JP3028390B2 - 冷凍機の稼働エネルギー量推定装置 - Google Patents
冷凍機の稼働エネルギー量推定装置Info
- Publication number
- JP3028390B2 JP3028390B2 JP5090423A JP9042393A JP3028390B2 JP 3028390 B2 JP3028390 B2 JP 3028390B2 JP 5090423 A JP5090423 A JP 5090423A JP 9042393 A JP9042393 A JP 9042393A JP 3028390 B2 JP3028390 B2 JP 3028390B2
- Authority
- JP
- Japan
- Prior art keywords
- refrigerator
- steam
- amount
- input
- model
- 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.)
- Expired - Fee Related
Links
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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/27—Relating to heating, ventilation or air conditioning [HVAC] technologies
-
- 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
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/62—Absorption based systems
Landscapes
- Feedback Control In General (AREA)
- Sorption Type Refrigeration Machines (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、冷凍機を用いた地域冷
暖房システム等においてシステムの状況が動的に様々に
変化する場合に、冷凍機に必要な熱量を推定する冷凍機
の稼働エネルギー量推定装置に関する。
暖房システム等においてシステムの状況が動的に様々に
変化する場合に、冷凍機に必要な熱量を推定する冷凍機
の稼働エネルギー量推定装置に関する。
【０００２】
【従来の技術】従来この種の冷凍機稼働エネルギー推定
装置は、システムの状況が動的に様々に変化するような
場合は、冷凍機器メーカから提示される機器の性能特性
表、即ち、冷水入口温度より算定される冷水熱量と冷凍
機を稼働するために必要な蒸気量との対応表を用い、現
在の冷水熱量とこの対応表とから冷凍機に与える蒸気量
を推定するようにしている。また、回帰モデル等の数学
モデルを用いて、冷水入口温度等の入力変数の現在の値
から蒸気量の推定を行なうようにしたものもある。
装置は、システムの状況が動的に様々に変化するような
場合は、冷凍機器メーカから提示される機器の性能特性
表、即ち、冷水入口温度より算定される冷水熱量と冷凍
機を稼働するために必要な蒸気量との対応表を用い、現
在の冷水熱量とこの対応表とから冷凍機に与える蒸気量
を推定するようにしている。また、回帰モデル等の数学
モデルを用いて、冷水入口温度等の入力変数の現在の値
から蒸気量の推定を行なうようにしたものもある。
【０００３】
【発明が解決しようとする課題】しかしながらメーカか
ら提示される機器の性能特性表を用いた推定方法では、
特性表が冷凍機単体での性能を表した理想状態のもので
あることから、冷凍機がシステムの中に組み込まれた状
態では蒸気量の推定誤差が大きくなるという欠点があっ
た。また、回帰モデルを用いた方式では、機器の構成が
複雑であるため、機器のどの部分を入力変数として用い
るかが明確ではなく、したがって要求される精度が得ら
れないのが現状である．また、入力変数を、外気温度，
冷凍機の内部状態である冷水入口温度，高圧再生器の出
口温度，及び冷媒蒸発器の出口温度に定めたとしても、
これらの入力変数の組は非線形のデータとなるため、数
学的に線形形式で記述することが困難であり、たとえ線
形形式の組み合わせによる記述が可能になったとして
も、組分けが困難であるという欠点があった。また、非
線形形式を用いてモデリングしても、次数の決定やパラ
メータが通常運転時のデータに偏ってしまうため、全レ
ンジをカバーするような包括的なモデルが生成できない
という欠点もあった。また、回帰モデルの性能評価は、
平均誤差といった統計量としてしか扱えず、様々な状態
に対する各々の精度を評価することは困難であり、性能
劣化診断としては扱い難いという欠点もあった。
ら提示される機器の性能特性表を用いた推定方法では、
特性表が冷凍機単体での性能を表した理想状態のもので
あることから、冷凍機がシステムの中に組み込まれた状
態では蒸気量の推定誤差が大きくなるという欠点があっ
た。また、回帰モデルを用いた方式では、機器の構成が
複雑であるため、機器のどの部分を入力変数として用い
るかが明確ではなく、したがって要求される精度が得ら
れないのが現状である．また、入力変数を、外気温度，
冷凍機の内部状態である冷水入口温度，高圧再生器の出
口温度，及び冷媒蒸発器の出口温度に定めたとしても、
これらの入力変数の組は非線形のデータとなるため、数
学的に線形形式で記述することが困難であり、たとえ線
形形式の組み合わせによる記述が可能になったとして
も、組分けが困難であるという欠点があった。また、非
線形形式を用いてモデリングしても、次数の決定やパラ
メータが通常運転時のデータに偏ってしまうため、全レ
ンジをカバーするような包括的なモデルが生成できない
という欠点もあった。また、回帰モデルの性能評価は、
平均誤差といった統計量としてしか扱えず、様々な状態
に対する各々の精度を評価することは困難であり、性能
劣化診断としては扱い難いという欠点もあった。
【０００４】したがって本発明は、冷凍機を含むシステ
ムの状況が動的に様々に変化する場合に冷凍機へ与える
蒸気量を正確に推定することを目的とする。
ムの状況が動的に様々に変化する場合に冷凍機へ与える
蒸気量を正確に推定することを目的とする。
【０００５】
【課題を解決するための手段】このような課題を解決す
るために本発明は、冷凍機の外部状態である外気温度，
冷凍機の内部状態である冷水入口温度，再生器の出口温
度，及び冷媒蒸発器の出口温度をそれぞれ入力変数とす
るとともに、これら入力変数の状態と冷凍機を稼働する
に要する蒸気量とを関連づけて一組の事例データとし、
かつ、予め得られた複数組の事例データに基づきモデル
を生成する冷凍機入出力関係モデリング手段と、生成さ
れたモデルを用い新たな入力状況に対する蒸気量を推定
する推論手段と、推論手段が前回の保守時期のモデル値
を示す蒸気量と現在の蒸気量とに基づいて推定した蒸気
量に基づき冷凍機の保守時期を指示する手段と、上記推
定蒸気量と、ガス料金及び電気料金を含むエネルギー単
価とに基づき冷凍機を含むシステムにおける運転コスト
の最小情報を生成する手段とを設けたものである。
るために本発明は、冷凍機の外部状態である外気温度，
冷凍機の内部状態である冷水入口温度，再生器の出口温
度，及び冷媒蒸発器の出口温度をそれぞれ入力変数とす
るとともに、これら入力変数の状態と冷凍機を稼働する
に要する蒸気量とを関連づけて一組の事例データとし、
かつ、予め得られた複数組の事例データに基づきモデル
を生成する冷凍機入出力関係モデリング手段と、生成さ
れたモデルを用い新たな入力状況に対する蒸気量を推定
する推論手段と、推論手段が前回の保守時期のモデル値
を示す蒸気量と現在の蒸気量とに基づいて推定した蒸気
量に基づき冷凍機の保守時期を指示する手段と、上記推
定蒸気量と、ガス料金及び電気料金を含むエネルギー単
価とに基づき冷凍機を含むシステムにおける運転コスト
の最小情報を生成する手段とを設けたものである。
【０００６】
【作用】冷凍機の外部状態である外気温度及び冷凍機の
内部状態である冷水入口温度等の入力変数と出力変数で
ある蒸気量とを関連づけてモデルの作成を行うと共に、
新たな入力状況に対してはこの生成されたモデルに基づ
き蒸気量を推定し、かつ前回の保守時期の蒸気量と現在
の蒸気量とに基づいて推定された蒸気量から冷凍機の保
守時期を指示するとともに、推定蒸気量と、ガス料金及
び電気料金を含むエネルギー単価とに基づき冷凍機を含
むシステムの運転コストの最小情報を生成する。この結
果、冷凍機を用いたシステムの状況が動的に様々に変化
する場合に冷凍機に与える蒸気量を正確に推定すること
ができ、したがって冷凍機の適切な保守時期及びシステ
ムの運転コストの最小情報を得ることができる。
内部状態である冷水入口温度等の入力変数と出力変数で
ある蒸気量とを関連づけてモデルの作成を行うと共に、
新たな入力状況に対してはこの生成されたモデルに基づ
き蒸気量を推定し、かつ前回の保守時期の蒸気量と現在
の蒸気量とに基づいて推定された蒸気量から冷凍機の保
守時期を指示するとともに、推定蒸気量と、ガス料金及
び電気料金を含むエネルギー単価とに基づき冷凍機を含
むシステムの運転コストの最小情報を生成する。この結
果、冷凍機を用いたシステムの状況が動的に様々に変化
する場合に冷凍機に与える蒸気量を正確に推定すること
ができ、したがって冷凍機の適切な保守時期及びシステ
ムの運転コストの最小情報を得ることができる。
【０００７】
【実施例】次に本発明について図面を参照して説明す
る。図３は、本発明が適用される冷凍機の構成を示す図
であり、同図において、１１は冷凍部、１２は再生器、
１３は凝縮器を示している。ここで、冷凍部１１は暖め
られたユーザからの還水を得ると液体の気化熱を利用し
てこれを冷却し、ユーザへ冷水として供給するものであ
る。この場合、ユーザからの還水が冷却されることによ
り発生する蒸気は臭化リチウム（ＬｉＢｒ）の吸収液で
吸収されるが、次第に吸収液が薄くなって吸収能力が弱
くなる。このため、吸収液を再生器（高圧再生器）１２
で加熱して濃縮するとともに、吸収液を加熱した際に再
生器１２に生じる蒸気を凝縮器１３で液化して冷媒液と
し、この冷媒液によりユーザへ供給される冷水をさらに
冷却するようにしている。
る。図３は、本発明が適用される冷凍機の構成を示す図
であり、同図において、１１は冷凍部、１２は再生器、
１３は凝縮器を示している。ここで、冷凍部１１は暖め
られたユーザからの還水を得ると液体の気化熱を利用し
てこれを冷却し、ユーザへ冷水として供給するものであ
る。この場合、ユーザからの還水が冷却されることによ
り発生する蒸気は臭化リチウム（ＬｉＢｒ）の吸収液で
吸収されるが、次第に吸収液が薄くなって吸収能力が弱
くなる。このため、吸収液を再生器（高圧再生器）１２
で加熱して濃縮するとともに、吸収液を加熱した際に再
生器１２に生じる蒸気を凝縮器１３で液化して冷媒液と
し、この冷媒液によりユーザへ供給される冷水をさらに
冷却するようにしている。
【０００８】本発明では、吸収液を加熱凝縮する再生器
１２に対し蒸気量を供給する際の供給量を推定するもの
である。図１は本発明に係る冷凍器の稼働エネルギー量
推定装置の一実施例を示す機能ブロック図であり、入出
力関係モデリング手段１、入出力関係モデル記憶部２、
推論手段３、推定蒸気量記憶部４、性能劣化指標生成手
段５、最適運転情報生成手段６から構成される。
１２に対し蒸気量を供給する際の供給量を推定するもの
である。図１は本発明に係る冷凍器の稼働エネルギー量
推定装置の一実施例を示す機能ブロック図であり、入出
力関係モデリング手段１、入出力関係モデル記憶部２、
推論手段３、推定蒸気量記憶部４、性能劣化指標生成手
段５、最適運転情報生成手段６から構成される。
【０００９】ところで、上記冷凍機には、入力変数とし
て図３の記号Ａ〜Ｇで示す各部の温度が考えられる。即
ち、冷水入口Ａの温度である冷水入口温度，冷水塔入口
Ｂの温度，再生器１２の出口Ｃの温度である高圧再生器
出口温度，低圧再生器１４の出口Ｄの温度，凝縮器１３
の出口Ｅの温度（冷媒凝縮器出口温度），Ｆ点で示す冷
媒蒸発器の出口温度，Ｇ点で示す冷水出口温度及び冷凍
機の外部条件である外気温度，外気湿度が考えられる。
本実施例の入出力関係モデリング手段１では、これらの
入力変数のうち外気温、冷水入口温度、再生器１２の出
口温度及び冷媒蒸発器出口温度の４つの要素をそれぞれ
入力変数とすると共に、再生器１２に与える蒸気量を出
力変数とし、過去のこれらの入出力変数から入出力関係
モデルを生成して入出力関係モデル記憶部２に記憶する
ものである。また、推論手段３は、新たに入力変数の状
況が発生した場合に、これを入力して入出力関係モデル
記憶部２に記憶されている過去の入出力関係モデルに基
づき推論を行い、出力変数としての蒸気量を推定すると
共に、この推定蒸気量を推定蒸気量記憶部４に記憶する
ものである。また、性能劣化指標生成手段５は、上記推
定蒸気量に基づき冷凍機の性能劣化の指標を生成し冷凍
機の適切な保守時期を指示するものである。また、最適
運転情報生成手段６は、上記推定蒸気量に基づき冷凍機
の最適運転を行うための情報を生成するものである。
て図３の記号Ａ〜Ｇで示す各部の温度が考えられる。即
ち、冷水入口Ａの温度である冷水入口温度，冷水塔入口
Ｂの温度，再生器１２の出口Ｃの温度である高圧再生器
出口温度，低圧再生器１４の出口Ｄの温度，凝縮器１３
の出口Ｅの温度（冷媒凝縮器出口温度），Ｆ点で示す冷
媒蒸発器の出口温度，Ｇ点で示す冷水出口温度及び冷凍
機の外部条件である外気温度，外気湿度が考えられる。
本実施例の入出力関係モデリング手段１では、これらの
入力変数のうち外気温、冷水入口温度、再生器１２の出
口温度及び冷媒蒸発器出口温度の４つの要素をそれぞれ
入力変数とすると共に、再生器１２に与える蒸気量を出
力変数とし、過去のこれらの入出力変数から入出力関係
モデルを生成して入出力関係モデル記憶部２に記憶する
ものである。また、推論手段３は、新たに入力変数の状
況が発生した場合に、これを入力して入出力関係モデル
記憶部２に記憶されている過去の入出力関係モデルに基
づき推論を行い、出力変数としての蒸気量を推定すると
共に、この推定蒸気量を推定蒸気量記憶部４に記憶する
ものである。また、性能劣化指標生成手段５は、上記推
定蒸気量に基づき冷凍機の性能劣化の指標を生成し冷凍
機の適切な保守時期を指示するものである。また、最適
運転情報生成手段６は、上記推定蒸気量に基づき冷凍機
の最適運転を行うための情報を生成するものである。
【００１０】以下、上記各手段の機能動作について詳細
に説明する。図２は、本装置の要部である推論手段３の
具体的な構成を示す機能ブロック図である。同図におい
て、推論手段３は、類似度決定手段３１、類似事例検索
手段３２、重要度決定手段３３、事例統合手段３４、信
憑性計算手段３５、及び出力手段３６から構成される。
この推論手段３は、新事例データ、つまり新たな入力変
数から蒸気量を推論する場合、位相（ｔｏｐｏｌｏｇ
ｙ）に基づいて推論するようにしている。この位相と
は、集合に連続の概念が定義できるように与えられる構
造のことを言い、例えば新事例データと過去の事例デー
タとの距離や類似性の近さ等を示している。以下、推論
手段３の蒸気量推定の動作を詳細に説明する。
に説明する。図２は、本装置の要部である推論手段３の
具体的な構成を示す機能ブロック図である。同図におい
て、推論手段３は、類似度決定手段３１、類似事例検索
手段３２、重要度決定手段３３、事例統合手段３４、信
憑性計算手段３５、及び出力手段３６から構成される。
この推論手段３は、新事例データ、つまり新たな入力変
数から蒸気量を推論する場合、位相（ｔｏｐｏｌｏｇ
ｙ）に基づいて推論するようにしている。この位相と
は、集合に連続の概念が定義できるように与えられる構
造のことを言い、例えば新事例データと過去の事例デー
タとの距離や類似性の近さ等を示している。以下、推論
手段３の蒸気量推定の動作を詳細に説明する。
【００１１】ここで、推論手段３により蒸気量を推定す
る前にまず、入出力関係モデリング手段１により過去の
事例データ、即ち上記した過去の入出力変数について事
例ベースを作成する。即ち、まず入力空間を離散化して
有限個の入力事象に分割し、同一入力現象に属する入出
力データを統合化することで１つの事例を生成する。こ
のとき過去の事例である既存事例の条件部、つまり外気
温や冷水入口温度等のデータは、離散化された入力デー
タ｛Ｘ１，Ｘ２，・・・，Ｘｎ｝となり、また既存事例
の結論部、つまり蒸気量は、出力データの重心値Ｙ，同
一入力事象が起こった回数ｎ及びその偏微分値の重心値
ΔＹ／ΔＸ１，・・・，ΔＹ／ΔＸｎ、即ち｛Ｙ，ｎ，
ΔＹ／ΔＸ１，・・・，ΔＹ／ΔＸｎ｝となる。
る前にまず、入出力関係モデリング手段１により過去の
事例データ、即ち上記した過去の入出力変数について事
例ベースを作成する。即ち、まず入力空間を離散化して
有限個の入力事象に分割し、同一入力現象に属する入出
力データを統合化することで１つの事例を生成する。こ
のとき過去の事例である既存事例の条件部、つまり外気
温や冷水入口温度等のデータは、離散化された入力デー
タ｛Ｘ１，Ｘ２，・・・，Ｘｎ｝となり、また既存事例
の結論部、つまり蒸気量は、出力データの重心値Ｙ，同
一入力事象が起こった回数ｎ及びその偏微分値の重心値
ΔＹ／ΔＸ１，・・・，ΔＹ／ΔＸｎ、即ち｛Ｙ，ｎ，
ΔＹ／ΔＸ１，・・・，ΔＹ／ΔＸｎ｝となる。
【００１２】なお、上記した各偏微分値とは、各入力変
数の変化量に対する出力（蒸気量）の変化量であり、こ
の場合各入出力変数が連続データであることから、この
偏微分値ΔＹ／ΔＸｉ（ｔ）は（１）式により計算する
ことができる。
数の変化量に対する出力（蒸気量）の変化量であり、こ
の場合各入出力変数が連続データであることから、この
偏微分値ΔＹ／ΔＸｉ（ｔ）は（１）式により計算する
ことができる。
【００１３】
【数１】
【００１４】以上のように既存事例について事例ベース
の作成を行った後、次に新事例についての推論を推論手
段３により行う。まず、新事例の条件部（新たな入力変
数）を｛Ｘｉ* ｝（ｉ＝１，２，・・・，ｎ）とし、既
存事例を｛Ｘｉ，Ｙ，ｎ，ΔＹ／ΔＸｉ｝（ｉ＝１，
２，・・・，ｎ）とする。ここで、新事例の条件部は、
入力と同時に上記のように離散化され、かつ象徴化され
ている。
の作成を行った後、次に新事例についての推論を推論手
段３により行う。まず、新事例の条件部（新たな入力変
数）を｛Ｘｉ* ｝（ｉ＝１，２，・・・，ｎ）とし、既
存事例を｛Ｘｉ，Ｙ，ｎ，ΔＹ／ΔＸｉ｝（ｉ＝１，
２，・・・，ｎ）とする。ここで、新事例の条件部は、
入力と同時に上記のように離散化され、かつ象徴化され
ている。
【００１５】ここで新事例の推論を行う場合は、まず新
事例に対する既存事例の類似度を類似度決定手段３１に
より決定する（この類似度とは、位相における近傍系と
いう概念に相応する）。新事例に対する既存事例の類似
度は次のような定義により決定される。即ち、 類似度０は、｜Ｘｉ* −Ｘｉ｜＝０ （ｉ＝１，
２，・・・，ｎ） 類似度１は、｜Ｘｉ* −Ｘｉ｜≦ｑXi （ｉ＝１，
２，・・・，ｎ） 類似度２は、｜Ｘｉ* −Ｘｉ｜≦ｑXi＋１（ｉ＝１，
２，・・・，ｎ） 類似度３は、｜Ｘｉ* −Ｘｉ｜≦ｑXi＋２（ｉ＝１，
２，・・・，ｎ） のように定義する。ここで、ｑXiはしきい値と呼ばれ、
既存事例データから、Ｙ（既存事例の結論部）の許容精
度に対するＸｉ（既存事例の条件部）の分散により決定
したデジット値である。
事例に対する既存事例の類似度を類似度決定手段３１に
より決定する（この類似度とは、位相における近傍系と
いう概念に相応する）。新事例に対する既存事例の類似
度は次のような定義により決定される。即ち、 類似度０は、｜Ｘｉ* −Ｘｉ｜＝０ （ｉ＝１，
２，・・・，ｎ） 類似度１は、｜Ｘｉ* −Ｘｉ｜≦ｑXi （ｉ＝１，
２，・・・，ｎ） 類似度２は、｜Ｘｉ* −Ｘｉ｜≦ｑXi＋１（ｉ＝１，
２，・・・，ｎ） 類似度３は、｜Ｘｉ* −Ｘｉ｜≦ｑXi＋２（ｉ＝１，
２，・・・，ｎ） のように定義する。ここで、ｑXiはしきい値と呼ばれ、
既存事例データから、Ｙ（既存事例の結論部）の許容精
度に対するＸｉ（既存事例の条件部）の分散により決定
したデジット値である。
【００１６】次に、類似事例検索手段３２により既存事
例の中から新事例に対する類似事例を検索する。新事例
に対する類似度が高い順に、最適事例の既存事例を類似
事例として抽出する。この最適事例数は、例えば既存事
例によるシミュレーションから最も推論が良くなる事例
数を選択する。同一類似度の既存事例が最適事例数より
多く存在する場合は、各変数ＸｉがＹに与える影響度、
即ち相関係数ＲXiの大小によって各変数に優先度を設定
して抽出する。
例の中から新事例に対する類似事例を検索する。新事例
に対する類似度が高い順に、最適事例の既存事例を類似
事例として抽出する。この最適事例数は、例えば既存事
例によるシミュレーションから最も推論が良くなる事例
数を選択する。同一類似度の既存事例が最適事例数より
多く存在する場合は、各変数ＸｉがＹに与える影響度、
即ち相関係数ＲXiの大小によって各変数に優先度を設定
して抽出する。
【００１７】次に、重要度決定手段３３により、新事例
に対する類似事例の重要度を決定する。入力空間に距離
を定義して事例間の位相を考慮する。ここでは例として
（２）式に示すような距離Ｌを導入する。
に対する類似事例の重要度を決定する。入力空間に距離
を定義して事例間の位相を考慮する。ここでは例として
（２）式に示すような距離Ｌを導入する。
【００１８】
【数２】
【００１９】ここで、Φｉは変数Ｘｉにおける距離の重
みである。そして抽出されたｍ個の類似事例の推論時の
重要度Ｗｊを（３）式を用いて定義する。即ち、
みである。そして抽出されたｍ個の類似事例の推論時の
重要度Ｗｊを（３）式を用いて定義する。即ち、
【００２０】
【数３】
【００２１】なお図６は、このような類似事例の重要
度、即ち類似事例の重み付け前後の状況を説明する説明
図である。事例統合手段３４は、こうして抽出された最
適事例数ｍ個の類似事例を用い、新事例Ｘｉ* （ｉ＝
１，２，・・・，ｎ）に対する推論値Ｙ* を（４）式を
用いて計算し統合化する。
度、即ち類似事例の重み付け前後の状況を説明する説明
図である。事例統合手段３４は、こうして抽出された最
適事例数ｍ個の類似事例を用い、新事例Ｘｉ* （ｉ＝
１，２，・・・，ｎ）に対する推論値Ｙ* を（４）式を
用いて計算し統合化する。
【００２２】
【数４】
【００２３】ここで、Ｌｉｊはｉ番目の事例のｊ入力変
数軸上での入力データからの距離、Ｙｉはｉ番目の類似
既存事例の結論値、ΔＹ／ΔＸｊはｉ番目の類似既存事
例のｊ番目の変動が結論値に与える変動の割合をそれぞ
れ示している。
数軸上での入力データからの距離、Ｙｉはｉ番目の類似
既存事例の結論値、ΔＹ／ΔＸｊはｉ番目の類似既存事
例のｊ番目の変動が結論値に与える変動の割合をそれぞ
れ示している。
【００２４】次に推論結果の信憑性判定を信憑性計算手
段３５の計算結果に基づいて行う。即ち、推論に使用さ
れた類似事例の新事例に対する類似度を用い、推論結果
に対する信憑性を判定する。例えば、推論に用いられた
類似事例の新事例に対する類似度の中で、最も高い類似
度がこの推論結果に対する信憑性であると定義すると、
最も高い類似度が「１」である推論結果は、信憑性が
「１」であると判定される。この場合、信憑性「０」が
最も信憑度が高く、数字が大きくなるにつれ信憑度が低
くなる。出力手段３６は、こうして得られた推論結果
（新事例の結論部、即ち推定蒸気量）及びその信憑性を
出力すると共に、この際に推論に使用した類似事例を出
力することもできる。
段３５の計算結果に基づいて行う。即ち、推論に使用さ
れた類似事例の新事例に対する類似度を用い、推論結果
に対する信憑性を判定する。例えば、推論に用いられた
類似事例の新事例に対する類似度の中で、最も高い類似
度がこの推論結果に対する信憑性であると定義すると、
最も高い類似度が「１」である推論結果は、信憑性が
「１」であると判定される。この場合、信憑性「０」が
最も信憑度が高く、数字が大きくなるにつれ信憑度が低
くなる。出力手段３６は、こうして得られた推論結果
（新事例の結論部、即ち推定蒸気量）及びその信憑性を
出力すると共に、この際に推論に使用した類似事例を出
力することもできる。
【００２５】このように入出力関係モデリング手段１に
より、入出力変数の時系列履歴データから得られる入出
力関係の組のデータを象徴化した事例を生成し入出力関
係モデルを生成すると共に、推論手段３は、新たな入力
変数を入力した場合に、生成された過去の入出力関係モ
デルとの距離や類似性の近さから出力変数である蒸気量
を推論するようにしたものである。
より、入出力変数の時系列履歴データから得られる入出
力関係の組のデータを象徴化した事例を生成し入出力関
係モデルを生成すると共に、推論手段３は、新たな入力
変数を入力した場合に、生成された過去の入出力関係モ
デルとの距離や類似性の近さから出力変数である蒸気量
を推論するようにしたものである。
【００２６】なお、本実施例では、入出力関係の遅れ時
間を考慮しないため同一時刻に得られた履歴データから
入出力関係モデルを生成すると共に、この場合の入力空
間の離散化数を「３０」として設定した。また、上記の
性能劣化指標生成手段５において用いられ冷凍機の入出
力関係モデルを示す性能劣化診断モデルは、１時間のデ
ータを１組のデータとして扱い、また最適運転情報生成
手段６において用いられ上記入出力関係モデルである冷
凍機の最適運転情報モデルは、３０分のデータを１組の
データとして扱った。これは、それぞれの目的に応じて
処理を行なうタイミングが異なるためである。また、こ
れらモデリング用のデータは１９９２年６月の第２〜第
３週の実際稼働している冷凍機から計測されたデータと
外気温の実測値データの半分を用いて行ない、他の半分
のデータは生成された入出力関係モデルを検証するため
に使用した。
間を考慮しないため同一時刻に得られた履歴データから
入出力関係モデルを生成すると共に、この場合の入力空
間の離散化数を「３０」として設定した。また、上記の
性能劣化指標生成手段５において用いられ冷凍機の入出
力関係モデルを示す性能劣化診断モデルは、１時間のデ
ータを１組のデータとして扱い、また最適運転情報生成
手段６において用いられ上記入出力関係モデルである冷
凍機の最適運転情報モデルは、３０分のデータを１組の
データとして扱った。これは、それぞれの目的に応じて
処理を行なうタイミングが異なるためである。また、こ
れらモデリング用のデータは１９９２年６月の第２〜第
３週の実際稼働している冷凍機から計測されたデータと
外気温の実測値データの半分を用いて行ない、他の半分
のデータは生成された入出力関係モデルを検証するため
に使用した。
【００２７】ここで、実際に冷凍機の性能劣化診断およ
び最適運転情報の各入出力関係モデルを生成し推論手段
３により検証データを用いて推定を行なった結果をそれ
ぞれ図４、図５に示す。なお、図中、実線は実測値、点
線はモデルによる推定値を表す。即ち、図４に示す性能
劣化診断モデル推定結果によれば、誤差（｜実測値ー推
定値｜／実測値）は約４％であり、また図５の最適運転
情報モデル推定結果によれば、誤差は約７％となり、回
帰モデル等の数式モデルを用いた推定結果の誤差約２５
％に対しはるかに高精度の推定結果が得られる。
び最適運転情報の各入出力関係モデルを生成し推論手段
３により検証データを用いて推定を行なった結果をそれ
ぞれ図４、図５に示す。なお、図中、実線は実測値、点
線はモデルによる推定値を表す。即ち、図４に示す性能
劣化診断モデル推定結果によれば、誤差（｜実測値ー推
定値｜／実測値）は約４％であり、また図５の最適運転
情報モデル推定結果によれば、誤差は約７％となり、回
帰モデル等の数式モデルを用いた推定結果の誤差約２５
％に対しはるかに高精度の推定結果が得られる。
【００２８】次に、これらのモデルを用いて冷凍機の性
能劣化指標を生成する性能劣化指標生成手段５及び冷凍
機の最適運転情報を生成する最適運転情報生成手段６に
ついて説明する。まず、性能劣化指標生成手段５から説
明する。性能劣化指標生成手段５は、上記の入出力関係
モデルを使用して、冷凍機の性能維持、保全のためのメ
ンテナンス時期の指標を生成する。この指標は、前回の
メンテナンスを行なった時期のモデルを作成しておき、
それと同一のシステムの状態に対する現在の蒸気量がメ
ンテナンス当初の値に対しどれだけエネルギーロスをし
ているかにより次回のメンテナンス時期の判定を行なう
ものである。図７は、このような保守時期の指標の生成
状況を示す図である。図７をもとに性能劣化指標生成手
段５について具体的に説明する。図７では、時間を横軸
に、蒸気量を縦軸にとりグラフ化する。そして、蒸気量
に関して、メンテナンスの当初の値（モデル値）を上記
グラフに記入し、かつ冷凍機の性能劣化がこれ以上無視
できない値を警告値として上記グラフに記入するととも
に、これ以上性能劣化したなら冷凍機の使用を中止しな
くてはならない値を限界値として上記グラフに記入す
る。さらに時間軸上に冷凍機の稼働期を記入しておく。
そして、現在の蒸気量が上記警告値になったならば、前
回のメンテナンスを行った時期の蒸気量（当初の値）と
現在の蒸気量（警告値）間のトレンド線を記入し、その
トレンド線を将来に蒸気量が上記限界値に達するところ
まで延長する。これにより、現在と、蒸気量が上記限界
値に達する時期との間にあって、上記冷凍機の稼働期を
除いた時期（保守予測時期）に次回のメンテナンスを行
えば良いということが事前に判定される。ここで重要な
ことはシステムの同一の状態を識別できることで、これ
は、上記した推論手段３における類似度により判定が可
能となっている。
能劣化指標を生成する性能劣化指標生成手段５及び冷凍
機の最適運転情報を生成する最適運転情報生成手段６に
ついて説明する。まず、性能劣化指標生成手段５から説
明する。性能劣化指標生成手段５は、上記の入出力関係
モデルを使用して、冷凍機の性能維持、保全のためのメ
ンテナンス時期の指標を生成する。この指標は、前回の
メンテナンスを行なった時期のモデルを作成しておき、
それと同一のシステムの状態に対する現在の蒸気量がメ
ンテナンス当初の値に対しどれだけエネルギーロスをし
ているかにより次回のメンテナンス時期の判定を行なう
ものである。図７は、このような保守時期の指標の生成
状況を示す図である。図７をもとに性能劣化指標生成手
段５について具体的に説明する。図７では、時間を横軸
に、蒸気量を縦軸にとりグラフ化する。そして、蒸気量
に関して、メンテナンスの当初の値（モデル値）を上記
グラフに記入し、かつ冷凍機の性能劣化がこれ以上無視
できない値を警告値として上記グラフに記入するととも
に、これ以上性能劣化したなら冷凍機の使用を中止しな
くてはならない値を限界値として上記グラフに記入す
る。さらに時間軸上に冷凍機の稼働期を記入しておく。
そして、現在の蒸気量が上記警告値になったならば、前
回のメンテナンスを行った時期の蒸気量（当初の値）と
現在の蒸気量（警告値）間のトレンド線を記入し、その
トレンド線を将来に蒸気量が上記限界値に達するところ
まで延長する。これにより、現在と、蒸気量が上記限界
値に達する時期との間にあって、上記冷凍機の稼働期を
除いた時期（保守予測時期）に次回のメンテナンスを行
えば良いということが事前に判定される。ここで重要な
ことはシステムの同一の状態を識別できることで、これ
は、上記した推論手段３における類似度により判定が可
能となっている。
【００２９】次に最適運転情報生成手段６は、地域冷暖
房システムまたは、その他冷凍機を含むシステムにおい
て最適運転を行なうために必要な情報を提示する例とし
て運転コストを最小にする最適運転情報を生成する。こ
の場合、上記の入出力関係モデルを用いれば入力状況に
他の予測モデルによる予測値またはオペレータによる予
測値を設定することで蒸気量を推定できる。或いは、冷
凍機の入出力関係モデル自身に遅れ時間を考慮して現在
の入力状況に対する予測を行うようにしても良い。なお
図８はこのような最適運転情報の生成状況を示す図であ
る。図８をもとに最適運転情報生成手段６について具体
的に説明する。図８において、冷凍機性能特性モデル
（入出力関係モデル）に対して冷凍機各部の予測状況を
設定すると蒸気量の推測値が求められる。このため、例
えばガス式の冷凍機と電気式の冷凍機とを備えたシステ
ムにおいては、その蒸気量（１次エネルギー量）の推測
値に対してガスと電気の各々のエネルギー単価、即ちガ
ス料金単価や電気料金単価に基づき１次エネルギーコス
トがガス式の冷凍機と電気式の冷凍機とで各々求まり、
どちらが運転コスト的に最小となるかという最適計算評
価用１次エネルギーコスト（即ち、最適運転コスト情
報）が生成される。
房システムまたは、その他冷凍機を含むシステムにおい
て最適運転を行なうために必要な情報を提示する例とし
て運転コストを最小にする最適運転情報を生成する。こ
の場合、上記の入出力関係モデルを用いれば入力状況に
他の予測モデルによる予測値またはオペレータによる予
測値を設定することで蒸気量を推定できる。或いは、冷
凍機の入出力関係モデル自身に遅れ時間を考慮して現在
の入力状況に対する予測を行うようにしても良い。なお
図８はこのような最適運転情報の生成状況を示す図であ
る。図８をもとに最適運転情報生成手段６について具体
的に説明する。図８において、冷凍機性能特性モデル
（入出力関係モデル）に対して冷凍機各部の予測状況を
設定すると蒸気量の推測値が求められる。このため、例
えばガス式の冷凍機と電気式の冷凍機とを備えたシステ
ムにおいては、その蒸気量（１次エネルギー量）の推測
値に対してガスと電気の各々のエネルギー単価、即ちガ
ス料金単価や電気料金単価に基づき１次エネルギーコス
トがガス式の冷凍機と電気式の冷凍機とで各々求まり、
どちらが運転コスト的に最小となるかという最適計算評
価用１次エネルギーコスト（即ち、最適運転コスト情
報）が生成される。
【００３０】このように、外気温度、冷水入口温度、再
生器出口温度、冷媒蒸発器出口温度を入力変数として同
時に考慮し蒸気量を推定するモデルを生成し推定を行う
ようにすれば、正確な冷凍機の特性把握が可能となる。
したがって、正確な性能劣化指標を与えることが可能と
なり、この結果適切な時期に冷凍機の保守作業を行うこ
とができるため冷凍機の稼働時期である夏期に保守作業
を行なわなくてよく、また稼働時期における故障を避け
ることができる。また、地域冷暖房システムなど冷凍機
を含むシステムにおいて、最適運転を行なうために必要
な情報を与えることが可能となり、システム稼働コスト
の削減、稼働エネルギーの低減及びシステムを構成する
各機器の負荷を平準化できる。
生器出口温度、冷媒蒸発器出口温度を入力変数として同
時に考慮し蒸気量を推定するモデルを生成し推定を行う
ようにすれば、正確な冷凍機の特性把握が可能となる。
したがって、正確な性能劣化指標を与えることが可能と
なり、この結果適切な時期に冷凍機の保守作業を行うこ
とができるため冷凍機の稼働時期である夏期に保守作業
を行なわなくてよく、また稼働時期における故障を避け
ることができる。また、地域冷暖房システムなど冷凍機
を含むシステムにおいて、最適運転を行なうために必要
な情報を与えることが可能となり、システム稼働コスト
の削減、稼働エネルギーの低減及びシステムを構成する
各機器の負荷を平準化できる。
【００３１】
【発明の効果】以上説明したように、本発明は、冷凍機
の外部状態である外気温度及び冷凍機の内部状態である
冷水入口温度等の入力変数と出力変数である蒸気量とを
関連づけてモデルの作成を行うと共に、新たな入力状況
に対してはこの生成されたモデルに基づき蒸気量を推定
し、かつ前回の保守時期の蒸気量と現在の蒸気量とに基
づいて推定された蒸気量から冷凍機の保守時期を指示す
るとともに、推定蒸気量と、ガス料金及び電気料金を含
むエネルギー単価とに基づき冷凍機を含むシステムの運
転コストの最小情報を生成するようにしたので、冷凍機
を用いたシステムの状況が動的に様々に変化する場合
に、冷凍機に与える蒸気量を正確に推定することがで
き、従って冷凍機の適切な保守時期及びシステムの運転
コストの最小情報を得ることができる。
の外部状態である外気温度及び冷凍機の内部状態である
冷水入口温度等の入力変数と出力変数である蒸気量とを
関連づけてモデルの作成を行うと共に、新たな入力状況
に対してはこの生成されたモデルに基づき蒸気量を推定
し、かつ前回の保守時期の蒸気量と現在の蒸気量とに基
づいて推定された蒸気量から冷凍機の保守時期を指示す
るとともに、推定蒸気量と、ガス料金及び電気料金を含
むエネルギー単価とに基づき冷凍機を含むシステムの運
転コストの最小情報を生成するようにしたので、冷凍機
を用いたシステムの状況が動的に様々に変化する場合
に、冷凍機に与える蒸気量を正確に推定することがで
き、従って冷凍機の適切な保守時期及びシステムの運転
コストの最小情報を得ることができる。
【図１】本発明に係る冷凍機の稼働エネルギー量推定装
置の一実施例を示す機能ブロック図である。
置の一実施例を示す機能ブロック図である。
【図２】上記装置内の推論手段の機能ブロック図であ
る。
る。
【図３】上記冷凍機の構成を示す図である。
【図４】上記装置で用いられる性能劣化診断モデルに基
づく推定結果を示すグラフである。
づく推定結果を示すグラフである。
【図５】上記装置で用いられる最適運転情報モデルに基
づく推定結果を示すグラフである。
づく推定結果を示すグラフである。
【図６】上記推論手段において類似事例の重要度の計算
による重み付け状況を示す図である。
による重み付け状況を示す図である。
【図７】上記装置内の性能劣化指標生成手段による性能
劣化指標の生成状況を示す図である。
劣化指標の生成状況を示す図である。
【図８】上記装置内の最適運転情報生成手段による最適
運転情報の生成状況を示す図である。
運転情報の生成状況を示す図である。
１ 入出力関係モデリング手段 ２ 入出力関係モデル記憶部 ３ 推論手段 ４ 推定蒸気量記憶部 ５ 性能劣化指標生成手段 ６ 最適運転情報生成手段 ３１ 類似度決定手段 ３２ 類似事例検索手段 ３３ 重要度決定手段 ３４ 事例統合手段 ３５ 信憑性計算手段 ３６ 出力手段
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平４−9556（ＪＰ，Ａ) 特開 平３−100704（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) F25B 49/04
Claims (1)
- 【請求項１】 冷凍機の外部状態である外気温度，冷凍
機の内部状態である冷水入口温度，再生器の出口温度，
及び冷媒蒸発器の出口温度をそれぞれ入力変数とすると
ともに、これら入力変数の状態と冷凍機を稼働するに要
する蒸気量とを関連づけて一組の事例データとし、か
つ、 予め得られた複数組の事例データに基づきモデルを生成
する冷凍機入出力関係モデリング手段と、 生成されたモデルを用いて新たな入力状況に対する蒸気
量を推定する推論手段と、前記推論手段が前回の保守時期のモデル値を示す蒸気量
と現在の蒸気量とに基づいて 推定した蒸気量に基づき冷
凍機の保守時期を指示する手段と、 前記推論手段の推定蒸気量と、ガス料金及び電気料金を
含むエネルギー単価とに基づき冷凍機を含むシステムに
おける運転コストの最小情報を生成する手段とを備えた
ことを特徴とする冷凍機の稼働エネルギー量推定装置。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5090423A JP3028390B2 (ja) | 1993-03-26 | 1993-03-26 | 冷凍機の稼働エネルギー量推定装置 |
| US08/109,179 US5918200A (en) | 1992-08-31 | 1993-08-19 | State estimating apparatus |
| DE69328956T DE69328956T2 (de) | 1992-08-31 | 1993-08-25 | Anlage zum Schätzen des Zustands eines Systems auf der Grundlage von aufgezeichneten Eingabe-Ausgabedaten für das System |
| EP93113564A EP0590305B1 (en) | 1992-08-31 | 1993-08-25 | State estimating apparatus of a system on the basis of recorded input/output data for the system |
| CN93118822A CN1047011C (zh) | 1992-08-31 | 1993-08-31 | 状态测定装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5090423A JP3028390B2 (ja) | 1993-03-26 | 1993-03-26 | 冷凍機の稼働エネルギー量推定装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06281302A JPH06281302A (ja) | 1994-10-07 |
| JP3028390B2 true JP3028390B2 (ja) | 2000-04-04 |
Family
ID=13998203
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5090423A Expired - Fee Related JP3028390B2 (ja) | 1992-08-31 | 1993-03-26 | 冷凍機の稼働エネルギー量推定装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3028390B2 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE69532237T2 (de) * | 1994-12-28 | 2004-10-21 | Omron Tateisi Electronics Co | Verfahren und Vorrichtung für Rückschlüsse, welche ein hierarchisches Modell verwendet und Verfahren und Vorrichtung zur Steuerung |
| JP3412384B2 (ja) * | 1996-03-13 | 2003-06-03 | 株式会社日立製作所 | 制御モデル構築支援装置 |
| JP4585983B2 (ja) * | 2006-03-27 | 2010-11-24 | 株式会社日立製作所 | プラント制御方法及びプラント制御装置 |
| US20120083933A1 (en) * | 2010-09-30 | 2012-04-05 | General Electric Company | Method and system to predict power plant performance |
| JP6194246B2 (ja) * | 2013-12-27 | 2017-09-06 | アズビル株式会社 | 冷凍機性能評価装置および方法 |
| JP6357954B2 (ja) * | 2014-08-04 | 2018-07-18 | 富士電機株式会社 | 蒸気配管の熱損失計測システム、その演算装置 |
| JP6948756B1 (ja) * | 2020-04-07 | 2021-10-13 | 川重冷熱工業株式会社 | 吸収式冷温水機の性能診断方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2551166B2 (ja) * | 1989-09-13 | 1996-11-06 | 横河電機株式会社 | プロセス制御装置 |
| JP2815972B2 (ja) * | 1990-04-26 | 1998-10-27 | 三洋電機株式会社 | 吸収冷凍機の制御装置 |
-
1993
- 1993-03-26 JP JP5090423A patent/JP3028390B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06281302A (ja) | 1994-10-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112519635B (zh) | 一种电池热管理的控制方法及相关装置 | |
| Sun et al. | A novel efficient SVM-based fault diagnosis method for multi-split air conditioning system’s refrigerant charge fault amount | |
| JP6791429B1 (ja) | 冷媒量判定装置、方法、およびプログラム | |
| Cui et al. | A model-based online fault detection and diagnosis strategy for centrifugal chiller systems | |
| JP4691736B2 (ja) | 冷凍システムの最適化方法と装置 | |
| CN110425694B (zh) | 基于phm的高铁智能车站暖通空调能效控制管理方法 | |
| JP4396557B2 (ja) | 空調システム | |
| EP0590305A2 (en) | State estimating apparatus of a system on the basis of recorded input/output data for the system | |
| Rossi | Detection, diagnosis, and evaluation of faults in vapor compression equipment | |
| JP3028390B2 (ja) | 冷凍機の稼働エネルギー量推定装置 | |
| Gordon et al. | How varying condenser coolant flow rate affects chiller performance: thermodynamic modeling and experimental confirmation | |
| Zhang et al. | Energy-optimal control of an automotive air conditioning system for ancillary load reduction | |
| CN115264771A (zh) | 一种空调***及其控制方法 | |
| WO2024077941A1 (zh) | 空调器冷媒泄露检测方法、装置及空调器 | |
| CN111376750A (zh) | 一种充电桩及充电控制方法 | |
| KR20200100884A (ko) | 차량의 열관리장치 제어시스템 및 제어방법 | |
| Ohno et al. | Dynamic modeling of room temperature and thermodynamic efficiency for direct expansion air conditioning systems using Bayesian neural network | |
| Lubis et al. | Dynamic analysis of single–double-effect absorption chiller with variable thermal conductance during partial-load operation | |
| JP2014202410A (ja) | 熱源運転ナビゲーションシステム及びその方法 | |
| JP4857051B2 (ja) | 冷凍機設備の運転方法及び冷凍機を備えて成る設備 | |
| JP2016067125A (ja) | エネルギー設備運転制御装置およびエネルギー設備運転制御方法 | |
| JP3763767B2 (ja) | エネルギ供給設備の運転計画システム | |
| Zhang et al. | Dynamic model based study on mode switching characteristics and reliability analysis of data center composite air conditioning system | |
| Li et al. | A model and multi-mode control of a centrifugal chiller system: A computer simulation study | |
| JP6533952B2 (ja) | 冷却水を用いて動作する熱源機器の冷却水温を予測する装置及び方法、及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080204 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090204 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100204 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100204 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110204 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120204 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130204 Year of fee payment: 13 |
|
| LAPS | Cancellation because of no payment of annual fees |