CN111664550A - 基于预测模型和最优化算法的能效优化方法及系统 - Google Patents
基于预测模型和最优化算法的能效优化方法及系统 Download PDFInfo
- Publication number
- CN111664550A CN111664550A CN201910084913.9A CN201910084913A CN111664550A CN 111664550 A CN111664550 A CN 111664550A CN 201910084913 A CN201910084913 A CN 201910084913A CN 111664550 A CN111664550 A CN 111664550A
- Authority
- CN
- China
- Prior art keywords
- prediction model
- optimization
- model
- energy efficiency
- cold water
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提出了一种基于预测模型和最优化算法的能效优化方法及系统,其中该系统包括冷水系统传感器、风系统传感器、机房系统传感器、主控计算机和触发控制模块;用水系统、风系统和机房系统的传感器进行实时数据采集,并将采集的数据存入数据库;建立机器学习模型,预测冷凝压力,制冷量百分比,主机功率,冷却水进水温度,冷却水出水温度,能够对业务专家做出操作指导,基于预测结果,通过最优化算法进行决策,输出真正可执行的操作指南,并满足机房冷量需求以及安全准则。
Description
技术领域
本发明涉及能耗节约技术领域,特别涉及一种基于预测模型和最优化算法的能效优化方法及系统。
背景技术
现有能效优化方案,一种是基于PID自动控制,存在对非LTI系统适应性差,对多变量,强耦合关系很难调出好的效果,另一种是基于人为经验人为调控,存在无法根据IT负载变化以及湿度,温度的变化动态调整机器配置参数的问题,能耗优化空间小。
发明内容
本发明的目的旨在至少解决所述的技术缺陷之一。
为了实现上述目的,本发明一方面的实施例提供一种基于预测模型和最优化算法的能效优化方法,包括以下步骤:
S1,利用水系统、风系统和机房系统的传感器进行实时数据采集,并将采集的数据存入数据库;
S2,对数据库中存入的数据进行提取,将提取的数据对应训练生成相应的多个预测模型;
S3,预设水温度、冷机状态的限制条件,利用机器学习得到机器学习预测模型,其中,所述机器学习预测模型,对应多个系统状态参数和电力消耗值;所述机器学习预测模型结合最优化算法,得到不同的模型优化决策结果;根据专家知识库对模型优化决策结果进行输出操作建议修正;生成对冷水系统冷却端的操作指令;
S4,将操作指令发送至触发控制机组,由触发控制机组控制水系统、风系统和机房系统冷水系统冷却端的设备按照操作指令操作。
优选的,在步骤S2中,所述多个预测模型包括冷却水温预测模型、冷凝压力预测模型,PUE/耗电预测模型。
在上述任意一项实施例中优选的是,所述操作建议包括风系统操作建议和冷水系统操作建议。
在上述任意一项实施例中优选的是,所述风系统操作建议至少包括以下两方面风量、送风温度;所述冷水系统操作建议至少包括以下方面:冷却水泵频率、冷却水塔频率。
本发明一种基于预测模型和最优化算法的能效优化系统,包括冷水系统传感器、风系统传感器、机房系统传感器、主控计算机和触发控制模块;
所述冷水系统传感器、风系统传感器、机房系统传感器分别用于采集水系统、风系统和机房系统的实时数据;并将采集的数据存入主控计算机;
所述主控计算机将接受的采集数据存入数据库,并对数据库中存入的数据进行提取,将提取的数据对应训练生成相应的多个预测模型;
主控计算机用于对数据库中的数据进行处理,处理过程包括预设水温度、冷机状态的限制条件,利用机器学习得到机器学习预测模型,其中,所述机器学习预测模型,对应多个系统状态参数和电力消耗值;所述机器学习预测模型结合最优化算法,得到不同的模型优化决策结果;根据专家知识库对模型优化决策结果进行输出操作建议修正;修正后生成对冷水系统冷却端的操作指令;并将操作指令发送至触发控制模块
所述触发控制模块用于根据接收到的操作指令控制水系统、风系统和机房系统的设备按照操作指令操作。
在上述任意一项实施例中优选的是,所述多个预测模型包括水温预测模型、冷凝压力预测模型、PUE/耗电预测模型。
在上述任意一项实施例中优选的是,所述操作建议包括风系统操作建议和冷水系统操作建议。
在上述任意一项实施例中优选的是,所述风系统操作建议至少包括以下两方面风量、送风温度;所述冷水系统操作建议至少包括以下方面:冷却水泵频率、冷却塔频率。
根据本发明实施例提供的一种基于预测模型和最优化算法的能效优化方法及系统,相比于现有技术,至少具有以下优点:
1、充分考虑水系统间的耦合关系,建立机器学习模型,预测冷凝压力,制冷量百分比,主机功率,冷却水进水温度,冷却水出水温度,能够对业务专家做出操作指导,并满足机房冷量需求以及安全准则。
2、基于最优化算法,设计完整的决策优化模型,实现预测到决策的闭环控制。综合考虑业务操作的可行性,设备生效时间,以及SLA的限制,输出基于预测值的设备操作,提高了设备控制的智能化程度。
3、实现从获取数据,构建预测模型,给出优化操作策略的完整作业机制,使得可以通过学习持续更新模型;基于预测结果,通过最优化算法进行决策,输出真正可执行的操作指南。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例提供的一种基于预测模型和最优化算法的能效优化方法的流程图;
图2为本发明实施例提供的一种基于预测模型和最优化算法的能效优化系统的结构示意图;
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
如图1所示,本发明实施例的一种基于预测模型和最优化算法的能效优化方法,包括以下步骤:
S1,利用水系统、风系统和机房系统的传感器进行实时数据采集,并将采集的数据存入数据库;
S2,对数据库中存入的数据进行提取,将提取的数据对应训练生成相应的多个预测模型;在步骤S2中,所述多个预测模型包括冷却水温预测模型、冷凝压力预测模型,PUE/耗电预测模型。
S3,预设水温度、冷机状态的限制条件,利用机器学习得到机器学习预测模型,其中,所述机器学习预测模型,对应多个系统状态参数和电力消耗值;所述机器学习预测模型结合最优化算法,得到不同的模型优化决策结果;根据专家知识库对模型优化决策结果进行输出操作建议修正;修正后生成对冷水系统冷却端的操作指令;
进一步,所述操作建议包括风系统操作建议和冷水系统操作建议。其中,所述风系统操作建议至少包括以下两方面风量、送风温度;所述冷水系统操作建议至少包括以下方面:水泵频率、冷却塔频率、电机电流百分比。
S4,将操作指令发送至触发控制机组,由触发控制机组控制水系统、风系统和机房系统冷水系统冷却端的设备按照操作指令操作。
在本发明的一个实施例中,
首先,每隔5分钟,AI系统会从众多传感器(分布在冷水系统,风系统,机房系统)收集数据中心水系统、风系统及机房的数据。其中,水系统数据包括冷却塔风机频率,冷却水泵频率,以及冷却水塔频率等;风系统数据包括;精密空调水阀开度,风量等;外界环境变量包括室外温度,室外湿度,湿球温度等。
然后,通过模型特征重要度分析,以及系统原理和数据分析,提取不同机组中对预测目标影响较大的因素。这些数据会被输入到系统的模型中,包括冷却水温度预测模型,冷凝压力预测模型,以及设备功率预测模型。例如,用冷却水塔频率,冷却水泵频率,空调和风柜功率,IT负载,室外温度,室外湿度作为输入,XGBOOST为模型,预测PUE。
其次,以水温度,冷机状态作为限制条件,设备功率总和最低为优化目标,再结合专家知识库中的专家知识(冷凝压力、冷却水进水温度、冷冻水出水温度的安全范围),利用最优化算法,预测6个机组的不同冷却水频和冷却塔频率的组合对电力消耗的影响,获取优化决策,对冷水系统和风系统做出操作建议。
最后,为防止偶尔做出错误决定,会针对专家经验建立规则式知识库,排除不符合系统原理或不符合专家经验的操作建议,保证了在优先考虑“安全性和可靠性”的基础上,再去考虑性能和成本节约。
AI系统将既能最小化能量消耗,又能满足安全约束的操作建议返回数据中心,触发控制模块,最后由运维人员负责验证和执行它们。
本发明还提供一种基于预测模型和最优化算法的能效优化系统,包括冷水系统传感器、风系统传感器、机房系统传感器、主控计算机和触发控制模块;
所述冷水系统传感器、风系统传感器、机房系统传感器分别用于采集水系统、风系统和机房系统的实时数据;并将采集的数据存入主控计算机;
所述主控计算机将接受的采集数据存入数据库,并对数据库中存入的数据进行提取,将提取的数据对应训练生成相应的多个预测模型;优选的,所述多个预测模型包括水温预测模型、冷凝压力预测模型、PUE/耗电预测模型。
主控计算机用于对数据库中的数据进行处理,处理过程包括预设水温度、冷机状态的限制条件,利用机器学习得到机器学习预测模型,其中,所述机器学习预测模型,对应多个系统状态参数和电力消耗值;所述机器学习预测模型结合最优化算法,得到不同的模型优化决策结果;根据专家知识库对模型优化决策结果进行输出操作建议修正;修正后生成对冷水系统冷却端的操作指令;并将操作指令发送至触发控制模块。
所述操作建议包括风系统操作建议和冷水系统操作建议。进一步,所述风系统操作建议至少包括以下两方面风量、送风温度;所述冷水系统操作建议至少包括以下方面:冷却水泵频率、冷却塔频率。根据优化决策生成对冷水系统、风系统和机房系统的操作指令;并将操作指令发送至触发控制模块。
所述触发控制模块用于根据接收到的操作指令控制水系统、风系统和机房系统的设备按照操作指令操作。
充分考虑水系统间的耦合关系,建立机器学习模型,预测冷凝压力,制冷量百分比,主机功率,冷却水进水温度,冷却水出水温度,能够对业务专家做出操作指导,并满足机房冷量需求以及安全准则。基于最优化算法,设计完整的决策优化模型,实现预测到决策的闭环控制。综合考虑业务操作的可行性,设备生效时间,以及SLA的限制,输出基于预测值的设备操作,提高了设备控制的智能化程度。实现从获取数据,构建预测模型,给出优化操作策略的完整作业机制,使得可以通过学习持续更新模型;基于预测结果,通过最优化算法进行决策,输出真正可执行的操作指南。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。
Claims (8)
1.一种基于预测模型和最优化算法的能效优化方法,其特征在于,包括以下步骤:
S1,利用水系统、风系统和机房系统的传感器进行实时数据采集,并将采集的数据存入数据库;
S2,对数据库中存入的数据进行提取,将提取的数据对应训练生成相应的多个预测模型;
S3,预设水温度、冷机状态的限制条件,利用机器学习得到机器学习预测模型,其中,所述机器学习预测模型,对应多个系统状态参数和电力消耗值;所述机器学习预测模型结合最优化算法,得到不同的模型优化决策结果;根据专家知识库对模型优化决策结果进行输出操作建议修正;修正后生成对冷水系统冷却端的操作指令;
S4,将操作指令发送至触发控制机组,由触发控制机组控制水系统、风系统和机房系统冷水系统冷却端的设备按照操作指令操作。
2.根据权利要求1所述的基于预测模型和最优化算法的能效优化方法,其特征在于,在步骤S2中,所述多个预测模型包括冷却水温预测模型、冷凝压力预测模型,PUE/耗电预测模型。
3.根据权利要求1所述的基于预测模型和最优化算法的能效优化方法,其特征在于,所述操作建议包括风系统操作建议和冷水系统操作建议。
4.根据权利要求3所述的基于预测模型和最优化算法的能效优化方法,其特征在于,所述风系统操作建议至少包括以下两方面风量、送风温度;所述冷水系统操作建议至少包括以下方面:冷却水泵频率、冷却水塔频率。
5.一种基于预测模型和最优化算法的能效优化系统,包括冷水系统传感器、风系统传感器、机房系统传感器、主控计算机和触发控制模块;其特征在于,
所述冷水系统传感器、风系统传感器、机房系统传感器分别用于采集水系统、风系统和机房系统的实时数据;并将采集的数据存入主控计算机;
所述主控计算机将接受的采集数据存入数据库,并对数据库中存入的数据进行提取,将提取的数据对应训练生成相应的多个预测模型;
主控计算机用于对数据库中的数据进行处理,处理过程包括预设水温度、冷机状态的限制条件,利用机器学习得到机器学习预测模型,其中,所述机器学习预测模型,对应多个系统状态参数和电力消耗值;所述机器学习预测模型结合最优化算法,得到不同的模型优化决策结果;根据专家知识库对模型优化决策结果进行输出操作建议修正;修正后生成对冷水系统冷却端的操作指令;并将操作指令发送至触发控制模块;
所述触发控制模块用于根据接收到的操作指令控制水系统、风系统和机房系统的设备按照操作指令操作。
6.根据权利要5所述的基于预测模型和最优化算法的能效优化系统,其特征在于,所述多个预测模型包括水温预测模型、冷凝压力预测模型、PUE/耗电预测模型。
7.根据权利要5所述的基于预测模型和最优化算法的能效优化系统,其特征在于,所述操作建议包括风系统操作建议和冷水系统操作建议。
8.根据权利要7所述的基于预测模型和最优化算法的能效优化系统,其特征在于,所述风系统操作建议至少包括以下两方面风量、送风温度;所述冷水系统操作建议至少包括以下方面:冷却水泵频率、冷却塔频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910084913.9A CN111664550A (zh) | 2019-01-18 | 2019-01-18 | 基于预测模型和最优化算法的能效优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910084913.9A CN111664550A (zh) | 2019-01-18 | 2019-01-18 | 基于预测模型和最优化算法的能效优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111664550A true CN111664550A (zh) | 2020-09-15 |
Family
ID=72381180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910084913.9A Pending CN111664550A (zh) | 2019-01-18 | 2019-01-18 | 基于预测模型和最优化算法的能效优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111664550A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112292013A (zh) * | 2020-12-29 | 2021-01-29 | 南京壹格软件技术有限公司 | 基于时间序列的微模块数据中心热源预判和冷源调控方法 |
CN113531835A (zh) * | 2021-07-27 | 2021-10-22 | 贵州电网有限责任公司 | 一种基于最优工作点的电力系统机房温控协调控制方法 |
CN114065898A (zh) * | 2021-12-21 | 2022-02-18 | 特斯联科技集团有限公司 | 基于决策技术的空调机能量使用测控方法及系统 |
CN116193819A (zh) * | 2023-01-19 | 2023-05-30 | 中国长江三峡集团有限公司 | 一种数据中心机房节能控制方法、系统、装置及电子设备 |
CN116466672A (zh) * | 2023-06-13 | 2023-07-21 | 深圳市宝腾互联科技有限公司 | 基于人工智能的数据中心机房参数调控方法及相关装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598425A (zh) * | 2004-07-20 | 2005-03-23 | 贵州华城楼宇科技有限公司 | 中央空调冷冻/温水节能装置 |
JP2013174412A (ja) * | 2012-02-27 | 2013-09-05 | Toshiba Corp | 蓄電蓄熱最適化装置、最適化方法及び最適化プログラム |
CN106949595A (zh) * | 2015-05-14 | 2017-07-14 | 南通大学 | 有效节能的基于电能友好空调负荷侧主动需求策略 |
CN107958268A (zh) * | 2017-11-22 | 2018-04-24 | 用友金融信息技术股份有限公司 | 一种数据模型的训练方法及装置 |
CN109028481A (zh) * | 2018-08-10 | 2018-12-18 | 中国建筑科学研究院有限公司 | 一种空调系统的无人值守机房控制系统及方法 |
-
2019
- 2019-01-18 CN CN201910084913.9A patent/CN111664550A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598425A (zh) * | 2004-07-20 | 2005-03-23 | 贵州华城楼宇科技有限公司 | 中央空调冷冻/温水节能装置 |
JP2013174412A (ja) * | 2012-02-27 | 2013-09-05 | Toshiba Corp | 蓄電蓄熱最適化装置、最適化方法及び最適化プログラム |
CN106949595A (zh) * | 2015-05-14 | 2017-07-14 | 南通大学 | 有效节能的基于电能友好空调负荷侧主动需求策略 |
CN107958268A (zh) * | 2017-11-22 | 2018-04-24 | 用友金融信息技术股份有限公司 | 一种数据模型的训练方法及装置 |
CN109028481A (zh) * | 2018-08-10 | 2018-12-18 | 中国建筑科学研究院有限公司 | 一种空调系统的无人值守机房控制系统及方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112292013A (zh) * | 2020-12-29 | 2021-01-29 | 南京壹格软件技术有限公司 | 基于时间序列的微模块数据中心热源预判和冷源调控方法 |
CN112292013B (zh) * | 2020-12-29 | 2021-11-02 | 南京壹格软件技术有限公司 | 基于时间序列的微模块数据中心热源预判和冷源调控方法 |
CN113531835A (zh) * | 2021-07-27 | 2021-10-22 | 贵州电网有限责任公司 | 一种基于最优工作点的电力系统机房温控协调控制方法 |
CN114065898A (zh) * | 2021-12-21 | 2022-02-18 | 特斯联科技集团有限公司 | 基于决策技术的空调机能量使用测控方法及系统 |
CN114065898B (zh) * | 2021-12-21 | 2022-05-17 | 特斯联科技集团有限公司 | 基于决策技术的空调机能量使用测控方法及系统 |
CN116193819A (zh) * | 2023-01-19 | 2023-05-30 | 中国长江三峡集团有限公司 | 一种数据中心机房节能控制方法、系统、装置及电子设备 |
CN116193819B (zh) * | 2023-01-19 | 2024-02-02 | 中国长江三峡集团有限公司 | 一种数据中心机房节能控制方法、系统、装置及电子设备 |
CN116466672A (zh) * | 2023-06-13 | 2023-07-21 | 深圳市宝腾互联科技有限公司 | 基于人工智能的数据中心机房参数调控方法及相关装置 |
CN116466672B (zh) * | 2023-06-13 | 2023-11-10 | 深圳市宝腾互联科技有限公司 | 基于人工智能的数据中心机房参数调控方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111664550A (zh) | 基于预测模型和最优化算法的能效优化方法及系统 | |
CN110410942B (zh) | 一种冷热源机房节能优化控制方法及系统 | |
CN110360725B (zh) | 空调机、云服务器、空调机的驱动及控制方法 | |
US10094598B2 (en) | System and method for controlling multi-zone vapor compression system | |
CN109028481A (zh) | 一种空调系统的无人值守机房控制系统及方法 | |
KR102296329B1 (ko) | 예측 공조로 최적화 운전이 가능한 스마트 공기 조화 시스템 | |
CN112611076B (zh) | 基于iscs的地铁车站通风空调节能控制系统和方法 | |
CN112628956B (zh) | 基于边云协同框架的冷水机组负荷预测控制方法和系统 | |
EP3929507B1 (en) | Performance degradation diagnosis system for refrigeration cycle device | |
CN112556103A (zh) | 一种基于负荷预测的大系统节能控制方式及系统 | |
CN110940061A (zh) | 中央空调控制方法及系统 | |
CN109883006A (zh) | 可提高可靠性的空调的群组系统及群组控制方法 | |
US20200393181A1 (en) | Refrigeration cycle optimization | |
CN114264045A (zh) | 一种中央空调的能效调控系统及方法 | |
CN111787123A (zh) | 智慧热网运维管理系统 | |
CN115081220A (zh) | 一种高能效中央空调系统调节方法及其系统 | |
US20200309399A1 (en) | Air conditioning system, server system, network, method for controlling air conditioning system and method for controlling network | |
CN116592464A (zh) | 基于多传感的风机盘管末端故障诊断与调控系统与方法 | |
CN114893886B (zh) | 一种集中式暖通空调综合节能控制系统及其控制方法 | |
CN115560430A (zh) | 一种基于云边计算的空调模型优化方法及系统 | |
CN105240993A (zh) | 一种中央空调的精细化节能控制系统及其实现方法 | |
CN110836518A (zh) | 基于系统基础知识的自学习空调系统全局优化控制方法 | |
CN112682882A (zh) | 一种绿色高效节能制冷机房集合式模块的实施方法 | |
CN110953680A (zh) | 空调控制方法及系统 | |
CN117249537B (zh) | 一种基于中央空调的虚拟电厂调度与控制系统及方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 501, block a, Haier International Plaza, 939 Zhenwu Road, Jimo Economic Development Zone, Qingdao City, Shandong Province 266221 Applicant after: Qingdao Chuangxin Qizhi Technology Group Co.,Ltd. Address before: 518054 room 04, 02 / F, podium building 4, Shenzhen software industry base, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: SHENZHEN AINNOVATION TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200915 |