JP2018055650A - 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム - Google Patents
電力需要予測システム、電力需要予測方法及び電力需要予測プログラム Download PDFInfo
- Publication number
- JP2018055650A JP2018055650A JP2016194871A JP2016194871A JP2018055650A JP 2018055650 A JP2018055650 A JP 2018055650A JP 2016194871 A JP2016194871 A JP 2016194871A JP 2016194871 A JP2016194871 A JP 2016194871A JP 2018055650 A JP2018055650 A JP 2018055650A
- Authority
- JP
- Japan
- Prior art keywords
- demand
- power demand
- target area
- predicted
- density
- 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
- 238000000034 method Methods 0.000 title claims description 18
- 230000009467 reduction Effects 0.000 claims description 53
- 238000004364 calculation method Methods 0.000 claims description 36
- 230000004044 response Effects 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- 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
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】電力需要予測システム1は、対象地域Aに設定した複数の領域A1〜A9のそれぞれの人の密集度を計測し、複数の領域A1〜A9の密集度に応じて、所定期間における対象地域Aの電力需要の予測値である予測需要量を算出する。
電力需要予測システム1は、複数の領域A1〜A9の密集度のばらつきが大きい程、対象地域Aの予測需要量を低く算出する。
【選択図】図1
Description
なお、上記の従来技術では、電力需要の予測を過去の電力消費、天気予報等に基づいて行っている。
しかしながら、従来の需要予測技術では、このような局所的に人が集まること等による需要変動効果は何ら考慮されていない。
図1には、電力需要予測システム1のシステム構成を示した。本実施形態では、電力需要予測システム1は、対象地域Aに設定した複数の領域(A1〜A9)のそれぞれの人の密集度を計測し、複数の領域の密集度に応じて、所定期間における対象地域Aの電力需要の予測値である予測需要量を算出するシステムである。
以下、図1乃至図4に基づき、電力需要予測システム1の概要について説明する。
以下、図2、図3A、図3B及び図4に基づき、対象地域Aに設定された複数の領域(領域A1〜領域A9)の密集度に基づいて対象地域Aの所定期間における電力需要を予測する処理の概要について説明する。なお、本実施形態では、密集度の計測時点から所定時間後(例えば30分後)までの電力需要を予測することとする。
また、需要削減量は、マイナスの値を取ってもよい。すなわち、密集度が高い場合には、需要が増加することとしてもよい。ただし、この場合においても、密集度の増加につれて需要削減量の減少分は逓減することとする。
なお、本実施形態では、簡単のため、対象地域Aにおける人の流入と流出は均衡しており、対象地域Aにいる人Pの数は変わらないこととする。また、ケース「A」とケース「B」においても、対象地域Aにいる人Pの数は同じとする。
更に、電力需要予測システム1では、各領域について計測された密集度に基づいて需要削減量を決定し、各領域の需要削減量の合計を総需要削減量として得る。
そして、電力需要予測システム1では、総基礎電力需要から総需要削減量を減じて対象地域Aの予測電力需要量を得る。
すなわち、ケース「A」のように、対象地域A内で人Pが均等に分散していると、いずれの領域においても需要の削減量が微小となり、結果として対象地域Aの総需要削減量が小さくなる。
一方で、ケース「B」のように、対象地域A内で、人Pが局所的に集まっていると、人Pが集まっている領域A4と領域A6以外の領域においては、需要の削減量が大きくなる。また、領域A4と領域A6においても密集度の増加による需要の削減量の減少は僅かであり、ケース「A」と比べて密集度が増加した領域における需要の増加量は実質的に0とみなせる。
従って、ケース「B」のように、一部の領域に人Pを集約した場合には、全領域に均等に人Pが分散しているケース「A」と比べて電力需要が減少することが予測できる。
一方で、ケース「B」おける予測需要量DBは、デマンドレスポンスを要請する基準値(閾値Th)よりも小さいため、電力需要予測サーバー10は、ケース「B」の場合には対象地域Aの需要者にデマンドレスポンスへの参加の要請は行わない。
図5には、電力需要予測システム1(電力需要予測サーバー10及び計測器20)のハードウェア構成を示した。
図5に示されるように、電力需要予測サーバー10は、ハードウェアとして制御部11、記憶部12及び通信部13を備える。
次に、図6に基づいて、電力需要予測システム1に備えられる機能について説明する。
図6に示されるように、電力需要予測システム1は、機能として、データ記憶部100、計測部110、削減量算出部120、予測需要量算出部130及びデマンドレスポンス要請部140を備える。
なお、電力需要予測システム1に備えられる上記の各部の機能は、電力需要予測サーバー10の制御部11が記憶部12に記憶されるプログラムに基づいて電力需要予測サーバー10の各部を動作させ、また、計測器20の制御部21が記憶部22に記憶されるプログラムに基づいて計測器20の各部を動作させることにより実現されるものである。
以下、上記の各部の機能の詳細について説明する。
データ記憶部100は、主に電力需要予測サーバー10の記憶部12により実現される。
データ記憶部100は、対象地域Aに設定される領域のデータ、各領域の基礎電力需要に関するデータ(後述する基礎電力需要テーブルTBL)等の各種データを記憶する。以下、データ記憶部100に記憶されるデータの具体例について説明する。
なお、各領域の基礎電力需要は、当該各領域についての過去の消費電力の実績値に基づいて予め設定されることとしてよい。
計測部110は、主に計測器20の制御部21、記憶部22、通信部23により実現される。
計測部110は、対象地域Aに設定した複数の領域A1〜A9のそれぞれの人の密集度を計測する。
具体的には、計測部110は、各領域Aiにいる人の数を計数し、各領域Aiについて計数された人の数を領域Aiの面積で除して、領域Aiの密集度を算出する。なお、領域Aiにいる人の数は、人Pの所持する携帯端末Tから取得した位置情報に基づいて計数してもよいし、各領域Aiに設けられたカメラにより得られる画像に基づいて計数してもよい。
そして、計測部110は、各領域Aiの密集度を、電力需要予測サーバー10に送信する。
削減量算出部120は、主に電力需要予測サーバー10の制御部11及び記憶部12により実現される。
削減量算出部120は、対象地域Aに設定される複数の領域(A1〜A9)ごとの密集度に基づいて、複数の領域ごとの需要削減量を算出する。ここで、削減量算出部120は、領域の密集度が低いほど、当該領域の需要削減量を大きく算出することとする。
予測需要量算出部130は、主に電力需要予測サーバー10の制御部11及び記憶部12により実現される。
予測需要量算出部130は、対象地域Aに設定される複数の領域の密集度に応じて、所定期間における対象地域Aの電力需要の予測値である予測需要量を算出する。
ここで、予測需要量算出部130は、対象地域Aに設定される複数の領域の密集度のばらつきが小さい程、対象地域Aの予測需要量を大きく算出することとする。
例えば、予測需要量算出部130は、対象地域Aに設定される複数の領域ごとに定められた基礎電力需要の合計から、複数の領域ごとに削減量算出部120により算出された需要削減量の合計を減じて、対象地域Aの予測需要量を算出することとする。
そして、予測需要量算出部130は、領域A1〜A9の基礎電力需要の合計から、領域A1〜A9の需要削減量の合計を減じることで、予測期間における対象地域Aの予測需要量を算出する。なお、予測需要量算出部130は、領域ごとに、基礎電力需要から需要削減量を減じた予測需要量を算出した後に、各領域の予測需要量を合計して対象地域Aの予測需要量を算出してもよい。
デマンドレスポンス要請部140は、主に制御部11、記憶部12及び通信部13により実現される。
デマンドレスポンス要請部140は、予測需要量算出部130により算出された予測需要量が、予め定められた閾値を超える場合に、対象地域Aの需要者にデマンドレスポンスへの参加を要請する。
具体的には、デマンドレスポンス要請部140は、対象地域Aの需要者の住宅等に設置された管理装置に対してデマンドレスポンスへの参加を要請する画面を表示させることで、需要者へのデマンドレスポンスへの参加を要請することとしてよい。
次に、図8に示されるフローチャートに基づいて、電力需要予測サーバー10により実行される処理の一例について説明する。
また、電力需要予測サーバー10の制御部11は、変数iを1に初期化する(S2)。
例えば、電力需要予測サーバー10の制御部11は、現在日時(又はS1の計測日時)に基づいて、予測期間を設定する。そして、電力需要予測サーバー10の制御部11は、領域Aiの情報を格納した基礎電力需要テーブルTBLを参照して、予測期間に該当するセルに格納された基礎電力需要Biを取得する。
一方で、変数iがNに達している場合には(S6:Y)、電力需要予測サーバー10の制御部11は、領域A1〜ANの予想需要量を合計して対象地域Aの予測需要量Dを算出する(S8)。
一方で、S8で算出した対象地域Aの予測需要量Dがデマンドレスポンスの閾値Thを上回らない場合には(S9:N)、そのまま処理を終了する。
また、電力需要予測サーバー10の制御部11は、上記算出した対象地域Aの予測需要量Dを、クライアント装置等の要請に応じて提供することとしてもよい。
また、予測需要量算出部130による予測需要量の算出方法は上記の例に限られるものではなく以下の方法によってもよい。
例えば、予測需要量算出部130は、対象地域Aにおける各領域Aiの密集度のばらつきの指標として標準偏差(又は分散)を算出し、標準偏差(又は分散)に基づいて対象地域Aの基礎需要量を補正して予測需要量を算出してもよい。この場合には、予測需要量算出部130は、標準偏差(又は分散)が大きい程、基礎需要量が小さくなるように補正することとする。
同様に、電力需要予測システム1において、対象地域Aの各領域の密集度のばらつきが大きい程、対象地域Aの電力需要が小さくなることとしたが、これに限られず、対象地域Aにおける各領域の密集度のばらつきと電力需要との関係は任意に定めてもよい。
なお、上記の対象地域A内の一領域における密集度と需要削減量との関係や、対象地域Aの各領域の密集度のばらつきと対象地域Aの電力需要との関係は、過去の対象地域Aの密集度と電力需要との実績値に基づいて統計的処理や機械学習処理により求めてもよい。
本発明の代表的な態様は以下の通りである。
こうすることで、対象地域内の人の分布に応じた電力需要の予測が容易となる。
こうすることで、対象地域内で局所的に人が集まっている場合には、対象地域内で人が分散している場合に比べて需要量が低くなると予測されるため、この点の効果を需要予測に反映させることができる。これにより、需要予測の精度を向上させることができる。
こうすることで、対象地域に設定した各領域の需要削減量を精度良く推定できる。これにより、対象地域の電力需要を精度良く推定することができる。
こうすることで、対象地域の予測需要量のベースとなる基礎電力需要を日時に応じて調整できる。これにより、対象地域の予測需要量を精度良く推定することができる。
こうすることで、対象地域全体における人の密集度の分布を考慮して需要量を予測することができる。
こうすることで、対象地域において需給の逼迫が予想される場合に、対象地域の需要者にデマンドレスポンスへの参加を要請することができる。これにより、需給逼迫を事前に回避しやすくなる。
Ai(A1〜A9) 領域
P 人
T 携帯端末
TBL 基礎電力需要テーブル
1 電力需要予測システム
10 電力需要予測サーバー
11 制御部
12 記憶部
13 通信部
20(20−1〜20−9) 計測器
21 制御部
22 記憶部
23 通信部
100 データ記憶部
110 計測部
120 削減量算出部
130 予測需要量算出部
140 デマンドレスポンス要請部
Claims (9)
- 対象地域に設定した複数の領域のそれぞれの人の密集度を計測する計測部と、
前記複数の領域の密集度に応じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出部と、を備えることを特徴とする電力需要予測システム。 - 前記予測需要量算出部は、前記複数の領域の密集度と、前記所定期間における前記対象地域の電力需要との対応を予め定めた情報に基づいて、前記予測需要量を算出することを特徴とする請求項1に記載の電力需要予測システム。
- 前記予測需要量算出部は、前記複数の領域の密集度のばらつきが大きい程、前記対象地域の前記予測需要量を低く算出することを特徴とする請求項2に記載の電力需要予測システム。
- 前記複数の領域ごとの前記密集度に基づいて、前記複数の領域ごとの需要削減量を算出する削減量算出部を備え、
前記削減量算出部は、前記領域の密集度が低いほど、当該領域の前記需要削減量を大きく算出し、
前記予測需要量算出部は、前記複数の領域ごとに定められた基礎電力需要の合計から、前記複数の領域ごとに算出された前記需要削減量の合計を減じて、前記予測需要量を算出することを特徴とする請求項2に記載の電力需要予測システム。 - 前記基礎電力需要は、日時に基づいて特定されることを特徴とする請求項4に記載の電力需要予測システム。
- 前記複数の領域は、前記対象地域を複数に分割して設定されることを特徴とする請求項1乃至5のいずれかに記載の電力需要予測システム。
- 前記予測需要量が予め定められた閾値を超える場合に、前記対象地域の需要者にデマンドレスポンスへの参加を要請するデマンドレスポンス要請部を備えることを特徴とする請求項1乃至6のいずれかに記載の電力需要予測システム。
- 電力需要予測システムが、
対象地域に設定した複数の領域のそれぞれの人の密集度を計測する計測ステップと、
前記複数の領域の密集度に応じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出ステップと、を実行することを特徴とする電力需要予測方法。 - コンピュータに、
対象地域に設定した複数の領域のそれぞれの人の密集度を取得するステップと、
前記複数の領域の密集度に応じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出ステップと、を実行させるための電力需要予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016194871A JP6764302B2 (ja) | 2016-09-30 | 2016-09-30 | 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016194871A JP6764302B2 (ja) | 2016-09-30 | 2016-09-30 | 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018055650A true JP2018055650A (ja) | 2018-04-05 |
JP6764302B2 JP6764302B2 (ja) | 2020-09-30 |
Family
ID=61836782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016194871A Active JP6764302B2 (ja) | 2016-09-30 | 2016-09-30 | 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6764302B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020166530A (ja) * | 2019-03-29 | 2020-10-08 | Kddi株式会社 | 消費電力予測システム、方法およびプログラム |
JP2020166529A (ja) * | 2019-03-29 | 2020-10-08 | Kddi株式会社 | 消費電力予測システム、方法およびプログラム |
JP2020205692A (ja) * | 2019-06-17 | 2020-12-24 | 大和ハウス工業株式会社 | 電力需要予測システム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012124225A1 (ja) * | 2011-03-15 | 2012-09-20 | 株式会社 東芝 | エネルギー需要予測装置及び方法 |
US20160125294A1 (en) * | 2014-10-31 | 2016-05-05 | Research Foundation Of The City University Of New York | Method for forecasting energy demands that incorporates urban heat island |
-
2016
- 2016-09-30 JP JP2016194871A patent/JP6764302B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012124225A1 (ja) * | 2011-03-15 | 2012-09-20 | 株式会社 東芝 | エネルギー需要予測装置及び方法 |
JP2012194700A (ja) * | 2011-03-15 | 2012-10-11 | Toshiba Corp | エネルギー需要予測装置及びプログラム |
US20160125294A1 (en) * | 2014-10-31 | 2016-05-05 | Research Foundation Of The City University Of New York | Method for forecasting energy demands that incorporates urban heat island |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020166530A (ja) * | 2019-03-29 | 2020-10-08 | Kddi株式会社 | 消費電力予測システム、方法およびプログラム |
JP2020166529A (ja) * | 2019-03-29 | 2020-10-08 | Kddi株式会社 | 消費電力予測システム、方法およびプログラム |
JP7002492B2 (ja) | 2019-03-29 | 2022-01-20 | Kddi株式会社 | 消費電力予測システム、方法およびプログラム |
JP7074709B2 (ja) | 2019-03-29 | 2022-05-24 | Kddi株式会社 | 消費電力予測システム、方法およびプログラム |
JP2020205692A (ja) * | 2019-06-17 | 2020-12-24 | 大和ハウス工業株式会社 | 電力需要予測システム |
JP7286428B2 (ja) | 2019-06-17 | 2023-06-05 | 大和ハウス工業株式会社 | 電力需要予測システム |
Also Published As
Publication number | Publication date |
---|---|
JP6764302B2 (ja) | 2020-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180239852A1 (en) | Efficient forecasting for hierarchical energy systems | |
US20150077127A1 (en) | Method for determining remaining service time of battery, client device and mobile terminal | |
JP6764302B2 (ja) | 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム | |
CN109726885A (zh) | 用电量异常评估方法、装置、设备和计算机存储介质 | |
US20130282331A1 (en) | Detecting abnormal behavior | |
CN109565452A (zh) | 用于确定最优策略的系统和方法 | |
JP6519385B2 (ja) | ベースライン負荷推定装置及びベースライン負荷推定プログラム | |
JP6610281B2 (ja) | 情報処理装置、制御方法及び制御プログラム | |
CN110582796B (zh) | 使用传感器数据和分布式数据进行自适应调整 | |
EP3842896A1 (en) | User-habit-based power control method, and terminal | |
US10423201B2 (en) | Method and apparatus for demand estimation for energy management of client systems | |
US20170139384A1 (en) | Recommendation apparatus, recommendation method and non-transitory computer readable medium | |
WO2018152733A1 (en) | Prioritized list of work tasks | |
WO2016106747A1 (zh) | 虚拟机能耗确定方法、物理机和网络系统 | |
CN111275229B (zh) | 资源模型训练方法、资源缺口预测方法、装置及电子设备 | |
CN113722177B (zh) | 时序指标异常检测方法、装置、系统、设备及存储介质 | |
CN112669091B (zh) | 数据处理方法、装置及存储介质 | |
CN110009161A (zh) | 供水预测方法及装置 | |
JP2019101525A (ja) | 属性クラスタの重みを利用した使用量予測プログラム、装置及び方法 | |
JP2015082928A (ja) | 推定プログラム、推定装置及び推定方法 | |
JP6617084B2 (ja) | 営業活動支援装置、営業活動支援方法及び営業活動支援プログラム | |
CN113535530B (zh) | 服务器负载的预测方法、装置、电子设备及存储介质 | |
CN114418427A (zh) | 一种燃气表选配方法及系统 | |
CN111915338B (zh) | 一种目标变量的预测方法、装置及存储介质 | |
US20230043033A1 (en) | User profile based on battery measurement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190829 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200609 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200717 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200825 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200911 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6764302 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |