CN109829608A - 一种基于用户耗能相关数据的服务提供方法 - Google Patents
一种基于用户耗能相关数据的服务提供方法 Download PDFInfo
- Publication number
- CN109829608A CN109829608A CN201811558568.XA CN201811558568A CN109829608A CN 109829608 A CN109829608 A CN 109829608A CN 201811558568 A CN201811558568 A CN 201811558568A CN 109829608 A CN109829608 A CN 109829608A
- Authority
- CN
- China
- Prior art keywords
- user
- model
- energy
- service
- energy consumption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000013011 mating Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 20
- 239000007789 gas Substances 0.000 description 19
- 230000005611 electricity Effects 0.000 description 17
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006722 reduction reaction Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于用户耗能相关数据的服务提供方法，包括：步骤S100，获取用户的耗能相关数据X＝[X1,X2,…,Xn]，其中Xi＝[Xi1,Xi2,…,Xim]T为第i个用户的耗能相关数据，1≤i≤n；步骤S200，基于所述耗能相关数据X获取用户服务模型；步骤S300，根据所述用户服务模型获取待测用户的分析结果，并根据分析结果为所述待测用户提供服务。
Description
技术领域
本发明涉及信息处理技术，尤其涉及一种基于用户耗能数据的服务提供方法。
背景技术
将用户在单个服务业务(例如水力系统或电力系统中的某项业务)中的数据进行数据处理以便为用户提供体验感较好的服务，是现有技术中常用的用户服务方法，然而该方法由于使用的数据量少且单一，使得用户最终获取的服务质量低，且远远不能满足用户对于服务类型多样化的要求。
发明内容
为解决上述技术问题，本发明公开了一种基于用户耗能相关数据的服务提供方法，包括：步骤S100，获取用户的耗能相关数据X＝[X1,X2,…,Xn]，其中Xi＝[Xi1,Xi2,…,Xim]T为第i个用户的耗能相关数据，1≤i≤n；步骤S200，基于所述耗能相关数据X获取用户服务模型；步骤S300，根据所述用户服务模型获取待测用户的分析结果，并根据分析结果为所述待测用户提供服务。
附图说明
图1是本发明基于用户耗能相关数据的服务提供方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，将结合附图对本发明作进一步地详细描述。这种描述是通过示例而非限制的方式介绍了与本发明的原理相一致的具体实施方式，这些实施方式的描述是足够详细的，以使得本领域技术人员能够实践本发明，在不脱离本发明的范围和精神的情况下可以使用其他实施方式并且可以改变和/或替换各要素的结构。因此，不应当从限制性意义上来理解以下的详细描述。
图1是本发明基于用户耗能相关数据的服务提供方法的流程图，如图1所示，该方法包括：
步骤S100，获取用户的耗能相关数据X＝[X1,X2,…,Xn]，其中Xi＝[Xi1,Xi2,…,Xim]T为第i个用户的耗能相关数据，1≤i≤n。在本发明中，数据来源主要分为内部数据和外部数据两部分。对于内部数据，主要为2017年115万“多表合一”用户的用电、用水、用热、用气的基础档案信息、表计资产信息、表计拓扑关系(主要包括台区拓扑关系、管线拓扑关系)、用能类别、用能单价、量价关系等124类数据；电表的电能示值、开盖记录、电压断相等26项数据；水表的状态字、累计水流量示值、故障信息等12项数据；气表的状态字、当前瞬时流速、故障信息等13项数据；热表的瞬时流速、进水温度、回水温度等18项数据，共计4.5亿条数据；对于外部数据，主要为物价局、统计局、气象局、能源局、交通、运输行业、第三方权威普查结构、调研机构、技术组织发布的统计、技术数据，主要有能源阶梯及价格、用能类别价格、天然气燃烧值、能源加热利用效率、地源热(冷)泵制热、制冷效率、各类能源产生1千焦耳热量污染物排放量等24项数据。
根据本发明，对所述外部数据和内部数据进行用户数据采集，形成原始用户耗能相关数据Y＝[Y1,Y2,…,Yp]，其中Yj＝[Yj1,Yj2,…,Yjq]T为第j个用户的原始耗能相关数据，1≤j≤p。进一步，对所述用于用户耗能相关数据进行预处理以得到所述数据X。优选地，在本发明中，所述预处理包括：数据清洗、归一化处理、异常数据剔除和/或数据补全方法。更优选地，所述数据补全方法包括：插值和/或补抄等数据补全方法。
步骤S200，基于所述耗能相关数据X获取用户服务模型。具体地，在本发明中，采用降维、关联分析、线性回归、遗传、曲线拟合、阶梯分段函数等数据挖掘方法，对所述耗能相关数据X进行数据挖掘，以便于获取更多更丰富的服务类型。
在本发明的一个实施例中，所述用户服务模型为耗能用户服务模型，具体的，所述耗能用户服务模型包括：当前用能模型和/或综合用能模型。其中，当前用能模型用于用户用能分析，分为用能消费占比和用能构成分析两个部分。一是根据用量、单价，计算用能消费占比和消费排名，二是将电气热转换为热能，从热能耗、水能耗两个维度，统计用能构成和排名。通过不同级别单位用能均值和排名，展现用户在不同区域范围所处的用能层次。综合用能模型用于降低居民用户用能成本，分为用户当前用能建议表和年度综合用能规划两个部分。对于当前用能建议表，利用阶梯电价、阶梯气价、电能热值、天然气的热值、燃烧效率、热量利用率及电热转换率等数据，建立当前用能成本模型，计算出产生1千焦的热能使用电能和气能分别需要多少成本。以选用用能成本最低的能源为目标，给出用户当前最经济的用能决策，表1为耗能用户当前用能决策表。
表1
例如，某用户当前用电量处于第一阶梯、用气量处于第二阶梯，6月份某天18:00(电价执行非采暖期时段的谷电价)需要用能，查阅表1可知，选择用电更划算。以该用户加热100kg水为例，用电比用气节约了0.56元，可节约成本9.98％。
对于年度综合用能规划，根据用户上年度电能、气能的用能总量，以总用能成本最低为目标，建立目标函数，将用户用能总量统一用电能量表示，将用户使用的气能等效转化为电能量：Q电＝5.684Q气，对超阶梯用能的情况根据用能规划表和用能总量，得到下一年电能、气能的用能规划，表2为本发明年度综合用能规划表。当用户实际用能偏离给定的用能规划时，可根据当前用能量，基于粒子群算法动态生成最优化的用能方案。
表2
例如，某用户2017年使用电能2021kWh、气能314m3，用户总用能为3805.776kWh，该用能量位于第二区间内，经综合用能规划表可知：用户用气216m3，超出的部分用电代替，需要将98m3(314m3-216m3)气等效转化为电能:557.032kWh，总用电量为2021kWh+557.032kWh＝2578.032(kWh)。
即：该用户2018年使用天然气：216m3，使用电能：2578.032kWh，成本最低。该方案用能成本较去年减少45.72元。将电气互代量折算到每月，可得到2018年每月的用电和用气规划。
在本发明的另一个实施例中，所述用户服务模型为大工业用户综合能源服务模型，其采用最小二乘法和遍历算法，测算单个成本最优的能源使用比例，为大工业用户提供最优的能源使用比例、最佳的用能安排和能源替代方案，达到降低用能成本、减少污染物排放的目的。
在本发明的又一个实施例中，所述用户服务模型为供能用户服务模型，具体地，所述供能用户服务模型包括：损耗优化模型、异常关联模型和/或能源优化模型。其中，所述损耗优化模型用于提高供能企业经营管理水平：第一，降低供水企业损耗——建立“台区总表-用户分表”水损模型，开展水损分析，借鉴电能降损经验，准确定位损耗较高的区域，针对性的排查整改。该模型应用到济宁市市中区后，整个市中区的台区水损平均降低了约10.1个百分点；第二，是优化供热管道——利用热表的进出水温度、流速等数据，提示供能企业匹配发电供热占比、调节用户阀门大小，确保供热温度保持在承诺范围内。通过分析同一管线下压力、流速和温度关系，提示供热企业优化管线配置。该项成果应用到一接入供热用户562户的居民小区，为用户精准调整供热阀门87户，占运行总户数的15.5％。
所述异常关联模型用于异常关联分析，利用台区能源损耗数据、电水气热用量，建立4种数据关联度分析模型分析，A：只用电、不用水(气)，B：只用水(气)、不用电，C：用电与用水(气)趋势不一致，D:用水、用气突增，准确定位窃能、计量异常、串户等信息，实现用能异常的闭环处理与管理，并持续优化系统的异常判据。例如系统发现江西鹰潭公司用能异常用户251户，经实际排查，共核实窃水用户21户、窃电用户18户、表计异常125户、串户12户，远程异常判断准确率为70.12％。如果同台区下，两户之间存在用能互补的情况，如A户用电趋势与B户的用水趋势匹配，同时A户的用水趋势又与B户的用电趋势保持一致，则识别为疑似串户。
所述能源优化模型用于电能替代潜力用户分析，结合消费阶层划分标准，划分能源消费层级，利用各种能源消费水平排名和成本关联计算出；筛选出同一小区内能源总费用在同一阶层、电费占比低于20％和高于60％的用户，分别进行普通家庭电器和高端电器电能替代推广。
在本发明的再一实施例中，所述用户服务模型为全局服务模型，具体地，所述全局服务模型包括：区域用能趋势模型、住房空置率模型、特殊用能模型和/或城市配套规划模型。其中，所述区域用能趋势模型用于区域用能趋势分析。通过往年用能数据，建立“曲线拟合”模型，应用关联分析法、以LSTM神经网络为基础，引入三次指数平滑自回归评估算法，对未来的用能情况进行评估，政府可根据预测及可用能源情况制定的相应的措施。
所述住房空置率模型用于住房空置率分析。受限于空置概率随城市类型、季节和节假日等因素波动，按照月度、年度两个维度，建立三种疑似空置判定关系：一是电水气热用能均为零，二是使用单一能源且用量较小，三是使用两种或三种能源且用量较小，并且水或电用量为零，通过对空置系数进行赋值以及现场验证的方式，持续优化空置系数，确保空置率准确可靠。目前，上述三类用户的空置概率分别为100％、87.5％和84.3％。
所述特殊用能模型用于节假日典型用能分析。按照时间序列对农村、城市用能分析，结合节假日期间用能趋势，分析城市类型，便于政府制定相关政策。在此基础上，通过分析典型用户节假日期间的用能情况，运用离散弗雷歇距离(Fréchet)算法刻画不同类型城市的典型用能变化特征，分析旅游城市节假日期间的消费水平。
所述城市配套规划模型用于城市配套规划分析。建立台区用户入住率和用能消费平均水平的离散二维分析模型，分析用户的消费水平和消费行为，为城市配套规划提供参考。例如在入住率较高、用能消费平均水平也较低的区域，需要政府加强惠民政策的倾斜，比如配置更多的公共交通资源；而在入住率和用能消费平均水平都较高的区域，则需要规划高端的商业配套和教育、医疗资源。
步骤S300，根据所述用户服务模型获取待测用户的分析结果，并根据分析结果为所述待测用户提供服务。在该步骤中，根据获取的待测用户的耗能相关数据和所述用户服务模型，分析得到用户用能行为、用能趋势和规划、损耗统计、用能优化方案等16项服务输出结果。
根据本发明，将分析结果分类，根据紧急程度，采用实时或定时方式，通过APP、网站等方式(例如彩虹营业厅、电e宝等)，分别推送给用户。
由上述内容可知，本发明将用户耗能相关的多种类型数据进行基于多种方法的数据挖掘，得到更丰富、更合理的服务模型，满足用户智能化用能的多样性需求，可实时查询用能情况，一站式智能缴费，享受用能优化指导和降低成本建议，有效帮助用户获取更高质量和更全面的智能化服务。此外，可实现供能损耗的实时在线监测、能源供给的智能匹配与均衡，帮助供水企业降低损耗，自动识别与准确定位用能表计异常、故障、窃能、串户等问题，避免因漏水、漏气引发的用户用能安全问题，有效降低故障排查成本，提高供能企业经营效益和自动化管理水平。分析电能替代潜力用户，精准支撑电能替代推广，提升电力企业精准营销能力。
在本发明的一个实施例中，本发明所述的步骤S100-S300基于分布式内存计算架构spark，和分布式流处理计算用框架Streaming实现，采用分布式架构和/或框架，可提高数据计算的实效性，满足大批量数据的并发访问及计算需求。
在本发明的另一实施例中，充分利用水、电、热的现场普查、安全检查、运行抽查、异常现场处理等机会现场验证，对偏离实际值模型及数据分析方法的进行持续的改进或修正。
此外，根据公开的本发明的说明书，本发明的其他实现对于本领域的技术人员是明显的。实施方式和/或实施方式的各个方面可以单独或者以任何组合用于本发明的系统和方法中。说明书和其中的示例应该是仅仅看作示例性，本发明的实际范围和精神由所附权利要求书表示。
Claims (9)
1.一种基于用户耗能相关数据的服务提供方法，其特征在于，包括：
步骤S100，获取用户的耗能相关数据X＝[X1,X2,…,Xn]，其中Xi＝[Xi1,Xi2,…,Xim]T为第i个用户的耗能相关数据，1≤i≤n；
步骤S200，基于所述耗能相关数据X获取用户服务模型；
步骤S300，根据所述用户服务模型获取待测用户的分析结果，并根据分析结果为所述待测用户提供服务。
2.根据权利要求1所述的服务提供方法，其特征在于，将获取的原始用户耗能相关数据Y＝[Y1,Y2,…,Yp]进行预处理以得到所述数据X，其中Yj＝[Yj1,Yj2,…,Yjq]T为第j个用户的原始耗能相关数据，1≤j≤p。
3.根据权利要求2所述的服务提供方法，其特征在于，所述预处理包括：数据清洗、归一化处理、异常数据剔除和/或数据补全方法。
4.根据权利要求1所述的服务提供方法，其特征在于，所述步骤S100-S300基于分布式内存计算架构spark和分布式流处理计算用框架Streaming实现。
5.根据权利要求1所述的服务提供方法，其特征在于，所述用户服务模型为耗能用户服务模型、供能用户服务模型和/或全局服务模型。
6.根据权利要求5所述的服务提供方法，其特征在于，所述耗能用户服务模型包括：当前用能模型和/或综合用能模型。
7.根据权利要求5所述的服务提供方法，其特征在于，所述供能用户服务模型包括：损耗优化模型、异常关联模型和/或能源优化模型。
8.根据权利要求5所述的服务提供方法，其特征在于，所述全局服务模型包括：区域用能趋势模型、住房空置率模型、特殊用能模型和/或城市配套规划模型。
9.根据权利要求1所述的服务提供方法，其特征在于，将所述分析结果分类，采用实时或定时方式推送给用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811558568.XA CN109829608A (zh) | 2018-12-19 | 2018-12-19 | 一种基于用户耗能相关数据的服务提供方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811558568.XA CN109829608A (zh) | 2018-12-19 | 2018-12-19 | 一种基于用户耗能相关数据的服务提供方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109829608A true CN109829608A (zh) | 2019-05-31 |
Family
ID=66859560
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811558568.XA Pending CN109829608A (zh) | 2018-12-19 | 2018-12-19 | 一种基于用户耗能相关数据的服务提供方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109829608A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103997044A (zh) * | 2014-05-29 | 2014-08-20 | 中冶京诚工程技术有限公司 | 电力负荷控制方法及系统 |
| CN104268817A (zh) * | 2014-09-25 | 2015-01-07 | 国家电网公司 | 一种耗能用户节能减排的多代理互动推演模拟系统 |
| CN104680313A (zh) * | 2015-02-10 | 2015-06-03 | 北京国电通网络技术有限公司 | 城市高耗能企业监测筛选方法 |
| CN106383837A (zh) * | 2016-08-30 | 2017-02-08 | 国网天津市电力公司 | 一种用能大数据获取关键价值抽取的方法 |
| CN107832949A (zh) * | 2017-11-09 | 2018-03-23 | 苏州大成电子科技有限公司 | 一种面向电力用户的大数据服务方法 |
-
2018
- 2018-12-19 CN CN201811558568.XA patent/CN109829608A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103997044A (zh) * | 2014-05-29 | 2014-08-20 | 中冶京诚工程技术有限公司 | 电力负荷控制方法及系统 |
| CN104268817A (zh) * | 2014-09-25 | 2015-01-07 | 国家电网公司 | 一种耗能用户节能减排的多代理互动推演模拟系统 |
| CN104680313A (zh) * | 2015-02-10 | 2015-06-03 | 北京国电通网络技术有限公司 | 城市高耗能企业监测筛选方法 |
| CN106383837A (zh) * | 2016-08-30 | 2017-02-08 | 国网天津市电力公司 | 一种用能大数据获取关键价值抽取的方法 |
| CN107832949A (zh) * | 2017-11-09 | 2018-03-23 | 苏州大成电子科技有限公司 | 一种面向电力用户的大数据服务方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Energy flexibility of residential buildings: A systematic review of characterization and quantification methods and applications | |
| Fitzpatrick et al. | Influence of electricity prices on energy flexibility of integrated hybrid heat pump and thermal storage systems in a residential building | |
| Jacobson et al. | Impacts of green new deal energy plans on grid stability, costs, jobs, health, and climate in 143 countries | |
| Stadler et al. | Control of greenhouse gas emissions by optimal DER technology investment and energy management in zero‐net‐energy buildings | |
| Yildiz et al. | Analysis of electricity consumption and thermal storage of domestic electric water heating systems to utilize excess PV generation | |
| Watson et al. | How will heat pumps alter national half-hourly heat demands? Empirical modelling based on GB field trials | |
| Fuentes-Cortés et al. | Integrated design and control of multigeneration systems for building complexes | |
| Song et al. | Price models of district heating in Sweden | |
| Ali et al. | Optimizing 100%‐renewable grids through shifting residential water‐heater load | |
| Cohen et al. | Modeling climate-water impacts on electricity sector capacity expansion | |
| Artur et al. | Domestic hot water technology transition for solar thermal systems: An assessment for the urban areas of Maputo city, Mozambique | |
| Cardemil et al. | Multi-objective optimization for reducing the auxiliary electric energy peak in low cost solar domestic hot-water heating systems in Brazil | |
| de Souza Dutra et al. | A customized transition towards smart homes: A fast framework for economic analyses | |
| Perera et al. | Optimal design of microgrids to improve wildfire resilience for vulnerable communities at the wildland-urban interface | |
| Arabzadeh et al. | A cost-optimal solar thermal system for apartment buildings with district heating in a cold climate | |
| Ryland et al. | Heating economics evaluated against emissions: An analysis of low-carbon heating systems with spatiotemporal and dwelling variations | |
| Lyden et al. | Impact of locational pricing on the roll out of heat pumps in the UK | |
| Leprince et al. | Can occupant behaviors affect urban energy planning? Distributed stochastic optimization for energy communities | |
| Naderi et al. | Clustering based analysis of residential duck curve mitigation through solar pre-cooling: A case study of Australian housing stock | |
| CN109829608A (zh) | 一种基于用户耗能相关数据的服务提供方法 | |
| Ryland et al. | Holistic analysis of consumer energy decarbonisation options and tariff effects | |
| Yliruka et al. | Detail or uncertainty? Applying global sensitivity analysis to strike a balance in energy system models | |
| Yang et al. | Multiperiod heating storage control for distributed electric heating considering wind curtailment accommodation | |
| Panagopoulos et al. | Advanced economic control of electricity-based space heating systems in domestic coalitions with shared intermittent energy resources | |
| Prinsloo et al. | Modelling and control synthesis of a micro-combined heat and power interface for a concentrating solar power system in off-grid rural power applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190531 |
|
| RJ01 | Rejection of invention patent application after publication |