CN110792928A - 一种基于大数据的管道泄漏诊断组合算法 - Google Patents

一种基于大数据的管道泄漏诊断组合算法 Download PDF

Info

Publication number
CN110792928A
CN110792928A CN201910905703.1A CN201910905703A CN110792928A CN 110792928 A CN110792928 A CN 110792928A CN 201910905703 A CN201910905703 A CN 201910905703A CN 110792928 A CN110792928 A CN 110792928A
Authority
CN
China
Prior art keywords
data
sound wave
diagnosis
algorithm
pipeline
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
CN201910905703.1A
Other languages
English (en)
Other versions
CN110792928B (zh
Inventor
张惠民
李亚平
彭云超
曹旦夫
舒莉莉
陈鹏
汤养浩
刘亭
孟繁兴
张瑜
孙天择
袁社梅
王爱菊
陈昱含
刘鹏
黄刚
庄君
史瑶华
周靖林
田新韬
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.)
Hunan Turing Polytron Technologies Inc
China Petroleum and Chemical Corp
Sinopec Pipeline Storage and Transportation Co
Original Assignee
Hunan Turing Polytron Technologies Inc
China Petroleum and Chemical Corp
Sinopec Pipeline Storage and Transportation Co
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 Hunan Turing Polytron Technologies Inc, China Petroleum and Chemical Corp, Sinopec Pipeline Storage and Transportation Co filed Critical Hunan Turing Polytron Technologies Inc
Priority to CN201910905703.1A priority Critical patent/CN110792928B/zh
Publication of CN110792928A publication Critical patent/CN110792928A/zh
Application granted granted Critical
Publication of CN110792928B publication Critical patent/CN110792928B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • F17D5/02—Preventing, monitoring, or locating loss
    • F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Acoustics & Sound (AREA)
  • Mechanical Engineering (AREA)
  • Examining Or Testing Airtightness (AREA)

Abstract

一种基于大数据的管道泄漏诊断组合算法，通过压力变送器、声波传感器、流量计实时获取管道压力数据、声波数据及流量数据；通过将GPS***的PPS接口与通信接口连接，来同步存储压力数据、声波数据及流量数据；用负压波法、声波法、质量平衡法得出测量数据，并将压力数据、声波数据及流量数据在多个尺度下融合后采用神经网络算法进行泄漏诊断，同时得到多个算法诊断结果；综合上述各算法的诊断结果，用结构风险最小化的模式判别得到最终诊断结果；综合各路定位距离，通过统计分析的方法得到组合算法定位结果；采用多种检验方法相结合的技术手段，融合多种算法的优点，互相弥补，提高了泄露检测的灵敏度以及对泄露位置的定位精度。

Description

一种基于大数据的管道泄漏诊断组合算法
技术领域
本发明涉及一种管道泄漏算法，具体是一种基于大数据的管道泄漏诊断组合算法，属于管道检测技术领域。
背景技术
石油管道的泄漏对于日常的生产和生活来说是一种潜在的威胁，会给人们带来极大的损失，因此只有及时地发现输油管道泄漏以及泄漏点的位置，才能有效及时地保障管道安全生产。
管道泄漏检测技术的研究在我国起步比较晚，然而发展却很快，按照检测原理的不同，主要有负压波法、声波法、质量平衡法等多种检测算法，负压波法的定位精度相对于声波法来说效果不好，声波法容易受外界环境影响，质量平衡法有利于微小渗漏的检测，以上方法均难以很好地解决现场的检测灵敏度与误报之间的矛盾以及定位精度低的问题。
发明内容
针对上述现有技术存在的问题，本发明提供一种基于大数据的管道泄漏诊断组合算法，采用多种检验方法相结合的手段，组合多种算法结果，互相弥补不足，来改善检测的效果，解决检测灵敏度与误报之间的矛盾，提高定位精度。
本发明提供一种基于大数据的管道泄漏组合算法，具体包括以下步骤：
步骤一：通过分别安装在管道首末站的压力变送器、声波传感器，以及安装在管道中的流量计，实时获取管道的压力数据、声波数据及流量数据；
步骤二：将GPS***的PPS接口与通信接口连接，用来同步存储压力数据、声波数据及流量数据；
步骤三：分别采用负压波法、声波法、质量平衡法得出测量数据，并将步骤二中的压力数据、声波数据及流量数据在多个数据源融合后采用神经网络算法进行泄漏诊断，同时得到多个算法诊断结果；
步骤四：综合步骤三中的各算法诊断结果，采用结构风险最小化的模式判别的方法得到最终诊断结果；
步骤五：综合各路定位距离，通过统计分析的方法得到组合算法定位结果。
作为本发明的进一步改进，所述流量计安装在距离泵200-300米处。
作为本发明的进一步改进，所述压力变送器、声波传感器安装在同一位置，并通过三通连接。
作为本发明的进一步改进，GPS的PPS接口按时序定时同步储存管道的实时压力数据、声波数据、流量数据。
作为本发明的进一步改进，在步骤三中，将压力数据、声波数据及流量数据整合后，作为数据输入端，建立起对应的神经网络输入矩阵。
作为本发明的进一步改进，在步骤三中，建立基于管道状态物理量的神经网络模型，对当前数据进行诊断。
作为本发明的进一步改进，在步骤三中，将负压波、声波法、质量平衡法的诊断结果也输入神经网络，使其获得自适应的在线学习能力。
作为本发明的进一步改进，在步骤四中，将压力数据、声波数据及流量数据和负压波、声波法、质量平衡法的结果汇总，输入支持向量机SVM，基于结构风险最小化理论在特征空间中建构最优分割超平面，对输入的多路结果使用该SVM进行分类，得到组合算法的诊断结果。
作为本发明的进一步改进，在步骤六中，将不同算法的诊断定位距离汇总，结合历史定位距离与历史误差，运用统计分析的方法，得到组合算法的定位结果。
与现有技术相比，本发明通过分别安装在管道首末站的压力变送器、声波传感器，以及安装在管道中的流量计，实时获取管道的压力数据、声波数据及流量数据；并通过将GPS***的PPS接口与通信接口连接，用来同步存储压力数据、声波数据及流量数据；分别采用负压波法、声波法、质量平衡法得出测量数据，并将压力数据、声波数据及流量数据在多个尺度下融合后采用神经网络算法进行泄漏诊断，同时得到多个算法诊断结果；综合上述各算法的诊断结果，采用结构风险最小化的模式判别的方法得到最终诊断结果；综合各路定位距离，通过统计分析的方法得到组合算法定位结果。本发明采用多种检验方法相结合的技术手段，基于管道信号大数据，运用机器学习的方法，融合多种算法的优点，互相弥补，提高了泄露检测的灵敏度以及对泄露位置的定位精度。
具体实施方式
下面对本发明作进一步说明。
一种基于大数据的管道泄漏组合算法，具体包括以下步骤：
步骤一：通过分别安装在管道首末站的压力变送器、声波传感器，以及安装在管道中的流量计，实时获取管道的压力数据、声波数据及流量数据；
步骤二：将GPS***的PPS接口与通信接口连接，用来同步存储压力数据、声波数据及流量数据；
步骤三：分别采用负压波法、声波法、质量平衡法得出测量数据，并将步骤二中的压力数据、声波数据及流量数据在多个尺度下融合后采用神经网络算法进行泄漏诊断，同时得到多个算法诊断结果；
步骤四：综合步骤三中的各算法诊断结果，采用结构风险最小化的模式判别的方法得到最终诊断结果；
步骤五：综合各路定位距离，通过统计分析的方法得到组合算法定位结果。
为了降低由于泵产生的噪音，使流量计测量的数据更精确，将流量计安装在距离泵200-300米处。
为了精确定位精度，将所述压力变送器、声波传感器安装在同一位置，并通过三通连接。
作为本发明的进一步改进，GPS的PPS接口按时序定时同步储存管道的实时压力数据、声波数据、流量数据。
作为本发明的进一步改进，在步骤三中，将压力数据、声波数据及流量数据整合后，作为数据输入端，建立起对应的神经网络输入矩阵。
作为本发明的进一步改进，在步骤三中，建立基于管道状态物理量的神经网络模型，对当前数据进行诊断。
作为本发明的进一步改进，在步骤三中，将负压波、声波法、质量平衡法的诊断结果也输入神经网络，使其获得自适应的在线学习能力。
作为本发明的进一步改进，在步骤四中，将压力数据、声波数据及流量数据和负压波、声波法、质量平衡法的结果汇总，输入支持向量机SVM，基于结构风险最小化理论在特征空间中建构最优分割超平面，对输入的多路结果使用该SVM进行分类，得到组合算法的诊断结果。
作为本发明的进一步改进，在步骤六中，将不同算法的诊断定位距离汇总，结合历史定位距离与历史误差，运用统计分析的方法，得到组合算法的定位结果。
实施例
***的汇总逻辑是，泄漏位置主要采纳负压波法的结果，是否泄漏主要采纳次声波法的结果，质量平衡法的结果主要用来校验以及修正。
对于负压波法，瞬时的报警输出会在***中产生一个B级报警，如果这个报警结果被次声波法或是质量平衡法验证，该B级报警会升级为A级报警，同时泄漏位置采纳负压波法确定的位置区间。
对于次声波法，瞬时报警输出会在***中产生A级报警，若是负压波也输出报警，则由负压波的结果来修正泄漏位置。若是负压波没有输出报警，质量平衡法输出报警，则由质量平衡法的结果修正泄漏位置。
对于质量平衡法，瞬时报警输出会在***中产生B级报警，若是被其他两种方法之一或全部校验，则升级为A级报警。若是负压波输出报警，则由负压波检测结果来修正泄漏位置。此外，若是质量平衡法时间累计结果也输出报警，亦升级为A级报警。
Figure BDA0002213217030000041
Figure BDA0002213217030000051
其中若是负压波输出报警，则采纳负压波的泄漏位置。
本次实例在不集成质量平衡法的情况下，***输出逻辑如下：
负压波法结果 次声波法结果 ***报警级别 ***报警定位
0 0 0 /
0 1 A 根据次声波法
1 0 B 根据负压波法
1 1 A 根据负压波法
本发明可以适用于多种场合，在一定范围内对不用管道压力幅值、一定范围内不同噪声水平以及不同噪声分布的泄露检测算法。

Claims (9)

1.一种基于大数据的管道泄漏诊断组合算法，其特征在于，具体包括以下步骤：
步骤一：通过分别安装在管道首末站的压力变送器、声波传感器，以及安装在管道中的流量计，实时获取管道的压力数据、声波数据及流量数据；
步骤二：将GPS***的PPS接口与通信接口连接，用来同步存储压力数据、声波数据及流量数据；
步骤三：分别采用负压波法、声波法、质量平衡法得出测量数据，并将步骤二中的压力数据、声波数据及流量数据在多个数据源融合后采用神经网络算法进行泄漏诊断，同时得到多个算法诊断结果；
步骤四：综合步骤三中的各算法诊断结果，采用结构风险最小化的模式判别的方法得到最终诊断结果；
步骤五：综合各路定位距离，通过统计分析的方法得到组合算法定位结果。
2.根据权利要求1所述的一种基于大数据的管道泄漏诊断组合算法，其特征在于，所述流量计安装在距离泵200-300米处。
3.根据权利要求2所述的一种基于大数据的管道泄漏诊断组合算法，其特征在于，所述压力变送器、声波传感器安装在同一位置，并通过三通连接。
4.根据权利要求1或2所述的一种基于大数据的管道泄漏诊断组合算法，其特征在于，GPS的PPS接口按时序定时同步储存管道的实时压力数据、声波数据、流量数据。
5.根据权利要求4所述的一种基于大数据的管道泄漏诊断组合算法，其特征在于，在步骤三中，将压力数据、声波数据及流量数据整合后，作为数据输入端，建立起对应的神经网络输入矩阵。
6.根据权利要求4所述的一种基于大数据的管道泄漏诊断组合算法，其特征在于，在步骤三中，建立基于管道状态物理量的神经网络模型，对当前数据进行诊断。
7.根据权利要求4所述的一种基于大数据的管道泄漏诊断组合算法，其特征在于，在步骤三中，将负压波法、声波法、质量平衡法的诊断结果也输入神经网络，使其获得自适应的在线学习能力。
8.根据权利要求4所述的一种基于大数据的管道泄漏诊断组合算法，其特征在于，在步骤四中，将压力数据、声波数据及流量数据和负压波、声波法、质量平衡法的结果汇总，输入支持向量机SVM，基于结构风险最小化理论在特征空间中建构最优分割超平面，对输入的多路结果使用该SVM进行分类，得到组合算法的诊断结果。
9.根据权利要求4所述的一种基于大数据的管道泄漏诊断组合算法，其特征在于，在步骤六中，将不同算法的诊断定位距离汇总，结合历史定位距离与历史误差，运用统计分析的方法，得到组合算法的定位结果。
CN201910905703.1A 2019-09-24 2019-09-24 一种基于大数据的组合算法的管道泄漏诊断方法 Active CN110792928B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910905703.1A CN110792928B (zh) 2019-09-24 2019-09-24 一种基于大数据的组合算法的管道泄漏诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910905703.1A CN110792928B (zh) 2019-09-24 2019-09-24 一种基于大数据的组合算法的管道泄漏诊断方法

Publications (2)

Publication Number Publication Date
CN110792928A true CN110792928A (zh) 2020-02-14
CN110792928B CN110792928B (zh) 2021-08-10

Family

ID=69439825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910905703.1A Active CN110792928B (zh) 2019-09-24 2019-09-24 一种基于大数据的组合算法的管道泄漏诊断方法

Country Status (1)

Country Link
CN (1) CN110792928B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112460496A (zh) * 2020-11-13 2021-03-09 杨启敖 暖通漏水保护***
RU2752449C1 (ru) * 2021-06-12 2021-07-28 Общество с ограниченной ответственностью "Экваремкомплект" Система "смарт-мониторинг" для дистанционного контроля состояния запорной арматуры магистральных газопроводов
CN113466887A (zh) * 2021-05-12 2021-10-01 武汉中仪物联技术股份有限公司 测距雷达的数据去噪方法、装置、设备和存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT202100029993A1 (it) * 2021-11-26 2023-05-26 Eni Spa Processo e sistema integrato di monitoraggio continuo di una condotta con fluido in pressione.

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196872A (zh) * 2007-11-19 2008-06-11 清华大学 基于压力和声波信息融合的泄漏检测定位方法
CN203147291U (zh) * 2013-03-27 2013-08-21 黄鹏 利用次声波、流量平衡和负压波进行管道泄漏监测的***
CN103438359A (zh) * 2013-08-06 2013-12-11 毛振刚 输油管道泄漏检测与定位***
CN105156905A (zh) * 2015-07-09 2015-12-16 南京声宏毅霆网络科技有限公司 管道的泄漏监测***及监测方法、监测设备和服务器
CN106287239A (zh) * 2016-08-16 2017-01-04 浙江大学 用于城市供水管网泄漏定位的智能管内检测球装置及方法
CN107833221A (zh) * 2017-11-29 2018-03-23 武汉大学 一种基于多通道特征融合和机器学习的漏水监测方法
CN107940246A (zh) * 2017-03-15 2018-04-20 吉林省百瑞生科技发展有限公司 一种流体管道泄漏源监测定位***及方法
US20180341859A1 (en) * 2017-05-24 2018-11-29 Southwest Research Institute Detection of Hazardous Leaks from Pipelines Using Optical Imaging and Neural Network
CN208381770U (zh) * 2018-06-12 2019-01-15 青岛汇安谷科技发展有限公司 分布式光纤多参量管道泄漏报警***
CN109284777A (zh) * 2018-08-28 2019-01-29 内蒙古大学 基于信号时频特征和支持向量机的供水管道泄漏识别方法
CN109357167A (zh) * 2018-10-30 2019-02-19 长春市万易科技有限公司 一种燃气管道漏点检测装置及检测方法
CN109538944A (zh) * 2018-12-03 2019-03-29 北京无线电计量测试研究所 一种管道泄漏检测方法
CN109555979A (zh) * 2018-12-10 2019-04-02 清华大学 一种供水管网漏损监测方法
CN110260168A (zh) * 2019-06-12 2019-09-20 青岛荣轩达检测服务有限公司 燃气管道安全预警***及其方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196872A (zh) * 2007-11-19 2008-06-11 清华大学 基于压力和声波信息融合的泄漏检测定位方法
CN203147291U (zh) * 2013-03-27 2013-08-21 黄鹏 利用次声波、流量平衡和负压波进行管道泄漏监测的***
CN103438359A (zh) * 2013-08-06 2013-12-11 毛振刚 输油管道泄漏检测与定位***
CN105156905A (zh) * 2015-07-09 2015-12-16 南京声宏毅霆网络科技有限公司 管道的泄漏监测***及监测方法、监测设备和服务器
CN106287239A (zh) * 2016-08-16 2017-01-04 浙江大学 用于城市供水管网泄漏定位的智能管内检测球装置及方法
CN107940246A (zh) * 2017-03-15 2018-04-20 吉林省百瑞生科技发展有限公司 一种流体管道泄漏源监测定位***及方法
US20180341859A1 (en) * 2017-05-24 2018-11-29 Southwest Research Institute Detection of Hazardous Leaks from Pipelines Using Optical Imaging and Neural Network
CN107833221A (zh) * 2017-11-29 2018-03-23 武汉大学 一种基于多通道特征融合和机器学习的漏水监测方法
CN208381770U (zh) * 2018-06-12 2019-01-15 青岛汇安谷科技发展有限公司 分布式光纤多参量管道泄漏报警***
CN109284777A (zh) * 2018-08-28 2019-01-29 内蒙古大学 基于信号时频特征和支持向量机的供水管道泄漏识别方法
CN109357167A (zh) * 2018-10-30 2019-02-19 长春市万易科技有限公司 一种燃气管道漏点检测装置及检测方法
CN109538944A (zh) * 2018-12-03 2019-03-29 北京无线电计量测试研究所 一种管道泄漏检测方法
CN109555979A (zh) * 2018-12-10 2019-04-02 清华大学 一种供水管网漏损监测方法
CN110260168A (zh) * 2019-06-12 2019-09-20 青岛荣轩达检测服务有限公司 燃气管道安全预警***及其方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112460496A (zh) * 2020-11-13 2021-03-09 杨启敖 暖通漏水保护***
CN112460496B (zh) * 2020-11-13 2022-08-12 杨启敖 暖通漏水保护***
CN113466887A (zh) * 2021-05-12 2021-10-01 武汉中仪物联技术股份有限公司 测距雷达的数据去噪方法、装置、设备和存储介质
RU2752449C1 (ru) * 2021-06-12 2021-07-28 Общество с ограниченной ответственностью "Экваремкомплект" Система "смарт-мониторинг" для дистанционного контроля состояния запорной арматуры магистральных газопроводов

Also Published As

Publication number Publication date
CN110792928B (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN110792928B (zh) 一种基于大数据的组合算法的管道泄漏诊断方法
CN109555979B (zh) 一种供水管网漏损监测方法
CN106950276B (zh) 一种基于卷积神经网络的管道缺陷深度的反演方法
CN106352243B (zh) 一种基于声波法的输气管道泄露检测***
CN105841762B (zh) 超声波水表的流量计量方法和***
CN104595729A (zh) 一种基于声波幅值的油气管道泄漏定位方法
CN108360608B (zh) 一种供水***输水管的爆管识别与定位方法
CN115111537B (zh) 用于确定燃气管网中泄漏点的位置的方法、装置和介质
CN102162847B (zh) 一种基于奇异值分解的高效航迹相关方法
CN112413414B (zh) 一种供热管网泄漏的综合检测方法
CN109668058B (zh) 基于线性预测倒谱系数和lyapunov指数的供水管道漏损辨识方法
CN109854953B (zh) 一种特殊工况下的原油输送管线泄漏检测***及方法
US20240085294A1 (en) Method and smart gas internet of things (iot) system for metering anti-interference of gas ultrasonic meter
CN107063584A (zh) 一种锅炉管泄漏判别与定位方法
CN113916306B (zh) 基于多传感信息融合的管道缺陷检测及定位方法
CN110427696B (zh) 一种适应不同断面的隧道Lidar点云初支面预警方法
CN106644361B (zh) 一种测量跨声速风洞试验段空间流场对称性的简易方法
CN101865361A (zh) 双基阵数据融合电站锅炉四管泄漏被动声测定位方法
CN113177691A (zh) 一种管网漏损分析算法
CN109341650B (zh) 一种基于最小检测代价的无人机高程误差双门限修正方法
CN103574291A (zh) 基于人工免疫***的爆管定位方法
CN109870404A (zh) 一种雨棚结构损伤识别方法、装置及终端设备
CN115856963A (zh) 基于深度神经网络学习的高精度定位算法
CN202075303U (zh) 一种微差压式高精度测风装置
CN114811448A (zh) 一种流动条件下管道泄漏检测、泄露流速估计与泄露定位的方法

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
CB02 Change of applicant information

Address after: 100027 Chaoyangmen North Street, Chaoyang District, Chaoyang District, Beijing

Applicant after: China Petroleum & Chemical Corp.

Applicant after: CHINA SINOPEC PIPELINE STORAGE AND TRANSPORTATION Co.,Ltd.

Applicant after: Hunan Hongqiao Industrial Technology Co.,Ltd.

Address before: 100027 Chaoyangmen North Street, Chaoyang District, Chaoyang District, Beijing

Applicant before: China Petroleum & Chemical Corp.

Applicant before: CHINA SINOPEC PIPELINE STORAGE AND TRANSPORTATION Co.,Ltd.

Applicant before: Hunan Turing Polytron Technologies Inc.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant