CN116090800A - 基于监控参数的设备稳定性实时评价方法 - Google Patents
基于监控参数的设备稳定性实时评价方法 Download PDFInfo
- Publication number
- CN116090800A CN116090800A CN202310379639.4A CN202310379639A CN116090800A CN 116090800 A CN116090800 A CN 116090800A CN 202310379639 A CN202310379639 A CN 202310379639A CN 116090800 A CN116090800 A CN 116090800A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- evaluation index
- equipment
- real
- 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.)
- Granted
Links
Images
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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及一种基于监控参数的设备稳定性实时评价方法,包括以下步骤:根据设备各个评价指标的整定值,将从监控***采集到的当前运行评价指标转化为波动值数据,利用熵权法得到加权评价参数矩阵;利用改进的TOPSIS算法,计算各评价指标序列与所述正负理想解之间的距离关系值;采用B型灰色关联分析法计算灰色关联度;将经过所述无量纲化处理后的灰色关联度与距离关系值融合为相关性权值;建立设备各个评价指标运行评价公式,得到最终设备整体的实时评分;设定总的基准指标,对实时评分进行调整。本发明将TOPSIS法与B型灰色关联度结合了起来,形成了一种新的设备稳定性的评价方法,实现对含有非平稳参数的设备的实时评价。
Description
技术领域
本发明属于设备稳定性评价技术领域,具体涉及基于监控参数的设备稳定性实时评价方法。
背景技术
目前选取与设备运行状态相关的评价评价指标的相关性分析方法种类繁多,总体上分为主观赋权法与客观赋权法两大类。其中主观赋权法有层次分析法、模糊综合评判法等,客观赋权法包括灰色关联度分析法、TOPSIS法等。主观赋权法虽然将影响研究对象的多个指标通过定量分析与定性分析有效的结合了起来,但由于指标赋权过程中仍旧存在了相当程度的主观判断,易出现相同评价人员在不同环境和时间对同一事物评价不一致的情况,甚至背离事物实际状况。而客观赋权法计算过程简单、计算结果唯一,不会出现计算结果与实际结果不一致的情况。
其中,现有TOPSIS方法根据研究对象的主要特征构造正理想解与负理想解,计算设备各评价指标与正、负理想解的距离,然后以接近正理想解与负理想解的距离程度作为评价影响因素重要程度的依据。其通过距离测度来描述两种评价对象的接近程度,这种方法只能体现位置关系,无法体现出各待评对象数据序列间的态势变化情况,而且对于含有非平稳参数的数据,利用现有TOPSIS方法无法得到负理想解,无法应用于含有非平稳参数的设备稳定性评价。
灰色关联度算法根据不同评价指标的时间序列曲线在几何形状上的相似程度来描述事物的关联程度。B型灰色关联分析法利用位移差反映了两序列间发展过程或量级的相近性,同时利用一阶斜率差(速度差) 和二阶斜率差(加速度差)反映了两序列发展趋势或曲线形状的相似性,即刻化了序列曲线间相对变化趋势的接近程度。
因此需要提供一种改进的TOPSIS算法,通过其与现有的B型灰色关联分析法相融合,将两种方法结合起来,来对含有非平稳参数的设备参数进行实时稳定性评价。
发明内容
本发明提供了基于监控参数的设备稳定性实时评价方法,将新的TOPSIS法和现有的B型灰色关联分析法进行结合,来解决现有技术中无法对含有非平稳参数的设备进行实时稳定性的评价。
如图1和2所示,本发明公开了一种基于监控参数的设备稳定性实时评价方法,包括以下步骤:
S1、获得加权评价参数序列:分析影响设备运行状态的不稳定性因素,选定与设备运行稳定性相关的多个评价指标,根据各个所述评价指标的整定值,将采集到的各个评价指标的当前时间段的参数转化为波动值序列,再利用熵权法得到所述波动值序列的熵权值,再通过所述熵权值和波动值序列,得到各个评价指标的加权评价参数序列;
S2、获得距离关系值:分别选取所述各个评价指标的加权评价参数序列在相同时刻点上正向波动值最大的点作为正理想解,负向波动值最大的点作为负理想解,分别建立各评价指标的波动值与所述正负理想解之间的距离关系值的表达式,并对得到的距离关系值进行无量纲化处理;
S3、获得灰色关联度:采用B型灰色关联分析法计算各评价指标与正负理想解的灰色关联度,并对所述灰色关联度进行无量纲化处理;
S4、获得相关性权值:将经过所述无量纲化处理后的灰色关联度与距离关系值融合为各个评价指标与设备运行稳定性状态的相关性权值;
S5、获取设备整体运行评价得分:建立各个评价指标运行稳定性状态评分公式并得到各个评价指标在第i个时刻点的评分值,根据所述各个评价指标的评分值和相关性权值,建立设备整体的实时运行评价得分公式,得到设备整体的实时运行评价得分;
S6、设备参数调整:设定总的基准指标,通过对所述设备整体的实时运行评价得分和总的基准指标进行比较,来判断是否需要对各个评价指标进行调整,从而确保最终所述设备整体的实时运行评价得分高于总的基准指标。
进一步地,所述获得所述加权评价参数序列,包括以下步骤:
将采集到的各个评价指标的当前时间段的参数转化为波动值序列,组成评价指标矩阵,其表达式如下所示:
(1);
式中,N为每个评价指标采集的数据点个数,n为用来评价设备运行稳定性的评价指标个数,为第j个评价指标在第i个时刻点对应参数的波动值数据;
计算所述中各点在该评价指标的所有时刻点中的重要度,其表达式如下所示:
(2) ;
式中,为第j个评价指标在第i个时刻点在该评价指标的所有时刻点中的重要度,为第j个评价指标在第i个时刻点对应参数的波动值数据的绝对值,i=1,2,…,N;j=1,2,…, n;
在所述重要度αij的基础上,计算各评价指标的信息熵值bj,其表达式如下式所示:
(3);
式中,为第j个评价指标的信息熵值;
在所述信息熵值的基础上,计算各评价指标在所有评价指标中对应的熵权值,其表达式如下式所示:
(4);
式中,为第j个评价指标在所有评价指标中对应的熵权值;
然后将各评价指标的熵权值组成权值向量,如下式所示:
(5);
将评价指标矩阵中各评价指标的波动值数据与其对应的熵权值相乘得到加权评价参数,并将n个所述加权评价参数序列组成一个加权评价参数矩阵,如下式所示:
(6) ;
式中,为第j个评价指标在第i个时刻点中的加权评价参数。
进一步地,所述获得距离关系值,包括以下步骤:
所求正、负理想解的表达式分别如下所示:
(7) ;
式中,为正理想解,为负理想解;,表示n个不同评价指标在第i个时刻点对应的最大正向波动值;,表示n个不同评价指标在第i个时刻点对应的最大负向波动值;N为每个评价指标采集的数据点个数;
建立第j个评价指标的波动值与所述正负理想解之间的距离关系值的表达式,其表达式分别如下所示:
(8)
式中,i=1,2,…,N;j=1,2,…,n,为第j个评价指标的波动值与正理想解之间的距离关系值,为第j个评价指标的波动值与负理想解之间的距离关系值。
进一步地,所述获得灰色关联度,包括以下步骤:
计算第i个时刻点第j个评价指标的波动值与正理想解之间的总***移差,其表达式如下所示:
(9)
分别计算第j个评价指标的波动性和正理想解的一阶斜率差,其中第j个评价指标的一阶斜率差的表达式如下所示:
(10)
上式中,表示第j个评价指标中第i+1个时刻点的加权评价参数,表示第j个评价指标中第i个时刻点的加权评价参数;
正理想解的一阶斜率差的表达式如下所示:
(11)
上式中,表示n个不同评价指标在第i+1个时刻点对应的最大正向波动值;表示n个不同评价指标在第i个时刻点对应的最大正向波动值;
然后根据所述一阶斜率差和正理想解的一阶斜率差计算一阶总体斜率差,其表达式如下所示:
(12)
式中,i=2,3,…,N,j=1,2,…,n+1;
计算加权评价参数与正理想解的二阶斜率差,其中加权评价参数的二阶斜率差,其表达式如下所示:
(13)
正理想解的二阶斜率差的表达式如下所示:
(14)
计算所述加权评价参数矩阵序列与正理想解的变化速率差,其表达式如下所示:
(15)
所述加权评价参数矩阵序列与特征评价指标序列的变化速率差的计算公式如下所示:
(16)
式中,i=3,4,…,N;j=1,2,…,n+1;为第个样本评价指标中N个点的均值;为正理想解中N个点的均值;
计算体现第j个所述评价指标的波动性和正理想解斜率相似程度的关联度,其表达式如下式所示:
(17)
计算体现第j个所述评价指标的波动性和正理想解变化速率相似性的关联度,其表达式如下式所示:
(18)
在所述关联度和的基础上计算第j个所述评价指标相对于正理想解的灰色关联度,其表达式如下式所示:
(19)
式中,j=1,2,…,n;ω为调节系数,取值范围为(0,1);
按照上述方法,计算所述加权评价参数矩阵中各评价指标的波动值与负理想解的灰色关联度。
进一步地,获得所述相关性权值包括以下步骤:
分别对所述距离关系值、进行无量纲化处理,其表达式分别如下所示:
(20)
(21)
式中,,分别为对距离关系值、经过无量纲化处理后的值;
分别对所述灰色关联度、进行无量纲化处理,其表达式分别如下所示:
(22)
(23)
式中,,分别为灰色关联度、经过无量纲化处理后的值;
在得到所述无量纲化处理后的,,和的基础上,进行数据融合处理,得到第j个评价指标的波动性与设备整体运行稳定性的相关性权值,其表达式如下所示:
(24)
式中,γ取值范围为[0,1],γ的大小决定了曲线位置关系和几何形状关系对的影响程度。
进一步地,所述得到设备整体的实时运行评价得分,包括以下步骤:
先分别计算第j个评价指标在第i个时刻点的稳定性状态评分;
利用各个评价指标的稳定性状态评分和对应的相关性权值,建立所述设备整体的实时运行评价得分公式,得到设备整体的实时运行评价得分。
进一步地,所述第j个评价指标在第i个时刻点的稳定性状态评分的函数表达式为:
(25)
式中,j=1,2,…,n;为第j个评价指标在第i个时刻点中的加权评价参数,和分别代表各个评价指标在设备运行范围内的正向最大波动值和负向最大波动值。
进一步地,所述设备整体的实时运行评价得分公式如下所示:
(26);
其中,Score为设备整体的实时运行评价得分,为第j个评价指标的波动性与设备整体运行稳定性的相关性权值,为第j个评价指标在第i个时刻点的运行稳定性状态评分。
进一步地,所述设备参数调整包括以下步骤:
计算设备整体的实时运行评价得分,并设定总的基准指标;
通过对所述设备整体的实时运行评价得分和总的基准指标进行比较;
当所述设备整体的实时运行评价得分大于等于总的基准指标,则表示设备运行良好;
当所述设备整体的实时运行评价得分小于总的基准指标,则表示设备运行不稳定,则对得分较低的评价指标及时进行调整,使得设备整体的实时运行评价得分大于等于总的基准指标。
本发明的基于监控参数的设备稳定性实时评价方法专用于蒸汽动力船的热力***的冷凝器的运转稳定状态评价。
相比于现有技术,本发明的有益效果为:
1、本发明将改进的TOPSIS方法与现有的B型灰色关联度结合了起来,通过将从监控***采集到的各个评价指标的当前时间段的参数转化为波动值序列,使得能够确定设备各个评价指标的正负理想解,解决了现有TOPSIS方法应用于含有非平稳参数的设备稳定性评价时,无法得到负理想解的问题;
2、传统TOPSIS方法中正、负理想解无法计算评价指标波动性与设备稳定性的关联性,在本发明改进的TOPSIS方法中的正、负理想解的计算时,提出改进的距离关系值公式,通过该公式计算各个评价指标的波动值与正、负理想解的相关性大小;另外由于两者之间的距离越小,表明该评价指标越不稳定,则这个评价指标在整个设备稳定性中所占的权重应该越大,即该评价指标的权重与其对应的距离关系应为反比关系,故距离关系值的公式中加了负号,这样能更好地反应出真实的情况,使得得到的结果更加准确;
3、本发明通过建立设备运行评价评分,通过对设备监控数据的实时评价,通过软件生成状态稳定性评价分值曲线,可以直观的观察到在热力***的运行过程中除氧器的运行状况,有助于运行操作人员及时观察设备的运行状态,节约了人力和设备运行成本。
附图说明
图1为本发明基于监控参数的设备稳定性实时评价方法的流程框图;
图2为本发明基于监控参数的设备稳定性实时评价方法的流程示意图;
图3为本发明实施例加权评价参数矩阵的正理想解示意图;
图4为本发明实施例加权评价参数矩阵的负理想解示意图;
图5为本发明实施例除氧器的运行稳定性状态评价分值曲线图。
具体实施方式
以下结合附图1~5和具体实施例对本发明作进一步的详细说明。
如图1和2所示,本发明公开了一种基于监控参数的设备稳定性实时评价方法,包括以下步骤:
S1、获得加权评价参数序列:分析影响设备运行状态的不稳定性因素,选定与设备运行稳定性相关的多个评价指标,根据各个所述评价指标的整定值,将采集到的各个评价指标的当前时间段的参数转化为波动值序列,再利用熵权法得到所述波动值序列的熵权值,再通过所述熵权值和波动值序列,得到各个评价指标的加权评价参数序列;其中将其转化为波动值数据是为了方便后面计算正负理想解,同时解决了现有TOPSIS方法应用于含有非平稳参数的设备稳定性评价中,无法得到负理想解的问题。
本实施例中,获得所述加权评价参数序列,包括以下步骤:
将采集到的各个评价指标的当前时间段的参数转化为波动值序列,组成评价指标矩阵,其表达式如下所示,从监控***采集到的当前运行评价指标参数通过百分比换算成波动值数据,对各个评价指标进行统一换算,有利于后面统一进行正负理想解的距离关系的计算,并将波动值数据组成评价指标矩阵,其表达式如下所示:
(1)
式中,N为每个评价指标采集的数据点个数,本实施例中,每个评价指标采集的数据点个数相同,其数值为940个,以s为单位,n为用来评价设备运行稳定性的评价指标个数,其数值为4个,为第j个评价指标在第i个时刻点对应参数的波动值数据。
本发明通过将含有非平稳参数的设备参数转化为波动值数据,对各个评价指标采集的数据进行统一处理,便于后面正负理想解的计算。
计算所述中各点在该评价指标的所有时刻点中的重要度,其表达式如下所示:
(2)
式中,为第j个评价指标在第i个时刻点在该评价指标所有时刻点中的重要度,为第j个评价指标在第i个时刻点对应参数的波动值数据的绝对值,i=1,2,…,N;j=1,2,…, n;
在所述重要度的基础上,计算各评价指标的信息熵值,其表达式如下式所示:
(3)
式中,为第j个评价指标的信息熵值;
在所述信息熵值的基础上,计算各评价指标在所有评价指标中对应的熵权值,其表达式如下式所示:
(4)
式中,为第j个评价指标在所有评价指标中对应的熵权值;
然后将各评价指标的熵权值组成权值向量,如下式所示:
(5);
将评价指标矩阵中各评价指标的波动值数据与其对应的熵权值相乘,得到加权后的加权评价参数矩阵,如下式所示:
(6)
式中,为第j个评价指标在第i个时刻点中的加权评价参数。
本发明以某型蒸汽动力船中的冷凝器稳定性运行状态评价为例,对本发明的基于监控参数的设备稳定性实时评价方法来进行验证。
本实施例中,设备选取的为蒸汽动力船中热力***的冷凝器,在冷凝器的实际运行中,通过分析影响冷凝器运行状态的不稳定性因素,选定与冷凝器的运行状态直接相关的4个评价指标,分别为冷凝器水位、冷凝器真空、除氧器压力和发电汽轮机转速。
因此上面公式(1)中,用来评价设备运行稳定性的评价指标个数n的值为4,首先根据各个评价指标的整定值,将从监控***采集到的当前运行评价指标转化为波动值数据,形成评价指标矩阵,通过熵权法计算得到各个评价指标波动值序列的权重,其中第j个评价指标在所有评价指标中对应的熵权值。最终各个评价指标波动值序列的熵权值如下所示:冷凝器水位的为0.2562,冷凝器真空的为0.3040,除氧器压力的为0.2228,发电汽轮机转速的为0.2170。
利用上述式(6),将评价指标矩阵中各评价指标的波动值数据与其对应的熵权值相乘,计算得到每个评价指标的加权评价参数序列,并将4个所述加权评价参数序列组成一个加权评价参数矩阵。
S2、根据获得距离关系值:分别选取所述各个评价指标的加权评价参数序列在相同时刻点上正向波动值最大的点作为正理想解,负向波动值最大的点作为负理想解,分别建立各评价指标的波动值与所述正负理想解之间的距离关系值的表达式,并对得到的距离关系值进行无量纲化处理。
本实施例中,所求正、负理想解的表达式分别如下所示:
(7) ;
式中,为正理想解,为负理想解;,表示n个不同评价指标在第i个时刻点对应的最大正向波动值;,表示n个不同评价指标在第i个时刻点对应的最大负向波动值;N为每个评价指标采集的数据点个数,本实施例中,n为4,N为940。本实施例中最终的正负理想解的数值分别如图3和4所示。
建立第j个评价指标的波动值与所述正负理想解之间的距离关系值的表达式,其表达式分别如下所示:
(8)
式中,i=1,2,…,N;j=1,2,…,n,为所述第j个评价指标加权评价参数序列与正理想解之间的距离关系,为所述第j个评价指标加权评价参数序列与负理想解之间的距离关系,本实施例中,n为4。
传统距离相似性的计算方法仅仅是计算各个评价指标与其对应的正、负理想解之间的欧式距离,其中正、负理想解分别为同一评价指标的最优效果和最差效果。单个评价指标的波动值与正理想解距离越小,表明其性能越好;单个评价指标的波动值与负理想解距离越小,表明其性能越差。但是在本发明的波动性领域,单个评价指标的波动值与正理想解的距离越小,表明其波动性越大,***越不稳定;与负理想解的距离越小,同样表明其波动性越大,***越不稳定,此时的情况与传统方法的情况不同,此时正理想解为正值,负理想解为负值。另外由于两者之间的距离越小,表明该评价指标越不稳定,则这个评价指标在整个设备稳定性中所占的权重应该越大,即该评价指标的权重与其对应的距离关系应为反比关系,距离关系值的公式中加了负号,这样能更好地反应出真实的情况,使得得到的结果更加准确;
S3、获得灰色关联度:采用B型灰色关联分析法计算各评价指标与正负理想解的灰色关联度,并对所述灰色关联度进行无量纲化处理。
在热力***中,不能仅仅只考虑评价指标在一定时间内的静态曲线几何相似程度,也要考虑其动态变化速率的相似程度,因此采用B型灰色关联分析法。
所述获得灰色关联度,包括以下步骤:
计算第i个时刻点第j个评价指标的波动值与正理想解之间的总***移差,其表达式如下所示:
(9)
N为每个评价指标采集的数据点个数,本实施例中,取为940个。
分别计算第j个评价指标的波动性和正理想解的一阶斜率差,其中第j个评价指标的一阶斜率差的表达式如下所示:
(10)
上式中,表示第j个评价指标中第i+1个时刻点的加权评价参数,表示第j个评价指标中第i个时刻点的加权评价参数;
正理想解的一阶斜率差的表达式如下所示:
(11)
上式中,表示n个不同评价指标在第i+1个时刻点对应的最大正向波动值;表示n个不同评价指标在第i个时刻点对应的最大正向波动值;
然后根据所述一阶斜率差和正理想解的一阶斜率差计算一阶总体斜率差,其表达式如下所示:
(12)
式中,i=2,3,…,N,j=1,2,…,n+1;
计算加权评价参数与正理想解的二阶斜率差,其中加权评价参数的二阶斜率差,其表达式如下所示:
(13)
正理想解的二阶斜率差的表达式如下所示:
(14)
根据所述二阶斜率差和正理想解的二阶斜率差,计算二阶总体斜率差,其表达式如下所示:
(15)
计算所述加权评价参数矩阵序列与正理想解的变化速率差,其表达式如下所示:
(16)
式中,i=3,4,…,N;j=1,2,…,n+1;为第个样本评价指标中N个点的均值;为正理想解中N个点的均值;
计算体现第j个所述评价指标的波动性和正理想解斜率相似程度的关联度,其表达式如下式所示:
(17)
计算体现第j个所述评价指标的波动性和正理想解变化速率相似性的关联度,其表达式如下式所示:
(18)
在所述关联度和的基础上计算第j个所述评价指标相对于正理想解的灰色关联度,其表达式如下式所示:
(19)
式中,j=1,2,…,n;ω为调节系数,取值范围为(0,1);
按照上述方法,计算所述加权评价参数矩阵中各评价指标的波动值与负理想解的灰色关联度。
S4、获得相关性权值:将经过所述无量纲化处理后的灰色关联度与距离关系值融合为各个评价指标与设备运行稳定性状态的相关性权值。
分别对所述距离关系值、进行无量纲化处理,其表达式分别如下所示:
(20)
(21)
式中,,分别为对距离关系值、经过无量纲化处理后的值。
本实施例中,经无量纲化处理后,距离关系和如下所示。冷凝器水位、冷凝器真空、除氧器压力和发电汽轮机转速的分别为0.6167、0.3477、0.2909和1.0000;冷凝器水位、冷凝器真空、除氧器压力和发电汽轮机转速的分别为0.4717、0.8365、1.0000和0.2909。
分别对灰色关联度、进行无量纲化处理,其表达式分别如下所示:
(22)
(23)
式中,,分别为灰色关联度、经过无量纲化处理后的值。
本实施例中,经无量纲化处理后,灰色关联度和如下所示:冷凝器水位、冷凝器真空、除氧器压力和发电汽轮机转速的分别为0.1577、0.4936、0.7865和1.0000;冷凝器水位、冷凝器真空、除氧器压力和发电汽轮机转速的分别为0.0972、0.5344、1.0000和0.0266。通过无量纲化处理便于后面的计算。
本实施例中,在得到所述无量纲化处理后的和的基础上,进行数据融合处理,得到第j个评价指标的波动性与设备整体运行稳定性的相关性权值,其表达式如下所示:
(24)
式中,γ取值范围为[0,1],γ的大小决定了曲线位置关系和几何形状关系对的影响程度,其值越大,则距离关系在权重中所占的比重就越大。
利用式(24)将经过无量纲化处理的各评价指标与正、负理想解的距离关系值和以及灰色关联度和融合为各评价指标与除氧器运行状态相关性的权值,其中γ取0.5,表示距离关系值和B型灰色关联度的权值相同。最终相关性的权值计算结果分别如下:冷凝器水位的为0.5315,冷凝器真空的为0.3987,除氧器压力的为0.4195,发电汽轮机转速的为0.4430。
由此可以看出,在当前这段0~940S的当前时间段的运行数据中,冷凝器水位的运行状态与除氧器运行稳定性状态的相关性最大,发电汽轮机转速次之,接着为除氧器压力,最后为冷凝器真空。
S5、获取设备整体运行评价得分:建立各个评价指标运行稳定性状态评分公式并得到各个评价指标在第i个时刻点的评分值,根据所述各个评价指标的评分值和相关性权值,建立设备整体的实时运行评价得分公式,得到设备整体的实时运行评价得分。
本实施例中,先分别计算第j个评价指标在第i个时刻点的稳定性状态评分Scorej,其函数表达式为:
(25)
式中,j=1,2,…,n;为第j个评价指标在第i个时刻点中的加权评价参数,和分别代表各个评价指标在设备运行范围内的正向最大波动值和负向最大波动值。
本实施例中,各个评价指标对应的和的具体数值根据实际运行经验来确定,并通过各个评价指标的整定值进行百分比换算得到,其具体过程和前述当前运行评价指标参数通过百分比换算成波动值数据相同。
根据上述分段函数式(25)可知,当的误差在0.5倍的最大波动值范围内时,其对应的稳定性状态评分为100分,表示该评价指标在第i个时刻点非常稳定;当的误差在0.5~1倍的最大波动值范围内时,其对应的稳定性状态评分为60~100分,表示该评价指标在第i个时刻点相对稳定;当的误差在1倍的最大波动值范围之外时,其对应的稳定性状态评分小于60分,表示该评价指标在第i个时刻点失稳,此时软件***会及时报警,相关技术人员根据经验及时调整相关参数,使其评分重新恢复到60分以上。单个评价指标的稳定性状态评分的取值不小于0。
本实施例中,利用各个评价指标的稳定性状态评分和对应的相关性权值,建立所述设备整体的实时运行评价得分公式,所述得到设备整体的实时运行评价得分,评价得分的表达式如下所示:
(26)
其中,Score为设备整体的实时运行评价得分,为第j个评价指标的波动性与设备整体运行稳定性的相关性权值,为第j个评价指标在第i个时刻点的运行稳定性状态评分。
S6、设备参数调整:设定总的基准指标,通过对所述设备整体的实时运行评价得分和总的基准指标进行比较,来判断是否需要对各个评价指标进行调整,从而确保最终所述设备整体的实时运行评价得分高于总的基准指标。
本实施例中,计算冷凝器整体的实时运行评价得分,并设定总的基准指标为80分。对于不同的设备,总的基准指标可以根据情况取不同的数值。
本实施例中,最后利用式(26)对各评价指标的运行稳定性状态进行评分,并将评分结果结合各评价指标的相关性权值拟合为除氧器的运行稳定性状态评分曲线如图5所示。由此可见,该冷凝器在每个时刻的实时稳定性评价分值的分数都大于80分,表示该冷凝器运行良好。
当冷凝器整体的实时运行评价得分小于80分,则判定冷凝器整体运行不稳定,此时软件***会及时报警,返回重新查看各个评价指标得分中偏低的,相关技术人员根据经验及时调整相关参数,使其整体的实时运行评价得分不小于80分,从而保证冷凝器的正常运行。
本实施例中,软件***为Matlab,各个计算和报警功能都是基于该软件实现的。当然也可以采取其他类似的软件。根据Matlab软件计算得到的除氧器运行状态稳定性评价分值曲线可以直观的观察到在热力***的运行过程中除氧器的运行状况,有助于运行操作人员及时观察冷凝器的运行状态。并且该软件能对任一评价指标在某个时刻点的分值进行预警,当其小于60分时,相关技术人员根据经验及时调整相关参数,使其评分重新恢复到60分以上,便于其安全运行。同时当冷凝器整体的实时运行评价得分低于80分时,该软件***也会及时报警,使得最终冷凝器整体的实时运行评价得分不小于80分,从而保证冷凝器的正常运行。
本发明的实施例的软件***中的程序是一直在运行的,从而可以确保发电汽轮机实时运行的稳定性,它可以一直采集当前一段时间的数据进行实时评价,并提供报警功能,同时能直接生成运行状态稳定性评价分值曲线。不再像传统的依赖于大量监控人员针对***中所有评价指标运行失稳时发生的失稳警报做出局部调节,只需要对少数评价指标进行局部调节,节约了人力和设备运行成本。
本发明的基于监控参数的设备稳定性实时评价方法是专用于蒸汽动力船的热力***的冷凝器的运转稳定状态评价。
以上所述发明仅表达了本发明实施例的实施方式,并不能因此理解为对发明专利范围的限制,也并非对本发明实施例的结构作任何形式上的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明实施例构思的前提下,还可以做出若干变化和改进,这些都属于本发明实施例的保护范围。
Claims (10)
1.基于监控参数的设备稳定性实时评价方法,其特征在于,包括以下步骤:
S1、获得加权评价参数序列:分析影响设备运行状态的不稳定性因素,选定与设备运行稳定性相关的多个评价指标,根据各个所述评价指标的整定值,将采集到的各个评价指标的当前时间段的参数转化为波动值序列,再利用熵权法得到所述波动值序列的熵权值,再通过所述熵权值和波动值序列,得到各个评价指标的加权评价参数序列;
S2、获得距离关系值:分别选取所述各个评价指标的加权评价参数序列在相同时刻点上正向波动值最大的点作为正理想解,负向波动值最大的点作为负理想解,分别建立各评价指标的波动值与所述正负理想解之间的距离关系值的表达式,并对得到的距离关系值进行无量纲化处理;
S3、获得灰色关联度:采用B型灰色关联分析法计算各评价指标与正负理想解的灰色关联度,并对所述灰色关联度进行无量纲化处理;
S4、获得相关性权值:将经过所述无量纲化处理后的灰色关联度与距离关系值融合为各个评价指标与设备运行稳定性状态的相关性权值;
S5、获取设备整体运行评价得分:建立各个评价指标运行稳定性状态评分公式并得到各个评价指标在第i个时刻点的评分值,根据所述各个评价指标的评分值和相关性权值,建立设备整体的实时运行评价得分公式,得到设备整体的实时运行评价得分;
S6、设备参数调整:设定总的基准指标,通过对所述设备整体的实时运行评价得分和总的基准指标进行比较,来判断是否需要对各个评价指标进行调整,从而确保最终所述设备整体的实时运行评价得分高于总的基准指标。
2.根据权利要求1所述的一种基于监控参数的设备稳定性实时评价方法,其特征在于,所述获得所述加权评价参数序列,包括以下步骤:
将采集到的各个评价指标的当前时间段的参数转化为波动值序列,组成评价指标矩阵,其表达式如下所示:
;
式中,N为每个评价指标采集的数据点个数,n为用来评价设备运行稳定性的评价指标个数,为第j个评价指标在第i个时刻点对应参数的波动值数据;
计算所述中各点在该评价指标的所有时刻点中的重要度,其表达式如下所示:
;
式中,为第j个评价指标在第i个时刻点在该评价指标的所有时刻点中的重要度,为第j个评价指标在第i个时刻点对应参数的波动值数据的绝对值,i=1,2,…,N;j=1,2,…, n;
在所述重要度αij的基础上,计算各评价指标的信息熵值bj,其表达式如下式所示:
;
式中,为第j个评价指标的信息熵值;
在所述信息熵值的基础上,计算各评价指标在所有评价指标中对应的熵权值,其表达式如下式所示:
;
式中,为第j个评价指标在所有评价指标中对应的熵权值;
然后将各评价指标的熵权值组成权值向量,如下式所示:
;
将评价指标矩阵中各评价指标的波动值数据与其对应的熵权值相乘得到加权评价参数,并将n个所述加权评价参数序列组成一个加权评价参数矩阵,如下式所示:
;
式中,为第j个评价指标在第i个时刻点中的加权评价参数。
3.根据权利要求1所述的一种基于监控参数的设备稳定性实时评价方法,其特征在于,所述获得距离关系值,包括以下步骤:
所求正、负理想解的表达式分别如下所示:
;
式中,为正理想解,为负理想解;,表示n个不同评价指标在第i个时刻点对应的最大正向波动值;,表示n个不同评价指标在第i个时刻点对应的最大负向波动值;N为每个评价指标采集的数据点个数;
建立第j个评价指标的波动值与所述正负理想解之间的距离关系值的表达式,其表达式分别如下所示:
;
式中,i=1,2,…,N;j=1,2,…,n,为第j个评价指标的波动值与正理想解之间的距离关系值,为第j个评价指标的波动值与负理想解之间的距离关系值。
4.根据权利要求3所述的一种基于监控参数的设备稳定性实时评价方法,其特征在于,所述获得灰色关联度,包括以下步骤:
计算第i个时刻点第j个评价指标的波动值与正理想解之间的总***移差,其表达式如下所示:
;
分别计算第j个评价指标的波动性和正理想解的一阶斜率差,其中第j个评价指标的一阶斜率差的表达式如下所示:
;
上式中,表示第j个评价指标中第i+1个时刻点的加权评价参数,表示第j个评价指标中第i个时刻点的加权评价参数;
正理想解的一阶斜率差的表达式如下所示:
;
上式中,表示n个不同评价指标在第i+1个时刻点对应的最大正向波动值;表示n个不同评价指标在第i个时刻点对应的最大正向波动值;
然后根据所述一阶斜率差和正理想解的一阶斜率差计算一阶总体斜率差,其表达式如下所示:
;
式中,i=2,3,…,N,j=1,2,…,n+1;
计算加权评价参数与正理想解的二阶斜率差,其中加权评价参数的二阶斜率差,其表达式如下所示:
;
正理想解的二阶斜率差的表达式如下所示:
;
根据所述二阶斜率差和正理想解的二阶斜率差,计算二阶总体斜率差,其表达式如下所示:
;
计算所述加权评价参数矩阵序列与正理想解的变化速率差,其表达式如下所示:
;
式中,i=3,4,…,N;j=1,2,…,n+1;为第个样本评价指标中N个点的均值;为正理想解中N个点的均值;
计算体现第j个所述评价指标的波动性和正理想解斜率相似程度的关联度,其表达式如下式所示:
;
计算体现第j个所述评价指标的波动性和正理想解变化速率相似性的关联度,其表达式如下式所示:
;
在所述关联度和的基础上计算第j个所述评价指标相对于正理想解的灰色关联度,其表达式如下式所示:
;
式中,j=1,2,…,n;ω为调节系数,取值范围为(0,1);
按照上述方法,计算所述加权评价参数矩阵中各评价指标的波动值与负理想解的灰色关联度。
5.根据权利要求4所述的一种基于监控参数的设备稳定性实时评价方法,其特征在于,获得所述相关性权值包括以下步骤:
分别对所述距离关系值、进行无量纲化处理,其表达式分别如下所示:
;
;
式中,,分别为对距离关系值、经过无量纲化处理后的值;
分别对所述灰色关联度、进行无量纲化处理,其表达式分别如下所示:
;
;
式中,,分别为灰色关联度、经过无量纲化处理后的值;
在得到所述无量纲化处理后的,,和的基础上,进行数据融合处理,得到第j个评价指标的波动性与设备整体运行稳定性的相关性权值,其表达式如下所示:
;
式中,γ取值范围为[0,1],γ的大小决定了曲线位置关系和几何形状关系对的影响程度。
6.根据权利要求5所述的一种基于监控参数的设备稳定性实时评价方法,其特征在于,所述得到设备整体的实时运行评价得分,包括以下步骤:
先分别计算第j个评价指标在第i个时刻点的稳定性状态评分;
利用各个评价指标的稳定性状态评分和对应的相关性权值,建立所述设备整体的实时运行评价得分公式,得到设备整体的实时运行评价得分。
7.根据权利要求6所述的一种基于监控参数的设备稳定性实时评价方法,其特征在于,所述第j个评价指标在第i个时刻点的稳定性状态评分的函数表达式为:
;
式中,j=1,2,…,n;为第j个评价指标在第i个时刻点中的加权评价参数,和分别代表各个评价指标在设备运行范围内的正向最大波动值和负向最大波动值。
8.根据权利要求7所述的一种基于监控参数的设备稳定性实时评价方法,其特征在于,所述设备整体的实时运行评价得分公式如下所示:
;
其中,Score为设备整体的实时运行评价得分,为第j个评价指标的波动性与设备整体运行稳定性的相关性权值,为第j个评价指标在第i个时刻点的运行稳定性状态评分。
9.根据权利要求8所述的一种基于监控参数的设备稳定性实时评价方法,其特征在于,所述设备参数调整包括以下步骤:
计算设备整体的实时运行评价得分,并设定总的基准指标;
通过对所述设备整体的实时运行评价得分和总的基准指标进行比较;
当所述设备整体的实时运行评价得分大于等于总的基准指标,则表示设备运行良好;
当所述设备整体的实时运行评价得分小于总的基准指标,则表示设备运行不稳定,则对得分较低的评价指标及时进行调整,使得设备整体的实时运行评价得分大于等于总的基准指标。
10.根据权利要求1~9任一项所述的基于监控参数的设备稳定性实时评价方法,其特征在于,该评价方法专用于蒸汽动力船的热力***的冷凝器的运转稳定状态评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310379639.4A CN116090800B (zh) | 2023-04-11 | 2023-04-11 | 基于监控参数的设备稳定性实时评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310379639.4A CN116090800B (zh) | 2023-04-11 | 2023-04-11 | 基于监控参数的设备稳定性实时评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116090800A true CN116090800A (zh) | 2023-05-09 |
CN116090800B CN116090800B (zh) | 2023-07-18 |
Family
ID=86210616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310379639.4A Active CN116090800B (zh) | 2023-04-11 | 2023-04-11 | 基于监控参数的设备稳定性实时评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116090800B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123467A (zh) * | 2014-07-24 | 2014-10-29 | 合肥工业大学 | 一种基于专家偏好的gra—topsis模型的评价方法 |
CN104468200A (zh) * | 2014-11-25 | 2015-03-25 | 中国人民解放军国防科学技术大学 | 数据中心网络设备健康度的自适应评价方法 |
CN105023065A (zh) * | 2015-07-24 | 2015-11-04 | 国网山东省电力公司经济技术研究院 | 基于灰色关联度topsis的电网规划风险评估***及方法 |
CN108509385A (zh) * | 2018-03-23 | 2018-09-07 | 江苏电力信息技术有限公司 | 一种设备制造供应商评价方法 |
US20200104440A1 (en) * | 2018-09-30 | 2020-04-02 | Wuhan University | Method for evaluating state of power transformer |
CN112070367A (zh) * | 2020-08-20 | 2020-12-11 | 中国人民解放军海军工程大学 | 一种基于改进综合成新率的大型武器装备价值评估方法 |
CN112541274A (zh) * | 2020-12-18 | 2021-03-23 | 中国人民武装警察部队工程大学 | 一种基于pcm-topsis法的导弹***效能评估方法 |
CN114693076A (zh) * | 2022-03-08 | 2022-07-01 | 长沙理工大学 | 一种面向综合能源***运行状态的动态评价方法 |
CN115329672A (zh) * | 2022-08-16 | 2022-11-11 | 江西理工大学 | 一种基于改进topsis灰色关联的换流变压器状态可靠性评估方法 |
CN115375050A (zh) * | 2021-05-19 | 2022-11-22 | 国网河北省电力有限公司信息通信分公司 | 一种多电力***状态评价方法和*** |
CN115578218A (zh) * | 2022-10-26 | 2023-01-06 | 中国矿业大学 | 一种基于变异系数和改进topsis的电能质量评估方法 |
WO2023024433A1 (zh) * | 2021-08-27 | 2023-03-02 | 浙大城市学院 | 一种燃气蒸汽联合循环发电机组运行调控***及调控方法 |
-
2023
- 2023-04-11 CN CN202310379639.4A patent/CN116090800B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123467A (zh) * | 2014-07-24 | 2014-10-29 | 合肥工业大学 | 一种基于专家偏好的gra—topsis模型的评价方法 |
CN104468200A (zh) * | 2014-11-25 | 2015-03-25 | 中国人民解放军国防科学技术大学 | 数据中心网络设备健康度的自适应评价方法 |
CN105023065A (zh) * | 2015-07-24 | 2015-11-04 | 国网山东省电力公司经济技术研究院 | 基于灰色关联度topsis的电网规划风险评估***及方法 |
CN108509385A (zh) * | 2018-03-23 | 2018-09-07 | 江苏电力信息技术有限公司 | 一种设备制造供应商评价方法 |
US20200104440A1 (en) * | 2018-09-30 | 2020-04-02 | Wuhan University | Method for evaluating state of power transformer |
CN112070367A (zh) * | 2020-08-20 | 2020-12-11 | 中国人民解放军海军工程大学 | 一种基于改进综合成新率的大型武器装备价值评估方法 |
CN112541274A (zh) * | 2020-12-18 | 2021-03-23 | 中国人民武装警察部队工程大学 | 一种基于pcm-topsis法的导弹***效能评估方法 |
CN115375050A (zh) * | 2021-05-19 | 2022-11-22 | 国网河北省电力有限公司信息通信分公司 | 一种多电力***状态评价方法和*** |
WO2023024433A1 (zh) * | 2021-08-27 | 2023-03-02 | 浙大城市学院 | 一种燃气蒸汽联合循环发电机组运行调控***及调控方法 |
CN114693076A (zh) * | 2022-03-08 | 2022-07-01 | 长沙理工大学 | 一种面向综合能源***运行状态的动态评价方法 |
CN115329672A (zh) * | 2022-08-16 | 2022-11-11 | 江西理工大学 | 一种基于改进topsis灰色关联的换流变压器状态可靠性评估方法 |
CN115578218A (zh) * | 2022-10-26 | 2023-01-06 | 中国矿业大学 | 一种基于变异系数和改进topsis的电能质量评估方法 |
Non-Patent Citations (5)
Title |
---|
H. DONG 等: "Evaluation or TPGU using entropy-improved TOPSIS-GRA method in China", 《PLOS ONE》, pages 1 - 24 * |
H.J. FENG 等: "Multi-Objective Constructal Optimization for Marine Condensers", 《ENERGIES》, pages 1 - 19 * |
倪何 等: "某型舰用冷凝器动态数学模型的建立和应用", 《计算机仿真》, pages 337 - 341 * |
李鹏 等: "基于熵权-灰色关联-TOPSIS法的油田加热炉能效评价", 《数学的实践与认识》, pages 97 - 107 * |
都雪静 等: "突发事件下公路应急物资调度优化", 《交通信息与安全》, pages 52 - 59 * |
Also Published As
Publication number | Publication date |
---|---|
CN116090800B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11436395B2 (en) | Method for prediction of key performance parameter of an aero-engine transition state acceleration process based on space reconstruction | |
CN106682814B (zh) | 一种基于故障知识库的风电机组故障智能诊断方法 | |
CN111444953B (zh) | 一种基于改进粒子群优化算法的传感器故障监测方法 | |
CN111275288A (zh) | 基于XGBoost的多维数据异常检测方法与装置 | |
CN110245460B (zh) | 一种基于多阶段oica的间歇过程故障监测方法 | |
CN111709454B (zh) | 一种基于最优copula模型的多风电场出力聚类评估方法 | |
CN116624343B (zh) | 一种风电机组塔筒异常振动监测及健康度评价方法及*** | |
CN102636624A (zh) | 铝电解过程电解槽中氧化铝浓度的软测量方法 | |
CN116306306A (zh) | 一种基于非洲秃鹫算法的微网惯性常数估计方法 | |
CN109894495B (zh) | 一种基于能耗数据和贝叶斯网络的挤压机异常检测方法及*** | |
CN114169718A (zh) | 一种基于风电机组状态评估提高机组可靠性的方法 | |
CN116090800B (zh) | 基于监控参数的设备稳定性实时评价方法 | |
CN110142803B (zh) | 一种移动焊接机器人***工作状态检测方法及装置 | |
CN107527093B (zh) | 一种风电机组运行状态诊断方法及装置 | |
CN117009828A (zh) | 基于故障匹配算法的水电设备故障诊断方法 | |
CN109840563B (zh) | 一种基于三维隶属函数模糊逻辑***的风机故障诊断方法 | |
CN116664098A (zh) | 一种光伏电站的异常检测方法及*** | |
CN114154855A (zh) | 一种区域配电网状态分析方法 | |
CN106788064A (zh) | 基于emd‑elm的感应电机定子电阻参数识别方法 | |
CN112329987A (zh) | 基于Adaboost-EMD-SVM的短期风电场功率预测方法 | |
CN118194607B (zh) | 一种用于锅炉机组数据动态建模方法及*** | |
CN110322063A (zh) | 一种耗电功率仿真预测方法及存储介质 | |
CN111123890B (zh) | 一种特种设备故障监测*** | |
Xiong et al. | Gas data anomaly detection based on time-series ARIMA model | |
Liu et al. | A fusion prognostic approach based on multi-kernel relevance vector machine and Bayesian model averaging |
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 |