CN111563108A - 基于分项数据的公共建筑控制策略识别方法 - Google Patents
基于分项数据的公共建筑控制策略识别方法 Download PDFInfo
- Publication number
- CN111563108A CN111563108A CN202010216741.9A CN202010216741A CN111563108A CN 111563108 A CN111563108 A CN 111563108A CN 202010216741 A CN202010216741 A CN 202010216741A CN 111563108 A CN111563108 A CN 111563108A
- Authority
- CN
- China
- Prior art keywords
- control strategy
- data
- control
- public building
- identifying
- 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
- 238000011217 control strategy Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000007418 data mining Methods 0.000 claims abstract description 10
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 5
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000013144 data compression Methods 0.000 claims description 2
- 238000005065 mining Methods 0.000 claims 2
- 238000004378 air conditioning Methods 0.000 abstract description 6
- 238000005265 energy consumption Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract 1
- 238000001816 cooling Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公布了一种基于数据挖掘算法的公共建筑控制策略识别方法,旨在从这些目前体量巨大的能耗监测平台数据中提取出控制策略的相关信息,这一工作将免去直接分析原始数据所消耗的时间和精力,为后续进一步分析控制策略和性能优化提供直观有效的数据基础。本发明基于空调系统的分项计量数据,开发了基于数据挖掘的方法来识别公共建筑所实施的系统控制策略的识别框架,对于三种常见类型的控制策略:单个设备的控制策略,多个同类型设备的控制策略(也称为序列控制),多个不同类型设备的控制策略(也称为联动控制),通过分析他们的控制逻辑,分别提出特定的识别方法,并将其成功应用于照明系统、空调系统的控制策略识别。
Description
技术领域
本发明属于建筑数据分析领域,尤其涉及一种基于数据挖掘算法的公共建筑运行策略识别方法。
背景技术
在全国能源消耗总量中,建筑能耗所占的比重超过了20%,并且仍处于上升趋势,其中公共建筑节能的潜力尤为巨大,而随着中华人民共和国住房和城乡建设部于2018年颁发的《国家机关办公建筑和大型公共建筑能耗监测系统分项能耗数据采集技术导则》的推广试试,各地方政府也陆续响应搭建地方能耗监测平台,这为基于建筑数据分析的公共建筑节能研究奠定了重要技术基础。
在实际建筑节能潜力的分析中,除了对设备的运行性能进行检测之外,还需要通过对建筑所采用的控制策略进行分析并加以评价得到对于一栋公共建筑节能潜力的初步评估。但是通过我们的调研发现建筑运行管理人员对于空调系统控制策略的记录比较简略,而人工的方式对大量数据分析需要耗费大量的时间,这对控制策略的分析造成了巨大的阻碍。
发明内容
针对上述通过对运行策略的识别从而对建筑的节能潜力进行分析所存在的一些问题,本发明提供一种基于数据挖掘算法公共建筑控制策略识别方法。
一种基于分项数据的公共建筑控制策略识别方法,包含以下步骤:
步骤一、使用机器学习的算法对建筑运行的原始数据和外部附加数据进行数据清洗;
步骤二、根据公共建筑控制策略不同大类的输入输出数据关系特点,利用清洗后的数据,采用数据挖掘算法识别出公共建筑控制策略;
步骤三、评估识别出的控制策略的合理性并对其进行评价。
进一步地,步骤二中,公共建筑控制策略包括单个设备的控制策略即启停控制、多个同类型设备的控制策略即为序列控制和多个不同类型设备的控制策略即联动控制三大类。
进一步地,步骤二中,公共建筑控制策略进行识别时,识别出建筑使用了某一大类中的某一具体控制策略,对于启停控制,需要识别设备在不同时间段的启停情况;对于序列控制,需要识别一系列相同设备在不同时间段的启停情况;对于联动控制,需要识别多个不同设备在不同时间段的联动启停情况。
这里的识别不仅是指识别出是否采用了这三大类识别策略,更重要的是在于识别具体的策略实施措施,例如单个设备的控制策略,需要识别设备在工作日与非工作日的控制不同策略,以及在同一工作日内不同时间段的启停情况
进一步地,步骤一中,原始数据是建筑运行过程中产生的数据,数据来源是分项计量系统采集到的数据。
进一步地,步骤一中,数据清洗包括补全残缺值、修正错误值、数据结构转换和丢弃部分数据。
进一步地,不同大类的公共建筑控制策略的输入输出数据关系如下表所示:
进一步地,数据挖掘算法采用决策树方法、加权关联规则挖掘(WARM)方法或K均值聚类方法。
进一步地,加权关联规则挖掘(WARM)方法,采用符号集合近似法(SAX)来执行数据压缩。
包含以下步骤:
步骤一、使用机器学习的算法对建筑运行过程中产生的数据由分项计量系统采集到的数据和外部附加数据(建筑当地逐时气象数据)进行补全残缺值、修正错误值、数据结构转换、丢弃部分数据等数据清洗工作以供后续步骤分析处理。
步骤二、首先,选取合适的选择输入和输出数据,然后使用是决策树法、加权关联规则挖掘(WARM)法、K均值聚类等数据挖掘算法对公共建筑控制策略进行识别,主要识别的策略包括三种:1.单个设备的控制策略(也称为启停控制);2.多个同类型设备的控制策略(也称为序列控制);3.多个不同类型设备的控制策略(也称为联动控制)。
步骤三、评估识别出的控制策略的合理性并对其进行评价。在完成了以上三种控制策略(启停控制,序列控制和联动控制)的识别工作后,需要进一步评估这些策略的合理性,比如,如果发现冷水机组的启停策略十分依赖建筑环境温度,那么则需要进一步评估冷机启停的阈值温度,从而为系统的节能提供参考依据。
本方法的优点和积极效果是:
本发明能够高效地从大量建筑运行数据中所识别的控制策略,以用于进一步的研究,例如故障检测和诊断和控制优化。基于空调系统的分项计量数据,开发了基于数据挖掘的方法来识别公共建筑所实施的系统控制策略的识别框架,对于三种常见类型的控制策略:单个设备的控制策略,多个同类型设备的控制策略(也称为序列控制),多个不同类型设备的控制策略(也称为联动控制),通过分析他们的控制逻辑,分别提出特定的识别方法,并将其成功应用于照明系统、空调系统的控制策略识别。
附图说明
图1是常见控制策略的分类。
图2是本实施例中控制策略识别方法的框架图。
图3是室外空气温度和所有开启冷机的最大制冷量。
图4是时间变量对开启冷机总制冷量的影响。
图5是时期5内的冷水机组序列控制。
具体实施方式
下面通过实施例结合附图进一步说明本发明。
如图1和图2所示,本实施例中,以空调系统为例,采用本方法通过某商业建筑冷机总的实时功率值来识别冷机的序列控制策略,步骤如下:
步骤一、通过分项计量平台采集该建筑所有5台冷水机组(分别记为A,B,C,D和E)各自的耗电量,以15分钟为间隔进行记录,记录周期为一年。冷机A和B具有相同的额定制冷量1934kW,冷机C、D和E的额定功率为3868kW,并假设如果冷机的使用功率大于额定功率的5%时冷机处于开启状态。随后,对5台冷机的实时电耗数据进行补全残缺值、修正错误值等数据清洗工作。
步骤二、首先,选取合适的选择输入和输出数据,结合下表,本实施例进行冷机的序列控制识别,属于按需控制。然后使用是决策树法进行控制策略的识别,冷水机组序列控制策略的确定方法如下:首先,使用所开启制冷机组的最大制冷量被用作目标变量来构建决策树,参照图3。从冷却能力来看,整个冷却季节大致可以分为5个阶段:从4月8日起制冷季开始至5月31日为第1阶段;从5月31日起制冷季开始至6月30日为第2阶段;从6月30日起制冷季开始至8月31日为第3阶段;从8月31日起制冷季开始至10月8日为第4阶段;从10月8日起制冷季开始至10月31日为第5阶段。尽管室外温度逐小时变化,但在每个阶段,总额定制冷量保持不变。然后,进一步探讨每月的月份对总冷却能力选择的影响,参照图4。
步骤三、评估识别出的控制策略的合理性并对其进行评价。研究一天中每小时内冷机的组合方式,参照图5。在第5阶段,冷机A和B都能够提供足够的冷量。一旦在某天工作时选择开启冷机A或B,那么这一状态直到该天结束时才可能发生改变。冷机A和B交替运行的结果表明,建筑运行人员试图平均分配冷水机组的服务时间。此外,还可以看到该控制策略有着明显的问题,由于冷机在不同部分负荷率下的效率不同,该策略长期保持一种单一的开机模式,会产生较大的能源浪费。这种按照预先制定好的时刻表进行运行的模式,与根据冷量需求实时调整冷机开启方案的策略相比有着较低能效水平。
Claims (8)
1.一种基于分项数据的公共建筑控制策略识别方法,其特征在于,包含以下步骤:
步骤一、使用机器学习的算法对建筑运行的原始数据和外部附加数据进行数据清洗;
步骤二、根据公共建筑控制策略不同大类的输入输出数据关系特点,利用清洗后的数据,采用数据挖掘算法识别出公共建筑控制策略;
步骤三、评估识别出的控制策略的合理性并对其进行评价。
2.根据权利要求1所述的基于分项数据的公共建筑控制策略识别方法,其特征在于,步骤二中,公共建筑控制策略包括单个设备的控制策略即启停控制、多个同类型设备的控制策略即为序列控制和多个不同类型设备的控制策略即联动控制三大类。
3.根据权利要求1或2所述的基于分项数据的公共建筑控制策略识别方法,其特征在于,步骤二中,公共建筑控制策略进行识别时,识别出建筑使用了某一大类中的某一具体控制策略,对于启停控制,需要识别设备在不同时间段的启停情况;对于序列控制,需要识别一系列相同设备在不同时间段的启停情况;对于联动控制,需要识别多个不同设备在不同时间段的联动启停情况。
4.根据权利要求1所述的基于分项数据的公共建筑控制策略识别方法,其特征在于,步骤一中,原始数据是建筑运行过程中产生的数据,数据来源是分项计量系统采集到的数据。
5.根据权利要求1所述的基于分项数据的公共建筑控制策略识别方法,其特征在于,步骤一中,数据清洗包括补全残缺值、修正错误值、数据结构转换和丢弃部分数据。
7.根据权利要求1所述的基于分项数据的公共建筑控制策略识别方法,其特征在于,数据挖掘算法采用决策树方法、加权关联规则挖掘方法或K均值聚类方法。
8.根据权利要求7所述的基于分项数据的公共建筑联动控制策略识别方法,其特征在于,加权关联规则挖掘方法,采用符号集合近似法来执行数据压缩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216741.9A CN111563108A (zh) | 2020-03-25 | 2020-03-25 | 基于分项数据的公共建筑控制策略识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216741.9A CN111563108A (zh) | 2020-03-25 | 2020-03-25 | 基于分项数据的公共建筑控制策略识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111563108A true CN111563108A (zh) | 2020-08-21 |
Family
ID=72074169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010216741.9A Pending CN111563108A (zh) | 2020-03-25 | 2020-03-25 | 基于分项数据的公共建筑控制策略识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111563108A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101881944A (zh) * | 2010-06-18 | 2010-11-10 | 北京斯普信电子技术有限公司 | 能耗综合控制系统和方法 |
CN109084403A (zh) * | 2018-06-29 | 2018-12-25 | 广州能迪能源科技股份有限公司 | 基于空调负荷时序分布的冷水机组静态控制策略获得方法 |
CN109595763A (zh) * | 2018-12-21 | 2019-04-09 | 珠海格力电器股份有限公司 | 空调系统的控制策略优化方法、装置和计算机设备 |
-
2020
- 2020-03-25 CN CN202010216741.9A patent/CN111563108A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101881944A (zh) * | 2010-06-18 | 2010-11-10 | 北京斯普信电子技术有限公司 | 能耗综合控制系统和方法 |
CN109084403A (zh) * | 2018-06-29 | 2018-12-25 | 广州能迪能源科技股份有限公司 | 基于空调负荷时序分布的冷水机组静态控制策略获得方法 |
CN109595763A (zh) * | 2018-12-21 | 2019-04-09 | 珠海格力电器股份有限公司 | 空调系统的控制策略优化方法、装置和计算机设备 |
Non-Patent Citations (1)
Title |
---|
张炜杰等: "《基于决策树方法对上海市商业建筑冷水机组序列控制策略现状分析》", 《上海市制冷学会2017年学术年会论文集》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104748327B (zh) | 一种基于电耗数据的公共建筑空调能效诊断系统 | |
CN111486552B (zh) | 基于分项计量数据的空调冷冻水供水温度策略识别方法 | |
CN111191878A (zh) | 一种基于异常分析的台区及电能表状态评价方法及系统 | |
CN102789220A (zh) | 系统能耗过程管理装置及其管理控制方法 | |
CN104749431B (zh) | 一种公共建筑空调系统末端设备电耗间接计量系统 | |
CN116668482B (zh) | 一种基于人工智能的智慧楼宇二总线监控系统及方法 | |
CN102607143A (zh) | 基站空调设备的远程监控方法及系统 | |
CN115270974B (zh) | 基于大数据分析的智能窃电检测系统 | |
CN111158245A (zh) | 一种基于物联网的建筑节能监测管理方法 | |
CN117172625B (zh) | 一种对既有建筑进行节能改造的综合化分析方法 | |
CN113790516B (zh) | 中央空调制冷站全局优化节能控制方法、系统和电子设备 | |
CN107461881B (zh) | 一种医院空调机房的制冷主机能效诊断方法及其系统 | |
CN111563108A (zh) | 基于分项数据的公共建筑控制策略识别方法 | |
CN105299846A (zh) | 一种基于全局关联优化的机房群控装置及其控制方法 | |
CN110209649B (zh) | 基于关联规则知识库的中央空调系统能效实时诊断方法 | |
CN106771707A (zh) | 一种线损分析服务终端 | |
CN110762768A (zh) | 一种中央空调系统制冷主机的能效比预测方法及装置 | |
CN116661382A (zh) | 一种工厂车间智能节电系统 | |
CN116862129A (zh) | 一种零耗能建筑数据分析方法及系统 | |
CN113887986A (zh) | 一种基于模型的能效诊断方法、系统、设备和介质 | |
CN205137797U (zh) | 一种基于全局关联优化的机房群控装置 | |
CN110727715A (zh) | 基于高可靠性的电力用户日电量计算方法 | |
WO2023108953A1 (zh) | 一种空调机组预测维护方法、装置、设备及介质 | |
KR102305810B1 (ko) | 에너지 분배를 이용한 건물 에너지 관리방법과 에너지 관리장치 | |
KR20190054502A (ko) | 단기 기상예측 알고리즘과 기축건물 fms을 이용한 건물에너지 최적화 운영 솔루션 시스템 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200821 |