热水器温度的设置方法、热水器以及存储介质技术

本申请公开了一种热水器温度的设置方法、热水器以及计算机可读存储介质。该方法包括：获取热水器的历史耗电特征。将热水器的历史耗电特征输入至预置的耗电量预测模型中，得到耗电量预测模型输出的用户的预测用水耗电量。根据预测用水耗电量确定热水器的预测总耗电量。根据预测总耗电量确定热水器的设置温度。采用设置温度对热水器的加热温度进行设置。通过这种方式，在满足节能的同时，还能够提高热水器温度设置方法的精确度。温度设置方法的精确度。温度设置方法的精确度。

【技术实现步骤摘要】
热水器温度的设置方法、热水器以及存储介质


[0001]本申请涉及本专利技术涉及热水器
，具体涉及一种热水器温度的设置方法、热水器以及计算机可读存储介质。

技术介绍

[0002]在热水器的使用过程中，大部分用户都会把热水器的温度固定地设置在一个较高的档位下，并且24小时运行，但每天只有一小部分时间使用热水器，大部分时间都是闲置状态，因此会造成能耗的浪费。
[0003]还有些传统的热水器的推荐温度预测的方式采用用户历史的用水量来预测用户未来的用水量，但是由于用户用水的水温存在波动，所以历史用水量的预测不可避免存在一定的误差，再采用历史用水量预测未来用水量，从而导致了这种误差的放大，极易影响模型的效果，进而使得到的热水器的推荐温度的误差较大。

技术实现思路

[0004]本申请提供一种热水器温度的设置方法、热水器以及计算机可读存储介质，以解决现有技术中热水器的温度设置方法误差较大、得到的热水器的设置温度精确度不高的问题。
[0005]为解决上述技术问题，本申请采用的一个技术方案是：提供一种热水器用水量的预测方法，该方法包括：获取热水器的历史耗电特征。将热水器的历史耗电特征输入至预置的耗电量预测模型中，得到耗电量预测模型输出的用户的预测用水耗电量。根据预测用水耗电量确定热水器的预测总耗电量。根据预测总耗电量确定热水器的设置温度。采用设置温度对热水器的加热温度进行设置。
[0006]进一步地，根据预测总耗电量确定热水器的设置温度包括：获取热水器的当前水温。根据当前水温和预测总耗电量确定热水器的设置温度。
[0007]进一步地，根据当前水温和预测总耗电量确定热水器的设置温度包括：根据以下公式确定热水器的设置温度：
[0008][0009]其中，T为确定的热水器的设置温度，y为预测总耗电量，T
当
为当前水温，V为热水器的容积。
[0010]进一步地，将热水器的历史耗电特征输入至预置的耗电量预测模型中，得到耗电量预测模型输出的用户的预测用水耗电量包括：获取气温数据和节假日数据。将热水器的历史耗电特征、气温数据和节假日数据输入至耗电量预测模型中，得到耗电量预测模型输出的用户的预测用水耗电量。
[0011]进一步地，将热水器的历史耗电特征输入至耗电量预测模型中，得到耗电量预测模型输出的用户的预测用水耗电量包括：耗电量预测模型为预先采用训练用水事件对应的
热水器的历史耗电特征作为样本输入数据，采用训练用水事件对应的用户的预测用水耗电量作为样本输出数据，并基于机器学习算法训练得到的。
[0012]进一步地，耗电量预测模型基于线性回归方程建立。在耗电量预测模型训练过程中，耗电量预测模型的损失函数包括第一正则化项、第二正则化项，第一正则化项为线性回归方程的系数的绝对值之和，第二正则化项为线性回归方程的系数的平方和。
[0013]进一步地，耗电量预测模型为：
[0014][0015]损失函数为：
[0016][0017]其中，X
i
为第i个历史耗电特征，y
i
为第i个训练用水事件对应的用户的实际用水耗电量，为耗电量预测模型输出的第i个预测用水耗电量，α,β,λ为超参数，α,β,λ>0,λ∈(0,1)，n为训练用水事件的总数，a
j
为线性回归方程的第j个系数，m表示线性回归方程共有m个系数。
[0018]进一步地，根据预测用水耗电量确定热水器的预测总耗电量包括：计算热水器内水温升高对应的桶内水耗电量。将预测用水耗电量与桶内水耗电量之和作为热水器的预测总耗电量。
[0019]进一步地，获取热水器的历史耗电特征包括：获取用户的历史用水耗电量。根据历史用水耗电量确定历史耗电特征。
[0020]进一步地，获取用户的历史用水耗电量包括：获取热水器内水温升高对应的历史桶内水耗电量。根据历史桶内水耗电量和热水器的历史总耗电量，计算历史用水耗电量。
[0021]进一步地，获取热水器内水温升高对应的历史桶内水耗电量，包括：利用热水器的初始胆内温度和最终胆内温度计算热水器内水温升高对应的历史桶内水耗电量。
[0022]进一步地，根据以下公式获取热水器内水温升高对应的历史桶内水耗电量W1：
[0023][0024]其中，T
最终
表示热水器的最终胆内温度，T
初始
表示热水器的初始胆内温度，V表示热水器的容积。
[0025]进一步地，根据以下公式计算历史用水耗电量W2：
[0026]W2＝K*W
‑
W1[0027]其中，W表示热水器的历史总耗电量，W1表示热水器内水温升高对应的历史桶内水耗电量。
[0028]进一步地，历史总耗电量根据热水器的加热管功率以及加热时长确定。
[0029]进一步地，根据预测总耗电量确定热水器的设置温度之后，还包括：对热水器的设
置温度进行极值纠正。
[0030]进一步地，根据以下公式对热水器的设置温度进行极值纠正：
[0031]T
最终
＝max(T
出
,min(T，T
最高
))
[0032]其中，T
最终
表示经过极值纠正之后得到的热水器的设置温度，T表示热水器的设置温度，T
最高
表示热水器允许设置的最高温度。
[0033]为解决上述技术问题，本申请采用的另一个技术方案是：提供一种热水器，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法的步骤。
[0034]为解决上述技术问题，本申请采用的另一个技术方案是：提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
[0035]本申请的有益效果是：区别于现有技术的情况，本申请提供热水器用水量预测方法，首先将热水器的历史耗电特征输入至预置的耗电量预测模型中，得到耗电量预测模型输出的用户的预测用水耗电量。再根据预测用水耗电量确定热水器的预测总耗电量，进而根据预测总耗电量确定热水器的设置温度。也即本申请提供的热水器温度的设置方法，通过预测的未来的热水器的总耗电量来确定热水器的设置温度，能够减小传统的利用用水量来确定设置温度的方法带来的误差，在更加节能的同时，能够使得到的热水器的设置温度所能供应的用水量更接近用户的真实用水量。
附图说明
[0036]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1是本申请提供的热水器温度的设置方法一实施方式的流程示意图；
[0038]图2是图1中步骤S10一实施方式的流程示意图；
[0039]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种热水器温度的设置方法，其特征在于，所述方法包括：获取所述热水器的历史耗电特征；将所述热水器的历史耗电特征输入至预置的耗电量预测模型中，得到所述耗电量预测模型输出的用户的预测用水耗电量；根据所述预测用水耗电量确定所述热水器的预测总耗电量；根据所述预测总耗电量确定所述热水器的设置温度；采用所述设置温度对所述热水器的加热温度进行设置。2.根据权利要求1所述的方法，其特征在于，所述根据所述预测总耗电量确定所述热水器的设置温度包括：获取所述热水器的当前水温；根据所述当前水温和所述预测总耗电量确定所述热水器的设置温度。3.根据权利要求2所述的方法，其特征在于，所述根据所述当前水温和所述预测总耗电量确定所述热水器的设置温度包括：根据以下公式确定所述热水器的设置温度：其中，T为确定的所述热水器的设置温度，y为所述预测总耗电量，T
当
为所述当前水温，V为所述热水器的容积。4.根据权利要求1所述的方法，其特征在于，所述将所述热水器的历史耗电特征输入至预置的耗电量预测模型中，得到所述耗电量预测模型输出的所述用户的预测用水耗电量包括：获取气温数据和节假日数据；将所述热水器的历史耗电特征、所述气温数据和节假日数据输入至所述耗电量预测模型中，得到所述耗电量预测模型输出的所述用户的预测用水耗电量。5.根据权利要求1所述的方法，其特征在于，所述将所述热水器的历史耗电特征输入至耗电量预测模型中，得到所述耗电量预测模型输出的所述用户的预测用水耗电量包括：所述耗电量预测模型为预先采用训练用水事件对应的所述热水器的历史耗电特征作为样本输入数据，采用所述训练用水事件对应的所述用户的预测用水耗电量作为样本输出数据，并基于机器学习算法训练得到的。6.根据权利要求5所述的方法，其特征在于，所述耗电量预测模型基于线性回归方程建立；在所述耗电量预测模型训练过程中，所述耗电量预测模型的损失函数包括第一正则化项、第二正则化项，所述第一正则化项为所述线性回归方程的系数的绝对值之和，所述第二正则化项为所述线性回归方程的系数的平方和。7.根据权利要求6所述的方法，其特征在于，所述耗电量预测模型为：所述损失函数为：
其中，X
i
为第i个历史耗电特征，y
i
为第i个所述训练用水事件对应的所述用户的实际用水耗电量，为所述耗电量预测模型输出的第i个所述预测用水耗电量，α,β,λ为超参数，α,β,λ>0,λ∈(0,1)，n为所述训练用水事件的总数，a
j
为所述线性回归方程的第j个系数，m表示所述线性回归方程共有m个系数。8.根据权利要求1所述的方法，其特征在于，所述根据...

【专利技术属性】
技术研发人员：戴威，简翱，陈昕乐，马群，
申请(专利权)人：美的智慧家居科技有限公司，
类型：发明
国别省市：