JP2020166971A - Control system - Google Patents
Control system Download PDFInfo
- Publication number
- JP2020166971A JP2020166971A JP2019064421A JP2019064421A JP2020166971A JP 2020166971 A JP2020166971 A JP 2020166971A JP 2019064421 A JP2019064421 A JP 2019064421A JP 2019064421 A JP2019064421 A JP 2019064421A JP 2020166971 A JP2020166971 A JP 2020166971A
- Authority
- JP
- Japan
- Prior art keywords
- time series
- data
- absence
- pattern
- fuel cell
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
Abstract
Description
本発明は、家屋内にエネルギー供給を行う燃料電池コージェネレーション装置の制御システムに関する。 The present invention relates to a control system for a fuel cell cogeneration apparatus that supplies energy to a house.
特許文献１には、給湯器を遠隔操作するリモコン装置が開示されている。このリモコン装置は、給湯器の作動状態を表示する作動状態表示部と、時刻を表示する時刻表示部と、給湯器の給湯運転が可能な運転状態と給湯運転が不能な待機状態とを切替える運転スイッチ、作動状態表示部の点灯／ 消灯を切替える省電力スイッチを備えている。運転スイッチの操作によって、給湯器の給湯運転が可能な運転状態と、給湯器の給湯運転が不能な待機状態とが切り替えられる。省電力スイッチの操作によって、作動状態表示部を点灯状態にする「通常表示モード」と、運転状態で給湯器の給湯運転が実行されていないときに作動状態表示部を消灯状態にする「省電力表示モード」とが切り替えられる。これにより、表示部における不必要な電力消費が低減される。
特許文献２には、給湯器本体と給湯操作装置としての給湯リモコンとを備えた給湯システムが開示されている。給湯リモコンは、操作キーや表示デバイスを備え、給湯運転開始直後などの通常表示モードでは、給湯運転中であることや給湯温度が、表示デバイス画面上に表示される。さらに、給湯運転の開始後であっても開栓操作に伴う出湯や操作キーの操作などが一定時間行われない場合には、表示モードが通常表示モードから省電力表示モードに切り替えられ、ユーザが何らかの操作を行うまで画面は非表示状態となる。これにより、消費電力の低減や表示デバイスの延命が図られている。
特許文献３には、住宅内に人が在宅中であるか外出中であるかの判定する在宅判定システムが開示されている。このシステムは、住宅内に人が在宅中であるか外出中であるかを示す状態情報と、玄関に人がいることを検出する人感センサから出力される人検出情報と、玄関の扉が開閉したことを検出する開閉センサから出力される開閉情報とを取得する。次いで、人検出情報と開閉情報とを取得した順番が、当該状態情報に対応した順番であるか否かが判定される。この判定結果は、ネットワークを介して情報端末に出力されるとともに、この判定結果に応じて状態情報が更新される。
特許文献４には、住宅に人物が在宅しているかどうかの情報を提供するシステムが開示されている。このシステムは、住宅に配置された複数の機器に対して所定の操作がなされた操作時刻から、住宅に人物が不在であると推定された不在時刻までの時間差に基づいて、人物の外出する前の相関のある行動パターンを特定する。この特定された行動パターンに基づいて、指定された時刻における住宅に人物が在宅している確率が算出される。
特許文献１による給湯器では、省電力スイッチを操作することによって、リモコン装置の表示部が消灯状態となり、省電力が図られる。しかしながら、省電力スイッチの操作が行われないと、人が不在でリモコン表示が不要な時でもリモコン表示が行われ、電力が無駄に消費される。特許文献２による給湯システムでは、給湯リモコンに対する操作が一定時間行われない場合、省電力表示モードに切り替えられ、表示部が消灯状態となり、省電力が図られる。しかしながら、発電状況や電力の使用状況、あるいは時刻やその他の情報を見るために、人が給湯リモコンに近づいても、リモコンの非操作が一定時間継続している場合には、何らかの操作が行われない限り、表示部が消灯状態のため、情報の確認は不可能である。
In the water heater according to
特許文献３による在宅判定システムでは、玄関における人感センサや玄関扉の開閉センサを用いて、家宅での人の存在が判定される。しかしながら、玄関から複数人が出入りする場合や家族以外の人が出入りした場合、正確な在宅判定（不在判定）が困難となる。また、特許文献４では、同じ機器の操作であっても、時間帯や季節、あるいは気象条件など環境条件によって、その操作の趣旨が異なる場合もあるので、機器に対する操作だけから在宅判定は困難である。
In the home determination system according to
上述した実情に鑑み、本発明の目的は、家屋内に必要なエネルギーを供給することができる燃料電池コージェネレーション装置を配備した家屋において、確実な不在判定及びこの不在判定に基づく適切な機器制御が可能となる制御システムを提供することである。 In view of the above-mentioned circumstances, an object of the present invention is to perform reliable absence determination and appropriate device control based on this absence determination in a house equipped with a fuel cell cogeneration device capable of supplying necessary energy into the house. It is to provide a control system that enables it.
本発明に係る、家屋内にエネルギー供給を行う燃料電池コージェネレーション装置の制御システムは、前記燃料電池コージェネレーション装置の発電を停止させる発電停止指令を出力する手動操作式の発電停止操作具と、エネルギー供給状態を示す供給時系列データを生成する供給時系列データ生成部と、家屋環境に関する環境時系列データを生成する環境時系列データ生成部と、前記発電停止指令の出力時点を基準として前記供給時系列データから学習用供給時系列パターンを生成するとともに、任意の時点を基準として前記供給時系列データから汎用供給時系列パターンを生成する供給パターン生成部と、前記発電停止指令の前記出力時点を基準として前記環境時系列データから学習用環境時系列パターンを生成するとともに、任意の時点を基準として前記環境時系列データから汎用環境時系列パターンを生成する環境パターン生成部と、前記汎用供給時系列パターンと前記汎用環境時系列パターンとを入力データとして、前記家屋内での人の不在を示す不在情報を出力するように、前記学習用供給時系列パターンと前記学習用環境時系列パターンとを用いて機械学習された不在推定ユニットと、前記不在推定ユニットからの前記不在情報の出力に基づいて、前記発電を停止させる発電停止制御部とを備える。 The control system for a fuel cell cogeneration device that supplies energy to a house according to the present invention includes a manually operated power generation stop operating tool that outputs a power generation stop command for stopping the power generation of the fuel cell cogeneration device, and energy. A supply time-series data generator that generates supply time-series data indicating the supply status, an environmental time-series data generator that generates environmental time-series data related to the house environment, and the supply time based on the output time of the power generation stop command. A supply pattern generator that generates a supply time series pattern for learning from the series data and generates a general-purpose supply time series pattern from the supply time series data based on an arbitrary time point, and the output time point of the power generation stop command as a reference. An environment pattern generator that generates a learning environment time series pattern from the environment time series data and generates a general-purpose environment time series pattern from the environment time series data based on an arbitrary time point, and the general-purpose supply time series pattern. And the general-purpose environment time series pattern as input data, and the learning supply time series pattern and the learning environment time series pattern are used so as to output the absence information indicating the absence of a person in the house. It includes a machine-learned absence estimation unit and a power generation stop control unit that stops the power generation based on the output of the absence information from the absence estimation unit.
この構成によれば、家人が不在となる際に行う発電停止操作具への操作時点（発電停止指令の出力時点）を基準として生成された特定期間でのエネルギー供給状態を示す学習用供給時系列パターン及び家屋環境を示す学習用環境時系列パターンが、不在推定ユニットの機械学習の学習データとして用いられる。その際、教師データは、家人の不在となる。つまり、この不在推定ユニットでは、家人不在時における家庭生活のための必須となるエネルギーの供給状態変化とこの供給状態に影響を与える家屋環境状態とが、家人不在というラベル付きの学習データとして用いられる。このようにして機械学習された不在推定ユニットは、常時、入力される汎用供給時系列パターンと汎用環境時系列パターンとに基づいて、家人の不在判定を行い、不在情報を出力する。出力された不在情報が家人の不在を示している場合には、この不在情報の出力に基づいて、発電停止制御部が発電を停止させる。この燃料電池コージェネレーション装置の制御システムは、より正確な在宅判定及びこの在宅判定に基づく適切な機器制御を実現する。 According to this configuration, a learning supply time series indicating the energy supply state in a specific period generated based on the operation time point (output time point of the power generation stop command) to the power generation stop operation tool performed when the family member is absent. The learning environment time series pattern showing the pattern and the house environment is used as the learning data of the machine learning of the absence estimation unit. At that time, the teacher data is the absence of the family member. In other words, in this absence estimation unit, changes in the energy supply state that are essential for family life in the absence of a family member and the environmental state of the house that affects this supply state are used as learning data labeled as absent. .. The absence estimation unit machine-learned in this way constantly determines the absence of a family member based on the input general-purpose supply time-series pattern and general-purpose environment time-series pattern, and outputs the absence information. When the output absentee information indicates the absence of a family member, the power generation stop control unit stops the power generation based on the output of the absentee information. The control system of this fuel cell cogeneration device realizes more accurate home determination and appropriate device control based on this home determination.
不在推定ユニットから出力される不在情報に、家人の在宅または不在の情報だけでなく、不在継続時間（予測時間）も含まれていると、機器制御にとって好都合である。家人が不在であったとしても不在継続時間がある程度長くないと、発電停止の効果が得られにくいからである。このような不在継続時間の算出は、不在推定ユニットとは別の演算ユニットによって構成してもよいし、不在推定ユニットが不在継続時間も出力するように構成してもよい。このことから、本発明の好適な実施形態の１つでは、前記不在情報の出力時系列に基づいて、不在継続時間が算出され、出力される。この構成では、不在推定ユニットとは別の演算ユニットによって不在継続時間が算出されるので、不在推定ユニットの演算構造の複雑化が避けられる。この演算ユニットは、不在推定ユニットからの経時的な不在情報の出力パターンから不在継続時間を推定する機械学習ユニットとして構成可能である。これとは異なる好適な実施形態の１つでは、不在推定ユニットが、不在継続時間を含む不在情報を出力する。このような不在推定ユニットの機械学習時に用いられる教師データには、家人の在宅または不在の情報だけでなく、不在継続時間情報も含まれる。 It is convenient for device control that the absence information output from the absence estimation unit includes not only the information on the home or absence of the householder but also the absence duration (estimated time). This is because even if the family member is absent, it is difficult to obtain the effect of stopping power generation unless the duration of absence is long to some extent. Such calculation of the absence duration may be configured by an arithmetic unit different from the absence estimation unit, or may be configured so that the absence estimation unit also outputs the absence duration. From this, in one of the preferred embodiments of the present invention, the absence duration is calculated and output based on the output time series of the absence information. In this configuration, the absence duration is calculated by a calculation unit different from the absence estimation unit, so that the calculation structure of the absence estimation unit is not complicated. This arithmetic unit can be configured as a machine learning unit that estimates the absence duration from the output pattern of absence information over time from the absence estimation unit. In one of the other preferred embodiments, the absence estimation unit outputs absence information, including the absence duration. The teacher data used during machine learning of such an absence estimation unit includes not only information on the home or absence of a family member but also information on the duration of absence.
燃料電池コージェネレーション装置は家庭用エネルギー供給機器として多くの家屋に設置されるので、各家屋から大量の不在ラベル付きの供給時系列データ及び環境時系列データが送られてくれば、これらのデータは教師あり学習情報として利用することができる。機械学習のデータ量が大きいことは、機械学習の精度の向上につながる。このため、本発明の好適な実施形態の１つでは、前記燃料電池コージェネレーション装置がデータ通信回線を通じてデータ交換可能に管理コンピュータに接続されており、前記管理コンピュータには、前記不在推定ユニットの学習を実施する機械学習部が構築されており、前記学習用供給時系列パターン及び前記学習用環境時系列パターンが前記燃料電池コージェネレーション装置から前記機械学習部に与えられることによって前記機械学習が実行され、前記機械学習によって生成された機械学習結果データを用いて前記不在推定ユニットが更新される。 Fuel cell cogeneration devices are installed in many homes as household energy supply equipment, so if a large amount of absentee-labeled supply time-series data and environmental time-series data are sent from each house, these data will be available. It can be used as supervised learning information. A large amount of machine learning data leads to an improvement in the accuracy of machine learning. Therefore, in one of the preferred embodiments of the present invention, the fuel cell cogeneration device is connected to the management computer so that data can be exchanged through a data communication line, and the management computer learns the absence estimation unit. The machine learning unit is constructed, and the machine learning is executed by giving the learning supply time series pattern and the learning environment time series pattern from the fuel cell cogeneration device to the machine learning unit. , The absence estimation unit is updated using the machine learning result data generated by the machine learning.
