KR102221462B1 - Apparatus and method of predicting power energy by coil unit using multivariate linear regression analysis, and computer readable medium - Google Patents
Apparatus and method of predicting power energy by coil unit using multivariate linear regression analysis, and computer readable medium Download PDFInfo
- Publication number
- KR102221462B1 KR102221462B1 KR1020190040523A KR20190040523A KR102221462B1 KR 102221462 B1 KR102221462 B1 KR 102221462B1 KR 1020190040523 A KR1020190040523 A KR 1020190040523A KR 20190040523 A KR20190040523 A KR 20190040523A KR 102221462 B1 KR102221462 B1 KR 102221462B1
- Authority
- KR
- South Korea
- Prior art keywords
- power consumption
- linear regression
- slab
- multivariate linear
- coil
- Prior art date
Links
- 238000012417 linear regression Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005096 rolling process Methods 0.000 claims abstract description 25
- 230000001419 dependent effect Effects 0.000 claims abstract description 20
- 238000010219 correlation analysis Methods 0.000 claims abstract description 13
- 238000004519 manufacturing process Methods 0.000 claims abstract description 12
- 238000013480 data collection Methods 0.000 claims abstract description 9
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 7
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 7
- 239000000203 mixture Substances 0.000 claims abstract description 7
- 239000000126 substance Substances 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 230000005611 electricity Effects 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000005098 hot rolling Methods 0.000 description 4
- 238000004804 winding Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B1/00—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations
- B21B1/22—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length
- B21B1/24—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length in a continuous or semi-continuous process
- B21B1/26—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length in a continuous or semi-continuous process by hot-rolling, e.g. Steckel hot mill
-
- 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
- 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)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Public Health (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치, 방법 및 컴퓨터로 독출 가능한 기록 매체가 제공된다. 다변량 선형 회귀 분석을 이용한 코일 단위의 전력 예측 장치는, 압연 공정 설비의 전력 사용량을 코일 단위로 수집하는 데이터 수집부와, 상관 분석을 통해 특징점 변수들로부터 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수를 추출하는 독립 변수 추출부와, 수집된 전력 사용량을 종속 변수로 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수로 구성된 다변량 선형 회귀 모델을 생성하는 모델 생성부와, 다변량 선형 회귀 모델의 2 이상의 독립 변수에 생산 스케줄에 포함된 대응하는 값을 대입함으로써 코일 단위의 전력 사용량을 예측하는 전력 사용량 예측부를 포함하며, 특징점 변수들은, 슬라브의 화학적 조성, 슬라브의 탄소량, 슬라브의 무게, 슬라브의 두께, 생산된 코일의 두께, 연연속 압연 유무, 에지 히터 사용 유무 및 바히터 사용 유무를 포함할 수 있다.An apparatus, a method, and a computer-readable recording medium are provided for estimating the amount of electricity in coil units using multivariate linear regression analysis. The device for predicting power in units of coils using multivariate linear regression analysis includes a data collection unit that collects power consumption of a rolling process facility in units of coils, and at least two independent variables that affect power consumption from feature point variables through correlation analysis. A model generator that generates a multivariate linear regression model composed of at least two independent variables that affect power consumption, an independent variable extraction unit that extracts the collected power consumption as a dependent variable, and at least two independent variables of the multivariate linear regression model. It includes a power consumption prediction unit that predicts the power consumption of each coil by substituting a corresponding value included in the production schedule into the variable, and the feature point variables include the chemical composition of the slab, the amount of carbon of the slab, the weight of the slab, the thickness of the slab, It may include the thickness of the produced coil, the presence or absence of continuous rolling, the presence or absence of an edge heater, and the presence or absence of a bar heater.
Description
본 출원은, 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치, 방법 및 컴퓨터로 독출 가능한 기록 매체에 관한 것이다.The present application relates to an apparatus, a method and a computer-readable recording medium for estimating the amount of power in a coil unit using a multivariate linear regression analysis.
열연 코일을 생산하는 열간 압연 공정은 슬래브를 압연하기 용이한 온도로 만드는 가열로 공정, 원하는 두께 및 폭을 생산하기 위한 1차 압연을 진행하는 조압연 공정, 제품의 두께로 압연을 진행하는 사상압연 공정, 제품의 품질 향상을 위한 냉각을 수행하는 ROT 공정, 그리고 얇은 두께로 생산된 스트립을 코일 형태로 말아주는 권취 공정을 포함하여 구성된다.The hot rolling process for producing hot rolled coils is a heating furnace process that makes the slab easy to roll, a rough rolling process that performs primary rolling to produce the desired thickness and width, and a finish rolling process that performs rolling to the thickness of the product. It consists of a process, a ROT process that performs cooling to improve product quality, and a winding process in which a thin strip produced in a coil shape is rolled up.
종래에는 열간 압연 공정에서의 전력량은 가열로 공정, 조압연 공정, 사상 압연 공정 및 권취 공정을 위한 각 설비에 설치된 계전기로부터 전력량을 수집하며, 수집된 전력량을 단지 모니터링하는 정도에 불과할 뿐, 열간 압연 공정에서 소요되는 전력 사용량을 사전에 예측하는 방법을 개시하고 있지 않다.Conventionally, the amount of power in the hot rolling process is only the degree of monitoring the amount of power collected by collecting the amount of power from the relay installed in each facility for the furnace process, rough rolling process, finishing rolling process and winding process. It does not disclose a method of predicting in advance the power consumption consumed in the process.
본 발명은, 열연 코일 생산 스케줄링 작업 등에 활용함과 동시에 한전으로부터 시간 단위로 과금되는 전력에너지 사용비용을 줄일 수 있는 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치, 방법 및 컴퓨터로 독출 가능한 기록 매체를 제공한다.The present invention uses a multivariate linear regression analysis that can reduce the cost of using power energy charged from KEPCO in units of time while being utilized for scheduling the production of hot-rolled coils, and an apparatus, method and computer-readable recording medium readable by a computer. Provides.
본 발명의 일 실시 형태에 의하면, 압연 공정 설비의 전력 사용량을 코일 단위로 수집하는 데이터 수집부; 상관 분석을 통해 특징점 변수들로부터 상기 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수를 추출하는 독립 변수 추출부; 수집된 상기 전력 사용량을 종속 변수로 상기 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수로 구성된 다변량 선형 회귀 모델을 생성하는 모델 생성부; 및 상기 다변량 선형 회귀 모델의 2 이상의 독립 변수에 생산 스케줄에 포함된 대응하는 값을 대입함으로써 코일 단위의 전력 사용량을 예측하는 전력 사용량 예측부;를 포함하며, 상기 특징점 변수들은, 슬라브의 화학적 조성, 슬라브의 탄소량, 슬라브의 무게, 슬라브의 두께, 생산된 코일의 두께, 연연속 압연 유무, 에지 히터 사용 유무 및 바히터 사용 유무;를 포함하는, 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치를 제공한다.According to an embodiment of the present invention, a data collection unit for collecting power consumption of a rolling process facility in units of coils; An independent variable extracting unit for extracting at least two independent variables affecting the power usage from feature point variables through correlation analysis; A model generation unit that generates a multivariate linear regression model composed of at least two independent variables affecting the power usage as dependent variables of the collected power usage; And a power consumption prediction unit that predicts the power consumption of each coil unit by substituting corresponding values included in the production schedule to two or more independent variables of the multivariate linear regression model, wherein the feature point variables include: a chemical composition of the slab, A device for estimating the amount of electricity in coil units using multivariate linear regression analysis, including the carbon amount of the slab, the weight of the slab, the thickness of the slab, the thickness of the produced coil, the presence of continuous rolling, the use of edge heaters and the use of bar heaters. Provides.
삭제delete
삭제delete
본 발명의 일 실시 형태에 의하면, 상기 코일 단위의 전력량 예측 장치는, 수집된 상기 전력 사용량에 대한 정규 분포의 Z값이 소정의 값 이상인 전력 사용량에 대한 데이터는 제거하는 이상치 제거부;를 더 포함할 수 있다.According to an embodiment of the present invention, the apparatus for predicting an amount of power in units of coils further includes an outlier removal unit configured to remove data on power consumption in which the Z value of the normal distribution of the collected power consumption is equal to or greater than a predetermined value. can do.
본 발명의 일 실시 형태에 의하면, 상기 코일 단위의 전력량 예측 장치는, 하기 수학식: 정확도 = 평균(1-절대값[(예측치- 실측치)/실측치])에 따라 상기 다변량 선형 회귀 모델의 정확도를 평가하는 정확도 평가부;를 더 포함할 수 있다.According to an embodiment of the present invention, the apparatus for predicting the amount of power in the coil unit may determine the accuracy of the multivariate linear regression model according to the following equation: accuracy = average (1-absolute value [(predicted value-measured value) / measured value]) It may further include; an accuracy evaluation unit to evaluate.
본 발명의 일 실시 형태에 의하면, 데이터 수집부에서, 압연 공정 설비의 전력 사용량을 코일 단위로 수집하는 제1 단계; 독립 변수 추출부에서, 상관 분석을 통해 특징점 변수들로부터 상기 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수를 추출하는 제2 단계; 모델 생성부에서, 수집된 상기 전력 사용량을 종속 변수로 상기 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수로 구성된 다변량 선형 회귀 모델을 생성하는 제3 단계; 및 전력 사용량 예측부에서, 상기 다변량 선형 회귀 모델의 2 이상의 독립 변수에 생산 스케줄에 포함된 대응하는 값을 대입함으로써 코일 단위의 전력 사용량을 예측하는 제4 단계;를 포함하며, 상기 특징점 변수들은, 슬라브의 화학적 조성, 슬라브의 탄소량, 슬라브의 무게, 슬라브의 두께, 생산된 코일의 두께, 연연속 압연 유무, 에지 히터 사용 유무 및 바히터 사용 유무;를 포함하는, 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 방법을 제공한다.According to an embodiment of the present invention, the data collection unit includes: a first step of collecting power consumption of a rolling process facility in units of coils; A second step of extracting at least two independent variables affecting the power usage from the feature point variables through correlation analysis, in the independent variable extraction unit; A third step of generating a multivariate linear regression model composed of at least two independent variables affecting the power consumption, by using the collected power consumption as a dependent variable; And a fourth step of predicting, by the power consumption prediction unit, the power consumption per coil by substituting corresponding values included in the production schedule to two or more independent variables of the multivariate linear regression model, wherein the feature point variables, The coil using multivariate linear regression analysis, including the chemical composition of the slab, the amount of carbon of the slab, the weight of the slab, the thickness of the slab, the thickness of the produced coil, the presence of continuous rolling, the use of edge heaters, and the use of bar heaters. Provides a method of predicting the amount of power in units.
본 발명의 일 실시 형태에 의하면, 상기 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한, 컴퓨터로 독출 가능한 기록 매체를 제공한다.According to an embodiment of the present invention, a computer-readable recording medium is provided in which a program for executing the method is recorded on a computer.
본 발명의 일 실시 형태에 의하면, 전력 사용량을 종속 변수로 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수로 구성된 다변량 선형 회귀 모델을 이용하여 코일 단위의 전력 사용량을 예측함으로써, 열연 코일 생산 스케줄링 작업 등에 활용함과 동시에 한전으로부터 시간 단위로 과금되는 전력 에너지 사용비용을 줄일 수 있다.According to an embodiment of the present invention, by predicting the power consumption per coil by using a multivariate linear regression model composed of at least two or more independent variables affecting the power consumption as a dependent variable of the power consumption, At the same time, it is possible to reduce the cost of using electricity and energy charged by KEPCO by the hour.
도 1은 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치의 구성도이다.
도 2는 본 발명의 일 실시 형태에 따른 다양한 다변량 선형 회귀 모델별 독립 변수들의 계수를 도시하고 있다.
도 3은 본 발명의 일 실시 형태에 따른 상관 분석 결과를 도시한 도면이다.
도 4는 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 모델에 의해 예측된 예측 전력량과 실측 전력량을 비교 도시한 도면이다.
도 5는 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 방법을 설명하는 흐름도이다.1 is a block diagram of an apparatus for predicting an amount of power in units of coils using multivariate linear regression analysis according to an embodiment of the present invention.
2 illustrates coefficients of independent variables for each of various multivariate linear regression models according to an embodiment of the present invention.
3 is a diagram showing a result of a correlation analysis according to an embodiment of the present invention.
4 is a diagram showing a comparison between a predicted amount of power and an actual amount of power predicted by a multivariate linear regression model according to an embodiment of the present invention.
5 is a flowchart illustrating a method of predicting an amount of power in units of coils using multivariate linear regression analysis according to an embodiment of the present invention.
이하, 첨부된 도면을 참조하여 본 발명의 실시형태를 설명한다. 그러나 본 발명의 실시형태는 여러 가지의 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시형태로만 한정되는 것은 아니다. 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있으며, 도면상의 동일한 부호로 표시되는 요소는 동일한 요소이다.Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. However, the embodiments of the present invention may be modified into various other forms, and the scope of the present invention is not limited to the embodiments described below. Shapes and sizes of elements in the drawings may be exaggerated for clearer explanation, and elements indicated by the same reference numerals in the drawings are the same elements.
도 1은 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치의 구성도이다. 한편, 도 2는 본 발명의 일 실시 형태에 따른 다양한 다변량 선형 회귀 모델별 독립 변수들의 계수를 도시하고 있으며, 도 3은 본 발명의 일 실시 형태에 따른 상관 분석 결과를 도시한 도면이다. 그리고, 도 4는 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 모델에 의해 예측된 예측 전력량과 실측 전력량을 비교 도시한 도면이다.1 is a block diagram of an apparatus for predicting an amount of power in units of coils using multivariate linear regression analysis according to an embodiment of the present invention. Meanwhile, FIG. 2 is a diagram illustrating coefficients of independent variables for various multivariate linear regression models according to an embodiment of the present invention, and FIG. 3 is a diagram illustrating a correlation analysis result according to an embodiment of the present invention. In addition, FIG. 4 is a diagram showing a comparison between a predicted power amount and an actual measured power amount predicted by a multivariate linear regression model according to an embodiment of the present invention.
우선, 도 1에 도시된 바와 같이, 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치(100)는, 압연 공정 설비의 전력 사용량을 코일 단위로 수집하는 데이터 수집부(110)와, 수집된 전력 사용량을 종속 변수로 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수로 구성된 다변량 선형 회귀 모델을 생성하는 모델 생성부(140)와, 다변량 선형 회귀 모델의 2 이상의 독립 변수에 생산 스케줄에 포함된 대응하는 값을 대입함으로써 코일 단위의 전력 사용량을 예측하는 전력 사용량 예측부(160)를 포함할 수 있다. First, as shown in FIG. 1, the power
이하, 도 1 내지 도 4를 참조하여 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치를 상세하게 설명한다.Hereinafter, an apparatus for predicting an amount of power in a coil unit using a multivariate linear regression analysis according to an embodiment of the present invention will be described in detail with reference to FIGS. 1 to 4.
도 1를 참조하면, 데이터 수집부(110)는 압연 공정 설비의 전력 사용량을 코일 단위로 수집할 수 있다. 수집된 압연 공정 설비의 전력 사용량은 모델 생성부(140)로 전달될 수 있다.Referring to FIG. 1, the
모델 생성부(140)는 수집된 전력 사용량을 종속 변수로 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수로 구성된 다변량 선형 회귀 모델을 생성할 수 있다. 회귀 분석은 종속변수가 독립변수에 의해 어떠한 영향을 받고 또한 어떠한 관계로 나타나는지 분석하는 기법이며, 다변량 선형 회귀 모델은 종속 변수에 영향을 미치는 독립 변수가 적어도 2 이상인 경우의 분석 기법이다. The
본 발명에서 종속 변수는 전력 사용량이며, 종속 변수인 전력 사용량에 영향을 미치는 독립 변수는 슬라브의 화학적 조성, 슬라브의 탄소량, 슬라브의 무게, 슬라브의 두께, 생산된 코일의 두께, 연연속 압연 유무, 에지 히터 사용 유무 및 바히터 사용 유무를 포함하는 특징점 변수 중 적어도 하나일 수 있다.In the present invention, the dependent variable is power consumption, and the independent variables that affect the dependent variable power consumption are the chemical composition of the slab, the amount of carbon in the slab, the weight of the slab, the thickness of the slab, the thickness of the produced coil, the presence or absence of continuous rolling. , It may be at least one of feature point variables including whether or not an edge heater is used and whether or not a bar heater is used.
도 2는 본 발명의 일 실시 형태에 따른 다양한 다변량 선형 회귀 모델별 독립 변수들의 계수를 도시하고 있다.2 illustrates coefficients of independent variables for each of various multivariate linear regression models according to an embodiment of the present invention.
즉, 모델 생성부(140)는 수집된 전력 사용량인 모집단으로부터 추출한 샘플들로부터 다수의 다변량 선형 회귀 모델을 생성할 수 있으며, 도 2에는 다양한 모델들(M1 내지 M15)에 대한 회귀 계수들을 도시하고 있다.That is, the
도 2에서, M1 내지 M15는 다변량 선형 회귀 모델의 이름이며, EdgeHeater_coef는 독립 변수인 에지 히터의 회귀 계수, BarHeater_coef는 독립 변수인 바 히터의 회귀 계수, SLAB_WEIGHT_coef는 독립 변수인 슬라브 무게의 회귀 계수, SLAB_THICKNESS_coef는 독립 변수인 슬라브 두께의 회귀 계수, THICKNESS_coef는 독립 변수인 코일의 회귀 계수, ENDLESS_coef는 독립 변수인 연연속 압연 여부의 회귀 계수, const_coef는 교란항의 계수일 수 있다.In FIG. 2, M1 to M15 are the names of the multivariate linear regression model, EdgeHeater_coef is the regression coefficient of the edge heater as an independent variable, BarHeater_coef is the regression coefficient of the independent variable bar heater, SLAB_WEIGHT_coef is the regression coefficient of the independent variable slab weight, SLAB_THICKNESS_coef. Is the independent variable, the regression coefficient of the slab thickness, THICKNESS_coef is the independent variable, the regression coefficient of the coil, ENDLESS_coef is the independent variable, the regression coefficient of continuous rolling, and const_coef can be the coefficient of the disturbance term.
한편, accuaracy는 후술하는 바와 같이 정확도 평가부(150)에 의해 구해진 정확도이며, rsquared_adj는 R2값이며, elec_mean는 전력 사용량의 평균값일 수 있다.Meanwhile, accuaracy is an accuracy obtained by the
또한, 본 발명의 일 실시 형태에 의하면, 수집된 전력 사용량에 대한 정규 분포의 Z값이 소정의 값 이상인 전력 사용량에 대한 데이터는 제거하는 이상치 제거부(120)를 더 포함할 수 있다.In addition, according to an embodiment of the present invention, the
또한, 본 발명의 일 실시 형태에 의하면, 상관 분석을 통해 상술한 특징점 변수들로부터 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수를 추출하는 독립 변수 추출부(130)를 더 포함할 수 있다.In addition, according to an embodiment of the present invention, it may further include an independent
즉, 독립 변수 추출부(130)는 상술한 특징점 변수들의 상관 분석을 통해 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수들을 추출할 수 있다.That is, the independent
도 3은 본 발명의 일 실시 형태에 따른 상관 분석 결과를 도시한 도면이다.3 is a diagram showing a result of a correlation analysis according to an embodiment of the present invention.
도 3에 도시된 바와 같이, 상관 분석 기법을 적용하면 다양한 특징점 변수들, 즉 슬라브의 무게(SLAB_WEIGHT), 슬라브의 두께(SLAB_THICKNESS), 코일의 두께(THICKNESS), 연연속 압연 유무(ENDLESS), 에지 히터 사용 유무(EdgeHeater), 바 히터 사용 유무(BarHeaters), 전력 사용량(SumofPower)간의 상관 정도를 얻을 수 있으며, 이러한 특징점 변수들 중 적어도 2 이상의 변수를 종속 변수인 전력 사용량에 영향을 미치는 독립 변수로 추출할 수 있다. 상술한 상관 분석 기법은 당업자에게 널리 알려진 바, 발명의 간명화를 위해 본 발명에서 구체적인 설명은 생략한다. 한편, 코일의 권취 시점(END_DT) 시점일 수 있다.As shown in Fig. 3, when the correlation analysis technique is applied, various feature point variables, namely, the weight of the slab (SLAB_WEIGHT), the thickness of the slab (SLAB_THICKNESS), the thickness of the coil (THICKNESS), the presence or absence of continuous rolling (ENDLESS), and edge It is possible to obtain the degree of correlation between heater use (EdgeHeater), bar heater use (BarHeaters), and power consumption (SumofPower).At least two of these feature point variables are used as independent variables that affect power consumption, which is a dependent variable. Can be extracted. Since the above-described correlation analysis technique is widely known to those skilled in the art, detailed descriptions of the present invention will be omitted for simplicity of the invention. On the other hand, it may be a time point at which the coil is wound (END_DT).
마지막으로, 전력 사용량 예측부(160)는 다변량 선형 회귀 모델의 2 이상의 독립 변수에 생산 스케줄에 포함된 대응하는 값을 대입함으로써 코일 단위의 전력 사용량을 예측할 수 있다. 여기서, 생산 스케줄에 포함된 대응하는 값은 독립 변수에 대응되는 변수의 값일 수 있다.Finally, the
한편, 본 발명의 다른 실시 형태에 의하면, 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치(100)는 모델 생성부(140)에서 생성한 다변량 선형 회귀 모델의 정확도를 평가하기 위한 정확도 평가부(150)를 더 포함할 수 있다.On the other hand, according to another embodiment of the present invention, the coil unit power
구체적으로, 상술한 정확도 평가부(150)는 수학식: 정확도 = 평균(1-절대값[(예측치- 실측치)/실측치])에 따라 다변량 선형 회귀 모델의 정확도를 평가할 수 있다.Specifically, the above-described
도 4는 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 모델에 의해 예측된 예측 전력량과 실측 전력량을 비교 도시한 도면으로, 다수의 코일 각각의 권취 시점(END_DT) 시점에서의 전력 사용량을 도시한 것이다. 도면부호 501은 예측 전력량을 도면부호 502는 실측 전력량을 의미한다.FIG. 4 is a diagram showing a comparison between a predicted power amount and an actual power amount predicted by a multivariate linear regression model according to an embodiment of the present invention, and illustrates the power consumption at a winding point (END_DT) of each of a plurality of coils. .
도 4에 도시된 바와 같이, 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 모델을 적용하는 경우의 예측 전력량은 실측 전력량과 거의 일치하는 것을 알 수 있다. As shown in FIG. 4, it can be seen that the predicted power amount in the case of applying the multivariate linear regression model according to the embodiment of the present invention substantially matches the measured power amount.
상술한 바와 같이, 본 발명의 일 실시 형태에 의하면, 전력 사용량을 종속 변수로 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수로 구성된 다변량 선형 회귀 모델을 이용하여 코일 단위의 전력 사용량을 예측함으로써, 열연 코일 생산 스케줄링 작업 등에 활용함과 동시에 한전으로부터 시간 단위로 과금되는 전력 에너지 사용비용을 줄일 수 있다.As described above, according to an embodiment of the present invention, by predicting the power consumption per coil using a multivariate linear regression model composed of at least two or more independent variables affecting the power consumption as a dependent variable of power consumption, hot rolling It can be used for coil production scheduling work, and at the same time reduce the cost of using power and energy charged by KEPCO on an hourly basis.
한편, 도 5는 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 방법을 설명하는 흐름도이다.On the other hand, FIG. 5 is a flowchart illustrating a method of predicting an amount of power in a coil unit using a multivariate linear regression analysis according to an embodiment of the present invention.
이하에서는 도 1 내지 도 4를 참조하여본 발명의 일 실시 형태에 따른 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 방법을 상세하게 설명한다. 다만, 발명의 간명화를 위해 도 1 내지 도 4와 관련하여 중복된 부분에 대한 설명은 생략하기로 한다.Hereinafter, a method of estimating the amount of power in a coil unit using a multivariate linear regression analysis according to an embodiment of the present invention will be described in detail with reference to FIGS. 1 to 4. However, for the sake of simplicity of the invention, descriptions of overlapping parts with respect to FIGS. 1 to 4 will be omitted.
도 1 내지 도 5를 참조하면, 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 방법은, 데이터 수집부(110)에서 압연 공정 설비의 전력 사용량을 코일 단위로 수집하는 단계에 의해 개시될 수 있다(S501). 수집된 압연 공정 설비의 전력 사용량은 모델 생성부(140)로 전달될 수 있다.1 to 5, the method of predicting the amount of power in coil units using multivariate linear regression analysis according to an embodiment of the present invention includes collecting the power consumption of the rolling process equipment in units of coils by the
다음, 모델 생성부(140)는 수집된 전력 사용량을 종속 변수로 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수로 구성된 다변량 선형 회귀 모델을 생성할 수 있다(S502). 회귀 분석은 종속변수가 독립변수에 의해 어떠한 영향을 받고 또한 어떠한 관계로 나타나는지 분석하는 기법이며, 다변량 선형 회귀 모델은 종속 변수에 영향을 미치는 독립 변수가 적어도 2 이상인 경우의 분석 기법임은 상술한 바와 같다.Next, the
본 발명에서 종속 변수는 전력 사용량이며, 종속 변수인 전력 사용량에 영향을 미치는 독립 변수는 슬라브의 화학적 조성, 슬라브의 탄소량, 슬라브의 무게, 슬라브의 두께, 생산된 코일의 두께, 연연속 압연 유무, 에지 히터 사용 유무 및 바히터 사용 유무를 포함하는 특징점 변수일 수 있다.In the present invention, the dependent variable is power consumption, and the independent variables that affect the dependent variable power consumption are the chemical composition of the slab, the amount of carbon in the slab, the weight of the slab, the thickness of the slab, the thickness of the produced coil, the presence or absence of continuous rolling. , It may be a feature point variable including whether an edge heater is used and whether a bar heater is used.
본 발명의 일 실시 형태에 의하면, 이상치 제거부(120)에서, 수집된 전력 사용량에 대한 정규 분포의 Z값이 소정의 값 이상인 전력 사용량에 대한 데이터는 제거하는 단계 또는 독립 변수 추출부(130)에서 상관 분석을 통해 특징점 변수들로부터 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수를 추출하는 단계를 더 포함할 수 있음은 상술한 바와 같다.According to an embodiment of the present invention, in the
마지막으로, 전력 사용량 예측부(160)는 다변량 선형 회귀 모델의 2 이상의 독립 변수에 생산 스케줄에 포함된 대응하는 값을 대입함으로써 코일 단위의 전력 사용량을 예측할 수 있다(S503).Lastly, the
상술한 바와 같이, 본 발명의 일 실시 형태에 의하면, 전력 사용량을 종속 변수로 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수로 구성된 다변량 선형 회귀 모델을 이용하여 코일 단위의 전력 사용량을 예측함으로써, 열연 코일 생산 스케줄링 작업 등에 활용함과 동시에 한전으로부터 시간 단위로 과금되는 전력 에너지 사용비용을 줄일 수 있다.As described above, according to an embodiment of the present invention, by predicting the power consumption per coil using a multivariate linear regression model composed of at least two or more independent variables affecting the power consumption as a dependent variable of power consumption, hot rolling It can be used for coil production scheduling work, and at the same time reduce the cost of using power and energy charged by KEPCO on an hourly basis.
상술한 본 발명의 일 실시 형태에 따른 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 방법은 컴퓨터에서 실행되기 위한 프로그램으로 제작되어 컴퓨터가 읽을 수 있는 기록 매체에 저장될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 상기 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.The method for estimating the amount of power in a coil unit using a multivariate linear regression analysis according to an embodiment of the present invention described above may be produced as a program to be executed in a computer and stored in a computer-readable recording medium. Examples of computer-readable recording media include ROM, RAM, CD-ROM, magnetic tapes, floppy disks, optical data storage devices, and the like. Further, the computer-readable recording medium is distributed over a computer system connected through a network, so that computer-readable codes can be stored and executed in a distributed manner. In addition, functional programs, codes and code segments for implementing the method can be easily inferred by programmers in the art to which the present invention pertains.
또한, 본 발명을 설명함에 있어, '~ 부'는 다양한 방식, 예를 들면 프로세서, 프로세서에 의해 수행되는 프로그램 명령들, 소프트웨어 모듈, 마이크로 코드, 컴퓨터 프로그램 생성물, 로직 회로, 애플리케이션 전용 집적 회로, 펌웨어 등에 의해 구현될 수 있다.In addition, in describing the present invention,'~ unit' refers to various methods, for example, a processor, program instructions executed by a processor, a software module, a microcode, a computer program product, a logic circuit, an application-dedicated integrated circuit, and a firmware. It can be implemented by, for example.
본 발명은 상술한 실시형태 및 첨부된 도면에 의해 한정되지 아니한다. 첨부된 청구범위에 의해 권리범위를 한정하고자 하며, 청구범위에 기재된 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 형태의 치환, 변형 및 변경할 수 있다는 것은 당 기술분야의 통상의 지식을 가진 자에게 자명할 것이다.The present invention is not limited by the above-described embodiments and the accompanying drawings. It is intended to limit the scope of the rights by the appended claims, and that various types of substitutions, modifications and changes can be made without departing from the technical spirit of the present invention described in the claims. It will be self-evident.
100: 코일 단위의 전력량 예측 장치
110: 데이터 수집부
120: 이상치 제거부
130: 독립 변수 추출부
140: 모델 생성부
150: 정확도 평가부
160: 전력 사용량 예측부
100: device for estimating the amount of electricity in coil units
110: data collection unit
120: outlier removal unit
130: independent variable extraction unit
140: model generation unit
150: accuracy evaluation unit
160: power consumption prediction unit
Claims (7)
상관 분석을 통해 특징점 변수들로부터 상기 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수를 추출하는 독립 변수 추출부;
수집된 상기 전력 사용량을 종속 변수로 상기 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수로 구성된 다변량 선형 회귀 모델을 생성하는 모델 생성부; 및
상기 다변량 선형 회귀 모델의 2 이상의 독립 변수에 생산 스케줄에 포함된 대응하는 값을 대입함으로써 코일 단위의 전력 사용량을 예측하는 전력 사용량 예측부;를 포함하며,
상기 특징점 변수들은, 슬라브의 화학적 조성, 슬라브의 탄소량, 슬라브의 무게, 슬라브의 두께, 생산된 코일의 두께, 연연속 압연 유무, 에지 히터 사용 유무 및 바히터 사용 유무;를 포함하는, 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치.
A data collection unit that collects the power consumption of the rolling process equipment in units of coils;
An independent variable extracting unit for extracting at least two independent variables affecting the power usage from feature point variables through correlation analysis;
A model generation unit that generates a multivariate linear regression model composed of at least two independent variables affecting the power usage as dependent variables of the collected power usage; And
Including; a power consumption prediction unit for predicting the power consumption of each coil unit by substituting corresponding values included in the production schedule to two or more independent variables of the multivariate linear regression model,
The feature point variables include: the chemical composition of the slab, the amount of carbon of the slab, the weight of the slab, the thickness of the slab, the thickness of the produced coil, the presence of continuous rolling, the presence of edge heaters, and the use of bar heaters; A device for predicting the amount of electric power in coil units using regression analysis.
상기 코일 단위의 전력량 예측 장치는,
수집된 상기 전력 사용량에 대한 정규 분포의 Z값이 소정의 값 이상인 전력 사용량에 대한 데이터는 제거하는 이상치 제거부;
를 더 포함하는, 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치.
The method of claim 1,
The device for estimating the amount of power in the coil unit,
An outlier removal unit for removing data on power usage in which the Z value of the normal distribution of the collected power usage is equal to or greater than a predetermined value;
The device for predicting the amount of power in the coil unit using a multivariate linear regression analysis further comprising a.
상기 코일 단위의 전력량 예측 장치는,
하기 수학식:
정확도 = 평균(1-절대값[(예측치- 실측치)/실측치])에 따라 상기 다변량 선형 회귀 모델의 정확도를 평가하는 정확도 평가부;
를 더 포함하는, 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 장치.
The method of claim 1,
The device for estimating the amount of power in the coil unit,
The following equation:
Accuracy = an accuracy evaluation unit for evaluating the accuracy of the multivariate linear regression model according to the mean (1-absolute value [(predicted value-measured value) / measured value]);
The device for predicting the amount of power in the coil unit using a multivariate linear regression analysis further comprising a.
독립 변수 추출부에서, 상관 분석을 통해 특징점 변수들로부터 상기 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수를 추출하는 제2 단계;
모델 생성부에서, 수집된 상기 전력 사용량을 종속 변수로 상기 전력 사용량에 영향을 미치는 적어도 2 이상의 독립 변수로 구성된 다변량 선형 회귀 모델을 생성하는 제3 단계; 및
전력 사용량 예측부에서, 상기 다변량 선형 회귀 모델의 2 이상의 독립 변수에 생산 스케줄에 포함된 대응하는 값을 대입함으로써 코일 단위의 전력 사용량을 예측하는 제4 단계;를 포함하며,
상기 특징점 변수들은, 슬라브의 화학적 조성, 슬라브의 탄소량, 슬라브의 무게, 슬라브의 두께, 생산된 코일의 두께, 연연속 압연 유무, 에지 히터 사용 유무 및 바히터 사용 유무;를 포함하는, 다변량 선형 회귀 분석을 이용한 코일 단위의 전력량 예측 방법.
A first step of collecting, in the data collection unit, power consumption of the rolling process equipment in units of coils;
A second step of extracting at least two independent variables affecting the power usage from the feature point variables through correlation analysis, in the independent variable extraction unit;
A third step of generating a multivariate linear regression model composed of at least two independent variables affecting the power consumption by using the collected power consumption as a dependent variable; And
A fourth step of predicting the power consumption per coil by substituting corresponding values included in the production schedule into two or more independent variables of the multivariate linear regression model, in the power consumption prediction unit,
The feature point variables include: the chemical composition of the slab, the amount of carbon of the slab, the weight of the slab, the thickness of the slab, the thickness of the produced coil, the presence of continuous rolling, the presence of edge heaters, and the use of bar heaters; A method of predicting the amount of electricity per coil using regression analysis.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190040523A KR102221462B1 (en) | 2019-04-08 | 2019-04-08 | Apparatus and method of predicting power energy by coil unit using multivariate linear regression analysis, and computer readable medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190040523A KR102221462B1 (en) | 2019-04-08 | 2019-04-08 | Apparatus and method of predicting power energy by coil unit using multivariate linear regression analysis, and computer readable medium |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200118530A KR20200118530A (en) | 2020-10-16 |
| KR102221462B1 true KR102221462B1 (en) | 2021-03-02 |
Family
ID=73035435
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190040523A KR102221462B1 (en) | 2019-04-08 | 2019-04-08 | Apparatus and method of predicting power energy by coil unit using multivariate linear regression analysis, and computer readable medium |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102221462B1 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008086147A (en) | 2006-09-28 | 2008-04-10 | Nippon Telegr & Teleph Corp <Ntt> | Energy demand forecasting method, prediction system, program, and recording medium |
| WO2019038890A1 (en) * | 2017-08-24 | 2019-02-28 | 三菱電機株式会社 | Electric power demand prediction device and electric power demand prediction method |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130020148A (en) * | 2011-08-19 | 2013-02-27 | 재단법인 포항산업과학연구원 | Method and apparatus for estimating power consuption in producing hot strip coil |
| KR102495494B1 (en) | 2016-03-14 | 2023-02-06 | 주식회사 직방 | Method and apparatus for predicting home energy usage |
-
2019
- 2019-04-08 KR KR1020190040523A patent/KR102221462B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008086147A (en) | 2006-09-28 | 2008-04-10 | Nippon Telegr & Teleph Corp <Ntt> | Energy demand forecasting method, prediction system, program, and recording medium |
| WO2019038890A1 (en) * | 2017-08-24 | 2019-02-28 | 三菱電機株式会社 | Electric power demand prediction device and electric power demand prediction method |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200118530A (en) | 2020-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5157874B2 (en) | Product material value prediction method, apparatus, operating condition determination method, program, and computer-readable recording medium | |
| CN101109779B (en) | Method for predicting turbine generator insulating thermal aging life | |
| JP6193400B2 (en) | Electric power demand prediction system, electric power demand prediction method, customer profiling system, and customer profiling method | |
| JP7082461B2 (en) | Failure prediction method, failure prediction device and failure prediction program | |
| CN109376971B (en) | Load curve prediction method and system for power consumers | |
| EP3460742A1 (en) | Demand forecast system and demand forecast method | |
| KR102358798B1 (en) | Power demand predicting method and power demand predicting system | |
| JP2007018322A (en) | System, method, and program for estimating amount of energy saved | |
| JP6094369B2 (en) | Power demand forecasting device, power demand forecasting method, and power demand forecasting program | |
| Lindner et al. | Tradeoffs between levelling the reserve margin and minimising production cost in generator maintenance scheduling for regulated power systems | |
| JP4512074B2 (en) | Energy demand forecasting method, forecasting device, program and recording medium | |
| KR20140116619A (en) | System and method for predicting energy consumption | |
| JP6032486B2 (en) | Power management system and power management method | |
| KR101688412B1 (en) | Method and System for Modeling Prediction of Dependent Variable | |
| JP6713709B2 (en) | Application decomposition method for gas consumption, application decomposition device, and application decomposition program | |
| KR20130074043A (en) | A method of forecasting of power demand using error correction algorithm and system for it | |
| CN101507978A (en) | Worker roller abrasion forecasting method of cold continuous rolling device based on mechanism and operation condition | |
| KR102221462B1 (en) | Apparatus and method of predicting power energy by coil unit using multivariate linear regression analysis, and computer readable medium | |
| JP6641867B2 (en) | Power consumption prediction method, apparatus and program | |
| JP2017070134A (en) | Power prediction method | |
| JP6582755B2 (en) | Method, system, and program for optimizing operation plan of heat source equipment network | |
| CN108027947B (en) | Power plant analysis device, power plant analysis method, and computer-readable recording medium | |
| Wang et al. | Degradation prediction method by use of autoregressive algorithm | |
| JP6393215B2 (en) | Peak power expression prediction device and prediction method | |
| JP2008102708A (en) | Energy management support device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |