DE4235274A1 - Verfahren zur Einrichtung und zum Betrieb eines Verbundes von elektrischen Geräten - Google Patents
Verfahren zur Einrichtung und zum Betrieb eines Verbundes von elektrischen GerätenInfo
- Publication number
- DE4235274A1 DE4235274A1 DE4235274A DE4235274A DE4235274A1 DE 4235274 A1 DE4235274 A1 DE 4235274A1 DE 4235274 A DE4235274 A DE 4235274A DE 4235274 A DE4235274 A DE 4235274A DE 4235274 A1 DE4235274 A1 DE 4235274A1
- Authority
- DE
- Germany
- Prior art keywords
- neural network
- power consumption
- consumption values
- measured
- facts
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
- G05F1/00—Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
- G05F1/66—Regulating electric power
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
- G01R21/1333—Arrangements for measuring electric power or power factor by using digital technique adapted for special tariff measuring
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
- H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
- H02J2310/58—The condition being electrical
- H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Description
Die Erfindung betrifft ein Verfahren zur Einrichtung und
zum Betrieb eines Verbundes von elektrischen Geräten,
wobei der Verbund nicht-steuerbare und/oder steuerbare
Geräte umfaßt, wobei zumindest eine Folge von momentanen
Leistungsaufnahmewerten des Verbundes und/oder Gerätegruppen
und/oder der einzelnen Geräte innerhalb einer aktuellen
Meßperiode mit Leistungssensoren gemessen und in einem
Prognoserechner abgespeichert wird, wobei eine aktuelle
Folge von momentanen Leistungsaufnahmewerten mit dem
Prognoserechner zumindest auf einen Energieverbrauchswert
am Endzeitpunkt der aktuellen Meßperiode extrapoliert wird
und wobei die momentanen Leistungaufnahmewerte eines oder
mehrerer Geräte nach Maßgabe einer maximalen Differenz des
extrapolierten Energieverbrauchswertes zu einem vorgegebenen
maximalen Energieverbrauchswert am Endzeitpunkt der
aktuellen Meßperiode gesteuert werden. - Die meisten
Betriebe, insbesondere Produktionsbetriebe, arbeiten mit einer
Mehrzahl von elektrischen Geräten, deren Betrieb aufgrund
der Arbeitsprozesse mittelbar oder unmittelbar, beispielsweise
im Rahmen einer Produktionslinie, miteinander zu
einem funktionellen Verbund verbunden ist. Elektrische
Geräte sind dabei Vorrichtungen, die elektrische Energie
zumindest zum Teil in andere Energieformen umwandeln.
Hierunter fallen insbesondere Arbeitsmaschinen, Heiz- und Kühlgeräte
und Beleuchtungsmittel. Nicht-steuerbare Geräte
sind Geräte, die während des Betriebes mit konstanter
Leistungsaufnahme, der sogenannten Grundlast, arbeiten. Steuerbare
Geräte können nach Maßgabe von Steuerungssignalen mit
variabler Leistungsaufnahme betrieben werden. Im einfachsten
Fall sind steuerbare Geräte ein- und ausschaltbar.
Die zum Betrieb eines Verbundes in einem größeren Zeitraum,
beispielsweise in einem Jahr, insgesamt benötigte
Menge elektrischer Energie ist durch die Arbeitsprozesse
grundsätzlich festgelegt, nicht jedoch die Verteilung von
in vergleichsweise kurzen Meßperioden, beispielsweise in
einer Viertelstunde, registrierten Energieverbrauchswerten
innerhalb des größeren Zeitraumes. Diese Energieverbrauchswerte
können aufgrund variierender elektrischer
Leistungsaufnahmen im Rahmen des Verbundes von Meßperiode
zu Meßperiode beträchtlich schwanken. Dabei muß ein elektrisches
Versorgungsnetz zur Versorgung des Verbundes
nicht nach Maßgabe einer aus der in einem größeren
Zeitraum benötigten Energiemenge ermittelten mittleren
Leistungsaufnahme ausgelegt werden, sondern nach Maßgabe
einer aus dem höchsten Energieverbrauchswert am Endzeitpunkt
einer Meßperiode ermittelten Leistungsspitze. Mit
anderen Worten muß das elektrische Versorgungsnetz für
einen Verbund mit variierenden Energieverbrauchswerten
technisch aufwendiger aufgebaut sein als für einen Verbund
mit gleichmäßigen Energieverbrauchswerten bei ansonsten
gleicher in dem größeren Zeitraum verbrauchter Menge
elektrischer Energie. Dies schlägt sich letztendlich u. a.
in dem sog. Leistungspreisanteil bei der Abrechnung mit
Energieversorgungsunternehmen nieder, der zusätzlich
zu dem von der Energie bestimmten Arbeitsanteil erhoben
wird und abhängig von Leistungsspitzen ist. Aus diesen
Gründen ist es wünschenswert, diese Energieverbrauchswerte
(möglichst knapp) unterhalb eines vorgegebenen
maximalen Energieverbrauchswertes zum Endzeitpunkt der
Meßperiode zu halten.
Aus der Praxis sind hierzu verschiedene Verfahren bekannt.
Ein besonders einfaches Verfahren arbeitet mit einer
kontinuierlichen Messung der Leistungsaufnahme und somit
des Energieverbrauchswertes in einer Meßperiode, wobei bei
Erreichen des vorgegebenen maximalen Energieverbrauchswertes
am Endzeitpunkt der Meßperiode vor dem Endzeitpunkt
der Meßperiode ein sogenannter Lastabwurf, d. h. eine Abschaltung
der angeschlossenen elektrischen Geräte, durch einen
Maximumwächter erfolgt. Dieses einfache Verfahren führt
jedoch bei Lastabwurf zu einem in erheblichem Maße störenden
Eingriff in die Arbeitsprozesse, da es jeglicher
Flexibilität entbehrt.
Ebenfalls aus der Praxis ist ein Verfahren der eingangs
genannten Art bekannt. Hierbei wird innerhalb einer Meßperiode,
welche beispielsweise eine Viertelstunde, eine
halbe Stunde oder eine Stunde beträgt, der Verlauf der
elektrischen Leistungsaufnahme als zeitliche Folge von
momentanen Leistungsaufnahmewerten gemessen und abgespeichert.
Dabei wird mit jeder Messung und Abspeicherung
eines neuen momentanen Leistungsaufnahmewertes ein neuer,
um diesen Leistungsaufnahmewert vermehrter Satz von
Leistungsaufnahmewerten gebildet. Dieser neue Satz von
Leistungsaufnahmewerten ist die jeweils aktuelle Folge von
momentanen Leistungsaufnahmewerten und korrespondiert mit
dem Zeitpunkt der Messung des letzten Leistungsaufnahmewertes.
Mit einem Prognoserechner läßt sich die jeweils
aktuelle Folge von momentanen Leistungsaufnahmewerten auf
den Endzeitpunkt extrapolieren, wodurch der voraussichtliche
jeweilige Energieverbrauchswert zum Endzeitpunkt der
aktuellen Meßperiode gegeben ist. Dabei wird die Extrapolation
nach den Regeln der Trendrechnung durchgeführt.
Liegt der extrapolierte Energieverbrauchswert über einem
vorgegebenen maximalen Verbrauchswert, so erfolgt als
Steuerungsmaßnahme ein (begrenzter) Lastabwurf, wobei
eines oder mehrere elektrische Geräte mit zumindest reduzierter
Leistung angesteuert werden. Liegt der extrapolierte
Energieverbrauchswert dagegen unter dem vorgegebenen
maximalen Energieverbrauchswert, so werden umgekehrt
eines oder mehrere elektrische Geräte mit zumindest erhöhter
Leistung angesteuert. Es versteht sich, daß nur
solche elektrischen Geräte gesteuert werden, die nicht
unbedingt aus produktionstechnischen Gründen gleichzeitig
mit hoher oder mit geringer Leistungsaufnahme betrieben
werden müssen. Zur Vermeidung von störenden Steuerungsmaßnahmen
insbesondere von häufigen Ein- und Ausschaltungen ist
im übrigen ein erlaubtes "Fenster" bezüglich des Energieverbrauchswertes
eingerichtet. Dies ist unter anderem dadurch
einrichtbar, daß der extrapolierte Energieverbrauchswert
und der vorgegebene maximale Energieverbrauchswert
nicht exakt übereinstimmen müssen, sondern daß
eine Abweichung innerhalb der vorgegebenen maximalen
Differenz dieser beiden Werte keine Steuerungsmaßnahmen
auslöst. Im Ergebnis wird erreicht, daß einerseits Geräte
mit hoher Leistungsaufnahme, die nicht gleichzeitig betrieben
werden müssen, nicht ständig eingeschaltet sind,
sondern beispielsweise in verschiedenen Meßperioden im Gegentakt
gesteuert werden, und daß andererseits der vorgegebene
maximale Energieverbrauchswert ausgenutzt wird.
Dieses bekannte Verfahren hat sich bewährt, ist jedoch
verbesserungsfähig, da sich gezeigt hat, daß insbesondere bei
stark schwankenden Leistungsaufnahmen unnötige, die Arbeitsprozesse
störende Steuerungen der Leistungsaufnahmewerte
erfolgen. Auch finden vereinzelt unzulässige Überschreitungen
der vorgegebenen maximalen Energieverbrauchswerte
statt mit der möglichen Folge von in besonderem Maße
störenden Sicherheitsabschaltungen der steuerbaren Geräte
des gesamten Verbundes durch zusätzliche Maximumwächter.
Meist wird ferner der vorgegebene maximale Energieverbrauchswert
nicht gut ausgenutzt.
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren
zur Einrichtung und zum Betrieb eines Verbundes von
elektrischen Geräten anzugeben, welches mit erhöhter Zuverlässigkeit
bezüglich eventueller Überschreitungen des
vorgegebenen maximalen Energieverbrauchswertes arbeitet,
diesen aber auch besonders gut ausnutzt.
Zur Lösung dieser Aufgabe lehrt die Erfindung, daß der
Prognoserechner zumindest ein neuronales Netzwerk aus
einer Mehrzahl von miteinander verbundenen Subrechnern
aufweist, daß in einer Einrichtungsverfahrensstufe eine
Mehrzahl von Fakten, welche jeweils zumindest eine gemessene
und gespeicherte Folge momentaner Leistungsaufnahmewerte
und einen korrespondierenden gemessenen und gespeicherten
Energieverbrauchswert
am Endzeitpunkt einer Meßperiode
als Bestandteile aufweisen, dem neuronalen Netzwerk
eingegeben wird, wobei zumindest eine Gewichtungsmatrix
des neuronalen Netzwerkes berechnet und
gespeichert wird, daß in einer Arbeitsverfahrensstufe die
aktuelle Folge von momentanen Leistungsaufnahmewerten mit
den Leistungssensoren gemessen und dem neuronalen Netzwerk
eingegeben wird, wobei mittels der Gewichtsmatrix der
Energieverbrauchswert am Endzeitpunkt der aktuellen Meßperiode
berechnet wird, und daß in der Arbeitsverfahrensstufe
die Energieverbrauchswerte an den Endzeitpunkten
abgelaufener Meßperioden gemessen, gespeichert und mit den
korrespondierenden Folgen momentaner Leistungsaufnahmewerte
als Bestandteile zusätzlicher Fakten dem neuronalen
Netzwerk eingegeben werden. Vorzugsweise geschieht
dieses so, daß die Gewichtsmatrix unter Berücksichtigung
aller eingegebener Fakten neu berechnet wird. - Die
Subrechner eines neuronalen Netzwerkes besitzen jeweils
eine Mehrzahl von Eingängen, jedoch nur einen Ausgang. Ein
Subrechner arbeitet in der Regel so, daß ein einem Eingang
zugeführtes elektrisches Signal bzw. Datenwert mit einem
einstellbaren Gewichtungsfaktor multipliziert wird, daß
alle mit den gegebenenfalls verschiedenen Gewichtungsfaktoren
multiplizierten Signale bzw. Datenwerte zu einer
Summe addiert werden und daß durch Anwendung einer
wählbaren Übertragungsfunktion aus der Summe ein
Ausgangssignal gebildet wird. Die Subrechner eines
neuronalen Netzwerkes sind in zumindest zwei Schichten,
selten mehr als fünf Schichten, organisiert und
miteinander verbunden. Dabei bildet eine Schicht die
Eingangsschicht, deren Subrechner elektrische Signale bzw.
Datenwerte zuführbar sind. Eine andere Schicht bildet die
Ausgangsschicht, von deren Subrechnern elektrische Signale
bzw. Datenwerte abnehmbar sind. Weitere Schichten sind als
sogenannte verborgene Schichten zwischen der Eingangsschicht und
der Ausgangsschicht angeordnet. Dabei ist der einzelne
Ausgang eines Subrechners einer Schicht jeweils mit zumindest
einem der Eingänge der Subrechner einer anderen
Schicht verbunden. Dabei wird unterschieden zwischen vorwärts
gekoppelten neuronalen Netzwerken, bei welchen die
Ausgänge der Subrechner einer Schicht nur mit Eingängen
von Subrechnern nachgeordneter Schichten verbunden sind,
und rückwärts gekoppelten neuronalen Netzwerken, bei welchen
auch Verbindungen der Ausgänge von Subrechnern einer
nachgeordneten Schicht mit Eingängen von Subrechnern vorgeordneter
Schichten eingerichtet sind. Die Gewichtungsfaktoren
eines neuronalen Netzwerkes bilden zumindest eine
Gewichtsmatrix, wobei die Anzahl der Gewichtungsmatrizen
im wesentlichen von der Anzahl Schichten abhängt.
Die Subrechner sind vorteilhafterweise als parallel arbeitende
Prozessoren ausgebildet, können aber auch mit einem
üblichen Rechner, beispielsweise mit Von-Neumann-Architektur,
virtuell gebildet werden. Neuronale Netzwerke benötigen
vor dem praktischen Einsatz ein sogenanntes "Training". Dabei
werden dem neuronalen Netzwerk beispielsweise Signale bzw.
Daten sowie mit diesen Signalen bzw. Daten korrelierte
Ergebnissignale bzw. -daten eingegeben. Die Gesamtheit
eines Satzes solcher Signale bzw. Daten bezeichnet man als
Fakt. Mit der Eingabe einer Mehrzahl unterschiedlicher
Fakten mit variierenden Bestandteilen ist eine Gewichtungmatrix
erhaltbar, die alle "trainierten" Fakten berücksichtigt.
Mit einem solchermaßen "trainierten" neuronalen
Netzwerk lassen sich beispielsweise die fehlenden
Bestandteile unvollständig eingegebener Fakten mit besonders
hoher Zuverlässigkeit berechnen. Die Eingabe weiterer
Fakten verbessert diese Zuverlässigkeit.
Neuronale Netzwerke sind an sich und für sich bekannt. Für
eine allgemeine Darstellung der Funktionsweise neuronaler
Netzwerke wird ergänzend auf das DE-Buch "Neuronale
Netze", Jeannette Lawrence, Systema-Verlag GmbH, München,
1992, verwiesen. Bezüglich der Mathematik der Zusammenhänge,
insbesondere des "Trainings" von neuronalen Netzwerken
wird auf das US-Buch "Neural Networks and Fuzzy Systems",
B. Kosko, Prentice Hall Inc., Englewood Cliffs, N.Y., USA,
1992, verwiesen.
Die Erfindung geht aus von der Erkenntnis, daß einerseits
die momentanen Leistungsaufnahmewerte und damit die Energieverbrauchswerte
an den Endzeitpunkten der Meßperioden
bei einem Verbund im wesentlichen einer Systematik unterliegen,
welche für den jeweiligen Verbund eigentümlich,
jedoch komplex ist, welche sich aber auch über mehrere
Meßperioden erstrecken und mittel- und langfristig variieren
kann, und daß andererseits eine solche Systematik
zumindest näherungsweise erfaßt und genutzt werden kann,
wenn ein neuronales Netzwerk im Rahmen der konkreten
erfindungsgemäßen Verfahrensweise mit einer Einrichtungsverfahrensstufe
zum "Trainieren" des neuronalen Netzwerkes
und einer selbstadaptierenden Arbeitsverfahrensstufe eingesetzt
wird. Gegenüber den aus der Praxis genannten
Verfahren der eingangs genannten Art weist das erfindungsgemäße
Verfahren als Vorteile auf, daß auch bei innerhalb
einer aktuellen Meßperiode stark schwankenden Leistungsaufnahmewerten
eine sehr sichere Extrapolation des Energieverbrauchswertes
am Ende der Meßperiode berechenbar
ist, daß häufige und unnötige Steuerungen oder Sicherheitsabschaltungen
bzw. Überlastungen praktisch nicht mehr
auftreten, und daß der vorgegebene maximale Energieverbrauchswert
praktisch stets gut ausgenutzt wird. Insofern
wird sowohl eine Leistungssteigerung des Verbundes der
elektrischen Geräte als auch eine erhöhte Zuverlässigkeit
erreicht.
In einer bevorzugten Ausführungsform der Erfindung weist
der Prognoserechner zumindest ein vorwärts gekoppeltes
neuronales Netzwerk, vorzugsweise mit nicht-linearer und
stetig differenzierbarer, Neuronenübertragungsfunktion,
auf. Neuronale Netzwerke diesen Aufbaus sind relativ
einfach, sind aber dennoch besonders gut für Extrapolationen
geeignet. Im übrigen arbeiten sie besonders
schnell, so daß Echtzeit-Extrapolationen möglich sind.
Hierdurch sind störende Verzögerungen der eventuell erforderlichen
Steuerungen vermeidbar. Übliche nicht-lineare
Übertragungsfunktionen sind die lineare Schwellenwertfunktion,
die Stufenfunktion und die sigmoiden Funktionen.
Das neuronale Netzwerk kann zumindest ein Gegenstrom-Netzwerk
aufweisen, wobei mit jeder Eingabe eines Faktes
automatisch eine Neuberechnung der Gewichtungsmatrix unter
Berücksichtigung des eingegebenen Faktes und der zuvor
eingegebenen Fakten erfolgt. Diese Funktion bezeichnet man
als Counter-Propagation. Alternativ kann in dem neuronalen
Netzwerk bei üblicher Schaltung mit jeder Eingabe eines
Faktes ein Fehlerkorrektursignal rückwärts durch das neuronale
Netzwerk geführt werden, wobei die Gewichtungsmatrix
durch das Fehlerkorrektursignal unter Berücksichtigung
des eingegebenen Faktes und der zuvor eingegebenen
Fakten neu berechnet wird. Dies wird als Back-Propagation
bezeichnet. In ersterem Fall weist das neuronale Netzwerk
beispielsweise fünf Schichten auf, wobei die beiden außenliegenden
Schichten Eingangsschichten sind, die nächstinneren
Schichten, die sogenannten Grossberg-Module, Ausgangsschichten
sind und die mittlere Schicht, die sogenannte
Kohonen-Schicht, eine verborgene Schicht ist. Bei einem
solchen Gegenstrom-Netzwerk kann die Einrichtungsverfahrensstufe
ohne Überwachung durchgeführt werden, sie ist
jedoch vergleichsweise langsam aufgrund von besonderen
Maßnahmen, welche erforderlich sind, um Konvergenzprobleme
zu vermeiden. In letzterem Fall ist das neuronale Netzwerk
beispielsweise von klassischem Aufbau mit drei Schichten.
In der Einrichtungsverfahrensstufe sind dann jedoch die
angegebenen Überwachungsmaßnahmen erforderlich.
In einer weiterhin bevorzugten Ausführungsform der Erfindung
werden nicht-elektrische, im Rahmen des Verbundes die
Leistungsaufnahmewerte beeinflussende Größen gemessen, in
elektrische Signale umgewandelt, gespeichert und dem neuronalen
Netzwerk zugeführt. Solche Größen sind beispielsweise
Temperaturen der Umgebung, von Materialien und
Geräten, Mengenströme, Umdrehungszahlen, Taktzahlen und
Geschwindigkeiten. Wenn Größen dieser Art in geeigneter
Form dem neuronalen Netzwerk in der Einrichtungsverfahrensstufe
als Bestandteile der Fakten zusammen mit den
korrespondierenden Folgen momentaner Leistungsaufnahmewerte
und Energieverbrauchswerte zugeführt werden,
arbeitet die Arbeitsverfahrensstufe mit besonders hoher
Zuverlässigkeit.
Eine besonders vorteilhafte Ausführungsform des erfindungsgemäßen
Verfahrens ist dadurch gekennzeichnet, daß
die Steuerung der momentanen Leistungsaufnahmewerte eines
oder mehrerer Geräte zusätzlich nach Maßgabe vorgegebener,
ggf. variabler minimaler und maximaler Leistungsaufnahmewerte
der Geräte mittels eines Optimierungsrechners durchgeführt
wird. Durch die Vorgabe von minimalen und maximalen
Leistungsaufnahmewerten einzelner Geräte oder Gerätegruppen
ggf. in Verbindung mit korrelierten Vorgaben für
andere Geräte bzw. Gerätegruppen läßt sich mittels eines
Optimierungsrechners eine für den Arbeitsprozeß besonders
günstige Konfiguration der Leistungsaufnahmewerte zu allen
Zeitpunkten bestimmen und steuern. Dabei kann der Optimierungsrechner
ein integraler Bestandteil des neuronalen
Netzwerkes sein, wobei nicht-elektrische, mit den
Leistungsaufnahmewerten verknüpfte Größen des Verbundes
gemessen, in elektrische Signale umgewandelt, gespeichert
und als Bestandteile von Fakten dem neuronalen Netzwerk
eingegeben werden. Der Optimierungsrechner kann aber auch
ein getrenntes neuronales Netzwerk, vorzugsweise ein rückgekoppeltes
Hopfield-Netzwerk, sein, wobei nicht-elektrische,
mit den Leistungsaufnahmewerten verknüpfte
Größen des Verbundes gemessen, in elektrische Signale
umgewandelt, gespeichert und als Bestandteile von Fakten
dem Optimierungsrechner eingegeben werden. Ein Hopfield-Netzwerk
kann mit lediglich einer Eingangs- und einer
Ausgangsschicht ausgebildet sein, und ist durch besonders
schnelle und dennoch zuverlässige Optimierungsrechnungen
charakterisiert. Weiterhin alternativ kann der Optimierungsrechner
als Expertensystem ausgebildet sein und nach
Maßgbe eines Satzes von vorgegebenen Schalt- und Steuerkombinationsregeln
betrieben werden. Einen besonders
leistungsfähigen Prognoserechner bzw. Optimierungsrechner
erhält man, wenn der Prognoserechner und/oder der Optimierungsrechner
zumindest zum Teil mit Fuzzy-Logic-Baugruppen
arbeitet. Bezüglich weiterer Einzelheiten zu den verschiedenen
vorwärts gekoppelten und rückwärts gekoppelten neuronalen
Netzwerken sowie zur Fuzzy-Logic wird ergänzend
auf die Literaturstelle "Neural Networks and Fuzzy
Systems, B. Kosko, Prentice Hall Inc., Englewood Cliffs,
N.Y., USA, 1992, verwiesen.
Die erreichten Vorteile sind, zusammengefaßt, darin zu
sehen, daß eine optimale Ausnutzung des vorgegebenen
maximalen Energieverbrauchswertes erreicht wird, ohne daß
der Betriebsablauf dabei mehr als unbedingt nötig gestört
wird. Im übrigen erreicht die Erfindung eine erhöhte
Zuverlässigkeit bezüglich eventueller Überschreitungen des
vorgegebenen maximalen Energieverbrauchswertes. Es versteht
sich, daß die Subrechner auch in einem Chip untergebracht
werden können.
Die Erfindung wird im folgenden anhand lediglich Ausführungsbeispiele
darstellenden Zeichnungen näher erläutert.
Es zeigt
Fig. 1 eine Anordnung zur Durchführung des erfindungsgemäßen
Verfahrens mit einem Prognoserechner mit
lediglich einem neuronalen Netzwerk,
Fig. 2 eine Anordnung zur Durchführung des erfindungsgemäßen
Verfahrens mit einem Prognoserechner mit
mehreren neuronalen Netzwerken.
Der grundsätzliche Aufbau der Anordnungen gemäß der Fig. 1
und 2 besteht aus einem Verbund 1 von elektrischen
Geräten 2a-d, einem Versorgungsnetz 3 zur Versorgung der
elektrischen Geräte 2a-d mit Strom, Leistungssensoren 4a-d
zur Messung der momentanen elektrischen Leistungsaufnahmen,
einem Prognoserechner 5, einem Optimierungsrechner
10, Steuerungsvorrichtungen 9a-c sowie Sensoren 12a-d und
Speicher 13 zur Messung und Speicherung nicht-elektrischer
Größen der Geräte 2a-d, wie beispielsweise Umdrehungszahlen.
Mit dem Terminal 8 sind dem Optimierungsrechner 10
maximale Energieverbrauchswerte am Endzeitpunkt einer Meßperiode
sowie die maximal zulässige (ggf. unsymmetrische)
Differenz eines mit dem Prognoserechner 5 extrapolierten
Energieverbrauchswertes hierzu eingebbar. Die neuronalen
Netzwerke 7 bzw. 7a-d weisen jeweils eine Mehrzahl von in
Schichten miteinander verbundenen, parallel arbeitenden
Subrechnern auf, welche aus Gründen der Übersichtlichkeit
nicht gezeichnet sind.
In der Anordnung Fig. 1 ist das Gerät 2d nicht steuerbar,
während die Geräte 2a-c mit den Steuerungsvorrichtungen
9a-c steuerbar sind. Der Prognoserechner 5 weist vier
Speicher 6a-d auf, in welchen die aktuelle Folge von
momentanen Leistungsaufnahmewerten jedes Gerätes 2a-d in
der aktuellen Meßperiode von einer Viertelstunde Dauer
gebildet und gespeichert wird. In den Speichern 6a-d sind
ferner die Folgen momentaner Leistungsaufnahmewerte abgelaufener
Meßperioden mit den daraus ermittelten korrespondierenden
Energieverbrauchswerten abgespeichert und abrufbar.
Hierzu korrespondierend sind in dem Speicher 13 für
nicht-elektrische Größen der Geräte 2a-d diese Größen
abgespeichert und abrufbar. Die Speicherinhalte der Speicher
6a-d, 13, bilden Sätze von Fakten. Der Prognoserechner
weist ferner ein einzelnes neuronales Netzwerk 7 auf.
In einer Einrichtungsverfahrensstufe werden dem neuronalen
Netzwerk 7 eine Mehrzahl von in den Speichern 6a-d, 13
abgespeicherte Fakten eingegeben, wobei mit der Eingabe
jedes Faktes mittels Back-Propagation eine Gewichtungsmatrix
des neuronalen Netzwerkes 7 neu berechnet wird,
welche alle eingegebenen Fakten berücksichtigt. In einer
Arbeitsverfahrensstufe, welche nach Abschluß der Einrichtungsverfahrensstufe
durchgeführt wird, werden die einzelnen
aktuellen Folgen von momentanen Leistungsaufnahmewerten
aus den Speichern 6a-d zusammen mit den aktuellen
gemessenen, nicht-elektrischen Größen dem neuronalen Netzwerk
7 zugeführt, in welchem mittels der Gewichtungsmatrix
der voraussichtliche gesamte Energieverbrauchswert am Endzeitpunkt
der aktuellen Meßperiode extrapoliert bzw. berechnet
wird. Das Ergebnis der Extrapolation wird dem
Optimierungsrechner 10 zugeführt, welcher ein Expertensystem
11′ aufweist. Der Optimierungsrechner steuert die
Geräte 2a-c über die Steuerungsvorrichtungen 9a-c so, daß
eine mit dem Terminal 8 eingegebene maximale Differenz zu
einem vorgegebenen maximalen Energieverbrauchswert am Ende
einer Meßperiode nicht überschritten wird. Nach Ablauf
jeder Meßperiode in der Arbeitsverfahrensstufe wird die
Gewichtungsmatrix des neuronalen Netzwerkes 7 mit dem bei
Ablauf der Meßperiode entstandenen vollständigen Fakt neu
berechnet, wodurch eine automatische Adaption an sich
ändernde Verhältnisse in dem Verbund 1 erfolgt.
In der Anordnung Fig. 2 weist der Prognoserechner 5
mehrere neuronale Netzwerke 7a-d auf, welche jeweils einem
Speicher 6a-d zugeordnet sind. Dabei sind die Speicher
6b-d jeweils einem Gerät 2a-c zugeordnet, während der
Speicher 6a dem Verbund 1 insgesamt zugeordnet ist. In der
Einrichtungsverfahrensstufe werden den neuronalen Netzwerken
7a-d die jeweiligen zugehörigen Fakten eingegeben
und es werden die entsprechenden Gewichtungsmatrizen berechnet.
In der Arbeitsverfahrensstufe wird mittels der
Gewichtungsmatrizen nicht nur der voraussichtliche gesamte
Energieverbrauchswert am Endzeitpunkt der aktuellen Meßperiode
extrapoliert und berechnet, sondern zusätzlich
auch die voraussichtlichen Energieverbrauchswerte für die
einzelnen Geräte 2a-c. Dieser Satz von extrapolierten
Energieverbrauchswerten wird dem Optimierungsrechner 10,
welcher ein Hopfield-Netzwerk 11 aufweist, als Fakt zugeführt.
Es versteht sich dabei, daß das Hopfield-Netzwerk
11 eine geeignete Gewichtungsmatrix bereits enthält. Es
versteht sich weiterhin, daß abweichend von der gezeichneten
Ausführungsform auch dem Hopfield-Netzwerk 11 die
nicht-elektrischen Größen aus dem Speicher 13 zugeführt
werden können. Die Steuerung der Geräte 2a-c erfolgt
analog dem Ausführungsbeispiel Fig. 1, wobei auch das
Hopfield-Netzwerk 11 an sich verändernde Verhältnisse in
dem Verbund 1 adaptierbar ist.
Claims (10)
1. Verfahren zur Einrichtung und zum Betrieb eines Verbundes
von elektrischen Geräten, wobei der Verbund nicht-steuerbare
und/oder steuerbare Geräte umfaßt,
wobei zumindest eine Folge von momentanen Leistungsaufnahmewerten des Verbundes und/oder Gerätegruppen und/oder der einzelnen Geräte innerhalb einer aktuellen Meßperiode mit Leistungssensoren gemessen und in einem Prognoserechner abgespeichert wird,
wobei eine aktuelle Folge vom momentanen Leistungsaufnahmewerten mit dem Prognoserechner zumindest auf einen Energieverbrauchswert am Endzeitpunkt der aktuellen Meßperiode extrapoliert wird und
wobei die momentanen Leistungsaufnahmewerte eines oder mehrerer Geräte nach Maßgabe einer maximalen Differenz des extrapolierten Energieverbrauchswertes zu einem vorgegebenen maximalen Energieverbrauchswert am Endzeitpunkt der aktuellen Meßperiode gesteuert werden,
dadurch gekennzeichnet,
daß der Prognoserechner (5) zumindest ein neuronales Netzwerk (7, 7a-d) aus einer Mehrzahl von miteinander verbundenen Subrechnern aufweist,
daß in einer Einrichtungsverfahrensstufe eine Mehrzahl von Fakten, welche zumindest eine gemessene und gespeicherte Folge momentaner Leistungsaufnahmewerte und einen korrespondierenden gemessenen und gespeicherten Energieverbrauchswert am Endzeitpunkt einer Meßperiode als Bestandteile aufweisen, dem neuronalen Netzwerk (7, 7a-d) eingegeben wird, wobei zumindest eine Gewichtungsmatrix des neuronalen Netzwerkes (7, 7a-d) berechnet und gespeichert wird,
daß in einer Arbeitsverfahrensstufe die aktuelle Folge von momentanen Leistungsaufnahmewerten mit den Leistungssensoren (4a-d) gemessen und dem neuronalen Netzwerk (7, 7a-d) eingegeben wird, wobei mittels der Gewichtungsmatrix der Energieverbrauchswert am Endzeitpunkt der aktuellen Meßperiode berechnet wird, und
daß in der Arbeitsverfahrensstufe die Energieverbrauchswerte an den Endzeitpunkten abgelaufener Meßperioden gemessen, gespeichert und mit den korespondierenden Folgen momentaner Leistungsaufnahmewerte als Bestandteile zusätzlicher Fakten dem neuronalen Netzwerk (7, 7a-d) eingegeben werden.
wobei zumindest eine Folge von momentanen Leistungsaufnahmewerten des Verbundes und/oder Gerätegruppen und/oder der einzelnen Geräte innerhalb einer aktuellen Meßperiode mit Leistungssensoren gemessen und in einem Prognoserechner abgespeichert wird,
wobei eine aktuelle Folge vom momentanen Leistungsaufnahmewerten mit dem Prognoserechner zumindest auf einen Energieverbrauchswert am Endzeitpunkt der aktuellen Meßperiode extrapoliert wird und
wobei die momentanen Leistungsaufnahmewerte eines oder mehrerer Geräte nach Maßgabe einer maximalen Differenz des extrapolierten Energieverbrauchswertes zu einem vorgegebenen maximalen Energieverbrauchswert am Endzeitpunkt der aktuellen Meßperiode gesteuert werden,
dadurch gekennzeichnet,
daß der Prognoserechner (5) zumindest ein neuronales Netzwerk (7, 7a-d) aus einer Mehrzahl von miteinander verbundenen Subrechnern aufweist,
daß in einer Einrichtungsverfahrensstufe eine Mehrzahl von Fakten, welche zumindest eine gemessene und gespeicherte Folge momentaner Leistungsaufnahmewerte und einen korrespondierenden gemessenen und gespeicherten Energieverbrauchswert am Endzeitpunkt einer Meßperiode als Bestandteile aufweisen, dem neuronalen Netzwerk (7, 7a-d) eingegeben wird, wobei zumindest eine Gewichtungsmatrix des neuronalen Netzwerkes (7, 7a-d) berechnet und gespeichert wird,
daß in einer Arbeitsverfahrensstufe die aktuelle Folge von momentanen Leistungsaufnahmewerten mit den Leistungssensoren (4a-d) gemessen und dem neuronalen Netzwerk (7, 7a-d) eingegeben wird, wobei mittels der Gewichtungsmatrix der Energieverbrauchswert am Endzeitpunkt der aktuellen Meßperiode berechnet wird, und
daß in der Arbeitsverfahrensstufe die Energieverbrauchswerte an den Endzeitpunkten abgelaufener Meßperioden gemessen, gespeichert und mit den korespondierenden Folgen momentaner Leistungsaufnahmewerte als Bestandteile zusätzlicher Fakten dem neuronalen Netzwerk (7, 7a-d) eingegeben werden.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß
der Prognoserechner (5) zumindest ein vorwärts gekoppeltes
neuronales Netzwerk (7, 7a-d), vorzugsweise mit nicht
linearer und stetig differenzierbarer Neuronenübertragungsfunktion,
aufweist.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet,
daß das neuronale Netzwerk (7, 7a-d) zumindest ein
Gegenstrom-Netzwerk aufweist, wobei mit jeder Eingabe
eines Faktes automatisch eine Neuberechnung der Gewichtungsmatrix
unter Berücksichtigung des eingegebenen Faktes
und der zuvor eingegebenen Fakten erfolgt (Counter-Propagation).
4. Verfahren nach einem der Ansprüche 1 oder 2, dadurch
gekennzeichnet, daß in dem neuronalen Netzwerk (7, 7a-d)
mit jeder Eingabe eines Faktes ein Fehlerkorrektursignal
rückwärts durch das neuronale Netzwerk (7, 7a-d) geführt
wird, wobei die Gewichtungsmatrix durch das Fehlerkorrektursignal
unter Berücksichtigung des eingegebenen
Faktes und der zuvor eingegebenen Fakten neu berechnet
wird (Back-Propagation).
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch
gekennzeichnet, daß nicht-elektische, im Rahmen des Verbundes
(1) die Leistungsaufnahmewerte beeinflussende
Größen gemessen, in elektrische Signale umgewandelt, gespeichert
und dem neuronalen Netzwerk (7, 7a-d) zugeführt
werden.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch
gekennzeichnet, daß die Steuerung der momentanen
Leistungsaufnahmewerte eines oder mehrerer Geräte (2a-d)
zusätzlich nach Maßgabe vorgegebener, ggf. variabler,
minimaler und maximaler Leistungsaufnahmewerte der Geräte
(2a-d) mittels eines Optimierungsrechners (10) durchgeführt
wird.
7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch
gekennzeichnet, daß der Optimierungsrechner (10) ein integraler
Bestandteil des neuronalen Netzwerkes (7, 7a-d)
ist, wobei nicht-elektrische, mit den Leistungsaufnahmewerten
verknüpfte Größen des Verbundes (1) gemessen, in
elektrische Signale umgewandelt, gespeichert und als Bestandteile
von Fakten dem neuronalen Netzwerk (7, 7a-d)
eingegeben werden.
8. Verfahren nach einem der Ansprüche 1 bis 6, dadurch
gekennzeichnet, daß der Optimierungsrechner (10) ein getrenntes
neuronales Netzwerk (11), vorzugsweise ein rückgekoppeltes
Hopfield-Netzwerk, ist, wobei nicht-elektrische,
mit den Leistungsaufnahmewerten verknüpfte Größen
des Verbundes (1) gemessen, in elektrische Signale umgewandelt,
gespeichert und als Bestandteile von Fakten dem
Optimierungsrechner (10) eingegeben werden.
9. Verfahren nach einem der Ansprüche 1 bis 6, dadurch
gekennzeichnet, daß der Optimierungsrechner (10) als
Expertensystem (11′) ausgebildet ist und nach Maßgabe
eines Satzes von vorgegebenen Schalt- und Steuerkombinationsregeln
betrieben wird.
10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch
gekennzeichnet, daß der Prognoserechner (5) und/oder der
Optimierungsrechner (10) zumindest zum Teil mit Fuzzy-Logic-Baugruppen
arbeitet.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4235274A DE4235274C2 (de) | 1992-10-20 | 1992-10-20 | Verfahren zur Einrichtung und zum Betrieb eines Verbundes von elektrischen Geräten |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4235274A DE4235274C2 (de) | 1992-10-20 | 1992-10-20 | Verfahren zur Einrichtung und zum Betrieb eines Verbundes von elektrischen Geräten |
Publications (2)
Publication Number | Publication Date |
---|---|
DE4235274A1 true DE4235274A1 (de) | 1994-04-21 |
DE4235274C2 DE4235274C2 (de) | 1994-07-14 |
Family
ID=6470846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE4235274A Expired - Fee Related DE4235274C2 (de) | 1992-10-20 | 1992-10-20 | Verfahren zur Einrichtung und zum Betrieb eines Verbundes von elektrischen Geräten |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE4235274C2 (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001093397A2 (en) * | 2000-06-02 | 2001-12-06 | Astec International Limited | Current management system for a telecommunications power system |
DE102004048235A1 (de) * | 2004-10-04 | 2006-04-20 | Siemens Ag | Verfahren zur Prognose des Energieverbrauchs einer industriellen Produktionsanlage, Vorrichtung zum Durchführen des Verfahrens sowie zugehöriges Computerprogramm-Produkt und computerlesbares Medium |
EP2539990A4 (de) * | 2006-05-18 | 2015-12-23 | Gridpoint Inc | Modulares energiesteuersystem |
-
1992
- 1992-10-20 DE DE4235274A patent/DE4235274C2/de not_active Expired - Fee Related
Non-Patent Citations (2)
Title |
---|
DE-Z.: Elektrowärme International/A3, 50(1992), September, S. 104-106 * |
US-B: Neural Networks and Fuzzy Systems, B. Kosko, Prentice Hall Inc, Englewood Cliffs, N.Y. 1992 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001093397A2 (en) * | 2000-06-02 | 2001-12-06 | Astec International Limited | Current management system for a telecommunications power system |
WO2001093397A3 (en) * | 2000-06-02 | 2002-04-04 | Astec Int Ltd | Current management system for a telecommunications power system |
DE102004048235A1 (de) * | 2004-10-04 | 2006-04-20 | Siemens Ag | Verfahren zur Prognose des Energieverbrauchs einer industriellen Produktionsanlage, Vorrichtung zum Durchführen des Verfahrens sowie zugehöriges Computerprogramm-Produkt und computerlesbares Medium |
EP2539990A4 (de) * | 2006-05-18 | 2015-12-23 | Gridpoint Inc | Modulares energiesteuersystem |
EP3439141A1 (de) * | 2006-05-18 | 2019-02-06 | Gridpoint, Inc. | Modulares energiesteuersystem |
Also Published As
Publication number | Publication date |
---|---|
DE4235274C2 (de) | 1994-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69520934T2 (de) | Methode und system zur optimierung der nützlichkeit einer anlage | |
DE68927014T2 (de) | Assoziatives Musterkonversionssystem und Anpassungsverfahren dafür | |
DE1498377C3 (de) | Anordnung zur Regelung des Mengenverhältnisses von zwei oder mehr über getrennte Leitungen geförderten Stoffen | |
EP0201019A1 (de) | Statischer Elektrizitätszähler und Verfahren zu dessen Eichung | |
EP0123921A2 (de) | Parallelverknüpfungsschaltung mit verkürztem Übertragsdurchlauf | |
DE69030190T2 (de) | Unscharfe steuervorrichtung mit der fähigkeit eine regel und ihr betriebsverfahren zu wechseln und ein durch unscharfe inferenz schaltgesteuertes steuersystem und sein steuerverfahren | |
DE3218114A1 (de) | Elektronische maschinensteuerung | |
DE2020777A1 (de) | Verfahren und System zur Umsetzung von analogen Daten in digitale Daten | |
DE2165635C3 (de) | ||
CH659087A5 (de) | Vorrichtung zur steuerung und regelung einer karde oder krempel. | |
EP2628224A1 (de) | Verfahren und einrichtung zum erzeugen eines zustandssignals | |
DE2724347A1 (de) | Deltamodulator mit einem quantisierenden vergleicher | |
DE2539628A1 (de) | Schaltungsanordnung | |
DE4235274C2 (de) | Verfahren zur Einrichtung und zum Betrieb eines Verbundes von elektrischen Geräten | |
EP3376026A1 (de) | Verfahren zur regelung der wirkleistungsabgabe eines windparks sowie ein entsprechender windpark | |
DE1254752B (de) | Rechenschaltung zur selbsttaetigen wirtschaftlichen Verteilung der Zuwachskosten eines Verbundnetzes auf dessen Ortsnetze | |
DE2019020C3 (de) | Verfahren zur Änderung des Leistungsbezugs eines Verbrauchers | |
DE4205903C2 (de) | Signalverarbeitungsvorrichtung mit neuronalem Netzwerk | |
DE3813980A1 (de) | Programmierbare steuereinrichtung | |
DE1774674A1 (de) | Digitale Rechenanlage fuer Regelsysteme | |
DE3005185A1 (de) | Blindleistungs-regler | |
DE4106431C1 (de) | ||
DE10011607A1 (de) | Verfahren und Vorrichtung sowie Computerprogrammprodukt zum Betrieb einer technischen Anlage | |
EP0704778B1 (de) | Verfahren zur Energieverteilung in Systemen und zugehörige Anordnung | |
EP3872721A1 (de) | Verfahren und systeme zum optimieren von wartung industrieller maschinen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
D2 | Grant after examination | ||
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |