CN115798618A - 一种变压吸附高效提纯氢气的优化方法及*** - Google Patents
一种变压吸附高效提纯氢气的优化方法及*** Download PDFInfo
- Publication number
- CN115798618A CN115798618A CN202211331655.8A CN202211331655A CN115798618A CN 115798618 A CN115798618 A CN 115798618A CN 202211331655 A CN202211331655 A CN 202211331655A CN 115798618 A CN115798618 A CN 115798618A
- Authority
- CN
- China
- Prior art keywords
- model
- pressure swing
- swing adsorption
- hydrogen
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001179 sorption measurement Methods 0.000 title claims abstract description 68
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 52
- 239000001257 hydrogen Substances 0.000 title claims abstract description 52
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 50
- 238000005457 optimization Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000035515 penetration Effects 0.000 claims abstract description 36
- 238000013528 artificial neural network Methods 0.000 claims abstract description 34
- 238000002474 experimental method Methods 0.000 claims abstract description 31
- 238000012549 training Methods 0.000 claims abstract description 20
- 239000007789 gas Substances 0.000 claims abstract description 17
- 238000012546 transfer Methods 0.000 claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 9
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 17
- 229910021536 Zeolite Inorganic materials 0.000 claims description 8
- HNPSIPDUKPIQMN-UHFFFAOYSA-N dioxosilane;oxo(oxoalumanyloxy)alumane Chemical compound O=[Si]=O.O=[Al]O[Al]=O HNPSIPDUKPIQMN-UHFFFAOYSA-N 0.000 claims description 8
- 239000010457 zeolite Substances 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 7
- 238000000746 purification Methods 0.000 claims description 7
- 239000003463 adsorbent Substances 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 239000012535 impurity Substances 0.000 claims description 5
- 238000004134 energy conservation Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 150000002431 hydrogen Chemical class 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002156 adsorbate Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000013386 optimize process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Hydrogen, Water And Hydrids (AREA)
- Separation Of Gases By Adsorption (AREA)
Abstract
本发明公开了一种变压吸附高效提纯氢气的优化方法及***。该方法包括，通过穿透曲线实验，测试不同操作条件和气体初始浓度下气体的穿透曲线；通过ComsolMultiphysics软件建立变压吸附穿透曲线的传热传质模型，将模型模拟值与实验值进行对比，验证模型的正确性；改变初始条件，通过ComsolMultiphysics软件的传热传质模型来生成人工神经网络的训练数据；利用所生成的训练数据训练人工神经网络模型；将待预测穿透时间的操作条件输入所建立的人工神经网络模型，对穿透时间进行预测。本发明通过人工神经网络算法替代模型来预测氢气的穿透时间，可以避免重复的实验及利用商业软件(如ComsolMultiphysics)进行的复杂求解，能达到优化氢气纯度的目的。
Description
技术领域
本发明涉及变压吸附制氢领域，具体涉及一种变压吸附高效提纯氢气的优化方法及***。
背景技术
在“碳达峰碳中和”背景下，氢能是国家发展的重大能源战略。变压吸附(PSA)技术可用于氢气纯化。在变压吸附制氢实际生产中，变压吸附的穿透曲线实验用于确定变压吸附循环实验的吸附时间，穿透曲线显示的吸附柱出口处流体相中吸附物的浓度是时间的函数。PSA变压吸附循环设计最重要的过程就是吸附过程，吸附时间的设定是变压吸附操作调节的重要参数。增加变压吸附的吸附时间，氢气的回收率和产率就会增加﹐但吸附时问过长会造成杂质气体穿透吸附层，使氢气的纯度下降。因此，气体穿透时间的预测，最优吸附时间的确定是变压吸附操作优化的核心技术。
在实际的生产中，穿透实验过程非常耗时且昂贵，测试实验存在耗时费力、测试成本高等问题。选择合适操作条件的较为有效的方法是对瞬态吸附过程进行建模。但是建立吸附分离的数学模型必须求解大量偏微分方程(PDE)，包括质量，能量和动量平衡，计算会非常耗时。
目前关于变压吸附制氢的穿透时间预测与最优吸附时间的确定相关的专利很少。现有一种变压吸附的最优吸附时间的确定方法及***(中国发明专利申请CN201710563608.9)建立了变压吸附装置的数学模拟模型，并对所建立的数学模型进行了数学求解。但是，该方法的不足在于：该方法依赖传统的数学模型，其包括质量，能量和动量平衡，计算非常耗时。且最优吸附时间通过非线性规划模型求解，有可能会陷入局部最优解。
综上所述，急需一种变压吸附高效提纯氢气的优化方法及***以解决现有技术中存在的问题。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
为解决上述技术问题，本发明采用的技术方案是：提供一种变压吸附高效提纯氢气的优化方法及***；本发明所建立的人工神经网络替代模型可以准确预测不同操作条件下的氢气穿透时间；通过结合人工神经网络和序列二次规划算法，可优化氢气的最大穿透时间，进而达到优化氢气的纯度的目的。
本发明提供了一种变压吸附高效提纯氢气的优化方法，其特征在于，包括以下步骤：
步骤S101：通过穿透曲线实验，测试不同操作条件和气体初始浓度下气体的穿透曲线。
步骤S102：通过ComsolMultiphysics软件建立变压吸附穿透曲线的传热传质模型，将模型模拟值与实验值进行对比，验证模型的正确性。
步骤S103：改变初始条件，通过ComsolMultiphysics软件的传热传质模型来生成人工神经网络的训练数据。
步骤S104：利用S103所生成训练数据，训练人工神经网络模型。
步骤S105：将待预测穿透时间的操作条件输入S104所建立的人工神经网络模型，对穿透时间进行预测。
所述步骤S101中的操作条件包括进气速率、活性炭/沸石层状床高度比；所述的气体包括H2、CO、CH4、CO2。
所述步骤S103中的初始条件，包括CO初始浓度、进气速率和活性炭与沸石吸附剂高度比等。
本发明提供了一种变压吸附高效提纯氢气的优化***，包括，初始值输入模块、实验模块一、建模和求解模块一、建模和求解模块二、优化模块、实验模块二，其技术方案为：
所述初始值输入模块，通过吸附质量、动量和能量守恒方程，以及根据变压吸附装置的设计参数和操作参数，设定变压吸附传热传至模型所需的参数初始值和边界条件；
所述实验模块一，根据变压吸附装置的设计参数和操作参数，进行相应的穿透曲线实验；
所述建模和求解模块一，通过Comsol软件求解建立的变压吸附装置的数学模型，并通过实验模块一的实验值来验证Comsol软件模型的模拟值；
所述建模和求解模块二，设定系列操作条件，通过已验证的Comsol软件模型来生成训练人工神经网络模型；并在训练好后通过所述人工神经网络模型来计算氢气的穿透时间；
所述优化模块，将氢气的最大穿透时间作为优化目标函数，预定其他杂质气体(如CH4,H2,CO,CO2)不能穿透吸附剂末端为约束条件；通过结合优化算法与所建立的人工神经网络模型，求解氢气的最大穿透时间和最佳操作条件；
所述实验模块二，在变压吸附穿透曲线实验中依据优化模块所求解的最佳操作条件进行设置，验证实验条件下氢气的最大穿透时间是否与优化求解的最大穿透时间一致。
总体而言，与现有技术相比，本发明所构思的以上技术方案，能够取得下列
有益效果：
本发明提出的一种变压吸附高效提纯氢气的优化方法及***通过人工神经网络算法替代模型来预测氢气的穿透时间；该人工神经网络算法替代模型可以避免重复的实验及利用商业软件(如ComsolMultiphysics)进行的复杂求解。此外，本发明提供了一种变压吸附高效提纯氢气的优化***，能达到优化氢气纯度的目的。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是一种变压吸附高效提纯氢气的优化方法的流程图；
图2是氢气穿透时间预测的人工神经网络模型结构；
图3是活性炭/沸石高度比为80/40条件下的穿透曲线对比图；
图4是活性炭/沸石高度比为60/60条件下的穿透曲线对比图；
图5是Comsol模型目标与人工神经网络预测输出结果之间的相关关系图；
图6是一种变压吸附高效提纯氢气的优化***的示意图。
具体实施方式
为了便于理解本发明，下面将对本发明进行更全面的描述，并给出了本发明的较佳实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本发明提供了一种变压吸附高效提纯氢气的优化方法，参见图1所示的流程图，该方法包括以下步骤：
步骤S101：通过穿透曲线实验，测试不同操作条件和气体初始浓度下气体的穿透曲线。
在本步骤中，所述操作条件包括进气速率、活性炭/沸石层状床高度比；所述的气体包括H2、CO、CH4、CO2。
步骤S102：通过ComsolMultiphysics软件建立变压吸附穿透曲线的传热传质模型，将模型模拟值与实验值进行对比，验证模型的正确性。
步骤S103：改变初始条件，通过ComsolMultiphysics软件的传热传质模型来生成人工神经网络的训练数据，所述人工神经网络的模型结构如图2所示。
在本步骤中，所述的初始条件，包括CO初始浓度、进气速率和活性炭与沸石吸附剂高度比等。
步骤S104：利用S103所生成训练数据，训练人工神经网络模型。
步骤S105：将待预测穿透时间的操作条件输入S104所建立的人工神经网络模型，对穿透时间进行预测。
下面通过一具体例子对本发明提供的一种变压吸附高效提纯氢气的优化方法进行说明。
按照图1所示步骤建立变压吸附穿透曲线的传热传质模型，并将模型模拟值与实验值进行对比，对比图如图3和图4所示。
改变初始条件，通过Comsol软件的传热传质模型来生成神经网络的训练数据。
请参阅图5，分别计算基于训练集(a)、验证集(b)、测试集(c)和整体数据集(d)的Comsol模型目标与人工神经网络预测输出结果之间的相关系数，其相关系数接近于1，说明建立的人工神经网络模型可以迅速准确的预测不同操作条件下氢气的穿透时间。
氢气的穿透时间是决定变压吸附性能的一个关键因素，氢气的穿透时间越长，意味着更多的杂质气体被吸收，则氢气的纯度也就越高。通过人工神经网络模型和序列二次规划优化算法结合，以氢气的穿透时间为目标函数，设置优化的约束条件和初始条件，求得最佳的操作条件和最大的吸附时间。如表1所示，通过人工神经网络预测和优化算法求得的最大穿透时间为285.7s，相同优化条件下通过Comsol模型求解氢气的穿透时间为283.3s，相对误差仅为0.85％。
表1人工神经网络模型优化结果和Comsol模型预测结果对比
本发明另一实施例还提供了一种变压吸附高效提纯氢气的优化***，参见图6，包括，初始值输入模块、实验模块一、建模和求解模块一、建模和求解模块二、优化模块、实验模块二，其技术方案为：
所述初始值输入模块S601，通过吸附质量、动量和能量守恒方程，以及根据变压吸附装置的设计参数和操作参数，设定变压吸附传热传至模型所需的参数初始值和边界条件；
所述实验模块一S602，根据变压吸附装置的设计参数和操作参数，进行相应的穿透曲线实验；
所述建模和求解模块一S603，通过Comsol软件求解建立的变压吸附装置的数学模型，并通过实验模块一S602的实验值来验证Comsol软件模型的模拟值；
所述建模和求解模块二S604，设定系列操作条件，通过已验证的Comsol软件模型来生成训练人工神经网络模型；并在训练好后通过所述人工神经网络模型来计算氢气的穿透时间；
所述优化模块S605，将氢气的最大穿透时间作为优化目标函数，预定其他杂质气体(如CH4,H2,CO,CO2)不能穿透吸附剂末端为约束条件；通过结合优化算法与所建立的人工神经网络模型，求解氢气的最大穿透时间和最佳操作条件；
所述实验模块二S606，在变压吸附穿透曲线实验中依据优化模块S605所求解的最佳操作条件进行设置，验证实验条件下氢气的最大穿透时间是否与优化求解的最大穿透时间一致。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种变压吸附高效提纯氢气的优化方法，其特征在于，包括以下步骤：
步骤S101：通过穿透曲线实验，测试不同操作条件和气体初始浓度下气体的穿透曲线。
步骤S102：通过Comsol Multiphysics软件建立变压吸附穿透曲线的传热传质模型，将模型模拟值与实验值进行对比，验证模型的正确性。
步骤S103：改变初始条件，通过Comsol Multiphysics软件的传热传质模型来生成人工神经网络的训练数据。
步骤S104：利用S103所生成训练数据，训练人工神经网络模型。
步骤S105：将待预测穿透时间的操作条件输入S104所建立的人工神经网络模型，对穿透时间进行预测。
2.如权利要求1所述的一种变压吸附高效提纯氢气的优化方法，其特征在于，所述步骤S101中的操作条件包括进气速率、活性炭/沸石层状床高度比；所述的气体包括H2、CO、CH4、CO2。
3.如权利要求1所述的一种变压吸附高效提纯氢气的优化方法，其特征在于，所述步骤S103中的初始条件，包括CO初始浓度、进气速率和活性炭与沸石吸附剂高度比等。
4.一种变压吸附高效提纯氢气的优化***，其特征在于，包括，初始值输入模块、实验模块一、建模和求解模块一、建模和求解模块二、优化模块、实验模块二，其技术方案为：
所述初始值输入模块，通过吸附质量、动量和能量守恒方程，以及根据变压吸附装置的设计参数和操作参数，设定变压吸附传热传至模型所需的参数初始值和边界条件；
所述实验模块一，根据变压吸附装置的设计参数和操作参数，进行相应的穿透曲线实验；
所述建模和求解模块一，通过Comsol软件求解建立的变压吸附装置的数学模型，并通过实验模块一的实验值来验证Comsol软件模型的模拟值；
所述建模和求解模块二，设定系列操作条件，通过已验证的Comsol软件模型来生成训练人工神经网络模型；并在训练好后通过所述人工神经网络模型来计算氢气的穿透时间；
所述优化模块，将氢气的最大穿透时间作为优化目标函数，预定其他杂质气体(如CH4,H2,CO,CO2)不能穿透吸附剂末端为约束条件；通过结合优化算法与所建立的人工神经网络模型，求解氢气的最大穿透时间和最佳操作条件；
所述实验模块二，在变压吸附穿透曲线实验中依据优化模块所求解的最佳操作条件进行设置，验证实验条件下氢气的最大穿透时间是否与优化求解的最大穿透时间一致。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211331655.8A CN115798618A (zh) | 2022-10-28 | 2022-10-28 | 一种变压吸附高效提纯氢气的优化方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211331655.8A CN115798618A (zh) | 2022-10-28 | 2022-10-28 | 一种变压吸附高效提纯氢气的优化方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115798618A true CN115798618A (zh) | 2023-03-14 |
Family
ID=85434183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211331655.8A Pending CN115798618A (zh) | 2022-10-28 | 2022-10-28 | 一种变压吸附高效提纯氢气的优化方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115798618A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109188916A (zh) * | 2018-11-13 | 2019-01-11 | 苏州日尚医疗科技有限公司 | 一种基于模糊神经网络的制氧机压力控制方法 |
| CN109255132A (zh) * | 2017-07-12 | 2019-01-22 | 中国石油化工股份有限公司 | 一种变压吸附的最优吸附时间的确定方法及*** |
| CN110348090A (zh) * | 2019-06-28 | 2019-10-18 | 浙江大学 | 基于人工神经网络实现多柱连续流层析设计及分析的方法 |
| CN111377404A (zh) * | 2018-12-27 | 2020-07-07 | 中国石油化工股份有限公司 | 存储器、变压吸附的最优吸附时间确定方法、装置及设备 |
| CN115097268A (zh) * | 2022-06-22 | 2022-09-23 | 上海科技大学 | 一种穿透检测方法、穿透检测装置、存储介质及电子设备 |
| US20220311035A1 (en) * | 2020-02-25 | 2022-09-29 | Micro Control Systems Ltd. | Apparatus and method for generating nitrogen gas through dehumidifying and filtering fuel-cell exhaust gas |
-
2022
- 2022-10-28 CN CN202211331655.8A patent/CN115798618A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109255132A (zh) * | 2017-07-12 | 2019-01-22 | 中国石油化工股份有限公司 | 一种变压吸附的最优吸附时间的确定方法及*** |
| CN109188916A (zh) * | 2018-11-13 | 2019-01-11 | 苏州日尚医疗科技有限公司 | 一种基于模糊神经网络的制氧机压力控制方法 |
| CN111377404A (zh) * | 2018-12-27 | 2020-07-07 | 中国石油化工股份有限公司 | 存储器、变压吸附的最优吸附时间确定方法、装置及设备 |
| CN110348090A (zh) * | 2019-06-28 | 2019-10-18 | 浙江大学 | 基于人工神经网络实现多柱连续流层析设计及分析的方法 |
| US20220311035A1 (en) * | 2020-02-25 | 2022-09-29 | Micro Control Systems Ltd. | Apparatus and method for generating nitrogen gas through dehumidifying and filtering fuel-cell exhaust gas |
| CN115097268A (zh) * | 2022-06-22 | 2022-09-23 | 上海科技大学 | 一种穿透检测方法、穿透检测装置、存储介质及电子设备 |
Non-Patent Citations (4)
| Title |
|---|
| FENG YE 等: "Artificial neural network based optimization for hydrogen purification performance of pressure swing adsorption", 《HYDROGEN ENERGY》 * |
| JINSHENG XIAO 等: "Machine learning-based optimization for hydrogen purification performance of layered bed pressure swing adsorption", 《INTERNATIONAL JOURNAL OF ENERGY RESEARCH》 * |
| 李成龙 等: "层状床变压吸附氢气纯化性能的优化", 《武汉理工大学学报(交通科学与工程版)》 * |
| 马硕: "氢气纯化变压吸附层状床的性能优化", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Le Moullec et al. | Screening of flowsheet modifications for an efficient monoethanolamine (MEA) based post-combustion CO2 capture | |
| Jiang et al. | Simulation and optimal design of multiple‐bed pressure swing adsorption systems | |
| Ding et al. | Optimization and analysis of the VPSA process for industrial-scale oxygen production | |
| Maruyama et al. | Improving the performance of vacuum swing adsorption based CO2 capture under reduced recovery requirements | |
| CN109985487B (zh) | 一种基于Fluent的变压吸附碳捕集的优化方法 | |
| Khurana et al. | Integrated adsorbent‐process optimization for carbon capture and concentration using vacuum swing adsorption cycles | |
| WO2021008242A1 (zh) | 一种采用化学吸收法碳捕集技术的热力学循环构建方法 | |
| Canevesi et al. | Evaluation of simplified pressure swing adsorption cycles for bio-methane production | |
| Canevesi et al. | Towards a design of a pressure swing adsorption unit for small scale biogas upgrading at | |
| Yu et al. | Design and experiment of high-productivity two-stage vacuum pressure swing adsorption process for carbon capturing from dry flue gas | |
| Chen et al. | Performance analysis of solar-assisted CO2 adsorption capture system based on dynamic simulation | |
| Ward et al. | Efficient bayesian optimization of industrial-scale pressure-vacuum swing adsorption processes for co2 capture | |
| Pai et al. | Experimental validation of an adsorbent-agnostic artificial neural network (ANN) framework for the design and optimization of cyclic adsorption processes | |
| Han et al. | Vacuum pressure swing adsorption system for N2/CH4 separation under uncertainty | |
| CN115798618A (zh) | 一种变压吸附高效提纯氢气的优化方法及*** | |
| Sun et al. | Modeling and simulation of dynamic characteristics of a green ammonia synthesis system | |
| CN112231978B (zh) | 一种基于人工神经网络的锅炉烟气酸露点测试方法 | |
| Zheng et al. | Orthogonal numerical simulation on multi-factor design for rapid pressure swing adsorption | |
| Ma et al. | Numerical study of mass transfer and desorption behaviors in deformable porous media using a coupling lattice Boltzmann model | |
| Li et al. | Multi-objective optimization of breakthrough times for hydrogen purification through layered bed pressure swing adsorption based on genetic algorithm and artificial neural network model | |
| Prayoga et al. | Design of an Embedded Controller and Optimal Algorithm of PSA for a Novel Medical Oxygen Concentrator. | |
| CN114849420B (zh) | 一种基于气汽换热吸附装置的强化***及方法 | |
| Wang et al. | Pressure swing adsorption optimization strategies for CO2 capture | |
| Dehjalali et al. | A design procedure for the assessment of carbon capturing and utilization of flue gas from power plant using experimental data | |
| CN115906646A (zh) | 一种快速预测不同温度和压力下气体吸附量的方法和*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230314 |
|
| RJ01 | Rejection of invention patent application after publication |