CN111652420A - 一种实时的负荷预测系统 - Google Patents
一种实时的负荷预测系统 Download PDFInfo
- Publication number
- CN111652420A CN111652420A CN202010452946.7A CN202010452946A CN111652420A CN 111652420 A CN111652420 A CN 111652420A CN 202010452946 A CN202010452946 A CN 202010452946A CN 111652420 A CN111652420 A CN 111652420A
- Authority
- CN
- China
- Prior art keywords
- data
- real
- module
- time
- load prediction
- 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.)
- Withdrawn
Links
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000013075 data extraction Methods 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract 1
- 238000011160 research Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电力系统负荷预测技术领域,特别指一种实时的负荷预测系统,包括实时数据提取模块、新数据个数阈值判断模块、数据预处理模块、特征工程模块、负荷预测模块、本地数据库和实时模型更新模块。本发明通过实时系统的构造,实现实时的预测未来若干时刻点用电负荷,从而为工业用户提供用电规划以及减少用电损耗带来的经济损失。
Description
技术领域
本发明涉及电力系统负荷预测技术领域,特别指一种实时的负荷预测系统。
背景技术
科学的预测是正确决策的依据和保证。负荷预测是电力系统研究中的一个重要课题,是指从已知的电力系统和相关影响因素出发,通过对历史数据的分析和研究,探寻事物之间的内在联系和发展变化规律,从而对未来的负荷发展做出预先估计和推理。负荷预测对于电力系统的稳定和经济起到了巨大的至关重要的作用。
相对于大电网环境,微电网进行短期负荷预测的难度更高,这主要是由于负荷的随机性强,历史负荷曲线相似度低,再加上用户容量有限,各用户间负荷特征相互平滑作用较小,负荷总体波动较大。微电网负荷具有明显的波动性和突变性,导致其负荷特性曲线并不平滑。因此,不能简单套用电力系统中的负荷预测方法来进行微电网负荷预测。
此外,相较于稳定的电力系统,微电网所处的环境更加复杂易变,如何得到在真实工业环境下具有保障性的负荷预测结果,以及如何保障预测模型可以随着外界环境的变化不断扩展与更新,这些问题都需要实时的负荷预测来解决。
基于此,一种实时的负荷预测系统设计亟待研究。
发明内容
为了解决上述技术问题,本发明提供一种通过实时系统的构造,实现实时的预测未来若干时刻点用电负荷,从而为工业用户提供用电规划以及减少用电损耗带来的经济损失的负荷预测系统。
一种实时的负荷预测系统,包括实时数据提取模块、新数据个数阈值判断模块、数据预处理模块、特征工程模块、负荷预测模块、本地数据库和实时模型更新模块;
所述实时数据提取模块用来与后台数据产生端数据库进行交互,得到最新产生的数据源;
所述新数据个数阈值判断模块用于判断实时数据提取模块采集到的新数据个数;
所述数据预处理模块用于满足新数据个数阈值判断模块条件的新数据进行数据预处理;
所述特征工程模块用于训练处理经过数据预处理模块预处理过的新数据;
所述负荷预测模块为微网负荷预测模块,用于当前时刻之后若干时刻的负荷预测;
所述本地数据库包括原始数据数据库、新的预测模型数据库和预测结果信息数据库,所述原始数据数据库用于存储数据提取模块采集到的新数据,所述新的预测模型数据库用于存储经过特征工程训练得到的新的预测模型,所述预测结果信息数据库用于存储经过负荷预测模块得到的负荷预测结果;
所述实时模型更新模块用于实现预测模型的更新,保证整个系统的可靠性。
进一步地,所述实时的负荷预测系统支持自动识别异常来源数据,做出误差分析。
进一步地,所述实时的负荷预测系统支持实时监控所处环境不同类别电力相关数据的情况,并对其进行分析的功能。
进一步地,所述实时的负荷预测系统包含根据预测情况与真实情况的比较推荐合理的用电规划与建议的功能。
进一步地,所述实时的负荷预测系统利用了原始数据采集的SCADA电力在线监控装备、关系型数据库存储(MySQL数据库)、MATLAB软件、scikit-learn机器学习库和Django网页开发框架。
进一步地,所述系统的实施包括以下步骤:
(1)首先,利用程序监控后台数据库中是否有新的数据产生,并在新数据产生时实时利用数据提取模块将采集的新数据存储到数据源数据库中;
(2)其次,利用新数据个数阈值判断模块判断新数据的个数是否达到阈值,如果没有,则保持原状并继续监控采集数据,如果达到阈值,则表明新数据的个数满足条件,对新数据通过数据预处理模块进行数据预处理操作;
(3)最后,利用特征工程模块输入训练得到新的负荷预测模型,用于当前时刻之后若干时刻的负荷预测,并将新的负荷预测模型保存到新的预测模型数据库中,对预测结果保存到预测结果信息数据库中,用于界面展示与结果分析等环节中。
本发明与现有技术相比具有如下优点:1、社会效益:该项目可以为用户端提供有效的用电规划与建议,通过精准的预测用电情况从而为微网提供精准的用电规划与负荷接入调控,同时对大电网也有重要的作用;2、成本效益:该项目可以为用户端提供用电规划,通过精准的负荷预测结果减少因预测偏差而造成的用电损失,进而为用户减少用电成本;3、增值效益:短期负荷预测作为电力系统的重要研究课题具有重要的研究意义与很强的扩展性,该项目具有很强的扩展与移植性,可以适用与多种不同的环境和应用场景中。
附图说明
图1是本发明一种实时的负荷预测系统的架构示意图。
具体实施方式
本发明的具体实施方式:
如图1所示,为本发明的系统架构图,本发明包括实时数据提取模块、新数据个数阈值判断模块、数据预处理模块、特征工程模块、负荷预测模块、本地数据库和实时模型更新模块。
所述实时数据提取模块用来与后台数据产生端数据库进行交互,得到最新产生的数据源;
所述新数据个数阈值判断模块用于判断实时数据提取模块采集到的新数据个数;
所述数据预处理模块用于满足新数据个数阈值判断模块条件的新数据进行数据预处理;
所述特征工程模块用于训练处理经过数据预处理模块预处理过的新数据;
所述负荷预测模块为微网负荷预测模块,用于当前时刻之后若干时刻的负荷预测;
所述本地数据库包括原始数据数据库、新的预测模型数据库和预测结果信息数据库,所述原始数据数据库用于存储数据提取模块采集到的新数据,所述新的预测模型数据库用于存储经过特征工程训练得到的新的预测模型,所述预测结果信息数据库用于存储经过负荷预测模块得到的负荷预测结果;
所述实时模型更新模块用于实现预测模型的更新,保证整个系统的可靠性。
所述实时的负荷预测系统还利用了原始数据采集的SCADA电力在线监控装备、关系型数据库存储(MySQL数据库)、MATLAB软件、scikit-learn机器学习库和Django网页开发框架。
所述系统的实施包括以下步骤:
(1)首先,利用程序监控后台数据库中是否有新的数据产生,并在新数据产生时实时利用数据提取模块将采集的新数据存储到数据源数据库中;
(2)其次,利用新数据个数阈值判断模块判断新数据的个数是否达到阈值,如果没有,则保持原状并继续监控采集数据,如果达到阈值,则表明新数据的个数满足条件,对新数据通过数据预处理模块进行数据预处理操作;
(3)最后,利用特征工程模块输入训练得到新的负荷预测模型,用于当前时刻之后若干时刻的负荷预测,并将新的负荷预测模型保存到新的预测模型数据库中,对预测结果保存到预测结果信息数据库中,用于界面展示与结果分析等环节中。
本发明的架构说明:
实时负荷预测系统利用了原始数据采集的SCADA电力在线监控装备、关系型数据库存储(MySQL数据库)、MATLAB软件、scikit-learn机器学习库和Django网页开发框架。把后台电力数据与天气信息数据库、机器学习预测系统与网页界面展示部分结合在一起,实现了负荷信息的实时预测与展示。
1)实时数据提取模块可以实时监控并获得需要的后台数据,其实现的程序逻辑为:实时的查询后台SCADA采集系统数据库和网络台数据库里的内容,由于电力负荷数据库数据每隔15分钟产生一批新数据,如果上次获的数据的最后时间小于当前时间减去15分钟,则表明有新数据产生,程序就做一次数据提取,天气数据也类似。等到数据已更新到最新时,再对这些数据做数据处理,最终得到处理后的更新数据。
2)由于采集系统的时间间隔为15分钟,因此,若按照采集系统的频率更新模型则会造成运算资源的浪费,同时,也不好对预测的结果做出定性的评价。为了解决上述问题,实时预测模型的思路是,在每次预测任务时设定一个阈值,即负荷预测的点数。如果当前预测点数未达到,则继续使用旧的模型进行预测;如果达到了预测点数,则表示本次的预测任务已经结束,系统将会启动一次模型更新模块以获得新的预测模型,并将上次预测的结果做误差分析以评价上次预测任务模型的表现。
3)负荷预测模块采用支持向量机(SVM)与梯度增强树(GBDT)算法作为预测的基础算法,通过组合预测的方式,实现了较好的预测效果,可以根据之前的负荷数据来预测未来几小时至几天的负荷量,并用误差评价指标描述了预测的量化效果。
4)在建立了实时负荷预测系统的基础上建立网页界面实时展示预测结果与相关后台数据,提供了良好的用户界面,可以方便用户实时监测用电情况与未来用电状况从而及时做出调整。
5)系统技术层面:从软件、硬件、内网、外网、内外数据交互,网页开发等方面。
本发明的适用范围:
本系统适用于所有工业园区、住户小区等微电网环境,通过微网后台的数据库与当地的天气信息的采集、整理与预测,可以构建实时的预测系统,用于对该微网环境的用电负荷提供规划。
以上所述仅为本发明的优选实施方式而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的一种纹绣眉眼唇仪器的点刺技法原则之内,只要是使用仪器点刺技法以及所作的任何修改、等同替换、改进等,均包含在本发明的保护范围之内。
Claims (6)
1.一种实时的负荷预测系统,其特征在于:包括实时数据提取模块、新数据个数阈值判断模块、数据预处理模块、特征工程模块、负荷预测模块、本地数据库和实时模型更新模块;
所述实时数据提取模块用来与后台数据产生端数据库进行交互,得到最新产生的数据源;
所述新数据个数阈值判断模块用于判断实时数据提取模块采集到的新数据个数;
所述数据预处理模块用于满足新数据个数阈值判断模块条件的新数据进行数据预处理;
所述特征工程模块用于训练处理经过数据预处理模块预处理过的新数据;
所述负荷预测模块为微网负荷预测模块,用于当前时刻之后若干时刻的负荷预测;
所述本地数据库包括原始数据数据库、新的预测模型数据库和预测结果信息数据库,所述原始数据数据库用于存储数据提取模块采集到的新数据,所述新的预测模型数据库用于存储经过特征工程训练得到的新的预测模型,所述预测结果信息数据库用于存储经过负荷预测模块得到的负荷预测结果;
所述实时模型更新模块用于实现预测模型的更新,保证整个系统的可靠性。
2.根据权利要求1所述的一种实时的负荷预测系统,其特征在于:所述实时的负荷预测系统支持自动识别异常来源数据,做出误差分析。
3.根据权利要求1所述的一种实时的负荷预测系统,其特征在于:所述实时的负荷预测系统支持实时监控所处环境不同类别电力相关数据的情况,并对其进行分析的功能。
4.根据权利要求1所述的一种实时的负荷预测系统,其特征在于:所述实时的负荷预测系统包含根据预测情况与真实情况的比较推荐合理的用电规划与建议的功能。
5.根据权利要求1所述的一种实时的负荷预测系统,其特征在于:所述实时的负荷预测系统利用了原始数据采集的SCADA电力在线监控装备、关系型数据库存储、MATLAB软件、scikit-learn机器学习库和Django网页开发框架。
6.根据权利要求1所述的一种实时的负荷预测系统,其特征在于,所述系统的实施包括以下步骤:
(1)首先,利用程序监控后台数据库中是否有新的数据产生,并在新数据产生时实时利用数据提取模块将采集的新数据存储到数据源数据库中;
(2)其次,利用新数据个数阈值判断模块判断新数据的个数是否达到阈值,如果没有,则保持原状并继续监控采集数据,如果达到阈值,则表明新数据的个数满足条件,对新数据通过数据预处理模块进行数据预处理操作;
(3)最后,利用特征工程模块输入训练得到新的负荷预测模型,用于当前时刻之后若干时刻的负荷预测,并将新的负荷预测模型保存到新的预测模型数据库中,对预测结果保存到预测结果信息数据库中,用于界面展示与结果分析等环节中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010452946.7A CN111652420A (zh) | 2020-05-26 | 2020-05-26 | 一种实时的负荷预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010452946.7A CN111652420A (zh) | 2020-05-26 | 2020-05-26 | 一种实时的负荷预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111652420A true CN111652420A (zh) | 2020-09-11 |
Family
ID=72348602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010452946.7A Withdrawn CN111652420A (zh) | 2020-05-26 | 2020-05-26 | 一种实时的负荷预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652420A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114037179A (zh) * | 2021-11-24 | 2022-02-11 | 国网安徽省电力有限公司太湖县供电公司 | 一种基于大数据的电力负荷预测系统及方法 |
-
2020
- 2020-05-26 CN CN202010452946.7A patent/CN111652420A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114037179A (zh) * | 2021-11-24 | 2022-02-11 | 国网安徽省电力有限公司太湖县供电公司 | 一种基于大数据的电力负荷预测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112633316B (zh) | 一种基于边界估值理论的负荷预测方法和装置 | |
CN110750524A (zh) | 一种有源配电网故障特征的确定方法及系统 | |
CN111611085B (zh) | 基于云边协同的人机混合增强智能系统、方法、装置 | |
CN110555058A (zh) | 基于改进决策树的电力通信设备状态的预测方法 | |
CN116307215A (zh) | 一种电力系统的负荷预测方法、装置、设备及存储介质 | |
CN116614177A (zh) | 一种光纤状态多维度参量监测系统 | |
CN117394529A (zh) | 基于scada的主配网合环倒供电控制条件辅助决策方法及系统 | |
CN111652420A (zh) | 一种实时的负荷预测系统 | |
CN113887809A (zh) | 双碳目标下配电网供需平衡方法、系统、介质及计算设备 | |
CN117557047A (zh) | 一种基于深度强化学习的配电设备运维优化方法及系统 | |
CN111080037A (zh) | 一种基于深度神经网络的短期电力负荷预测方法及装置 | |
CN116865254A (zh) | 一种电力负荷指标预测方法、系统、设备及介质 | |
CN116992216A (zh) | 一种基于电力用户数据的短期负荷预测方法 | |
CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
Cheng et al. | Reactive Power Load Forecasting based on K-means Clustering and Random Forest Algorithm | |
CN115759395A (zh) | 光伏检测模型的训练、光伏发电的检测方法及相关装置 | |
CN113762591B (zh) | 一种基于gru和多核svm对抗学习的短期电量预测方法及系统 | |
CN115860190A (zh) | 负荷检测模型的训练、用电负荷的检测方法及相关装置 | |
CN114971053A (zh) | 低压台区网络线损率在线预测模型的训练方法及装置 | |
Ma et al. | Data Driven Scheduling Knowledge Management for Smart Shop Floor | |
Xia et al. | Research on short-term load forecasting of power system based on gradient lifting tree | |
Wan et al. | Time series prediction method of metrics of dispatching automation system based on ai platform | |
Zhang et al. | Prediction Interval Construction for Electric Load and Wind Power via Machine Learning | |
CN117114363B (zh) | 配电网调控方法、装置、电子设备和计算机可读介质 | |
CN112801372B (zh) | 数据处理方法、装置、电子设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200911 |
|
WW01 | Invention patent application withdrawn after publication |