燃料電池コージェネレーション装置の制御システムは、家庭とインターネットなどのデータ通信回線を通じて接続可能で、クラウドサービス機能を有する管理コンピュータに組み入れることができる。そのようなシステム構成では、各家屋に配置される燃料電池コージェネレーション装置と管理コンピュータとの間で、上述した制御システムの各機能を振り分けることができ、好都合である。本発明の好適な実施形態の１つでは、前記燃料電池コージェネレーション装置には、前記発電停止操作具と前記発電停止制御部とが備えられ、前記燃料電池コージェネレーション装置がデータ通信回線を通じてデータ交換可能に管理コンピュータに接続されており、前記管理コンピュータには、前記供給時系列データ生成部と、前記環境時系列データ生成部と、前記供給パターン生成部と、前記環境パターン生成部と、前記不在推定ユニットとが備えられ、前記発電停止指令は前記発電停止制御部から前記管理コンピュータに送られ、前記不在情報は前記管理コンピュータから前記発電停止制御部に送られる。これにより、制御システムの演算負荷の高い処理は管理コンピュータで集中的に実行されるので、効率的である。 The control system of the fuel cell cogeneration device can be connected to the home through a data communication line such as the Internet, and can be incorporated into a management computer having a cloud service function. In such a system configuration, it is convenient because each function of the above-mentioned control system can be distributed between the fuel cell cogeneration device arranged in each house and the management computer. In one of the preferred embodiments of the present invention, the fuel cell cogeneration device includes the power generation stop operating tool and the power generation stop control unit, and the fuel cell cogeneration device exchanges data through a data communication line. It is connectable to the management computer, and the management computer is absent from the supply time series data generation unit, the environment time series data generation unit, the supply pattern generation unit, the environment pattern generation unit, and the absence. An estimation unit is provided, the power generation stop command is sent from the power generation stop control unit to the management computer, and the absence information is sent from the management computer to the power generation stop control unit. As a result, the processing with a high calculation load of the control system is centrally executed by the management computer, which is efficient.
家屋内での人の不在を示す不在情報は、他の家庭用機器にとっても貴重な情報となる。不在情報に基づいて機器制御が行われることで、例えば、テレビ、ラジオ、照明、ガスなどの消し忘れが回避できる。このことから、本発明の好適な実施形態の１つでは、前記不在情報が前記家屋に設置されている他の家庭用機器に転送される。 Absence information indicating the absence of a person inside the house is also valuable information for other household appliances. By controlling the device based on the absence information, it is possible to avoid forgetting to turn off the television, radio, lighting, gas, etc., for example. For this reason, in one of the preferred embodiments of the present invention, the absence information is transferred to other household appliances installed in the house.
本発明の好適な実施形態の１つでは、前記供給時系列データには、電力の電力使用データ給湯の給湯使用データ、暖房の暖房使用データのうちの少なくとも１つが含まれ、前記環境時系列データには、気温データ、水温データ、室温データ、天候データ、季節データ、日時データのうちの少なくとも１つが含まれている。この構成では、家人の不在時と在宅時とで、その差が大きくなる、電力使用、給湯使用、暖房使用のうちの少なくとも１つと、これらの使用変動に大きな影響を与える、気温、水温、室温、天候データ、季節、日時のうちの少なくとも１つを用いることで、精度の高い家人の不在推定が実現される。 In one of the preferred embodiments of the present invention, the supply time series data includes at least one of the power usage data of electric power, the hot water supply usage data of hot water supply, and the heating usage data of heating, and the environmental time series data. Includes at least one of temperature data, water temperature data, room temperature data, weather data, seasonal data, date and time data. In this configuration, at least one of power usage, hot water supply usage, and heating usage, which makes a large difference between when the householder is absent and at home, and the temperature, water temperature, and room temperature, which have a great influence on the fluctuation of these usages. By using at least one of the weather data, the season, and the date and time, a highly accurate estimation of the absence of a householder can be realized.
本発明のその他の特徴、作用及び効果は、以下の図面を用いた本発明の説明によって明らかにされる。 Other features, actions and effects of the present invention will be clarified by the description of the present invention with reference to the following drawings.
本発明に係る制御システムは、図１に概略的に示すように、家屋内にエネルギーを供給するために配備された燃料電池コージェネレーション装置１を制御する。この実施形態では、燃料電池コージェネレーション装置１のための制御システムは、実質的には、ガスサービスセンタに設置されている管理コンピュータＣＣに構築されている機能部と、燃料電池コージェネレーション装置１の制御ユニット２に構築されている機能部とから構成されている。各家屋に配備された燃料電池コージェネレーション装置１の制御ユニット２と管理コンピュータＣＣとは、インターネットや公衆回線などからなるデータ通信回線ＤＮを通じて接続されている。これにより、管理コンピュータＣＣと制御ユニット２との間で種々の情報が送受信される。
As schematically shown in FIG. 1, the control system according to the present invention controls a fuel
燃料電池コージェネレーション機器１は、図２に示すように、構成要素として、貯湯タンク１１、燃料電池ユニット１２、熱源機１３を備え、都市ガスから水素を取り出して、空気中の酸素と反応させて発電する。燃料電池ユニット１２で発生した熱は湯水の形態で貯湯タンク１１に蓄えられる。熱源機１３は、燃料を燃焼して得られる燃焼熱により貯湯タンク１１からの湯水を加熱することができる。熱源機１３は、家屋内の熱負荷部に湯水の供給（給湯用途、温水暖房用途など）を行う。給湯の場合、湯水は対象の熱負荷部において消費され、貯湯タンク１１に帰還しない。温水暖房の場合、熱源機１３の燃焼熱で加熱された湯水の熱のみが対象の熱負荷部で消費され、貯湯タンク１１の湯水は使用されない。この温水暖房には、温水床暖房や浴室暖房乾燥機などが含まれる。さらには、温水暖房に風呂追いだきを含めてもよい。なお、熱源機１３は給湯器で置き換えることができる。したがって、この実施形態では、温水暖房が燃料電池コージェネレーション装置１による暖房であり、温水暖房の使用データが暖房使用データである。制御ユニット２は、燃料電池コージェネレーション装置１の制御（発電オンオフ、暖房やお湯の温度などの設定）を行うとともに、燃料電池コージェネレーション装置１の駆動状態や燃料電池コージェネレーション装置１の環境をチェックする機能も有する。
As shown in FIG. 2, the fuel
制御ユニット２から管理コンピュータＣＣに送られる情報には、エネルギー供給状態を示す供給時系列データと家屋環境に関する環境時系列データが含まれている。なお、このエネルギー供給状態は、燃料電池コージェネレーション装置１による家屋へのエネルギー供給状態だけを含むのではなく、他の供給源（例えば商用電源網など）からのエネルギー供給を含んでもよい。供給時系列データには、燃料電池コージェネレーション装置１による電力を含む家屋に供給される電力の電力使用データ、燃料電池コージェネレーション装置１による給湯の給湯使用データ、燃料電池コージェネレーション装置１による暖房の暖房使用データなどが含まれている。環境時系列データには、気温データ、水温データ、室温データ、天候データ、季節データ、日時データなどが含まれている。なお、水温の時系列パターンデータには、給水温度または給湯温度あるいはその両方が含まれる。気温の時系列パターンデータには、室外気温または室内温度あるいはその両方が含まれる。季節データと日時データとは、統合可能である。
The information sent from the
管理コンピュータＣＣは、各燃料電池コージェネレーション装置１の制御ユニット２から送られてくる供給時系列データ及び環境時系列データに基づいて、各家屋内に人が存在しているか、不在であるかを推定する。推定結果としての不在情報は、対応する燃料電池コージェネレーション装置１の制御ユニット２に送られる。制御ユニット２は、人の不在を示す不在情報を受け取ると、燃料電池コージェネレーション装置１による発電を停止させる。
The management computer CC determines whether a person is present or absent in each house based on the supply time series data and the environmental time series data sent from the
次に、管理コンピュータＣＣ及び制御ユニット２に備えられている、本発明に特に関係する機能を具体的に説明する。図３には、管理コンピュータＣＣ及び制御ユニット２の機能ブロック図が示されている。
Next, the functions particularly related to the present invention provided in the management computer CC and the
この実施形態では、制御ユニット２は、供給時系列データを生成する供給時系列データ生成部２１と、環境時系列データを生成する環境時系列データ生成部２２と、燃料電池コージェネレーション装置１の発電を停止させる発電停止制御部２３とを備える。さらに制御ユニット２には、手動操作式の発電停止操作具２４が接続されており、ユーザは、不在が予定される際には発電停止操作具２４を操作して、燃料電池コージェネレーション装置１の発電を停止させる発電停止指令を発電停止制御部２３に与える。しかしながら、ユーザが不在となる際に発電停止操作具２４の操作を忘れ、燃料電池コージェネレーション装置１の運転が続行している場合でも、管理コンピュータＣＣがユーザの不在を推定することにより、管理コンピュータＣＣから当該燃料電池コージェネレーション装置１に不在情報が送られ、燃料電池コージェネレーション装置１の運転が自動的に停止（発電停止）される。
In this embodiment, the
制御ユニット２で生成された、供給時系列データ、環境時系列データ、発電停止指令（出力時刻を含む）は、管理コンピュータＣＣにアップロードされる。このアップロードは、リアルタイム処理またはバッジ処理で行われる。
The supply time series data, the environment time series data, and the power generation stop command (including the output time) generated by the
管理コンピュータＣＣには、情報格納部５１、データ前処理部５２、機械学習部５３、不在推定ユニット４が備えられている。情報格納部５１は、各家屋の制御ユニット２から送られてくる供給時系列データ、環境時系列データ、発電停止指令を家宅別に格納する。データ前処理部５２は、情報格納部５１に格納されている情報を読み込んで、必要なデータ処理を行い、そのデータ処理結果を機械学習部５３と不在推定ユニット４とに与える。なお、機械学習部５３と不在推定ユニット４は一体化可能である。
The management computer CC includes an
データ前処理部５２には、供給パターン生成部５２１と環境パターン生成部５２２とが含まれている。供給パターン生成部５２１は、学習用モードと常用モードとの２つのモードで、情報格納部５１から読み出した供給時系列データから所定時間領域での供給時系列パターンを生成する。学習用モードは発電停止指令の受信をトリガーとして設定される。学習用モードでは発電停止指令が解除するまで、発電停止指令の出力時点を基準として供給時系列データから学習用供給時系列パターンが生成される。発電停止指令が出力されていない場合には常用モードが設定され、アップロードされてきた供給時系列データから任意の時点を基準として汎用供給時系列パターンが生成される。
The
同様に、環境パターン生成部５２２は、学習用モードと常用モードとの２つのモードで、情報格納部５１から読み出した環境時系列データから所定時間領域での環境時系列パターンを生成する。学習用モードでは発電停止指令が解除するまで、発電停止指令の出力時点を基準として環境時系列データから学習用環境時系列パターンが生成される。発電停止指令が出力されていない場合には常用モードが設定され、アップロードされてきた環境時系列データから任意の時点を基準として汎用環境時系列パターンが生成される。
Similarly, the environment
不在推定ユニット４は、データ前処理部５２によって生成された、各家屋の汎用供給時系列パターンと汎用環境時系列パターンとを入力データとして、当該家屋での人の不在を示す不在情報を出力するように、学習用供給時系列パターンと学習用環境時系列パターンとを用いて機械学習される。不在推定ユニット４を構築するための機械学習プロセスは、機械学習部５３を用いて行われる。学習用供給時系列パターンと学習用環境時系列パターンとが機械学習部５３の学習データとして用いられ、その際の教師データとして発電停止指令が用いられる。ここでは、発電停止指令は、家人が不在となる前提条件として取り扱われる。つまり、機械学習プロセスでは、家人が不在となっている家屋での供給時系列パターンである学習用供給時系列パターンと家人が不在となっている家屋での環境時系列パターンである学習用環境時系列パターンを機械学習させることで、通常時における汎用供給時系列パターンと汎用環境時系列パターンとから家人の不在を推定する推定演算機能が作り出される。
The
機械学習部５３によって学習される推定演算モデルは、実質的な構成は不在推定ユニット（機械学習ユニット）４と同じであり、ここでは、ニューラルネットワークモデル、例えば、再帰型ニューラルネットワークモデル、リカレントニューラルネットワーク、畳み込みニューラルネットワークモデルなどから選択された最適なモデルによって構成可能であるが、時系列データを取り扱う場合にはリカレントニューラルネットワークが有利である。
The estimation calculation model learned by the
図４は、ニューラルネットワークモデルの構成を示しており、７個のニューロンｗ１、ｗ２、ｗ３、・・・、ｗ７を含む入力層と、３個のニューロンｘ１、ｘ２、ｘ３を含む第1中間層（第1隠れ層）及び３個のニューロンｙ１、ｙ２、ｙ３を含む第２中間層（第２隠れ層）と、１個のニューロンｚ１を含む出力層とから構成されている。なお、図４において、中間層は、第１と第２の２層のみ示されているが、実際は入力されるデータ量に対応する入力層が必要であり、隠れ層も多層であることが好適である。 FIG. 4 shows the configuration of the neural network model, which includes an input layer containing seven neurons w1, w2, w3, ..., W7 and a first intermediate layer containing three neurons x1, x2, x3. It is composed of a (first hidden layer), a second intermediate layer (second hidden layer) containing three neurons y1, y2, and y3, and an output layer containing one neuron z1. In FIG. 4, only the first and second layers are shown as the intermediate layer, but in reality, an input layer corresponding to the amount of data to be input is required, and it is preferable that the hidden layer is also multi-layered. Is.
このニューラルネットワークは、学習用供給時系列パターン及び学習用環境時系列パターンを入力とするとともに、家人不在の発生とみなされる発電停止指令の経時的データを教師データとして、機械学習される。この実施形態では、学習用供給時系列パターンとして、学習用給湯使用パターンがニューロンｗ１に、学習用暖房使用パターンがニューロンｗ２に、学習用電力使用パターンがニューロンｗ３に入力される。学習用環境時系列パターンとして、学習用年月日パターンがニューロンｗ４に、学習用時刻パターンがニューロンｗ５に、学習用水温時系列パターンがニューロンｗ６に、学習用気温パターンがニューロンｗ７に、入力される。 This neural network is machine-learned by inputting a learning supply time-series pattern and a learning environment time-series pattern, and using temporal data of a power generation stop command, which is considered to be the occurrence of the absence of a family member, as teacher data. In this embodiment, the learning hot water supply usage pattern is input to the neuron w1, the learning heating usage pattern is input to the neuron w2, and the learning power usage pattern is input to the neuron w3 as the learning supply time-series pattern. As the learning environment time series pattern, the learning date pattern is input to the neuron w4, the learning time pattern is input to the neuron w5, the learning water temperature time series pattern is input to the neuron w6, and the learning temperature pattern is input to the neuron w7. To.
中間層は、１つ以上の畳み込み層とプーリング層とからなる第１中間層（隠れ層）と、全結合層からなる第２中間層とを有する。第１中間層により、特徴マップを獲得し、パターンの抽象化を行うことで入力された時系列パターンを認識し分類する。 The intermediate layer has a first intermediate layer (hidden layer) composed of one or more convolution layers and a pooling layer, and a second intermediate layer composed of a fully connected layer. The feature map is acquired by the first intermediate layer, and the input time series pattern is recognized and classified by abstracting the pattern.
学習用供給時系列パターンの一例としての学習用電力使用パターンが、図５に示されている。学習用電力使用パターンは、情報格納部５１に格納されている電力使用時系列データから、発電停止指令の出力タイミング（図５ではｔ１で示されている）に基づいて、切り出されたデータである。図５では、４つの学習用電力使用パターンが例示されている。第１の学習用電力使用パターン（図５ではｓ１で示されている）は、発電停止指令の出力タイミング：ｔ１よりΔｔだけ遡った時点から、所定の時間区画を有する。第２の学習用電力使用パターン（図５ではｓ２で示されている）は、第１の学習用電力使用パターンより所定の遅れ時間で切り出されたパターンである。第３と第４の学習用電力使用パターン（図５ではｓ３とｓ４で示されている）は、それぞれ、第２と第４の学習用電力使用パターンより所定の遅れ時間で切り出されたパターンである。これらの、４つの学習用電力使用パターンを入力層に入力してもよいし、これらを統計的演算等によって統合化した１つの学習用電力使用パターンを入力層に入力してもよい。図５の例では、発電停止指令の出力タイミング：ｔ１よりΔｔだけ遡った時点が学習用電力使用パターンの切り出し点であったが、発電停止指令の出力タイミング：ｔ１が学習用電力使用パターンの切り出し点であってもよいし、発電停止指令の出力タイミング：ｔ１より遅れた時点が学習用電力使用パターンの切り出し点であってもよい。学習用給湯使用パターン及び学習用暖房使用パターンも同様に生成して、入力層に入力される。
A learning power usage pattern as an example of a learning supply time series pattern is shown in FIG. The learning power usage pattern is data cut out from the power usage time series data stored in the
学習用環境時系列パターンである、学習用水温時系列パターンや学習用気温パターンは学習用供給時系列パターンと同様に抽出（切り出し）することができる。学習用年月日パターンや学習用時刻パターンは、一定値として入力することができる。 The learning water temperature time series pattern and the learning air temperature pattern, which are the learning environment time series patterns, can be extracted (cut out) in the same manner as the learning supply time series pattern. The learning date pattern and the learning time pattern can be input as constant values.
学習プロセスが完了すれば、推定ユニットモデルにおける最終的な学習係数（重み係数）を含む機械学習結果データが生成されるので、この機械学習結果データを用いて、図６で示されるようなニューラルネットワーク構造を有する不在推定ユニット４が構築される。
When the learning process is completed, machine learning result data including the final learning coefficient (weighting coefficient) in the estimation unit model is generated. Therefore, using this machine learning result data, a neural network as shown in FIG. The
不在推定ユニット４が構築されると、燃料電池コージェネレーション装置１の制御ユニット２から送られてくる供給時系列データ及び環境時系列データがデータ前処理部５２で処理され、現時点の汎用供給時系列パターン及び汎用環境時系列パターンとして、汎用給湯使用パターン、汎用暖房使用パターンに、汎用電力使用パターン、汎用年月日パターン、汎用時刻パターン、汎用水温時系列パターン、汎用気温パターンが生成される。
When the
現時点の汎用供給時系列パターンの一例としての汎用電力使用パターンが、図７に示されている。汎用電力使用パターンは、情報格納部５１に格納されている電力使用時系列データから、データ前処理部５２の供給パターン生成部５２１によって読み出される。読み出された汎用電力使用パターンは不在推定ユニット４の入力層に入力される。例示されている汎用電力使用パターンは、電力使用時系列データから所定の時間領域で切り出されたデータである。図７では、互いにオーバーラップをもって切り出された４つの学習用電力使用パターンがｒ１、ｒ２、ｒ３、ｒ４で示されている。これらの４つの学習用電力使用パターンは、別々のニューロンに入力されてもよいし、それらを統計的演算して得られた特徴データをニューロンに入力してもよい。このような入力方法は、学習時の不在推定ユニット４への入力及び学習済の不在推定ユニット４への入力に適用される。
A general-purpose power usage pattern as an example of the current general-purpose supply time series pattern is shown in FIG. The general-purpose power usage pattern is read from the power usage time-series data stored in the
図６に示すように、現状の全ての汎用供給時系列パターン及び汎用環境時系列パターンが学習済の不在推定ユニット４の入力層に入力されると、不在推定ユニット４での推定演算が実行される。家屋に人が存在しないと推定されると、不在推定ユニット４は不在情報を出力する。
As shown in FIG. 6, when all the current general-purpose supply time series patterns and general-purpose environment time series patterns are input to the input layer of the learned
不在推定ユニット４から出力された不在情報は、該当する燃料電池コージェネレーション装置１の制御ユニット２に送られる。制御ユニット２が不在情報を受け取ると、発電停止制御部２３は、燃料電池コージェネレーション装置１の発電を停止させる。さらに、制御ユニット２が防犯装置などの家庭用機器とネットワーク接続されている場合、不在情報と家庭用機器が持つ情報とが組み合わせられて家屋監視情報が作成され、警備会社や前もって設定されている連絡先に通知される。
The absence information output from the
〔別実施の形態〕
（１）上述した実施形態では、学習済みの機械学習ユニットである不在推定ユニット４は、管理コンピュータＣＣに備えられていた。これに代えて、不在推定ユニット４を燃料電池コージェネレーション装置１の制御ユニット２に備えることができる。この場合には、汎用供給時系列パターン及び汎用環境時系列パターンは、制御ユニット２で生成され、不在推定ユニット４に入力される。なお、不在推定ユニット４を制御ユニット２に構築する際に必要な機械学習結果データは、管理コンピュータＣＣから制御ユニット２へ、データ通信回線ＤＮを用いて転送されると好都合であるが、スマートフォンやポータブルメモリなどを仲介させるデータ転送方法を採用してもよい。また、機械学習結果データを用いて構築された不在推定ユニット４を予め組み込んだ制御ユニット２が各家庭に設置されるようにしてもよい。データ通信回線ＤＮを介して機械学習結果データを転送する方法では、定期的に機械学習結果データを生成し、制御ユニット２の不在推定ユニット４を常に最新版に更新することができる。
[Another Embodiment]
(1) In the above-described embodiment, the
（２）不在情報に、家人の在宅または不在の情報だけでなく、不在継続時間（予測時間）も含まれるように、不在推定ユニット４を構築することも可能である。このためには、教師データとして不在継続時間情報、例えば、不在の開始時点（発電停止指令の出力時）と不在の終了時点（発電停止指令の解除時）とを加えるとよい。
(2) It is also possible to construct the
（３）家人の在宅または不在の推定と、不在継続時間の推定とが、別個の演算ユニットによって行われてもよい。そのような演算ユニットは、不在推定ユニット４からの経時的な不在情報の出力パターン（不在情報の出力時系列）から不在継続時間を推定する機械学習ユニットとして構成可能である。
(3) The estimation of the home or absence of the family member and the estimation of the absence duration may be performed by separate arithmetic units. Such an arithmetic unit can be configured as a machine learning unit that estimates the absence duration from the output pattern of absence information over time (time series of output of absence information) from the
なお、上記実施形態（別実施形態を含む、以下同じ）で開示される構成は、矛盾が生じない限り、他の実施形態で開示される構成と組み合わせて適用することが可能であり、また、本明細書において開示された実施形態は例示であって、本発明の実施形態はこれに限定されず、本発明の目的を逸脱しない範囲内で適宜改変することが可能である。 The configuration disclosed in the above embodiment (including another embodiment, the same shall apply hereinafter) can be applied in combination with the configuration disclosed in other embodiments as long as there is no contradiction. The embodiments disclosed in the present specification are examples, and the embodiments of the present invention are not limited thereto, and can be appropriately modified without departing from the object of the present invention.
本発明は、家屋内にエネルギー供給を行う燃料電池コージェネレーション装置に適用可能である。 The present invention is applicable to a fuel cell cogeneration apparatus that supplies energy to a house.
１ ：燃料電池コージェネレーション装置
２ ：制御ユニット
４ ：不在推定ユニット
１１ ：貯湯タンク
１２ ：燃料電池ユニット
１３ ：熱源機
２１ ：供給時系列データ生成部
２２ ：環境時系列データ生成部
２３ ：発電停止制御部
２４ ：発電停止操作具
５１ ：情報格納部
５２ ：データ前処理部
５３ ：機械学習部
５２１ ：供給パターン生成部
５２２ ：環境パターン生成部
ＣＣ ：管理コンピュータ
ＤＮ ：データ通信回線
1: Fuel cell cogeneration device 2: Control unit 4: Absence estimation unit 11: Hot water storage tank 12: Fuel cell unit 13: Heat source machine 21: Supply time series data generation unit 22: Environmental time series data generation unit 23: Power generation stop control Unit 24: Power generation stop operation tool 51: Information storage unit 52: Data preprocessing unit 53: Machine learning unit 521: Supply pattern generation unit 522: Environment pattern generation unit CC: Management computer DN: Data communication line
Claims (7)
前記燃料電池コージェネレーション装置の発電を停止させる発電停止指令を出力する手動操作式の発電停止操作具と、
エネルギー供給状態を示す供給時系列データを生成する供給時系列データ生成部と、
家屋環境に関する環境時系列データを生成する環境時系列データ生成部と、
前記発電停止指令の出力時点を基準として前記供給時系列データから学習用供給時系列パターンを生成するとともに、任意の時点を基準として前記供給時系列データから汎用供給時系列パターンを生成する供給パターン生成部と、
前記発電停止指令の前記出力時点を基準として前記環境時系列データから学習用環境時系列パターンを生成するとともに、任意の時点を基準として前記環境時系列データから汎用環境時系列パターンを生成する環境パターン生成部と、
前記汎用供給時系列パターンと前記汎用環境時系列パターンとを入力データとして、前記家屋内での人の不在を示す不在情報を出力するように、前記学習用供給時系列パターンと前記学習用環境時系列パターンとを用いて機械学習された不在推定ユニットと、
前記不在推定ユニットからの前記不在情報の出力に基づいて、前記発電を停止させる発電停止制御部と、
を備える燃料電池コージェネレーション装置の制御システム。 A control system for fuel cell cogeneration equipment that supplies energy to the interior of a house.
A manually operated power generation stop operating tool that outputs a power generation stop command for stopping the power generation of the fuel cell cogeneration device, and
A supply time series data generator that generates supply time series data indicating the energy supply status,
An environmental time-series data generator that generates environmental time-series data related to the house environment,
Supply pattern generation that generates a learning supply time series pattern from the supply time series data based on the output time point of the power generation stop command and generates a general-purpose supply time series pattern from the supply time series data based on an arbitrary time point. Department and
An environment pattern that generates a learning environment time series pattern from the environment time series data based on the output time point of the power generation stop command, and generates a general-purpose environment time series pattern from the environment time series data based on an arbitrary time point. Generation part and
The learning supply time series pattern and the learning environment time so as to output the absence information indicating the absence of a person in the house by using the general-purpose supply time series pattern and the general-purpose environment time series pattern as input data. An absentee estimation unit machine-learned using a series pattern,
A power generation stop control unit that stops the power generation based on the output of the absence information from the absence estimation unit,
Control system for fuel cell cogeneration equipment.
前記燃料電池コージェネレーション装置がデータ通信回線を通じてデータ交換可能に管理コンピュータに接続されており、前記管理コンピュータには、前記供給時系列データ生成部と、前記環境時系列データ生成部と、前記供給パターン生成部と、前記環境パターン生成部と、前記不在推定ユニットとが備えられ、
前記発電停止指令は前記発電停止制御部から前記管理コンピュータに送られ、前記不在情報は前記管理コンピュータから前記発電停止制御部に送られる請求項１から３のいずれか一項に記載の燃料電池コージェネレーション装置の制御システム。 The fuel cell cogeneration apparatus includes the power generation stop operating tool and the power generation stop control unit.
The fuel cell cogeneration device is connected to a management computer so that data can be exchanged through a data communication line, and the management computer has the supply time series data generation unit, the environment time series data generation unit, and the supply pattern. A generation unit, the environment pattern generation unit, and the absence estimation unit are provided.
The fuel cell cogeneration system according to any one of claims 1 to 3, wherein the power generation stop command is sent from the power generation stop control unit to the management computer, and the absence information is sent from the management computer to the power generation stop control unit. Control system for the generation device.
前記環境時系列データには、気温データ、水温データ、室温データ、天候データ、季節データ、日時データのうちの少なくとも１つが含まれている請求項１から６のいずれか一項に記載の燃料電池コージェネレーション装置の制御システム。
The supply time-series data includes at least one of power usage data of electric power by the fuel cell cogeneration apparatus, hot water supply usage data of hot water supply by the fuel cell cogeneration apparatus, and heating usage data of heating by the fuel cell cogeneration apparatus. One is included,
The fuel cell according to any one of claims 1 to 6, wherein the environmental time series data includes at least one of temperature data, water temperature data, room temperature data, weather data, seasonal data, and date and time data. Control system for cogeneration equipment.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019064421A JP7292081B2 (en) | 2019-03-28 | 2019-03-28 | control system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019064421A JP7292081B2 (en) | 2019-03-28 | 2019-03-28 | control system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020166971A true JP2020166971A (en) | 2020-10-08 |
| JP7292081B2 JP7292081B2 (en) | 2023-06-16 |
Family
ID=72716404
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019064421A Active JP7292081B2 (en) | 2019-03-28 | 2019-03-28 | control system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7292081B2 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022096770A (en) * | 2020-12-18 | 2022-06-30 | ｂｏｏｏｓｔ ｔｅｃｈｎｏｌｏｇｉｅｓ株式会社 | Presence/absence estimation system, power control system, presence/absence estimation method and presence/absence estimation program |
| WO2022145297A1 (en) * | 2020-12-28 | 2022-07-07 | ダイキン工業株式会社 | Hot water supply system |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004069085A (en) * | 2002-08-01 | 2004-03-04 | Tokyo Gas Co Ltd | Co-generation device and its control method |
| JP2004236422A (en) * | 2003-01-30 | 2004-08-19 | Tokyo Gas Co Ltd | Cogeneration apparatus and its control method |
| JP2005287132A (en) * | 2004-03-29 | 2005-10-13 | Osaka Gas Co Ltd | Cogeneration system |
| JP2006196264A (en) * | 2005-01-12 | 2006-07-27 | Toshiba Fuel Cell Power Systems Corp | Fuel cell power generation system |
| JP2012225543A (en) * | 2011-04-18 | 2012-11-15 | Tokyo Gas Co Ltd | Method for controlling heat accommodation |
| JP2014102709A (en) * | 2012-11-20 | 2014-06-05 | Toshiba Corp | Behavior inferring apparatus, threshold calculating apparatus, behavior inferring method, and behavior inferring program |
| JP2015137770A (en) * | 2014-01-20 | 2015-07-30 | 大阪瓦斯株式会社 | Utility supply device |
| US20150276268A1 (en) * | 2014-03-25 | 2015-10-01 | Honeywell International Inc. | Pilot light control for an appliance |
| JP2015185025A (en) * | 2014-03-25 | 2015-10-22 | 大阪瓦斯株式会社 | energy supply system |
| JP2017044449A (en) * | 2015-08-28 | 2017-03-02 | 株式会社ノーリツ | Cogeneration system |
-
2019
- 2019-03-28 JP JP2019064421A patent/JP7292081B2/en active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004069085A (en) * | 2002-08-01 | 2004-03-04 | Tokyo Gas Co Ltd | Co-generation device and its control method |
| JP2004236422A (en) * | 2003-01-30 | 2004-08-19 | Tokyo Gas Co Ltd | Cogeneration apparatus and its control method |
| JP2005287132A (en) * | 2004-03-29 | 2005-10-13 | Osaka Gas Co Ltd | Cogeneration system |
| JP2006196264A (en) * | 2005-01-12 | 2006-07-27 | Toshiba Fuel Cell Power Systems Corp | Fuel cell power generation system |
| JP2012225543A (en) * | 2011-04-18 | 2012-11-15 | Tokyo Gas Co Ltd | Method for controlling heat accommodation |
| JP2014102709A (en) * | 2012-11-20 | 2014-06-05 | Toshiba Corp | Behavior inferring apparatus, threshold calculating apparatus, behavior inferring method, and behavior inferring program |
| JP2015137770A (en) * | 2014-01-20 | 2015-07-30 | 大阪瓦斯株式会社 | Utility supply device |
| US20150276268A1 (en) * | 2014-03-25 | 2015-10-01 | Honeywell International Inc. | Pilot light control for an appliance |
| JP2015185025A (en) * | 2014-03-25 | 2015-10-22 | 大阪瓦斯株式会社 | energy supply system |
| JP2017044449A (en) * | 2015-08-28 | 2017-03-02 | 株式会社ノーリツ | Cogeneration system |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022096770A (en) * | 2020-12-18 | 2022-06-30 | ｂｏｏｏｓｔ ｔｅｃｈｎｏｌｏｇｉｅｓ株式会社 | Presence/absence estimation system, power control system, presence/absence estimation method and presence/absence estimation program |
| JP7122714B2 (en) | 2020-12-18 | 2022-08-22 | ｂｏｏｏｓｔ ｔｅｃｈｎｏｌｏｇｉｅｓ株式会社 | Presence/absence estimation system, power control system, presence/absence estimation method, and presence/absence estimation program |
| WO2022145297A1 (en) * | 2020-12-28 | 2022-07-07 | ダイキン工業株式会社 | Hot water supply system |
| JP2022103697A (en) * | 2020-12-28 | 2022-07-08 | ダイキン工業株式会社 | Hot water supply system |
| JP7108210B2 (en) | 2020-12-28 | 2022-07-28 | ダイキン工業株式会社 | hot water system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7292081B2 (en) | 2023-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Park et al. | LightLearn: An adaptive and occupant centered controller for lighting based on reinforcement learning | |
| Tsai et al. | Residence energy control system based on wireless smart socket and IoT | |
| Korkas et al. | Occupancy-based demand response and thermal comfort optimization in microgrids with renewable energy sources and energy storage | |
| Scott et al. | PreHeat: controlling home heating using occupancy prediction | |
| Yang et al. | Development of multi-agent system for building energy and comfort management based on occupant behaviors | |
| Dounis | Artificial intelligence for energy conservation in buildings | |
| CN107256011B (en) | The method of the operation of the user interface of thermostat and optimization thermostat | |
| KR20160002993A (en) | Controlling an hvac system during demand response events | |
| Harris et al. | Exploiting user behaviour for context-aware power management | |
| KR101986753B1 (en) | System for automatically controlling temperature of apartment | |
| CN107065961A (en) | The flexible function of intelligent thermostat control HVAC system is divided | |
| EP2325712A1 (en) | Control panel for a control system and a control system | |
| CN105247290A (en) | Automated adjustment of an HAVC schedule for resource conservation | |
| WO2014126131A1 (en) | Lifestyle behavior estimation system, lifestyle behavior estimation device, lifestyle behavior estimation program, and recording medium | |
| CN104110888A (en) | Water heater, water heater system, control method, wearable intelligent device and mobile terminal | |
| JP7292081B2 (en) | control system | |
| KR101251873B1 (en) | Method for controlling building air conditioning system by using intelligent control algorithm | |
| JP4757105B2 (en) | Residential monitoring system and housing | |
| Al-Daraiseh et al. | Multi-agent system for energy consumption optimisation in higher education institutions | |
| Weng et al. | Context-aware home energy saving based on energy-prone context | |
| WO2014185174A1 (en) | Energy management controller, energy management system, energy management method, and program | |
| Jain et al. | Portable+ A Ubiquitous And Smart Way Towards Comfortable Energy Savings | |
| Li et al. | Intelligent home heating controller using fuzzy rule interpolation | |
| Szilagyi et al. | An intelligent system for smart buildings using machine learning and semantic technologies: A hybrid data-knowledge approach | |
| JP7262270B2 (en) | Power mode management system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211215 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221129 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221130 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230127 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230509 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230606 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7292081 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |