
- platform area
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 63
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 74
- 230000000694 effects Effects 0.000 claims abstract description 10
- 230000005611 electricity Effects 0.000 claims description 52
- 238000000034 method Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种电网台区线损异常原因诊断方法，包括：S1、获取台区与线损异常分析有关的电网数据；S2、将所述电网数据输入至一线损异常分析模型中进行查找，以查找出台区发生线损异常的原因；S3、记录所述台区发生线损异常的原因。本发明还提供一种电网台区线损异常原因诊断装置、计算机设备和存储介质。本发明通过在线损异常分析模型中分析电网数据，识别电网台区发生线损异常时的可能原因，可大幅提升台区线损异常问题的定位和处理效率。
Description
技术领域
本发明涉及线损异常分析领域，更具体地说，特别涉及一种电网台区线损异常原因诊 断方法、装置、计算机设备和存储介质。
背景技术
电力***中各种电压的变电所及输配电线路组成的整体，称为电力网，简称电网，台 区是指(一台)变压器的供电范围或区域，线损率一直作为衡量供电***的重要经济技术指 标，对电网企业的重要性不言而喻。而传统的线损异常管理，主要以人工方式分析为主， 将线损异常工单分发到计量、电费、用检等各专业口各自分析，导致线损异常分析方法落 后，线损异常处理效率极低。而在相关技术领域，大多停留于对各种线损异常的分析处理 思路，停留在定性分析方法的探讨上，缺少定量分析方法，不利于信息技术对线损异常分 析的高效支撑。
发明内容
本发明的目的在于提供一种电网台区线损异常原因诊断方法、装置、计算机设备和存 储介质，通过对台区线损及相关电网数据的定量分析，识别出台区线损异常原因，可大幅 提升台区线损异常问题的定位和处理效率。
为了达到上述目的，本发明采用的技术方案如下：
一种电网台区线损异常原因诊断方法，包括：
S1、获取台区与线损异常分析有关的电网数据；
S2、将所述电网数据输入至一线损异常分析模型中进行查找，以查找出台区发生线损 异常的原因；
S3、记录所述台区发生线损异常的原因。
进一步地，所述电网数据包括线损率数据、台区总表电流电压数据、用户用电量数据、 台区供售电量数据、线损率波动情况、用户电量波动情况和台区总表倍率；所述步骤S1的具体步骤为：
S10、计算台区日线损率；
S11、计算和准备与线损异常分析有关的电网数据；
S12、使用线损异常分析模型对每个台区进行分析；
S13、记录每个台区的线损异常分析结果。
进一步地，所述线损异常分析模型的具体形成方法为：
S20、将每个台区线损异常的原因形成一第一数据段；
S21、对每一台区线损异常的原因制定判断规则，将判断规则形成第二数据段；
S22、将第一数据段和第二数据段一一对应并保存在线损异常分析模型的数据库中， 以形成线损异常分析模型。
进一步地，所述步骤S21还包括：对第二数据段中的每个判断规则制定标签，该标签 中存储有该判断规则的查找频率，在线损异常分析模型中按照查找频率进行先后查找。
进一步地，所述每一台区发生线损异常的原因的判断规则为：
倍率异常的判断规则：线损率异常，且存在一个倍率值使台区线损率进入第一设定范 围，所述线损率异常包括：线损率＜0或线损率＞考核指标；
户变关系线损异常判断规则：台区线损率波动值超过第二设定范围，且存在一个用户 用电量与台区线损率相关性超出第三设定范围；
用户窃电判断规则：台区用户用电量波动率超出第四设定范围，台区线损率波动值超 第五设定范围，用户线损率波动值超第六设定范围，用户用电量波动与线损率波动方向相 反；
台区总表接线错误判断规则：有一相电压或者电流小于0；
台区总表接线松动判断规则：有一相电压和电流均等于0；
台区总表欠压过压线损异常判断规则：有一相电压超设定电压范围，所述正常电压范 围为220V±22V；
台区总表失流线损异常判断规则：有一相电流小于设定电流值，所述正常电流值为 0.01A；
三相不平衡线损异常判断规则：台区三相不平衡率大于30％；
功率因素线损异常判断规则：台区功率因素小于0.8；
负载率线损异常判断规则：变压器负载率大于90％或小于10％。
进一步地，还包括步骤S4：根据所述识别的原因进行提示。
为了解决上述技术问题，本申请实施例还提供一种电网台区线损异常原因诊断装置， 采用了如下所述的技术方案：
一种电网台区线损异常原因诊断装置，包括：
获取单元，用于获取台区与线损异常分析有关的电网数据；
查找单元，用于将所述台区与线损异常分析有关的电网数据输入至一线损异常分析模 型的模型库中进行比对，以查找出台区发生线损异常的原因；
记录单元，用于记录所述台区发生线损异常的原因；
提示单元，用于根据所述识别的原因进行提示。
进一步地，所述的判断规则模型库包括数据库，所述数据库包括：
第一数据单元，用于存储每个台区发生线损异常的原因；
第二数据单元，用于存储每一台区发生线损异常的原因的判断规则；所述数据库用于 按照表格形式存储所述第一数据单元和第二数据单元内的数据。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技 术方案：
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述 计算机可读指令被所述处理器执行时，使得所述处理器执行如上述电网台区线损异常原因 诊断方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种存储有计算机可读指令的存储介 质，采用了如下所述的技术方案：
一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执 行时，使得一个或多个处理器执行如上述电网台区线损异常原因诊断方法的步骤。
与现有技术相比，本发明的优点在于：本发明提供的电网台区线损异常原因诊断方法， 通过在线损异常分析模型中分析电网数据，识别电网台区发生线损异常时的可能原因，可 大幅提升台区线损异常问题的定位和处理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技 术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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。
图1是本发明一个实施例中提供的电网台区线损异常原因诊断方法的实施环境图；
图2是本发明一个具体实施方式中台区线损异常分析方法的流程图；
图3是本发明一个具体实施方式中获取台区与线损异常分析有关的电网数据的流程 图；
图4是本发明一个具体实施方式中线损异常分析模型的具体形成方法的流程图；
图5是本发明一个具体实施方式中电网台区线损异常原因诊断装置的框架图。
图6是本发明一个具体实施方式中获取单元的框架图。
图7是本发明一个具体实施方式中判断规则模型库的框架图。
图8是本发明中单台变压器台区结构。
图9是本发明中低压环网台区结构。
图10是本发明中识别用户窃电的示意图。
图11是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本 发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一数据段称为第二数据段，且类似地，可 将第二数据段称为第一数据段。
如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104 可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器 应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括 但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式 计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的电网台区线损异常原因诊断方法一般由服务器 105执行，相应地，电网台区线损异常原因诊断装置一般设置于终端设备101、102、103中。
请参阅图2所示，本实施例提供一种电网台区线损异常原因诊断方法，包括以下步骤：
步骤S1：获取台区与线损异常分析有关的电网数据，所述电网数据包括线损率数据、 台区总表电流电压数据、用户用电量数据、台区供售电量数据、线损率波动情况、用户电 量波动情况和台区总表倍率。
请参阅图3-4所示，获取台区与线损异常分析有关的电网数据的具体方法如下：
步骤S10：计算台区日线损率，计算方法如下：基于云南电网云电智云平台(例如：电网的专有平台，用于抽取各类专业***的数据，进行数据分析的平台)从南方电网CSGII营销管理信息***(例如：电网企业的专业***)收集台区日线损计算所需的台区档案信息、计量点档案信息，从计量自动化***收集日冻结表底信息，通过配置分布式计算引擎，根据台区总表、用户电能表每天的采集电量数据，遵照电网用户的电量计算规则，实现按天的用户侧电量计算和台区线损计算。单台变压器(请参阅图8所示)计算公式：低压台 区线日损率＝(A正向－∑用户侧电量)/A正向×100％；两台变压器(请参阅图9所示) 低压侧环网计算公式：A1台区和A2台区的总日线损率＝(A1正向+A2正向－∑A1用户 侧电量－∑A2用户侧电量)/(A1正向+A2正向)×100％。
步骤S11：计算和准备与线损异常分析有关的电网数据，具体为：基于云平台，从营销管理***和计量自动化***收集线损异常分析所需的基础数据。计算和准备的数据有两个维度，一是按台区进行计算，二是按用户进行计算；按台区计算的主要数据项包括：台 区线损率、台区供电量、台区售电量、台区总表倍率、台区线损率波动值、台区三相不平 衡率、台区功率因素、台区负载率、A相电压、B相电压、C相电压、A相电流、B相电压、 C相电压；按用户计算的主要数据项包括：用户电量、用户电量波动率、用户电量与台区 线损率的相关系数。
电网数据来源：营销管理信息***和计量自动化***(都是电网企业的专业***)； 通过ETL数据库同步工具，进行数据同步；同步的数据如下表：
步骤S12：使用线损异常分析模型对每个台区进行分析，即利用线损异常分析模型， 对每个台区的近期线损曲线数据、电流电压、负载率、计量点档案等综合分析和识别，得 出台区线损的是否异常，以及异常原因。具体为：设计一个线损异常分析模型的接口类，固定线损异常分析模型的输入输出参数，当需要新增一个新的分析模型时，只需要实现这个接口，并在加载时，加入线损异常分析模型组中，就可以实现线损异常分析模型的动态扩展。
步骤S13：记录每个台区的线损异常分析结果，具体为：设计一张统一的台区线损异 常分析结果数据表，将线损异常分析结果记录在这种数据表中，并预留核实结果数据项， 当线损管理员核实完台区线损异常结果后，记录该线损异常分析结果是否准确，以用于台 区线损异常分析模型的持续改进。
步骤S2、将所述台区与线损异常分析有关的电网数据输入至一线损异常分析模型中进 行查找，以查找出台区发生线损异常的原因，原因至少包括：户变关系线损异常、倍率异 常、用户窃电、台区总表接线错误、台区总表接线松动、欠压超压线损异常、失流线损异常、三相不平衡线损异常、功率因素线损异常、负载率线损异常等，覆盖了大部分台区线 损异常的原因。
所述线损异常分析模型的具体形成方法为：
步骤S20、将每个台区线损异常的原因形成一第一数据段。
步骤S21、对每一台区线损异常的原因制定判断规则，将判断规则形成第二数据段。
步骤S22、将第一数据段和第二数据段一一对应并保存在线损异常分析模型的数据库 中，以形成线损异常分析模型。
线损异常分析模型可以采用如下表格1进行表示：(在没有进行全面分析之前，是无 法知道哪个区域存在什么异常的，所以这些规则是无差别的，全覆盖分析查找的规则，而 在)
表1
下面对每个判断规则和原因作详细说明：
倍率异常的判断规则：线损率异常且存在一个倍率值使台区线损率进入正常范围，识 别台区是否存在倍率异常，假设一个台区的只有倍率异常这一种线损异常，是因为这个台 区的倍率错误导致线损率出现线损异常而没有在线损率正常范围(如：线损率在0-11％之 间为正常范围)，那么就会存在一个正确的倍率使这个台区的线损率落在正常范围。倍率 异常识别模型会带入可能的倍率值，计算出能让台区线损率正常的倍率值。当发现存在这 样的一个倍率值，则形成一条倍率异常数据；其中，可能的倍率值包括：6，8，10，15， 20，30，40，50，60，80，100，120，160，200，240，300；基于规则的识别方法：台区 线损率小于0或线损率大于线损考核指标(农村11％，其他8％)，且存在一个倍率值(6， 8，10，15，20，30，40，50，60，80，100，120，160，200，240，300中的一个倍率值) 可以使台区线损率大于0且线损率小于线损考核指标(农村11％，其他8％)。
户变关系线损异常判断规则：台区线损率波动值超正常范围，且某用户用电量与台区 线损率相关性超出正常范围，识别台区是否存在户变关系线损异常；首先，一个台区在正 常情况下(只讨论抄表率为100％的台区)，它的线损率[台区线损率＝(台区总表电量-台区 用户售电量总和)/台区总表电量]在短期内是恒定的，只会因计量误差出现非常小的波动。 但是实际中存在有一些台区的线损率在一周内波动都特别大，经过分析，可以发现是因为 这个台区的总表少计入了的串台区用户售电量(本台区用户串到其他台区的情况)，或者 因为台区用户售电量总和中多计入了串台区用户售电量(其他台区用户串到本台区)，才 使这个台区的线损率出现较大的波动。因此可以通过台区线损率波动情况来作为判断该台 区是否存在户变关系线损异常的依据；第二个问题是，如何识别出台区中具体是哪个用户 出现串台区的问题，按照上述原理，可以得出台区线损率波动与串台区用户的电量存在较 大相关性的结论，所以可以通过计算台区线损率与每个用户的售电量的相关性，相关性较 大的用户则可能是串台区的用户；基于规则的识别方法：台区线损率波动值(方差)超正 常范围(<0.01)，某用户用电量与台区线损率相关性(皮尔逊相关系数)超出正常范围 (<0.8)。
用户窃电判断规则：台区用户用电量波动率超出正常范围，台区线损率波动值超正常 范围，用户用电量波动与线损率波动方向相反，识别台区是否存在用户窃电线损异常；窃 电识别的原理是，当用电客户从正常用电切换到窃电，或由窃电切换到正常用电模式时， 线损率发生了较大波动，窃电用户的用电量表征出来的情况也是出现用电量波动，因为窃 电部分的电量不会在用户电能表中表征出来，但是会在台区总表中表征出来，所以，当在 用户电量出现波动时，台区线损率会呈现出相反的波动趋势(请参阅图5所示)；基于规 则的识别方法：台区用户用电量波动率(用电量波动率＝(当前日用户用电量-上一日用户 用电量)/台区售电量)超出正常范围(-5-5％)，台区线损率波动值(台区线损率波动值＝ 当前日线损率-上一日线损率)超正常范围(-2-2％)，用户用电量波动与线损率波动方向 相反，如图10所示为识别用户窃电的示意图。
用户电量波动值和台区线损率波动值，通过计算14天的方差(当前天往前推14天)， 来量化其波动，如下公式，计算电量波动值时，X为用户14天的电量值，u是用户这14天内的电量平均值,N是14；计算台区线损率波动值时，X为台区14天的线损率，u是台 区在这14天内的线损平均值，N是14。
用户电量波动与台区线损率波动的相关性，是通过计算器这两组数据(14天)皮尔逊相关系数来量化的，如下公式所示：X为用户电量波动值(持续14天的波动值)，Y 为台区线损率波动值，N为14。
台区总表接线错误判断规则：有一相电压或电流小于0，识别台区是否存在台区总表 接线错误线损异常；正常情况下，台区考核表的电压电流值是不可能为负数的，如果是负 数的话可以判断为接线错误线损异常；当接线出现错误时，台区考核表计量会出现较大偏 差，影响台区线损率的准确性；基于规则的识别方法：一天内，有一相电压或电流小于0出现10次以上。
台区总表接线松动判断规则：有一相电压和电流等于0，识别台区是否存在台区总表 接线松动线损异常，正常情况下，考核表的电压电流值是不会为0的，如果是为0的话可以判断为接线松动线损异常。当接线出现松动时，考核表计量会出现较大偏差，影响台区线损率的准确性；基于规则的识别方法：一天内，有一相电压和电流等于0出现10次以 上。
台区总表欠压过压线损异常判断规则：有一相电压超电压正常范围，所述电压正常范 围为220V±22V，识别台区是否存在台区总表欠压过压线损异常；正常情况下，台区供电 电压范围值为：220V±22V，当电压超出该范围时，可能代表台区线路损耗较大；基于规则的识别方法：一天内，有一相电压超正常范围(220V±22V)出现10次以上。
台区总表失流线损异常判断规则：判断规则为有一相电流小于0.01A，识别台区是否 存在台区总表失流线损异常；当考核表计量出现失流现象时，可能代表考核表计量存在误 差，所以需要对考核表计量失流现象进行识别，基于规则的识别方法：一天内，有一相电流小于0.01A出现10次以上。
三相不平衡线损异常判断规则：台区三相不平衡率超出正常值，识别台区是否存在台 区三相不平衡线损异常；当台区出现三相不平衡时，会对变压器产生影响，缩短变压器寿 命，同时也意味着该台区的损耗将增大，不利于台区经济运行；基于规则的识别方法：考 核表三相不平衡率大于30％。
功率因素线损异常判断规则：台区功率因素超出正常值，识别台区是否存在台区功率 因素线损异常，当台区功率因素低于标准值时，会对变压器产生影响，缩短变压器寿命， 同时也意味着该台区的损耗将增大，不利于台区经济运行；基于规则的识别方法：考核表 功率因素小于0.8。
负载率线损异常判断规则：变压器负载率超出正常值，识别台区是否存在台区负载率 线损异常；当台区出现变压器过载或空载时，会对变压器产生影响，缩短变压器寿命，同 时也意味着该台区的损耗将增大，不利于台区经济运行；基于规则的识别方法：考核表负 载率大于90％，或小于10％。
上述线损异常分析模型给出了相应的一组基于规则的识别方法，这些方法可以在模型 构建的第一阶段使用，基于这些模型生成的诊断结果数据，经过一段时间的核实，并记录 核实结果后，形成台区线损异常诊断的样本库。当收集足够的样本数据后，可以引入机器 学习算法，判断规则中的数据项可作为机器学习模型训练的特征集，核实结果作为标记结 果集，构建基于机器学习的线损异常分析模型，不断完善更新线损异常分析模型，使台区 线损异常分析得到持续的改进和优化，不断提升模型的识别准确率。
作为本发明的一优选实施例，本实施例为了提高查找效率，对第二数据段中的每个判 断规则制定标签，该标签中存储有该判断规则的查找频率(如上表1所示)，在线损异常 分析模型中按照查找频率进行先后查找。
步骤S3：记录所述台区发生线损异常的原因。
记录的方式包括：将线损异常的原因类型，导致原因的概要描述，以及对应的台区信 息、分析日期等数据记录在数据库中，以备查询分析使用。
步骤S4：根据所述识别的原因进行提示。
提示的方式包括：提示的方式为根据台区的负责人，在该台区的负责人登录***时， ***显示出该台区负责人所负责台区的异常情况和异常原因。
请参阅图5所示，本申请还提供一种电网台区线损异常原因诊断装置，包括：获取单 元501，用于获取台区与线损异常分析有关的电网数据；查找单元502，用于将所述台区与线损异常分析有关的电网数据输入至一线损异常分析模型中进行查找，以查找出台区发生线损异常的原因；记录单元503，用于记录所述台区发生线损异常的原因；提示单元504，用于根据所述识别的原因进行提示。
参阅图6所示，所述的获取单元501包括第一计算模块5011，用于计算台区日线损率； 第二计算模块5012，用于计算和准备与线损异常分析有关的电网数据；扫描模块5013，用于使用线损异常分析模型对每个台区进行扫描；结果记录模块5014，记录每个台区的线损异常分析结果。
参阅图7所示，所述的判断规则模型库包括数据库701，所述数据库701包括：第一数据单元7011，用于存储每个台区发生线损异常的原因；第二数据单元7012，用于存储 每一台区发生线损异常的原因的判断规则；所述数据库701用于按照表格形式存储所述第 一数据单元7011和第二数据单元7012内的数据。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图11，图11为本实施例计算机设备基本结构框图。
所述计算机设备11包括通过***总线相互通信连接存储器111、处理器112、网络接 口113。需要指出的是，图中仅示出了具有组件111-113的计算机设备11，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术 领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动 进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。 所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机 交互。
所述存储器111至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬 盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随 机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编 程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器111 可以是所述计算机设备11的内部存储单元，例如该计算机设备11的硬盘或内存。在另一 些实施例中，所述存储器111也可以是所述计算机设备11的外部存储设备，例如该计算 机设备11上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器111还可以既包括所述 计算机设备11的内部存储单元也包括其外部存储设备。本实施例中，所述存储器111通 常用于存储安装于所述计算机设备11的操作***和各类应用软件，例如电网台区线损异 常原因诊断方法的程序代码等。此外，所述存储器111还可以用于暂时地存储已经输出或 者将要输出的各类数据。
所述处理器112在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、 控制器、微控制器、微处理器、或其他数据处理芯片。该处理器112通常用于控制所述计 算机设备11的总体操作。本实施例中，所述处理器112用于运行所述存储器111中存储的程序代码或者处理数据，例如运行所述电网台区线损异常原因诊断方法的程序代码。
所述网络接口113可包括无线网络接口或有线网络接口，该网络接口113通常用于在 所述计算机设备11与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读 存储介质存储有电网台区线损异常原因诊断程序，所述电网台区线损异常原因诊断程序可 被至少一个处理器执行，以使所述至少一个处理器执行如上述的电网台区线损异常原因诊 断方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可 借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者 是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡 献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如 ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算 机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
虽然结合附图描述了本发明的实施方式，但是专利所有者可以在所附权利要求的范围 之内做出各种变形或修改，只要不超过本发明的权利要求所描述的保护范围，都应当在本 发明的保护范围之内。
Claims (10)
1.一种电网台区线损异常原因诊断方法，其特征在于，包括：
S1、获取台区与线损异常分析有关的电网数据；
S2、将所述电网数据输入至一线损异常分析模型中进行查找，以查找出台区发生线损异常的原因；
S3、记录所述台区发生线损异常的原因。
2.根据权利要求1所述的电网台区线损异常原因诊断方法，其特征在于：所述电网数据包括线损率数据、台区总表电流电压数据、用户用电量数据、台区供售电量数据、线损率波动情况、用户电量波动情况和台区总表倍率；所述步骤S1的具体步骤为：
S10、计算台区日线损率；
S11、计算和准备与线损异常分析有关的电网数据；
S12、使用线损异常分析模型对每个台区进行分析；
S13、记录每个台区的线损异常分析结果。
3.根据权利要求1所述的电网台区线损异常原因诊断方法，其特征在于：所述线损异常分析模型的具体形成方法为：
S20、将每个台区线损异常的原因形成一第一数据段；
S21、对每一台区线损异常的原因制定判断规则，将判断规则形成第二数据段；
S22、将第一数据段和第二数据段一一对应并保存在线损异常分析模型的数据库中，以形成线损异常分析模型。
4.根据权利要求3所述的电网台区线损异常原因诊断方法，其特征在于：所述步骤S21还包括：
对第二数据段中的每个判断规则制定标签，该标签中存储有该判断规则的查找频率，在线损异常分析模型中按照查找频率进行先后查找。
5.根据权利要求3所述的电网台区线损异常原因诊断方法，其特征在于：
所述每一台区发生线损异常的原因的判断规则为：
倍率异常的判断规则：线损率异常，且存在一个倍率值使台区线损率进入第一设定范围，所述线损率异常包括：线损率＜0或线损率＞考核指标；
倍率异常的判断规则：线损率异常，且存在一个倍率值使台区线损率进入第一设定范围，所述线损率异常包括：线损率＜0或线损率＞考核指标；
户变关系线损异常判断规则：台区线损率波动值超过第二设定范围，且存在一个用户用电量与台区线损率相关性超出第三设定范围；
用户窃电判断规则：台区用户用电量波动率超出第四设定范围，台区线损率波动值超第五设定范围，用户线损率波动值超第六设定范围，用户用电量波动与线损率波动方向相反；
台区总表接线错误判断规则：有一相电压或者电流小于0；
台区总表接线松动判断规则：有一相电压和电流均等于0；
台区总表欠压过压线损异常判断规则：有一相电压超设定电压范围，所述正常电压范围为220V±22V；
台区总表失流线损异常判断规则：有一相电流小于设定电流值，所述正常电流值为0.01A；
三相不平衡线损异常判断规则：台区三相不平衡率大于30％；
功率因素线损异常判断规则：台区功率因素小于0.8；
负载率线损异常判断规则：变压器负载率大于90％或小于10％。
6.根据权利要求1所述的电网台区线损异常原因诊断方法，其特征在于：还包括步骤S4：根据所述识别的原因进行提示。
7.一种电网台区线损异常原因诊断装置，其特征在于，包括：
获取单元，用于获取台区与线损异常分析有关的电网数据；
查找单元，用于将所述台区与线损异常分析有关的电网数据输入至一线损异常分析模型中进行查找，以查找出台区发生线损异常的原因；
记录单元，用于记录所述台区发生线损异常的原因；
提示单元，用于根据所述识别的原因进行提示。
8.根据权利要求7所述的电网台区线损异常原因诊断装置，其特征在于，所述的判断规则模型库包括数据库，所述数据库包括：
第一数据单元，用于存储每个台区发生线损异常的原因；
第二数据单元，用于存储每一台区发生线损异常的原因的判断规则；
所述数据库用于按照表格形式存储所述第一数据单元和第二数据单元内的数据。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项权利要求所述电网台区线损异常原因诊断方法的步骤。
10.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至6中任一项权利要求所述电网台区线损异常原因诊断方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910158160.1A CN110134708A (zh) | 2019-03-03 | 2019-03-03 | 电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910158160.1A CN110134708A (zh) | 2019-03-03 | 2019-03-03 | 电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110134708A true CN110134708A (zh) | 2019-08-16 |
Family
ID=67568473
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910158160.1A Pending CN110134708A (zh) | 2019-03-03 | 2019-03-03 | 电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110134708A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110472894A (zh) * | 2019-09-07 | 2019-11-19 | 陈赞 | 一种基于智能配电网的电力用户用电评价方法 |
| CN110703009A (zh) * | 2019-09-23 | 2020-01-17 | 国网辽宁省电力有限公司丹东供电公司 | 台区线损率异常分析及处理方法 |
| CN110713560A (zh) * | 2019-10-12 | 2020-01-21 | 国网北京市电力公司 | 基于电能表低压电力线宽带载波通信的台区管理监控方法 |
| CN111047189A (zh) * | 2019-12-12 | 2020-04-21 | 云南电网有限责任公司丽江供电局 | 基于云电智云平台的降损综合应用***及分析方法 |
| CN111817299A (zh) * | 2020-07-21 | 2020-10-23 | 南京工程学院 | 基于模糊推理的配电台区线损率异常成因智能辨识方法 |
| CN112686494A (zh) * | 2020-11-25 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 基于线损异常台区的数据拟合方法、装置及智能设备 |
| CN113077359A (zh) * | 2021-04-29 | 2021-07-06 | 广东电网有限责任公司梅州供电局 | 一种线损异常排查方法、装置、设备及存储介质 |
| CN113159339A (zh) * | 2021-04-20 | 2021-07-23 | 国网江西省电力有限公司信息通信分公司 | 一种基于大数据的一台区一指标线损管理方法及*** |
| CN113267692A (zh) * | 2021-05-17 | 2021-08-17 | 国网吉林省电力有限公司营销服务中心 | 一种低压台区线损智能诊断分析方法和*** |
| CN113361983A (zh) * | 2021-08-11 | 2021-09-07 | 国网江西省电力有限公司电力科学研究院 | 一种高损台区技术成因诊断方法及*** |
| CN113381408A (zh) * | 2021-08-12 | 2021-09-10 | 国网江西省电力有限公司电力科学研究院 | 一种基于配电自动化数据的用电异常配变定位方法及装置 |
| CN114236283A (zh) * | 2021-12-15 | 2022-03-25 | 广东电网有限责任公司 | 一种供电网络线损原因确定方法及装置 |
| CN114254854A (zh) * | 2021-10-28 | 2022-03-29 | 国网山东省电力公司安丘市供电公司 | 一种基于离群值监测的配网线损异常判断方法及*** |
| CN114862139A (zh) * | 2022-04-19 | 2022-08-05 | 国网江苏省电力有限公司南通供电分公司 | 一种基于数据驱动的台区线损率异常诊断方法 |
| CN115395513A (zh) * | 2022-08-31 | 2022-11-25 | 海南电网有限责任公司 | 电网不平衡、无功和欠压累计损失的电能质量评估*** |
| CN116109015A (zh) * | 2023-04-11 | 2023-05-12 | 江苏通球建筑科技有限公司 | 一种电力***节能综合优化*** |
| CN117874459A (zh) * | 2023-12-28 | 2024-04-12 | 西安中创新能网络科技有限责任公司 | 一种基于拓扑结构的用电异常监测***及方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102891911A (zh) * | 2012-09-17 | 2013-01-23 | 百度在线网络技术（北京）有限公司 | 用于终端的联系人排序方法及装置 |
| CN104391201A (zh) * | 2014-11-27 | 2015-03-04 | 国家电网公司 | 基于电压异常分析的异常用电判断方法 |
| CN105468820A (zh) * | 2015-11-13 | 2016-04-06 | 国家电网公司 | 配电网线损异动实时识别方法 |
| US20160253768A1 (en) * | 2013-12-18 | 2016-09-01 | State Grid Corporation Of China | Method for determining integrated network loss rate in uhv ac cross-regional electricity trading |
| US20170070793A1 (en) * | 2014-01-28 | 2017-03-09 | Bing Liu | Apparatus and method for obtaining power usage information |
| CN107085762A (zh) * | 2017-03-29 | 2017-08-22 | 国网上海市电力公司 | 一种台区线损监测和异常消缺管理*** |
| CN107527114A (zh) * | 2017-08-09 | 2017-12-29 | 国网信通亿力科技有限责任公司 | 一种基于大数据的线路台区异常分析方法 |
| CN107807344A (zh) * | 2017-09-14 | 2018-03-16 | 国家电网公司 | 基于电能表异常电流判断线损异常的方法 |
| CN107908724A (zh) * | 2017-11-14 | 2018-04-13 | 北京锐安科技有限公司 | 一种数据模型匹配方法、装置、设备及存储介质 |
| CN108345981A (zh) * | 2017-12-28 | 2018-07-31 | 国网上海市电力公司 | 一种基于负荷分类的典型台区线损率标杆值计算方法及其应用 |
| CN108520357A (zh) * | 2018-04-10 | 2018-09-11 | 北京中电普华信息技术有限公司 | 一种线损异常原因的判别方法、装置及服务器 |
| TWI642024B (zh) * | 2017-06-20 | 2018-11-21 | 宏碁股份有限公司 | 推薦服務的方法及相關資料處理系統 |
-
2019
- 2019-03-03 CN CN201910158160.1A patent/CN110134708A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102891911A (zh) * | 2012-09-17 | 2013-01-23 | 百度在线网络技术（北京）有限公司 | 用于终端的联系人排序方法及装置 |
| US20160253768A1 (en) * | 2013-12-18 | 2016-09-01 | State Grid Corporation Of China | Method for determining integrated network loss rate in uhv ac cross-regional electricity trading |
| US20170070793A1 (en) * | 2014-01-28 | 2017-03-09 | Bing Liu | Apparatus and method for obtaining power usage information |
| CN104391201A (zh) * | 2014-11-27 | 2015-03-04 | 国家电网公司 | 基于电压异常分析的异常用电判断方法 |
| CN105468820A (zh) * | 2015-11-13 | 2016-04-06 | 国家电网公司 | 配电网线损异动实时识别方法 |
| CN107085762A (zh) * | 2017-03-29 | 2017-08-22 | 国网上海市电力公司 | 一种台区线损监测和异常消缺管理*** |
| TWI642024B (zh) * | 2017-06-20 | 2018-11-21 | 宏碁股份有限公司 | 推薦服務的方法及相關資料處理系統 |
| CN107527114A (zh) * | 2017-08-09 | 2017-12-29 | 国网信通亿力科技有限责任公司 | 一种基于大数据的线路台区异常分析方法 |
| CN107807344A (zh) * | 2017-09-14 | 2018-03-16 | 国家电网公司 | 基于电能表异常电流判断线损异常的方法 |
| CN107908724A (zh) * | 2017-11-14 | 2018-04-13 | 北京锐安科技有限公司 | 一种数据模型匹配方法、装置、设备及存储介质 |
| CN108345981A (zh) * | 2017-12-28 | 2018-07-31 | 国网上海市电力公司 | 一种基于负荷分类的典型台区线损率标杆值计算方法及其应用 |
| CN108520357A (zh) * | 2018-04-10 | 2018-09-11 | 北京中电普华信息技术有限公司 | 一种线损异常原因的判别方法、装置及服务器 |
Non-Patent Citations (1)
| Title |
|---|
| 施文 等: "台区线损异常原因分析及解决方法", 《农村电气化》 * |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110472894A (zh) * | 2019-09-07 | 2019-11-19 | 陈赞 | 一种基于智能配电网的电力用户用电评价方法 |
| CN110703009B (zh) * | 2019-09-23 | 2022-03-18 | 国网辽宁省电力有限公司丹东供电公司 | 台区线损率异常分析及处理方法 |
| CN110703009A (zh) * | 2019-09-23 | 2020-01-17 | 国网辽宁省电力有限公司丹东供电公司 | 台区线损率异常分析及处理方法 |
| CN110713560A (zh) * | 2019-10-12 | 2020-01-21 | 国网北京市电力公司 | 基于电能表低压电力线宽带载波通信的台区管理监控方法 |
| CN111047189B (zh) * | 2019-12-12 | 2023-08-01 | 云南电网有限责任公司丽江供电局 | 基于云电智云平台的降损综合应用***及分析方法 |
| CN111047189A (zh) * | 2019-12-12 | 2020-04-21 | 云南电网有限责任公司丽江供电局 | 基于云电智云平台的降损综合应用***及分析方法 |
| CN111817299B (zh) * | 2020-07-21 | 2021-02-19 | 南京工程学院 | 基于模糊推理的配电台区线损率异常成因智能辨识方法 |
| CN111817299A (zh) * | 2020-07-21 | 2020-10-23 | 南京工程学院 | 基于模糊推理的配电台区线损率异常成因智能辨识方法 |
| CN112686494A (zh) * | 2020-11-25 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 基于线损异常台区的数据拟合方法、装置及智能设备 |
| CN112686494B (zh) * | 2020-11-25 | 2024-03-22 | 国网江苏省电力有限公司营销服务中心 | 基于线损异常台区的数据拟合方法、装置及智能设备 |
| CN113159339A (zh) * | 2021-04-20 | 2021-07-23 | 国网江西省电力有限公司信息通信分公司 | 一种基于大数据的一台区一指标线损管理方法及*** |
| CN113159339B (zh) * | 2021-04-20 | 2023-08-04 | 国网江西省电力有限公司信息通信分公司 | 一种基于大数据的一台区一指标线损管理方法及*** |
| CN113077359A (zh) * | 2021-04-29 | 2021-07-06 | 广东电网有限责任公司梅州供电局 | 一种线损异常排查方法、装置、设备及存储介质 |
| CN113077359B (zh) * | 2021-04-29 | 2023-10-24 | 广东电网有限责任公司梅州供电局 | 一种线损异常排查方法、装置、设备及存储介质 |
| CN113267692A (zh) * | 2021-05-17 | 2021-08-17 | 国网吉林省电力有限公司营销服务中心 | 一种低压台区线损智能诊断分析方法和*** |
| CN113361983A (zh) * | 2021-08-11 | 2021-09-07 | 国网江西省电力有限公司电力科学研究院 | 一种高损台区技术成因诊断方法及*** |
| CN113381408A (zh) * | 2021-08-12 | 2021-09-10 | 国网江西省电力有限公司电力科学研究院 | 一种基于配电自动化数据的用电异常配变定位方法及装置 |
| CN114254854A (zh) * | 2021-10-28 | 2022-03-29 | 国网山东省电力公司安丘市供电公司 | 一种基于离群值监测的配网线损异常判断方法及*** |
| CN114236283A (zh) * | 2021-12-15 | 2022-03-25 | 广东电网有限责任公司 | 一种供电网络线损原因确定方法及装置 |
| CN114236283B (zh) * | 2021-12-15 | 2024-02-13 | 广东电网有限责任公司 | 一种供电网络线损原因确定方法及装置 |
| CN114862139A (zh) * | 2022-04-19 | 2022-08-05 | 国网江苏省电力有限公司南通供电分公司 | 一种基于数据驱动的台区线损率异常诊断方法 |
| CN114862139B (zh) * | 2022-04-19 | 2023-12-22 | 国网江苏省电力有限公司南通供电分公司 | 一种基于数据驱动的台区线损率异常诊断方法 |
| CN115395513A (zh) * | 2022-08-31 | 2022-11-25 | 海南电网有限责任公司 | 电网不平衡、无功和欠压累计损失的电能质量评估*** |
| CN116109015A (zh) * | 2023-04-11 | 2023-05-12 | 江苏通球建筑科技有限公司 | 一种电力***节能综合优化*** |
| CN117874459A (zh) * | 2023-12-28 | 2024-04-12 | 西安中创新能网络科技有限责任公司 | 一种基于拓扑结构的用电异常监测***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110134708A (zh) | 电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 | |
| CN110231528B (zh) | 基于负荷特征模型库的变压器户变异常识别方法及装置 | |
| US11824360B2 (en) | Apparatus and method for optimizing carbon emissions in a power grid | |
| CN113836131B (zh) | 一种大数据清洗方法、装置、计算机设备及存储介质 | |
| CN110503136A (zh) | 台区线损异常分析方法、计算机可读存储介质及终端设备 | |
| CN103853131B (zh) | 电力监控装置及其电力分析方法 | |
| CN103020459A (zh) | 一种多维度用电行为的感知方法及*** | |
| CN103018611B (zh) | 一种基于电流分解的非侵入式负载监测方法及*** | |
| CN108876154A (zh) | 一种电网规划大数据分析*** | |
| CN111415107A (zh) | 配电网台区画像生成方法、装置、计算机设备和存储介质 | |
| CN115758188A (zh) | 一种非侵入式的负荷识别方法、装置、设备和介质 | |
| CN110162448A (zh) | 日志采集的方法和装置 | |
| Liu et al. | Power data mining in smart grid environment | |
| CN113642933A (zh) | 一种配电台区低电压诊断方法及装置 | |
| CN111784042B (zh) | 一种用电节点安全风险预测方法、装置及存储介质 | |
| CN114064925A (zh) | 知识图谱的构建方法、数据查询方法、装置、设备和介质 | |
| CN103246814A (zh) | 一种基于K-means建模的个人用电设备状态识别方法 | |
| CN112308437A (zh) | 基于大数据分析的线损治理方法、***、装置和存储介质 | |
| CN110443441A (zh) | 规则效能监测方法、装置、计算机设备及存储介质 | |
| CN105160473A (zh) | 一种低压用户线损分析方法 | |
| CN112611997B (zh) | 一种台区关口表挂接关系在线校验方法和*** | |
| Wang et al. | Application and Analysis of Big Data Technology in Smart Grid | |
| CN112614005A (zh) | 企业复工状态的处理方法和装置 | |
| Chang et al. | Research of power consumers behavior using fuzzy c-means algorithm | |
| CN110866173B (zh) | 一种基于深度学习的遥信梳理方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190816 |