CN104767482B - 一种光伏组件老化和短路故障在线诊断方法 - Google Patents
一种光伏组件老化和短路故障在线诊断方法 Download PDFInfo
- Publication number
- CN104767482B CN104767482B CN201410001273.8A CN201410001273A CN104767482B CN 104767482 B CN104767482 B CN 104767482B CN 201410001273 A CN201410001273 A CN 201410001273A CN 104767482 B CN104767482 B CN 104767482B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic module
- short trouble
- aging
- short
- diagnosis method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000032683 aging Effects 0.000 title claims abstract description 24
- 238000003745 diagnosis Methods 0.000 title claims abstract description 23
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 230000006835 compression Effects 0.000 claims abstract description 9
- 238000007906 compression Methods 0.000 claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000015556 catabolic process Effects 0.000 claims description 4
- 238000006731 degradation reaction Methods 0.000 claims description 4
- 210000002569 neuron Anatomy 0.000 claims description 4
- 230000007935 neutral effect Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 2
- 210000004218 nerve net Anatomy 0.000 claims 2
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 3
- 238000003703 image analysis method Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本发明适用于光伏发电电源技术领域,提供了一种光伏组件老化和短路故障在线诊断方法;通过实际测量得到的4个光伏组件输出参数,包括最大功率点电流Im、最大功率点电压Vm、短路电流Isc和开路电压Voc,利用故障因子K判断获取光伏组件的工作状态:正常、短路以及老化。当光伏组件存在短路故障时,利用BP神经网络辅助判断短路的电池块数;最后将珍断结果通过GPRS传送到监控中心,如果出现故障,则发出警报,避免故障对于光伏组件产生的严重后果,延长光伏组件的使用寿命。
Description
技术领域
本发明涉及一种光伏组件故障诊断方法,尤其涉及一种光伏组件老化和短路故障在线诊断方法。
背景技术
由于太阳能的取之不竭和无污染等特性,光伏发电的应用呈现出高速发展的态势。系统运行状态的监控及维护对光伏发电系统的安全运行至关重要,及时、可靠的故障预警能够避免火灾、设备损毁等重大事故,并提高光伏电站的运行寿命及经济效益。目前大部分光伏电站都采用人工巡检维护,逐块检测光伏组件电气参数来判断是否正常。但是光伙组件多安装在高处或野外恶劣环境中,工作电压达到上百伏,人工维护既费时,又危险。所以光伏组件的在线故障诊断显得日益重要。
在光伏组件的故障诊断研究中,故障的征兆和故障类型之间存在非常复杂的非线性对应关系,这使得无法建立一个合适的故障诊断数学模型。其中,光伏组件的故障可以分为短路和异常老化。在不同的工作状态下,光伏组件的输出呈现出不同的变化。为了便于故障诊断方法的实现,通过观察和研究,确定了四个输出参数,即最大功率点电流Im、最大功率点电压Vm、短路电流Isc和开路电压Voc作为光伏组件故障诊断的依据。
国内外有很多针对光伏组件的故障诊断方法,主要有红外图像分析法、多传感器检测法、对地电容测量法和时域反射分析法等。红外图像分析法根据光伏组件在正常与故障时工作温度不同的原理,通过分析拍摄到红外图像判断故障类型;多传感器检测法通过分析传感器测得的数据判断故障类型;对地电容测量法通过测量串联光伏电路的对地电容值判断出断路的位置;时域反射分析法通过向串联光伏电路注入一个脉冲,分析返回的信号形状和延迟时间判断故障类型。上述红外图像分析法和多传感器检测法可以在线检测,但对于大规模的光伏系统而言,这两种方法的主要限制是需要很多的红外摄像仪和传感器,会进一步增加光伏系统的发电成本;对地电容测量法和时域反射分析法只能离线进行检测,同时只适用于串联光伏电路,对于测量设备的精度要求也很高。
发明内容
本发明的目的是提供一种光伏组件老化和短路故障在线诊断方法,能够准确地对光伏组件的运行故障进行实时诊断,极大地提高了光伏组件故障诊断的准确性,确保光伏组件安全、可靠地运行。
本发明采用下述技术方案:
一种光伏组件老化和短路故障在线诊断方法,其特征在于:包括以下步骤:
A:采集光伏组件的四个输出参数;
B:计算最大功率点电流和短路电流的比值;
C:根据短路电流值计算得到光照强度值;
D:计算故障因子K用于区分光伏组件的故障类型;
E:根据得到的故障类型,利用相应的方法判断其故障程度;
F:将诊断结果通过GPRS传输到监控中心。
所述A步骤中的需要采集的光伏组件的四个输出参数分别为:最大功率点电流(Im)、最大功率点电压(Vm)、短路电流(Isc)、开路电压(Voc)。
所述B步骤中计算得到的Im/Isc比值,当其值小于0.85时,判断组件存在严重老化故障,执行步骤E,否则执行步骤C。
所述C步骤中使用短路电流Isc估算得到光照强度值a,即a=Isc/Iscref*1000,其中Iscref为标准测试条件下组件的短路电流值,根据得到的照度值选择标准K值范围。
所述D步骤中的故障因子K定义为Im/(Voc-Vm),根据此故障因子可以区分组件所处的状态:正常、短路以及异常老化。实际计算得到的K值大于标准K值范围上限时,判断组件存在严重短路故障;实际计算得到的K值小于标准范围下限时,判断组件存在轻微老化故障:实际计算得到的K值在标准K值范围内时,判断组件正常工作或存在轻微短路故障。
所述E步骤中,如果诊断结果为短路故障,则使用神经网络方法辅助判断短路故障程度;如果诊断结果为异常老化故障,则执行步骤F。
采集光伏组件处于正常状态时的四个输出参数Im、Vm、Isc及Voc;以Im、Isc和Vm/Voc作为神经网络的输入向量;以Vm和Voc作为神经网络的输出向量。
构建BP神经网络,利用采集到的训练样本数据对其进行训练,直到达到满意的精度为止。
所述的BP神经网络是一个3层前馈网络;输入层有3个单元,分别对应3个变量;隐层的神经元个数为10个;输出层的神经元个数为2个,分别为光伏组件处于正常状态时的最大功率点电压和开路电压。
所述的BP神经网络的隐层传递函数是tansig(),输出层传递函数是purelin(),训练函数为trainlm。
当光伏组件处于短路故障时,采集得到实际输出数据,通过训练好的神经网络计算就可以得到光伏组件处于正常状态时应有的最大功率点电压和开路电压值,与实际输出电压值进行比较就可以判断组件的短路程度。
得到诊断结果后,通过GPRS传输到监控中心,有故障发生再进行报警处理。
本发明能够以光伏组件的四个输出参数:最大功率点电流(Im)、最大功率点电压(Vm)、短路电流(Isc)和开路电压(Voc)作为组件故障诊断的依据,基于BP神经网络和填充因子FF判断相应类型的故障程度,极大地提高光伏组件故障诊断的准确率,确保光伏组件安全可靠地运行。
附图说明
图1为本发明的流程图;
图2为在线故障诊断系统示意图;
图3为所述BP神经网络结构图;
具体实施方式
如图1所示,本发明所述的光伏组件老化和短路故障在线诊断方法包括以下步骤:
A:采集光伏组件的四个输出参数;
B:计算最大功率点电流和短路电流的比值;
C:根据短路电流值计算得到光照强度值;
D:计算故障因子K用于区分光伏组件的故障类型;
E:根据得到的故障类型,利用相应的方法判断其故障程度;
F:将诊断结果通过GPRS传输到监控中心。
本发明中,需要采集的光伏组件的四个输出参数分别为:最大功率点电流(Im)、最大功率点电压(Vm)、短路电流(Isc)和开路电压(Voc)。如图2所示在光伏组件直流输出端安装一块功率优化器,可得到所需要采集的四个输出参数。
当Im/Isc值小于0.85时,可以直接判断得到组件处于严重异常老化状态,执行步骤E,否则执行步骤C。
根据实际测量得到的短路电流值Isc计算得到光照强度值,用于选择标准K值范围。
定义故障因子K即Im/(Voc-Vm)。当K值大于对应照度区间内正常值时,组件处于短路故障;当小于正常值时,组件处于异常老化故障。可以通过计算故障因子来区分组件的故障类型。
为了获取组件在正常工作状态下的标准K值范围,建立光伏组件的等效数学模型。
根据光伏组件的数学模型和实际组件的数据手册如表1所示。
表1:实际组件数据手册
可以计算得到组件正常工作时在不同光照强度范围内的标准K值范围,如表2所示。
表2:不同光照强度范围内的标准K值范围
根据计算得到的照度值,从表2中就可以获得组件正常工作时的标准K值范围k最大、k最小值,如果实际计算得到的K值大于k最大,就可以诊断光伏组件处于严重短路故障状态;如果小k最小,就可以诊断光伏组件处于轻微异常老化状态;如果处于k最大至k最小范围内,就可以诊断出光伏组件处于正常或轻微短路故障状态。
构建如图3所示的BP神经网络,采集组件正常时的输出数据作为训练样本对其进行训练。当诊断出光伏组件可能处于短路故障状态时,就可以向其输入如图3所示的数据,获得组件在正常状态下应有的输出电压值。通过算式
其中,sn为组件中电池短路的块数,V′oc和V′m为山函数拟合得到的光伏组件电压值,Voc和Vm为实际测得的组件电压值。即可诊断出短路故障的程度。如果计算结果为0,则证明组件处于正常工作状态。
将得到的诊断结果通过GPRS传输到监控中心,如果有故障发生,则进行报警处理。
Claims (8)
1.一种光伏组件老化和短路故障在线诊断方法,其特征在于:包括以下步骤:
A:采集光伏组件的四个输出参数,四个输出参数分别为:最大功率点电流(Im)、最大功率点电压(Vm)、短路电流(Isc)、开路电压(Voc);
B:计算最大功率点电流Im和短路电流Isc的比值;
C:根据短路电流值计算得到光照强度值a;
D:计算故障因子K用于区分光伏组件的故障类型,故障因子K的计算公式为K=Im/(Voc-Vm);
E:根据得到的故障类型,利用相应的方法判断其故障程度;
F:将诊断结果通过GPRS传输到监控中心。
2.根据权利要求1所述的光伏组件老化和短路故障在线诊断方法,其特征在于:根据所述B步骤中计算得到的Im/Isc比值,当其值小于0.85时,诊断出光伏组件存在严重老化故障,执行步骤E,否则执行步骤C。
3.根据权利要求1所述的光伏组件老化和短路故障在线诊断方法,其特征在于:所述C步骤中光照强度值a通过公式a=Isc/Iscref*1000来估算,其中Iscref为光伏组件在标准测试条件(1000W/m2,25℃)下的短路电流值,其值可以通过查询光伏组件规格书获取,根据估算得到的a值在表1中获取k最大、k最小值,计算得到a值为525W/m2,则取值k最小=0.2684,k最大=0.3143。
表1 K值范围
4.根据权利要求1所述的光伏组件老化和短路故障在线诊断方法,其特征在于:所述D步骤中的故障因子K,当计算得到的K值大于k最大时,诊断出光伏组件存在严重短路故障;当计算得到的K值小于k最小时,诊断出光伏组件存在轻微老化故障;当计算得到的K值在k最小至k最大范围内时,诊断出光伏组件正常或存在轻微短路故障。
5.根据权利要求1所述的光伏组件老化和短路故障在线诊断方法,其特征在于:所述E步骤中,如果诊断出光伏组件存在严重短路故障或轻微短路故障,则使用BP神经网络方法辅助判断短路故障程度;如果诊断出光伏组件存在严重老化故障或轻微老化故障,则执行步骤F。
6.根据权利要求5所述的光伏组件老化和短路故障在线诊断方法,其特征在于:采集多组光伏组件处于正常工作状态时的四个参数Im、Vm、Isc及Voc作为训练样本数据;以Im、Isc和Vm/Voc作为BP神经网络的输入向量;以Vm和Voc作为BP神经网络的输出向量,构建BP神经网络;所构建的BP神经网络是一个3层前馈网络,输入层有3个单元,分别对应3个变量Im、Isc和Vm/Voc,隐含层的神经元个数为10个,输出层的神经元个数为2个,分别为Vm和Voc,这两个变量分别代表光伏组件处于正常状态时的最大功率点电压和开路电压;利用采集到的训练样本数据对其进行训练,直到训练输出数据与实际数据误差小于1e-5为止;所述的BP神经网络的隐层传递函数是tansig(),输出层传递函数是purelin(),训练函数为trainlm。
7.根据权利要求5所述的光伏组件老化和短路故障在线诊断方法,其特征在于:当光伏组件存在严重短路故障或轻微短路故障时,将步骤A中采集到的四个参数输入训练好的BP神经网络,计算获得正常状态时光伏组件的最大功率点电压Vm’和开路电压值Voc’,再根据公式:计算短路个数;式中,sn为光伏组件中电池短路的块数。
8.根据权利要求1所述的光伏组件老化和短路故障在线诊断方法,其特征在于:所述F步骤中将通过步骤E得到的诊断结果通过GPRS传输到监控中心进行故障报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410001273.8A CN104767482B (zh) | 2014-01-02 | 2014-01-02 | 一种光伏组件老化和短路故障在线诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410001273.8A CN104767482B (zh) | 2014-01-02 | 2014-01-02 | 一种光伏组件老化和短路故障在线诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104767482A CN104767482A (zh) | 2015-07-08 |
CN104767482B true CN104767482B (zh) | 2017-05-31 |
Family
ID=53649143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410001273.8A Active CN104767482B (zh) | 2014-01-02 | 2014-01-02 | 一种光伏组件老化和短路故障在线诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104767482B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105406818A (zh) * | 2015-12-22 | 2016-03-16 | 北京中电飞华通信股份有限公司 | 一种光伏发电组件优化监控方法和系统 |
CN105846780B (zh) * | 2016-03-19 | 2018-04-03 | 上海大学 | 一种基于决策树模型的光伏组件故障诊断方法 |
CN105811881B (zh) * | 2016-05-27 | 2017-09-15 | 福州大学 | 一种在线的光伏阵列故障诊断系统实现方法 |
WO2018028005A1 (zh) * | 2016-08-11 | 2018-02-15 | 苏州瑞得恩自动化设备科技有限公司 | 一种大型光伏电站中电池面板的故障检测算法 |
CN106774552B (zh) * | 2016-12-23 | 2018-11-02 | 江西瑞安新能源有限公司 | 光伏组件测试方法及控制方法 |
CN107329431B (zh) * | 2017-07-20 | 2023-10-03 | 苏州易助能源管理有限公司 | 一种光伏组件网络优化装置 |
CN108055002B (zh) * | 2017-12-14 | 2019-05-03 | 爱士惟新能源技术(江苏)有限公司 | 一种光伏组串监测方法及系统 |
CN108363016B (zh) * | 2018-02-22 | 2021-02-26 | 上海理工大学 | 基于人工神经网络的电池微短路定量诊断方法 |
CN108551330B (zh) * | 2018-06-22 | 2024-06-04 | 浙江源控节能科技有限公司 | 一种光伏组件阵列监测系统及监测方法 |
CN109409420B (zh) * | 2018-10-08 | 2022-05-03 | 西安热工研究院有限公司 | 一种在非均匀辐照度下的光伏组串故障诊断方法 |
CN113515885B (zh) * | 2021-04-23 | 2023-09-12 | 上海岩芯电子科技有限公司 | 一种光伏组件智能健康状态诊断方法 |
CN113326667B (zh) * | 2021-08-03 | 2021-12-10 | 深圳格瑞特新能源有限公司 | 一种太阳能电池板故障诊断方法及系统 |
CN113746314B (zh) * | 2021-11-03 | 2022-02-22 | 杭州禾迈电力电子股份有限公司 | 一种光伏逆变器及启动控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012046331A (ja) * | 2010-08-27 | 2012-03-08 | Kawasaki Heavy Ind Ltd | 板状部材収納用ラック、板状部材移載設備、及び板状部材収納方法 |
CN102638197A (zh) * | 2012-04-20 | 2012-08-15 | 浙江昱能光伏科技集成有限公司 | 太阳能光伏组件及其最大功率点跟踪方法和故障监测方法 |
CN102854447A (zh) * | 2012-09-07 | 2013-01-02 | 倪峰 | 便携光伏组件功率测试仪器及其测试方法 |
CN102959728A (zh) * | 2010-08-20 | 2013-03-06 | 株式会社东芝 | 开路电压控制系统 |
CN103140765A (zh) * | 2010-10-07 | 2013-06-05 | 东芝三菱电机产业系统株式会社 | 故障检测装置 |
CN103475019A (zh) * | 2013-07-24 | 2013-12-25 | 友达光电股份有限公司 | 太阳能发电系统、测量模块与定位方法 |
-
2014
- 2014-01-02 CN CN201410001273.8A patent/CN104767482B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102959728A (zh) * | 2010-08-20 | 2013-03-06 | 株式会社东芝 | 开路电压控制系统 |
JP2012046331A (ja) * | 2010-08-27 | 2012-03-08 | Kawasaki Heavy Ind Ltd | 板状部材収納用ラック、板状部材移載設備、及び板状部材収納方法 |
CN103140765A (zh) * | 2010-10-07 | 2013-06-05 | 东芝三菱电机产业系统株式会社 | 故障检测装置 |
CN102638197A (zh) * | 2012-04-20 | 2012-08-15 | 浙江昱能光伏科技集成有限公司 | 太阳能光伏组件及其最大功率点跟踪方法和故障监测方法 |
CN102854447A (zh) * | 2012-09-07 | 2013-01-02 | 倪峰 | 便携光伏组件功率测试仪器及其测试方法 |
CN103475019A (zh) * | 2013-07-24 | 2013-12-25 | 友达光电股份有限公司 | 太阳能发电系统、测量模块与定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104767482A (zh) | 2015-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104767482B (zh) | 一种光伏组件老化和短路故障在线诊断方法 | |
CN105846780B (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
Wang et al. | Fault diagnosis and operation and maintenance of PV components based on BP neural network with data cloud acquisition | |
CN108008176B (zh) | 一种光伏阵列实时状态监测与故障定位系统 | |
CN105375878B (zh) | 一种在线检测和评估光伏系统效率的方法 | |
CN104753461B (zh) | 基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法 | |
CN104391189B (zh) | 基于三级诊断的大型光伏阵列故障诊断定位方法 | |
CN1110707C (zh) | 发变电站接地网腐蚀及断点的诊断方法及其测量、诊断系统 | |
CN103293415B (zh) | 一种基于神经网络专家系统的微逆变器故障检测方法 | |
CN112700032A (zh) | 一种用于低压直流配用电系统的故障预测系统及方法 | |
CN103472331B (zh) | 一种基于光伏物理模型的光伏发电故障诊断系统 | |
CN103870703B (zh) | 一种基于戴维南等值参数跟踪的动态短路比计算方法 | |
CN117148001A (zh) | 一种基于人工智能的新能源汽车充电桩故障预测系统 | |
CN107294492A (zh) | 一种大型光伏阵列中电池面板的故障检测定位系统 | |
CN205792451U (zh) | 一种光伏并网系统的故障检测装置 | |
TWI732660B (zh) | 風力發電機故障診斷系統及其方法 | |
CN106357217A (zh) | 基于光伏智能汇流箱实现光伏组件故障诊断的系统及方法 | |
CN109919495A (zh) | 基于阈值计算的光伏电站监测数据异常与程度判断方法 | |
CN106228472A (zh) | 一种变电站设备智能巡检故障分析方法 | |
CN113177646A (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
CN109613372B (zh) | 一种基于多元电网数据库的电网故障诊断方法 | |
CN116827264A (zh) | 一种用于光伏发电的预警系统 | |
CN117743794A (zh) | 一种分布式光伏电站故障诊断及效能损失评估系统 | |
CN109030976A (zh) | 一种电力电子设备监测诊断系统和方法 | |
CN103760891B (zh) | 汽车非车载直流充电控制装置硬件在环测试设备及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
DD01 | Delivery of document by public notice | ||
DD01 | Delivery of document by public notice |
Addressee: Shanghai Yanxin Electronic Technology Co.,Ltd. Person in charge of patentsThe principal of patent Document name: Notice of Approval for Fee Reduction |