CN106576060A - 家用器具的操作状态的确定 - Google Patents

Abstract

确定家用器具的操作状态。在一个实施例中，提供了一种用于确定在多个家用器具(2)中的家用器具(2)的操作状态的方法，其包括：从家用器具(2)接收(S10)与家用器具(2)在操作周期(4、7)内的操作有关的时间序列(51、52、53、54)的数据(5)；以及基于所接收的时间序列(51、52、53、54)与对应于多个家用器具(2)在操作周期(4、7)内的操作的时间序列(151、152、153、154；251、252、253、254、255；351、352、353、354、355)的数据(50)的模型的比较，确定(S20)家用器具(2)的操作状态。

Description

家用器具的操作状态的确定

本发明涉及，但不限于，用于确定一个或多个器具(如家用器具)的操作状态的一种方法、设备、计算机程序产品以及装置。

远程监控一个或多个加热系统(如锅炉)的操作是已知的。在一些已知的示例中，监控加热系统触发器的操作的设备响应于故障代码或给定参数的阈值的跨越发出警报。在其他已知的示例中，监控设备对不同参数的变化率做出反应。

然而，在已知的示例中，警报的触发器对于每个监控的参数是瞬时的。因此，在已知的示例中，每个参数仅被独立地采用，且对于加热系统的操作或关于故障的原因的深入分析是困难的。

此外，在已知的示例中，警报的触发器仅取决于对于触发的阈值或触发的参数变化率的等级设置。因此，即使加热系统的操作缓慢地但确定地趋向故障，在已知的示例中在达到触发的阈值或变化率之前计划预防性的维护是困难的。简单降低触发的阈值或触发的变化率的等级不能解决问题，因为它可能会生成假警告并从而带来不必要的和昂贵的维护。

本发明的实施例现将参考附图通过示例来加以描述，其中：

图1示意地图示了经由通信网络连接到根据公开的示例设备的多个器具；

图2示意地图示了包括一个或多个组件的示例器具；

图3示意地图示了包括一个或多个组件的示例锅炉；

图4示出了根据公开说明用于确定加热系统的操作状态的示例方法的流程图；

图5示出了根据公开说明用于确定加热系统的操作状态的方法的示例细节的流程图；

图6示出了根据公开说明用于确定加热系统的操作状态的方法的另一示例细节的流程图；

图7示出了有关加热系统在操作周期内的操作的多个时间序列的数据的示例；

图8示出了有关加热系统在操作周期内的正常操作的多个模型时间序列的数据的示例；

图9示出了有关其中阻塞了冷凝液排放的加热系统在操作周期内的加热操作的多个模型时间序列的数据的示例；

图10示出了有关带有阻塞的管道进口的加热系统在操作周期内的加热操作的多个模型时间序列的数据的示例；

图11示出了有关正常的短加热周期的、包括原始数据和增强的数据的多个时间序列的数据的示例；

图12示出了有关热水周期的、包括原始数据和增强的数据的多个时间序列的数据的示例；

图13示出了有关经受燃烧问题的热水周期的、包括原始数据和增强的数据的多个时间序列的数据的示例；

图14示出了图13中所识别的样式的示例，其中的两个框围起了界定派生特征的编号了的点；

图15示出了有关还包括两个可检测的火焰失败的加热周期的、包括原始数据和增强的数据的多个时间序列的数据的示例；

图16示出了有关具有八个可检测的火焰失败的且最终导致器具停止操作的热水周期的、包括原始数据和增强的数据的多个时间序列的数据的示例；

图17示出了根据原始数据得到的派生特征的可视化示例，以及用于认出感兴趣的器具行为的派生特征的分组的界定的示例。

大体上参照附图，将认识到，类似的特征或元素有相同的参考标记。还将认识到，附图没有按比例绘制，以及例如，为了附图清晰，相对的尺寸可能已经改变。而且，任何功能框图仅旨在示出存在于器具(如洗衣机和/或加热系统作为非限制性示例)和/或网络和/或器具内的功能，且附图不应被认为暗示了功能框图中所示的每个框必然是离散或分开的实体。由框提供的功能可能是离散的或可能被分散在整个设备和/或器具和/或网络中，或被分散在设备和/或器具和/或网络的一部分中。此外，在适当的情况下，功能可包含硬件连线的元素、软件元素或固件元素或这些的任意组合。

公开涉及器具(如家用器具，如洗衣机和/或流体加热系统，如锅炉)的操作状态的确定。所确定的状态可包括器具的大体状况(如器具和/或其组件中的一个的正常磨损)，和/或例如可以是操作的正常模式或操作的故障模式，譬如其中阻塞了冷凝液排放的加热操作和/或其中阻塞了烟道进口的加热操作。器具可以是经由通信网络连接到服务器的多个家用器具的部分。服务器可接收来自家用器具中的一个的或与家用器具中的一个相关的一个或多个传感器和/或一个或多个组件的数据，该数据与操作周期有关。家用器具的操作状态的确定可基于比较来进行，例如使用所接收的数据与数据的一个或多个模型进行样式匹配。数据的一个或多个模型可对应于多个家用器具的不同操作状况。模型可建立自从多个家用器具接收的数据或建立自预界定的历史模型数据。

在公开中，设备可在操作的至少一个周期内监控一个或多个器具的操作和/或监控器具的一个或多个组件的操作。因此，在公开中，与现有技术中经常发生的相对比，警报的触发器对于每个监控的参数不是瞬时的。因此，在公开中，几个参数在操作周期内(例如在器具的操作的完整周期内)可独立地或一起被采用，以及可能有助于对器具的操作的或关于故障的原因的深入分析。

此外，在公开中，监控可执行超过一个以上的周期。因此，如果检测到器具的操作缓慢地但确定地趋向故障，则可能有助于进行及时的预防性维护的计划(如器具和/或其组件中的一个的维修和/或更换)。

图1中所图示的示例示出了被配置为实施公开的方法的设备10，可至少包括处理器11、存储器12以及控制器13。

在图1中所示的示例中，设备10可被配置为远程确定一个或多个器具2的操作状态。因此，一个或多个器具2可通过通信网络3连接到设备10，以及设备10可被配置为通过网络3接收来自一个或多个器具2的数据5。

为了通过网络3接收来自一个或多个器具2的数据5，设备10可包括连接到网络3的通信服务器1。可选地或附加地，如图1中所示，设备10可被配置为至少部分局部地确定一个或多个器具2的操作状态，因而，设备10可至少部分位于一个或多个器具2中。

认识到的是，器具可以是任何类型的器具，譬如家用器具(例如洗衣机或流体加热系统，作为非限制性示例)。

本说明书现在将主要针对包括家用流体加热系统的器具，其可以是任何类型的家用流体加热器具，其可以例如耦合到流体循环回路，该流体循环回路适用于通过建筑物的加热系统使加热的流体循环和/或适用于直接和/或在家用空间中直接使加热的流体循环。加热的流体可以是液体或气体，譬如水或空气，作为非限制性示例。因此，家用流体加热系统2可界定家用空间和水加热系统。然而，如上所述，如已经说明的，本说明书适用于任何类型的器具，譬如家用器具。

如图3中所图示的，公开有利地涉及，但不限于，家用锅炉2。

参照图3，作为非限制性示例，锅炉2传统上可包括壳体202，其形成了包含燃烧器203和热交换器204的燃烧室，该热交换器具有用于在热交换器204中进行加热的水的入口205和出口206。出口206可耦合到适用于通过建筑物的加热系统使加热的流体循环的流体循环回路。壳体202包括排气出口207，以用于在加热的水流经热交换器204时将由燃烧器203产生的管道气体排出。壳体202还包括冷凝液排放218，其使在燃烧期间产生的冷凝的水蒸气排走。

被固定到壳体202的一个侧面208的是由电动机驱动的风扇209，其通过在壳体202的侧面208中的入口端口210向壳体202供应空气。燃烧器203具有入口211，用于燃烧的气体通过该入口211到达燃烧器203。气体供应自恒压源，并通过由控制单元213控制的阀门到达入口211。导气燃烧器(pilot gas burner)214从单元213延伸，以点燃气体燃烧器203。

单元213自身由控制单元215控制，该控制单元被配置为设置锅炉2的功率输出。单元215向H.T.发生器216供应电力，以用于产生高压火花，从而点燃导燃烧器214。此外，单元215响应来自火焰失败设备217的信号，该火焰失败设备217感测导燃烧器214的火焰的存在和主燃烧器203的火焰的存在。单元215也可接收来自风扇209的信号，并将控制信号发送到风扇209。

图1示意地示出了示例性设备10，其被配置为实施用于确定在多个器具(如家用流体加热系统2)中的器具(如家用流体加热系统2)的操作状态的方法100，如图4到图6中示意所示。

参照图4并在家用流体加热系统2的非限制性示例中，方法100主要包括：

在S10，从家用流体加热系统2中的一个接收有关加热系统2在操作周期4内的操作的时间序列的数据5；以及

在S20，基于所接收的时间序列的数据5与对应于加热系统2在操作周期4内的操作的时间序列的数据的模型50的比较，确定发送时间序列的数据5的加热系统2的操作状态。

如以下进一步详细解释的，时间序列的数据的模型50可对应于多个家用流体加热系统2在操作周期内的操作。

数据也可从多个家用流体加热系统2接收，例如用于建立模型和/或用于统计的目的(例如用于系统2的网络的操作者更好地理解和/或管理系统2的网络)。

在一些示例中以及如以下进一步更详细描述的，方法100还包括在S30基于在S20的确定来确定动作方案。动作方案可包括：

诊断加热系统2的正常或故障操作，

基于诊断(例如，基于对系统的组件中的一个的磨损的检测)预测对于维护的需要，以及/或者

基于预测触发加热系统2的维护。

因此，本公开可使系统2的网络的操作者能够更好地理解系统的操作和/或更好地管理网络。

如以下进一步详细描述的，在一些示例中，诊断还可包括：

处理复杂和详细的时间序列的数据5，以及

以一种方式(例如可被快速和/或简单理解和/或导航的方式)向用户显示经处理的时间序列的数据5。

在图1中所图示的示例中，经处理的时间序列的数据5可被显示在界面中，该界面可被显示在待由经处理的时间序列的数据5的用户使用的设备70的显示屏幕上。在一些示例中，设备70可以是台式电脑、笔记本电脑、移动电话、智能电话、电子个人数字助理和/或移动和便携式专用手机等。在图1中所图示的示例中，待被显示的经处理的时间序列的数据5可通过通信网络3被提供到设备70。

通过以下更详细的描述将明显的是，在一些示例中，经处理的时间序列的数据5可包括：

原始器具数据；以及/或者

“增强的器具数据”，也就是说，在本公开的背景下，根据原始器具数据和/或根据其他源派生的数据；以及/或者

“派生特征”，也就是说，在本公开的背景下，根据原始数据得到的特征，以及其可实现提供器具操作的简化视图，例如作为对于原始的和/或增强的数据值的替代。在一些示例中，派生特征可包括相关联的参数值。

如以下进一步详细讨论的，以上类型的经处理的时间序列的数据的示例应用，如大体上在本公开的背景下所公开的，描述了对照模型数据匹配的样式的示例步骤。

经处理的时间序列的数据5的典型用户可包括：

服务工程师，其访问系统2的用户以进行维护(如检查、维修和/或更换)。在一些示例中，经处理的时间序列的数据可能允许提供相比于可能掩盖有用信息或可能不正确的完全处理的响应而对于辅助器具的维修或维护可能更有用的信息，以及/或者

呼叫中心人员，其例如通过电话(如呼入呼叫)与系统2的用户讨论问题。在一些示例中，被显示在设备70上的经处理的时间序列的数据可向呼叫中心人员提供器具是否正常工作的易于快速理解的视图。在一些示例中，在客户认为器具正常工作时，经处理的时间序列的数据可用于识别任何潜在的异常的性质和/或客户补救是否可能(例如控制设置或器具重置)、是否需要维护访问、或是否不需要采取动作。在一些示例中，经处理的时间序列的数据可用于验证补救的有效性，以及/或者

开发者和/或分析师和/或支持人员。在一些示例中，经处理的时间序列的数据可用于执行正在进行的详细的分析，以提高对数据的理解和/或以改进根据公开的设备和/或装置的功能。这可能允许向根据公开的设备和/或装置的其他用户增加值。在一些示例中，经处理的时间序列的数据可用于支持与工程师或呼叫中心工作人员在特定器具问题上的讨论。

在一些示例中，设备10和/或设备70包括界面。

在一些示例中，界面可被配置为显示经处理的时间序列的数据5，在一些示例中，如上所界定的，其包括原始和/或增强的数据和/或派生特征。

在一些示例中以及如以下进一步详细描述的，界面可提供带有以下项的线图格式的经处理的时间序列的数据(如增强的原始数据)：

由一个轴标示的参数值，以及

由其他轴标示的时间。

在一些示例中以及例如从图11到图16可见，线图可包括根据原始值派生的参数值。这可能使用户更清晰地理解。例如以及如以下进一步详细描述的，几个二进制值，譬如燃烧器控制状态，可被组合到一个单一多等级值中，使得图形更可读得多。

在一些示例中，在派生的数据值中所使用的范围和绝对值可被选为最佳填补在整体图形中很少使用的值且与为其他增强的或原始参数所选的关键值不一致，以便用户容易看到。可选地或附加地，值可被选为遵循直观的序列和关系，例如在燃烧器控制状态中，低的值将指示静态状况，而增加的值表示越来越活跃的状态。

在一些示例中，界面可使用户能够一起查看增强的数据和原始数据，例如标记在看见特定异常的原始数据中的点，使用户能够验证异常和其程度。这可给用户机会来观察数据中的相关信息。

在一些示例中，在本公开的背景下，界面可实现对根据原始数据的“派生特征”进行的提取。这可实现提供对器具操作的简化视图，例如作为对于原始的和/或增强的数据值的替代。

在一些示例中，派生特征可包括个体加热、热水或其他周期或阶段、静态期和/或反常，譬如数据中明显的不寻常的器具行为、器具检测到的错误和通信失败。在一些示例中，派生特征可包括可描述特征的属性的相关联的参数值。在一些示例中，参数值可包括特征的类型且可包括特征特定的值，譬如最大温度、平均流速、热交换器的差温等。在本公开中，以下进一步列出所包含的派生特征和/或相关联的参数值的其他非限制性示例。

在一些示例中，设备10和/或设备70以广泛的用户可快速且容易理解的方式向用户提供含以上所描述的派生的特征所提供的器具操作的视图。

下表1说明了其上可显示经处理的时间序列的数据5的界面的非限制性示例。

日期/开始时间	结束时间	周期类型	状态
				2014/02/02 10:10	2014/02/02 10:15	加热周期	正常
2014/02/02 10:21	2014/02/02 10:25	热水周期	正常
				2014/02/02 10:32	2014/02/02 10:35	加热周期	正常
2014/02/02 10:43	2014/02/02 10:50	加热周期	反常温度
				2014/02/02 10:54	2014/02/02 10:59	加热周期	反常温度
2014/02/02 11:05	2014/02/02 11:10	热水周期	正常
				2014/02/02 11:16	2014/02/02 11:20	加热周期	过热错误
2014/02/02 11:27	2014/02/02 11:30	热水周期	正常

表1

要理解的是，经处理的时间序列的数据相比于表1中所示的示例也可以以一些可替代的方式来组织和/或显示，包括作为非限制性示例的、带有器具的历史和状态的更多图形指示的水平时间线。

在一些示例中以及如以下进一步详细描述的，界面可被配置为显示被分解成一系列的周期的器具运行，每个由可视化对象显示，其通常是表示一段时期的水平或竖直条上的有色区域。可视化对象，通过颜色或形状的性质，可描述该派生特征的类型或状态。

在一些示例中，界面可被配置为对照带有可选择的时间尺度(包括小时、天、周、月或年)的时间轴显示派生特征。

在一些示例中，派生特征通常可被显示为占据表示特征的实际持续时间的区域的有色条。在一些示例中，特征的颜色可被选为示出(例如)：

绿色＝加热操作，

蓝色＝热水操作，

橙色＝检测到反常操作，

红色＝接收到器具检测到的故障，

灰色＝无数据，

白色＝无活动。

要理解的是，可选地或附加地，派生特征可作为所选的形状或图像示出。

在一些示例中：

正常状态还可在界面上由特定的颜色指示(如绿色)，以及/或者

但不那么关键的状态的故障(如反常温度)还可在界面上由特定的颜色指示(如黄色或橙色)，以及/或者

故障和关键和/或严重的状态(如过热温度)还可在界面上由特定的颜色指示(如红色)。

附加地或可选地，界面还可被配置为向用户提供图形化的装置，以查看所选的任何派生特征参数。例如，可能感兴趣的是看看平均水流速和其随着时间的推移如何变化。在整个任意时间窗口内的平均流速可能是没有意义的，因为可能有许多零流量的时期。因此，这种类型的数据可在特定器具周期的背景范围内被有利地采用。要理解的是，界面可实现在该背景下提供这种类型的数据的视图。在一些示例中，特征参数数据可被显示为线图，以及几个参数可被显示在相同的视图中。在一些示例中，流速、平均温度以及平均功率被显示在相同的视图中。理解的是，多个参数的比较值在许多情况下可能是重要且有利的。

在一些示例中，界面可被配置为使用户能够在所提供的任何视图中酌情选择不同等级的细节，譬如：

原始数据；

增强的数据；

派生特征；

相关联的参数值，以及/或者

上述任意组合。

在一些示例中，作为非限制性示例，界面被配置为实现导航，例如包括：

“放大”到不同的等级的时间分辨(例如一年、周、天、小时等)；

对个体参数和派生特征类型的显示进行选择/取消选择。

在一些示例中，界面还可被配置为允许用户，例如通过执行点击或选择操作，从以上所识别的周期中的任意一个向下导航到更详细处理的时间序列的显示。

在一些示例中，界面被配置为实现不同视图之间的简单导航。在一些示例中，界面可使用户能够从视图中选择特定派生特征，并随后允许它们移动到原始数据和/或增强的数据的特定区域，以检查包括特征的详细数据。附加地或可选地，界面可使用户能够通过上述和/或下述的原始数据和/或增强的数据导航所选的特征，并随后从原始数据中的其他点导航返回到派生特征视图。要理解的是，在一些示例中，导航可遵循层次结构，使得派生特征可用于，利用低于派生特征的“较低等级”视图的原始数据和/或增强的数据显示主要的高等级视图，作为用户的进入的点。

在一些示例中以及如以下更详细描述的图17的示例中所示，界面被配置为整合和显示来自原始数据和/或增强的数据和/或派生特征视图内的其他源中的数据。这可进一步辅助用户。在一些示例中，这样的附加数据可被类似表示成派生特征，或可以适当的方式显示关于数据类型线图。以下列出了一些特定的非限制性示例：

客户呼叫与数据被查看的器具有关的事件。例如，这可在派生特征视图上表示为特定的有色条(例如紫色)。在一些示例中，该特征将包含相关联的数据(例如，包括呼叫日期和时间、所描述的迹象、结果等)，其将通过选择器具的可用的功能显示给用户；

工程师访问事件将与如上所描述的为客户呼叫类似地示出。相关联的数据的样本可能不同，且可能包括访问日期、观察、执行的动作、更换的零件。该数据在选择适当的功能上也将是用户可视的；

燃气或水的消耗或来自公用仪表的相关数据与器具有关。如果可用，则该数据可作为线图视图中的值和/或作为总能量、耗水量或关于派生特征的其他参数被提供；

加热控制系统数据。如果这是可用的，例如来自智能加热系统，则需求周期通常可被显示为所派生的事件和图形化显示中示出的房间和/或热水罐温度。

可选地或附加地，界面还可例如被配置为允许所处理的时间序列的用户，例如，当器具正常操作或完全不操作时，与周围的系统2的用户对话。这样的对话可允许诊断系统2的简单问题(譬如加热控制器上的不正确的设置)，其在网络的操作者不派遣现场的服务工程师的情况下可由系统2的用户直接矫正。

在一些示例中，作为界面上的周期设置的进入点，经处理的时间序列的数据的用户也能够被提供系统状态的概要。在表2中所说明的示例中，界面可显示系统历史的几个简单的指示，例如用于快速确定是否检测到任何问题以及它们的一般性质。

周期类型	计数
		正常加热	57
正常热水	73
		反常温度	2
过热故障	1

表2

可选地或附加地，界面可显示正常操作到单一视觉标识符中的“累积”的时期，以突出反常周期。

现在将要讨论界面上的数据表示的一些示例，以便说明上述示例中的一些。

图11示出了有关正常的短加热周期的、包括原始数据和增强的数据的多个时间序列的数据的示例。图11示出了来自行为正常的短加热周期中的数据的一些示例。在图11的示例中，“初始温度”为从示出热交换器输出的锅炉中直接采用的值。因此，初始温度为原始数据的示例。在图11的示例中，“需求状态”为“增强的数据”的示例，且包括基于来自器具的五个独立的参数派生的、被转换成具有离散值的单一参数的值，以指示以下：

无需求；

从控制接收的加热信号；

器具响应于热需求；

器具在热水模式中；

中间状态；

在图11的示例中，“锅炉状态”是根据另外五个参数派生的另一参数，指示了锅炉控制通过点燃从静态到完全操作以及返回的10个不同的状态。

在图11的示例中，在正常操作中，“需求状态”处于值45，被选为指示加热需求，并随后变为关于静态操作的15。

在图11的示例中，在正常操作中，“锅炉状态”值指示当火焰点火时的成功点燃，以及随后，在需求结束时的短的连续时期的流动操作之后的燃烧器清除。

将理解的是，相比于用于生成所显示的数列的11个参数，用于示出器具的行为的三个参数“初始温度”、“需求状态”以及“锅炉状态”的使用大大简化了界面上的显示。

图12示出了如图11的相同的但在热水周期下的数据。“锅炉状态”参数遵循相同的序列，但不同的等级(具有值55的等级)指示热水需求，以及在开始时所示的中间等级(等级值95)指示水流组分到热水模式的转变。延伸的中间状态可能指示问题。

图13示出了(不同于图12的)热水周期，其虽然经历了在开始时的燃烧问题，但是在一段时间后稳定下来。因此，图13示出了将不导致可向用户通知的任何问题的周期的示例。锅炉状态值的行为使得立即体现出在可能有值得调查的周期期间具有不寻常的活动。在图13的示例中，用于首先注意不寻常的活动的界面上的该可视化的使用已经实现了对该火焰失败行为的特性的理解，因此，“派生特征”已经被识别且图形已经被界定成实现特征的检测。

图14用围起了界定派生特征的编号的点的两个框示出了所识别的样式的示例，派生特征如下：

1－检测到火焰熄灭而加热需求活跃；

2－在先前事件1的时段G1内检测到风扇打开；

3－在先前事件2的时段G2内检测到火花；

4－在先前事件3的时段G3期间需求上没有改变。

图15的示例示出了另一加热周期，其还包括利用先前的“派生特征”和图14的所识别的样式的两个可检测的火焰失败。图15的示例周期不稳定，但对于用户仍不是明显的问题。

图16的示例示出了具有最终导致器具停止操作的八个可检测的火焰失败的另一热水周期。

图17示出了根据原始数据派生的特征的可视化示例，以及指示感兴趣的器具行为的特征组的界定的示例。在图17的示例中，

条可指示热水的正常特征(譬如蓝色条)；

特征的分组或组合可被界定以确定潜在的问题或动作；

条可指示正常的加热特征(譬如绿色条)；

条可指示“异常”特征(譬如橙色条)；

区域可指示器具操作的失败(譬如红色区域)；以及

区域可指示客户呼叫和/或工程师访问(譬如紫色区域)。

如以下进一步详细描述的，维护的触发可包括输出维护指令和/或实际上维护加热系统2。

如图2中所图示的，设备10可被配置为以组件的集合的形式来界定譬如加热系统2的器具，每个器具具有一个或多个操作模式。例如，设备10可界定加热系统2为包括被称为21、22、23和/或24的一个或多个组件，例如对应于，

至少一个入口21(譬如流体入口21)，以及/或者

至少一个出口24(譬如流体出口24)；以及/或者

至少一个控制器22(譬如开关接通/断开的控制器22)；以及/或者

至少一个控制器23(譬如输出功率控制器23)。

因此，设备10可被配置为接收来自一个或多个组件21、22、23和/或24的一个或多个时间序列的数据5。这实现了对加热系统的操作或对关于故障的原因的深入分析。例如，数据5可包括时间戳数据的集合：

内部数据，譬如来自系统2内部的传感器的数据、来自控制状态知识的和/或来自操作计数器的数据；以及/或者

外部数据，譬如来自改装的传感器和/或来自控制信息的数据。

流体加热系统2可包括控制器25，其被配置为接收来自家用流体加热系统2的传感器和/或组件21、22、23或24的数据；并例如通过网络3将数据5发送到监控设备10。控制器25可以是系统2的内置组件，或可以是能够在现有系统2上进行改装的附加控制器，从而向系统2提供数据处理和通信功能。

如以下更详细的解释，设备10可被配置为一旦接收到来自系统2和/或一个或多个组件21、22、23和/或24的数据5就对该数据5进行解析，并将数据分配到相应的样式。

设备10还可被配置为，例如在设备10的设置阶段期间，根据从一个或多个系统2接收的多个数据5建立时间序列的数据的一个或多个模型50。换句话说，设备10还可被配置为基于与多个家用流体加热系统2的操作有关的、从多个家用流体加热系统2接收的时间序列的数据5建立时间序列的数据的一个或多个模型。

附加地或可选地，设备10可被配置为，基于由系统2的网络的操作者和/或设备10和/或系统2的管理者对设备10的处理器11的编程，接受时间序列的数据的一个或多个预界定的模型50。换句话说，设备10(例如存储器12)和/或数据库6还可被配置为储存时间序列的数据的预定模型。

在任一情况下，时间序列的数据的一个或多个模型50对应于系统2的和/或一个或多个组件21、22、23和/或24的操作模式的样式(包括正常和/或故障操作)。样式例如通过来自不同状况中的数据集的测试、理论和/或经验而被确定。不同的状况可包括正常加热状况、其中阻塞了冷凝液排放的加热系统的加热操作和/或其中阻塞了烟道进口的加热系统的加热操作。

认识到的是，多个家用流体加热系统可包括不同类型的家用流体加热系统。因此，时间序列的数据的模型可对应于家用流体加热系统2的类型。因此，设备10还可被配置为，基于所接收的时间序列的数据5和/或基于从家用流体加热系统2接收的标识，来识别多个家用流体加热系统2中的家用流体加热系统2的类型。

时间序列的数据的一个或多个模型50可关于每种类型的感兴趣的系统2进行确定，例如关于经由网络3连接到设备10的不同类型的锅炉2。要理解的是，时间序列的数据的模型50可包括关于至少正常的加热操作、其中阻塞了冷凝液排放的加热操作以及其中阻塞了烟道进口的加热操作中的每个的至少一个模型。

如上所述，一旦确定，则时间序列的数据的一个或多个模型50被储存到数据库6中。如图1中所图示的，在示例中数据库6可至少部分地位于设备10中。可选地或附加地，如图1中所示，数据库6至少部分地在设备10的外部并连接到网络3，以及设备10可被配置为通过网络3访问数据库6。设备10可被配置为在确定加热系统的操作状态时从数据库6获取时间序列的数据的一个或多个模型50。

为了确定加热系统2的操作状态，设备10还可被配置为将所接收的时间序列的数据5与时间序列的数据的一个或多个模型50进行比较。设备10可被配置为通过将所接收的时间序列的数据5的样式(如图7的关键标识中所示)与时间序列的数据的模型50的样式(如图7中通过实线所示)进行匹配来将所接收的时间序列与时间序列的模型进行比较。

如上所述，设备10还可被配置为基于所述确定来确定动作方案，因此，可被配置为基于需要维护的预测来触发加热系统2的维护。因此，设备10可被配置为及时地输出维护指令和/或执行加热系统2的维护。例如，维护指令可本地的在系统2上和/或通过网络3被发送到譬如控制器23的至少一个控制器。维护指令也可例如经由SMS和/或电子邮件被发送到系统2的用户。因此，一些维护操作可由系统的用户直接执行(例如解除阻塞的冷凝液的排放和/或对检测到压力损失的系统进行重新增压)，从而为系统网络的操作者节省了成本。如以下更详细的解释，设备10还可被配置为预测系统2的操作的更长期的趋势，从而可延长系统网络中的连续服务操作之间的时段，从而为系统网络的操作者节省成本。

如以上参考附图所述，在一些示例中，如在本公开的背景下所公开的内容的样式匹配的步骤的示例，设备10可被配置为认出派生特征的界定的组合，其能够指示问题和/或待进行的动作。附加地或可选地，设备10可被配置为向用户指示将所界定的组合的检测。在一些示例中，指示通常可通过建议的任何动作的描述和/或待更换的任何零件的指示(如有必要)来指示诊断。附加地或可选地，设备10可被配置为向客户指示非故障服务操作和/或调整，以供客户进行控制设置等。

要理解的是，本公开包含涉及一个单一派生的特征的简单情况或具有许多派生特征的复杂情形。

还要理解的是，对于待表示的组合，可就以下方面来界定特征的组合：

每个特征的类型；

每个特征类型的编号，

最小或最大时段，以及/或者

序列。

在一些示例中，序列也可包括特征是否存在于周期的开始、中期周期或周期结束的确定。

在一些示例中，组合逻辑也可排除特定的特征，其在如果“认出”输出为真时将不存在。组合的特征的一些非限制性示例可包括：

初始过温+热水需求+热水低温＝检查泵，若故障则更换；

若在3个月内检测到比以下的3个实例大，则调整最小燃烧率：

检测到部分点燃失败(故障代码＝检测到的无火焰的失败的点燃)在需求开始时且(需求类型＝CH)。

在一些示例中，设备10可被配置为连续不断地“实时”更新任何视图，包含原始数据和/或增强的数据和/或派生特征和/或对分组的特征的响应，也就是说，例如，只要接收到任何新的数据就更新。如果用户(譬如工程师或呼叫中心工作人员)正在查看行为中的任何改变，则这可实现将其快速测定。在实现用户(譬如工程师或呼叫中心工作人员)检查上这可能是有价值的，例如，施加的补救的效果、新问题的出现、成功的重置或加热控制的设置改变。

参照图1和图2：

锅炉2的流体入口21可包括入口205、入口端口210、风扇209和/或入口211；以及/或者

锅炉2的流体出口24可包括出口206、冷凝液排放218和/或排气出口207；以及/或者

开关接通/断开的控制器22可包括单元213和/或火焰失败设备217；以及/或者

输出功率控制器23可包括单元215。

图7示意地图示了时间序列的数据5可以是至少一个时间序列的数据5，即数据5可包括一个或多个时间序列的数据5，参照图7中的51、52、53或54。

如图7中所图示的：

时间序列51可指加热系统2的加热模式，例如加热系统2的燃烧器火焰的打开/熄灭状态。

时间序列52可指在加热系统2的出口处的流体的温度，例如在加热系统2的热交换器之后的出口处的水(有时被称作初始流体)的温度；

时间序列53可指加热系统2的输出功率；以及/或者

时间序列54可指加热系统2的入口泵的模式。

因此，要理解的是，时间序列51、52、53或54中的每个可以是系统2的不同组件的输出，例如，参照图2和图3：

时间序列51可以是开关接通/断开的控制器22的输出，以及在一些示例中，可以是单元213和/或火焰失败设备217的输出；以及/或者

时间序列52可以是流体出口24的输出，以及在一些示例中，可以是出口206的输出；以及/或者

时间序列53可以是输出功率控制器23的输出，以及在一些示例中，可以是单元215的输出；以及/或者

时间序列54可以是系统2的流体入口21的输出，以及在一些示例中，可以是风扇209的输出。

图1中所图示的设备10和图4中所说明的方法100二者都可采用以下事实的优点：

存在有关于系统2的正常加热操作的模型，以及

通常有加热系统的失败的常见方式，其可被记录超过至少一个操作周期。

因此，要理解的是，加热系统2的操作状态(包括加热系统2的正常操作或故障操作)可从而基于以下比较在S20被确定：

与加热系统2在操作周期4的操作有关的时间序列的数据5，与

对应于加热系统2在操作周期4的操作(包括加热系统2的正常操作或故障操作)的时间序列的数据的模型50。

图8到图10示意地图示了时间序列的数据的模型50可以是时间序列的数据的至少一个模型50，即模型50可包括时间序列的数据的一个或多个模型50，例如参照

图8中所图示的模型151、152、153或154，对应于关于加热系统2的正常加热操作的模型，

图9中所图示的模型251、252、253、254或255，例如，对应于关于其中阻塞了冷凝液排放的加热系统2的加热操作的模型，以及

图10中所图示的模型351、352、353、354或355，例如，对应于关于其中阻塞了烟道进口的加热系统2的加热操作的模型。

如图8中所图示的，对于加热系统2的正常加热操作：

模型时间序列151可指加热系统2的加热模式。

模型时间序列152可指在加热系统2的输出处的流体的温度。

时间序列153可指加热系统2的输出功率；以及/或者

时间序列154可指加热系统2的入口泵的模式。

现在将参照图8解释关于正常加热操作的一个或多个模型。用户的加热请求在时间t0激活对应于加热系统2的加热操作周期4的操作周期。如模型151所示，在操作的暂态模式的短期41后，加热系统的加热模式迅速地移动到操作的稳态模式期42，对应于燃烧器的火焰被激活(以值70示出)。如模型153所示，加热系统2的输出功率示出了操作的暂态模式期41，包括逐渐的增加，以在加热系统2的输出处使流体的温度达到适当的温度，并随后(在大约1500秒之后)下降到操作的稳态模式期42，约40％。如模型152所示，在大约2000秒之后，输出流体的温度示出了操作的稳态模式期42，其中它被保持在约88℃。加热需求在te(约6500秒)由用户移除，以及系统2在操作的暂态模式的短期43之后返回到静态状态。

如图9中所图示的，对于其中阻塞了冷凝液排放的加热系统2的加热操作：

模型时间序列251可指加热系统2的加热模式；

模型时间序列252可指在加热系统2的输出处的流体(初始流动)的温度；

模型时间序列253可指加热系统2的输出功率；

模型时间序列254可指加热系统2的入口泵的模式；以及/或者

模型时间序列255可指家用热水(DHW)的流体(次级流体)的温度。

现在将参照图9解释关于其中阻塞了冷凝液排放的加热操作的一个或多个模型。加热需求在t0由用户施加，以及如模型252所示，在操作的暂态模式期41之后(约300秒)，输出温度达到操作的稳态模式期42，约70℃。冷凝液排放被阻塞，且加热系统2的燃烧室逐渐地填充以水，从而减少系统2的实际热输出。因此，如模型253所示，系统2的功率逐渐上升到最大值(例如，100)，之后，如模型252所示，输出温度开始(约1300秒)下降到目标温度(即70℃)以下。如模型251所示，最终火焰通过缺氧在tf熄灭，以及系统2试图在约2200秒重新点燃火焰。

如图10中所图示的，对于其中阻塞了烟道进口的加热系统2的加热操作：

模型时间序列351可指加热系统2的加热模式；

模型时间序列352可指在加热系统2的输出处的流体(初始流动)的温度；

模型时间序列353可指加热系统2的输出功率；

模型时间序列354可指加热系统2的入口泵的模式；以及/或者

模型时间序列355可指家用热水(DHW)的流体(次级流体)的温度。

现在将参照图10解释关于阻塞了烟道进口的加热系统2的加热操作的一个或多个模型。加热需求在t0由用户施加，以及如模型352所示，在操作的暂态模式期41之后(约1500秒)，输出温度达到操作的稳态模式期42，约88℃。烟道入口阻塞，因此如模型354所示，加热系统2驱动入口泵(譬如风扇)更难吸进足够的氧气来用于所需的输出功率。如模型353所示，该实例中所需的功率为80％，即超过图8中由153所示的正常等级(即对于正常的加热操作为40％)的两倍。加热需求在te(约6500秒)由用户移除，以及系统2在操作的暂态模式的短期43之后返回到静态状态。在周期4期间，加热系统2如用户所见的正常工作，但处于点燃失败的风险下，并且可能将发出对于用户危险的过量的一氧化碳。应诊断故障，且应如以下更详细描述，预测关于维护的需要。

现在将参照图4到图6描述根据公开的示例性方法。

如图4中所说明的，方法100包括在S10设备10接收与加热系统2在操作周期的操作有关的至少一个时间序列51、52、53、54的数据5。以下更详细地描述周期的界定。

在S20，设备10基于将所接收的时间序列51、52、53或54与时间序列的数据的至少一个相应的模型50(如上所述，如图8到图10中所示被称作151、152、153、154；251、252、253、254、255；351、352、353、354或355)进行比较来确定加热系统2的操作状态。

现在将参照图5更详细地描述S20。

在S201，设备10界定操作周期。操作周期可包括：

操作的暂态模式期41和/或43，以及

操作的稳态模式期42。

操作周期可对应于加热系统2的操作周期4。例如，加热系统2的操作周期4由从对应于加热系统2的加热模式的时间序列(譬如时间序列51和/或151)采用的持续时间派生。例如，持续时间可从通过“通电”信号到“断电”信号采用的时期得出，譬如通过“点燃/火焰接通”信号或指令到“点燃/火焰断开”信号或指令得出的时期。因此，可容易地界定加热系统2的操作周期4。

为了清晰地界定一些时间序列的操作周期，操作的辅助周期7例如对应于：

组件21、22、23或24的操作周期，以及/或者

系统2的操作阶段。

在一些示例中，辅助周期7可从通过第一时间序列(譬如以上所述的时间序列51或151)以及基于第一时间序列通过第二时间序列的部分得出的持续时间派生出。例如，系统2的操作周期4的第一30％可能例如对于时间序列53不显著。因此，辅助周期7(例如，在周期4的30％处开始，即从如图8中所示的2000秒开始)可关于时间序列53被界定，以便用于待与时间序列153、253或353更显著地进行比较的时间序列53。

如上所述，在一些示例中，为了确定辅助周期7，时间序列的数据5可被解析成时段8的集合，其包含与系统2的不同操作阶段有关的数据，譬如：

静态阶段，

点燃阶段(即点火燃烧器的一系列动作)，

空间加热阶段，

水加热阶段，以及/或者

后燃(即清洁燃烧室202和冷却系统2)。

在一些示例中，操作阶段可使用先前所描述的样式匹配方法来识别，以使时间序列的数据与各种潜在的状态的“模型”关联。可选地或附加地，操作阶段可使用数据5中的特定参数进行识别，譬如空间加热状态值和/或火焰检测值。在一些示例中，空间加热状态值可指示点燃阶段的开始。在一些示例中，火焰检测值可指示点燃阶段何时完成。

因此，诊断可包括使用时间序列的数据5从时间序列的数据的模型50偏离的定时，该时间序列的数据的模型50对应于在操作周期4或7的加热系统2的正常操作。

在S202，设备10分别比较：

时间序列51与时间模型时间序列151、251和/或351；以及/或者

时间序列52与时间模型时间序列152、252和/或352；以及/或者

时间序列53与时间模型时间序列153、253和/或353；以及/或者

时间序列54与时间模型时间序列154、254和/或354。

如图7中所示，在S202所执行的比较包括将所接收的时间序列51、52、53或54的样式与以上引用的时间序列的数据的模型的样式进行匹配。

如果在S202没发现匹配，则周期在S201可能没有被适当地界定，且过程返回到S201。

如果在S202设备10发现匹配，则在S203确定51、52、53或54中的至少一个的匹配是否与正常的操作时间序列151、152、153或154有关。

如果在S203没有发现与正常的操作的匹配，则过程指向诊断相应的故障的S207，即例如，其中阻塞了冷凝液排放的加热操作，或其中阻塞了烟道进口的加热系统2的加热操作。

过程指向S208，其中确定在S207的故障操作的诊断是否触发了诊断，在S209，更精确的诊断故障，例如加热系统2的组件21、22、23或24的故障。

如果设备10被配置为在S209触发进一步的诊断，则更精确地诊断故障可例如包括，在S209，界定新的特定周期、解析例如组件21、22、23或24的数据5和识别其故障的样式，界定与新的模型时间序列进行比较的新的时间序列、以及进行比较。随后，过程结束并继续图4和图6的S30。

如果在S208确定，设备10没有被配置为触发进一步的诊断，则过程结束并继续图4和图6的S30。

如果在S203发现与正常操作匹配，则过程指向诊断正常操作的S204。

在S205，确定设备10是否被配置为确定系统2的状态超过一个以上的周期4。

如果在S205确定，设备10没有被配置为确定系统2的状态超过一个以上的周期4，则过程结束并继续图4和图6的S30。

如果在S205确定，设备10被配置为确定系统2的状态超过一个以上的周期4，则过程指向确定潜在的趋势的S206。在S206识别趋势可包括使用周期4之间的比较(周期没有必要是连续的周期，并且可考虑任意数量的周期)。过程结束并继续图4和图6的S30。

如上所述，方法100还包括在S30基于S20的确定来确定动作方案。

现在将参照图6更详细地描述S30。

在S301，设备10确定故障操作是否在S20被确定。

如果在S301确定故障操作在S20被确定，则设备10在S302确定是否需要维护和/或是否应预测维护，即例如在故障对于用户是危险的和/或对于加热系统2的运转是至关重要的情况下。S302允许避免对于系统2的轻微故障不必要的和昂贵的维护。

如果不需要维护，则过程结束。

如果在S302确定预测了关于维护的需要，则设备10在S303以及时的方式触发维护。随后，过程结束。

要理解的是，在设备中对与多个系统的操作有关的数据进行集中化在经济上和技术上两方面实现了多个系统的更有效的管理，并且如果维护可以以更有效的方式(例如用于连接到相同网络3的加热系统2的集群)延迟和执行则允许避免过度昂贵的维护。因此，出于技术上和经济效率上两方面的目的，可计划和合理化维护。来自多个系统2的数据也可用于分析和统计。

要理解的是，在一些示例中，对与多个系统和/或器具的操作有关的数据进行集中化可实现多个系统和/或器具之间的比较方法，例如实现了对可能会遇到的行为的范围的理解。在一些示例中，比较方法可包括(用于器具和/或系统的选择的分组)：

使用颜色强度或其他方法的所选特征类型的概率分布，例如用于在视觉上指示发生的频率。这通常可示出在整个人口上的需求分布密度和关于所选的待发生的异常的天、周或年中的最频繁的时间；以及/或者

关于所选的派生特征参数的最小、最大、平均以及概率分布。例如，这可示出关于在整个人口上的热水流速的范围值和典型值。

如上所述，触发可包括，例如局部地或通过派遣技术人员到系统2，来输出维护指令和/或在实际上维护加热系统。例如，维护指令可局部地在系统2上和/或通过网络3被发送到譬如控制器23的至少一个控制器。维护指令也可例如经由SMS，通过给用户指令，而被发送到系统的用户。

如果在S301确定故障操作没有在S20被确定，则在S304确定故障趋势是否在S20被确定，随后过程指向已述的S302。

在所附的权利要求中陈述了本发明的方面和优选示例。

另一方面，提供了有包括程序指令的计算机程序产品，以根据公开的方面给处理器编制程序来执行方法的数据处理，或根据公开的方面给处理器编制程序来提供控制器、设备以及装置(包括设备、网络以及多个器具)。

作为一种可能性，提供了计算机程序、计算机程序产品或计算机可读介质，包括计算机程序指令，以使可编程计算机来执行本文中所描述的任意一个或多个方法。在一些示例中，设备10和/或通信网络3的组件可使用专门的应用和硬件。要理解的是，如果需要的话，本公开的软件组件可以以ROM(只读存储器)的形式来实施。通常情况下，如果需要的话，软件组件可使用传统技术以硬件来实施。

在示例实施例中，本文中与设备10和/或通信网络3有关的活动的至少一些部分可以以软件来实施。

以上所描述的各种特征可具有带有或不带有以上所描述的特征的优点。

根据公开的方面的方法和/或设备和/或装置和/或计算机程序产品可实现对复杂数据的更好的理解。根据公开的方面的方法和/或设备和/或装置和/或计算机程序产品可实现例如：

解决在使用可提供的传感器和/或数据类型中发现的一些局限性；以及/或者

考虑对数据的不同类型的影响，包括由于在器具外部的系统、通信、固件缺陷和/或客户行为导致的影响；以及/或者

提高当存在失败时对在器具数据中所见的行为的知识；以及/或者

使用原始器具数据来辅助识别失败的具体原因；以及/或者

优选通过所检测的异常的单一实例，辅助确定什么数据指示哪个事件需要维修访问或哪个事件不需要立即(或任何)响应；以及/或者

辅助确定对于数据异常的背景相关的响应，例如确定在加热系统或其他维护期间所检测的装置故障是维护操作的结果，因而不需要响应；以及/或者

呈现在器具操作的背景下所进行的维修的现有服务记录和所改变的零件。

根据公开的方面的方法和/或设备和/或装备和/或计算机程序产品可使用可用数据，以相较于远程监控一个或多个加热系统(譬如锅炉)的操作的已知方法而增强了的方式，实现响应于故障代码或给定参数的阈值的跨越，或响应于不同参数的变化率。

根据公开的方面的设备和/或装置和/或计算机程序产品可被配置为允许功能的持续改进和维护，特别是重新考虑对于成为可用的数据源或新的器具以及数据解释的理解。在一些示例中，这可能实现：

在为新增强的参数选择分组、缩放和显示特性方面界定新增强的参数；

在特征类型、显示特性、识别样式以及派生特征参数方面界定新派生特征；以及/或者

界定新派生特征识别分组、时间窗口和序列以及推荐文本。

根据公开的方面的设备和/或装置和/或计算机程序产品也可被配置为验证和建立参考数据的控制集合，其可随后转而用于训练和开发异常检测的自动化方法，例如使用机器学习使数据样式与特定结果有关。如果对照更换的零件所建立的任意数据集(例如)用于训练机器学习系统，因为该数据通常将包括无效的数据和结果的显著比例，因此机器学习或类似方法将更无效。

以下给出了参照以上的“派生特征”的一些非限制性示例，外加一个或多个示例性相应的检测方法。要理解的是，以下列表不旨在作为通用于所有器具的算法和/或特征的详尽列表，而是旨在给出派生特征的说明以及它们如何用在公开的背景下：

从原始器具数据直接派生的特征：

加热需求的开始/结束，瞬时热水需求的开始/结束，被检测/清除的器具故障；

预热需求：

如果器具指示热水需求状态，但热水流超过时段A为零，则检测开始；

当需求状态指示静态时，在以上检测之后，检测结束；

冰冻需求：

在没有需求信号且加热或热水温度传感器指示温度低于温度B时，检测锅炉的加热活动；

未知需求：

在没有任何明显的需求信号时，锅炉运转；

无需求：

未检测到锅炉操作，无明显异常，正确接收数据；

无数据：

是否在时段C内没有接收到数据

通信和连接问题的重要诊断，以及是否器具失去电力；

通过温度感测的热水流：

是否热水温度的变化率在时段D内为温度上升率D，以及

如果在时段D结束时，热水温度<温度D且在时段B内仍低于热水需求，则指示失败的热水需求；

加热过温1：

如果在时段E内锅炉输出温度>温度E，则检测过温1错误

(注意的是，可能还有过温2和使用不同的阈值和时间的进一步的特征)；

部分点燃失败：

大多器具将做几次尝试来点燃火焰，其中完整的失败通过故障代码指示。检测与不导致完全失败的失败尝试有关的数据样式的算法可用于识别有关燃烧问题相关的诊断的这些事件

如果检测到火花，则启动定时器直至下个火花尝试

在时段F期间，如果(检测到火焰或风扇关闭或加热需求关闭或热水需求关闭)，则终止定时器，不检测点燃失败

如果在时段F结束之前再次检测到火花，则检测点燃失败；

意外熄火：

如果火焰点燃但其随后熄灭，则器具通常将尝试重新点燃火焰，并且如果成功，则这将被忽视。检测何时发生这种情况可提供关于燃烧问题的有用诊断

如果检测到火焰熄灭，而加热需求活跃或热水需求活跃，则启动定时器

如果在时段G1内没有风扇接通，则终止检测

如果在时段G2内没有检测到火花，则终止检测

如果在时段G3期间需求上没有改变，则：检测意外熄火，否则终止检测；

反常的预热需求：

(可指示分流阀问题)

如果预热的上升率<上升率H或预热需求的持续时间>时段H，则检测多余的预热；

反常的加热周期：

如果锅炉的输出温度在加热周期开始之后的时段K内已经上升到温度K以上，则检测反常的加热周期；

反常的加热周期结束：

(也可指示分流阀问题)

如果锅炉的输出温度在加热周期结束之后的时段L内已经降低了温度L，则检测反常的加热周期结束；

反常的热水周期：

(热交换器、泵以及压力问题)

如果检测到热水需求且热水流速>0，则监控热水输出温度

如果热水温度在时段M内没有超过温度M，则检测反常的热水周期；

其他异常可能包括：

加热温度的上升率或下降率过高或过低

反常的调制行为

反常的火苗行为

反常的热交换器的差温行为

以上实施例要被理解为发明的说明性示例。设想发明的其他实施例。应理解的是，与任何一个实施例有关的所描述的任何特征可被单独使用，或与所描述的其他特征组合，以及也可用在与任何其他的实施例或任意其他实施例的任意组合的一个或多个特征的组合中。此外，以上未描述等价物或修改在不背离发明的范围的情况下也可被采用，其在所附的权利要求中被界定。

如将对于本领域中的技术人员明显的是，服务器不应理解为单一实体，而是指至少包括处理器和存储器的物理设备，存储器被包括在可位于单一位置中或可相互远程以形成分布式网络(譬如“服务器场”，例如，利用有线或无线技术)的一个或多个服务器中。

在一些示例中，一个或多个存储元件(例如，数据库6和/或存储器12)可储存用于本文中所描述的操作的数据。这包括能够储存被执行用于进行公开中所描述的活动的软件、逻辑、代码或处理器指令的存储元件。

处理器可执行与数据相关联的任何类型的指令，以实现公开中所详述的操作。在一个示例中，处理器能够将元素或物品(例如，数据)从一个状态或事物变换成另一状态或事物。在另一示例中，本文中列出的活动可以以固定的逻辑或可编程逻辑(例如，由处理器执行的软件/计算机指令)来实施，以及本文中所识别元素能够是某种类型的可编程处理器、可编程数字逻辑(例如，现场可编程门阵列(FPGA)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM))、包括数字逻辑、软件、代码、电子指令的ASIC、闪存、光盘、CD-ROM、DVD ROM、磁卡或光卡、适于储存电子指令的其他类型的机器可读介质、或它们任意适当的组合。

由设备10接收的数据通常通过一系列可能的通信网络3接收，其至少如下：基于卫星的通信网络；基于电缆的通信网络；基于电话的通信网络；基于移动电话的通信网络；互联网协议(IP)通信网络；以及/或者基于计算机的通信网络。

在一些示例中，通信网络3和/或设备10可包括一个或多个网络。网络可以任何形式来配置，包括但不限于，局域网(LAN)、无线局域网(WLAN)、虚拟局域网(VLAN)、城域网(MAN)，广域网(WAN)、虚拟专用网(VPN)、内联网、外联网、任何其他适当的架构或系统、或有助于网络中的通信的它们的任意组合。

Claims (69)

1.一种用于确定在多个家用器具中的家用器具的操作状态的方法，包括：

从所述家用器具接收与所述家用器具在操作周期内的操作有关的时间序列的数据；以及

基于所接收的时间序列与对应于所述多个家用器具在操作周期内的操作的时间序列的数据的模型的比较，确定所述家用器具的操作状态。

2.根据权利要求1所述的方法，其中，所述比较包括将所接收的时间序列的数据的样式与时间序列的数据的模型的样式进行匹配。

3.根据权利要求1或2中的任一项所述的方法，其中，所述比较包括从数据库检索时间序列的数据的所述模型。

4.根据权利要求3所述的方法，其中，所述检索通过网络执行。

5.根据权利要求1到4中的任一项所述的方法，其中，所述多个家用器具连接到网络，以及其中，所述时间序列的接收包括通过所述网络接收所述数据。

6.根据权利要求1到5中的任一项所述的方法，其中，所述多个家用器具包括不同类型的家用器具，以及其中，时间序列的数据的所述模型对应于家用器具的类型。

7.根据权利要求6所述的方法，其中，确定所述操作状态还包括基于所接收的时间序列的数据和/或基于从所述家用器具接收的标识，识别在所述多个家用器具中的所述家用器具的类型。

8.根据权利要求1到7中的任一项所述的方法，还包括基于与所述多个家用器具的操作有关的、从所述多个家用器具接收的时间序列的数据来建立时间序列的数据的所述模型。

9.根据权利要求1到8中的任一项所述的方法，还包括储存时间序列的数据的预定模型。

10.根据权利要求1到9中的任一项所述的方法，其中，确定所述家用器具的操作状态包括基于所述比较诊断所述家用器具的正常操作。

11.根据权利要求1到10中的任一项所述的方法，其中，确定所述家用器具的操作状态包括基于所述比较诊断所述家用器具的故障。

12.根据权利要求11所述的方法，还包括基于所述家用器具的所述故障的所述诊断来触发对所述家用器具的组件的故障的诊断。

13.根据权利要求11或12中的任一项所述的方法，其中，诊断故障包括诊断其中阻塞了冷凝液排放的家用流体加热系统的加热操作和/或其中阻塞了烟道进口的所述家用流体加热系统的加热操作。

14.根据权利要求11到13中的任一项所述的方法，其中，所述诊断包括：

使用所述时间序列的数据从对应于所述加热系统在操作周期的正常操作的时间序列的数据的模型偏离的定时；以及/或者

在设备的显示屏幕上的界面中显示经处理的时间序列的数据。

15.根据权利要求11到14中的任一项所述的方法，还包括基于所述诊断来预测关于维护的需要。

16.根据权利要求1到15中的任一项所述的方法，还包括基于在至少两个操作周期内对所述家用器具的操作状态的确定，来检测所述家用器具的操作的趋势。

17.根据权利要求16所述的方法，还包括基于对所述趋势的所述检测来预测关于维护的需要。

18.根据权利要求15或17中的任一项所述的方法，还包括基于所述预测来触发对所述家用器具的维护。

19.根据权利要求18所述的方法，其中，触发维护包括输出维护指令。

20.根据权利要求18或19中的任一项所述的方法，其中，触发维护包括维护所述家用器具。

21.根据权利要求1到20中的任一项所述的方法，其中，所述操作周期包括操作的暂态模式期和操作的稳态模式期。

22.根据权利要求1到21中的任一项所述的方法，包括基于以下来界定操作周期：

从第一时间序列和从基于所述第一时间序列而选择的第二时间序列的部分获取的持续时间派生，以及/或者

使用所述数据中的特定参数。

23.根据权利要求22所述的方法，其中，从所述第一时间序列获取的持续时间为：

从接通信号到断开信号获取的时期；以及/所述数据中的所述特定参数包括：

空间加热状态值；以及/或者

火焰检测值。

24.根据权利要求1到23中的任一项所述的方法，还包括基于在设置期间从所述多个系统接收的数据，建立时间序列的数据的所述模型。

25.根据权利要求1到24中的任一项所述的方法，还包括基于编程来预界定时间序列的数据的所述模型。

26.根据权利要求1到25中的任一项所述的方法，其至少部分本地地在所述加热系统中执行。

27.根据权利要求1到26中的任一项所述的方法，其中，所述家用器具为家用锅炉和/或洗衣机。

28.根据权利要求1到27中的任一项所述的方法，其中，所接收的时间序列的数据与所述家用器具的组件在操作周期内的操作有关。

29.根据权利要求1到28中的任一项所述的方法，其中，所述时间序列的数据包括：

原始器具数据；以及/或者

从所述原始器具数据派生的增强的数据；以及/或者

至少派生的特征。

30.根据权利要求29所述的方法，其中，所派生的特征至少包括从所述原始数据派生的特征。

31.根据权利要求1到30中的任一项所述的方法，还包括以线图格式提供所述时间序列的数据。

32.根据权利要求31所述的方法，还包括格式化和/或平均所述时间序列的数据，以显示在器具的操作的相关周期内的所述数据。

33.根据权利要求1到32中的任一项所述的方法，包括使用户能够在时间序列的数据的不同显示之间导航。

34.根据权利要求1到33中的任一项所述的方法，包括整合来自外部源的输入。

35.根据权利要求1到34中的任一项所述的方法，包括定期更新所述时间序列的数据的显示。

36.根据权利要求1到35中的任一项所述的方法，包括验证和/或建立参考数据，以训练和/或开发异常检测器。

37.根据权利要求1到36中的任一项所述的方法，包括界定和/或配置附加的、新的、派生的特征和/或任何相关联的参数。

38.根据权利要求2到37中的任一项所述的方法，其中，所述样式匹配包括界定一个或多个派生的特征的分组，以对照所述模型时间序列数据来使用。

39.根据权利要求1到38中的任一项所述的方法，其中，所述比较包括在来自多个器具的经处理的数据之间的比较，以便表征常见行为和/或差异。

40.一种被配置用于确定在多个家用器具中的家用器具的操作状态的设备，所述设备被配置为：

从所述家用器具接收与所述家用器具在操作周期内的操作有关的时间序列的数据；以及

基于所接收的时间序列与对应于所述多个家用器具在操作周期内的操作的时间序列的数据的模型的比较，确定所述家用器具的操作状态。

41.根据权利要求40所述的设备，还被配置为将所接收的时间序列的数据的样式与时间序列的数据的模型的样式进行匹配。

42.根据权利要求40或41中的任一项所述的设备，其中，还被配置为从数据库检索时间序列的数据的所述模型。

43.根据权利要求42所述的设备，还被配置为通过网络检索所述模型。

44.根据权利要求40到43中的任一项所述的设备，还被配置为通过网络接收所述时间序列的数据。

45.根据权利要求40到44中的任一项所述的设备，还被配置为将时间序列的数据的所述模型分配到家用器具的类型。

46.根据权利要求45所述的设备，还被配置为基于所接收的时间序列数据的和/或基于从所述家用器具接收的标识，识别在所述多个家用器具中的所述家用器具的类型。

47.根据权利要求40到46中的任一项所述的设备，还被配置为基于与所述多个家用器具的操作有关的、从所述多个家用器具接收的时间序列的数据，建立时间序列的数据的所述模型。

48.根据权利要求40到47中的任一项所述的设备，还被配置为储存时间序列的数据的预定模型。

49.根据权利要求40到48中的任一项所述的设备，还被配置为基于所述比较来诊断所述家用器具的正常操作。

50.根据权利要求40到49中的任一项所述的设备，还被配置为基于所述比较来诊断所述家用器具的故障。

51.根据权利要求50所述的设备，还被配置为基于所述家用器具的所述故障的所述诊断来触发对所述家用器具的组件的故障的诊断。

52.根据权利要求50或51中的任一项所述的设备，被配置为诊断其中阻塞了冷凝液排放的家用流体加热系统的加热操作和/或其中阻塞了烟道进口的所述家用流体加热系统的加热操作。

53.根据权利要求50到52中的任一项所述的设备，被配置为基于所述诊断来预测关于维护的需要。

54.根据权利要求50到53中的任一项所述的设备，还被配置为基于对所述家用器具在至少两个操作周期内的操作状态的确定，来检测所述家用器具的操作的趋势。

55.根据权利要求54所述的设备，还被配置为基于所述趋势的所述检测来预测关于维护的需要。

56.根据权利要求53或55中的任一项所述的设备，还被配置为基于所述预测来触发所述家用器具的维护。

57.根据权利要求56所述的设备，被配置为通过输出维护指令来触发维护。

58.根据权利要求56或57中的任一项所述的设备，被配置为通过维护所述家用器具来触发维护。

59.根据权利要求40到58中的任一项所述的设备，还被配置为基于在设置期间从所述多个系统接收的数据，建立时间序列的数据的所述模型。

60.根据权利要求40到59中的任一项所述的设备，还被配置为基于编程来预界定时间序列的数据的所述模型。

61.根据权利要求40到59中的任一项所述的设备，被配置为经由通信网络连接到所述多个家用器具。

62.根据权利要求40到61中的任一项所述的设备，被配置为至少部分地位于所述加热系统中。

63.一种装置，包括：

监控设备，所述监控设备包括服务器；

多个家用器具，其经由通信网络连接到所述设备的服务器，并适于发送与所述多个家用器具在操作周期内的操作有关的一个或多个时间序列的数据，

其中所述监控设备被配置为：

从所述多个家用器具中的家用器具接收与所述家用器具在操作周期内的操作有关的时间序列的数据；以及

基于所接收的时间序列与对应于所述多个家用器具在操作周期内的操作的时间序列的数据的模型的比较，确定所述家用器具的操作状态。

64.根据权利要求63所述的装置，其中，所述家用器具为家用锅炉和/或洗衣机。

65.根据权利要求63或64中的任一项所述的装置，其中，所述家用器具包括控制器，所述控制器被配置为：

接收来自传感器的和/或来自所述家用器具的组件的数据；以及

通过所述网络将数据发送到所述监控设备。

66.一种大体上如本文参照附图中的图1、图2和/或图3所描述的和/或如所述图1、图2和/或图3所图示的设备。

67.一种大体上如本文参照附图中的图1、图2和/或图3所描述的和/或如所述图1、图2和/或图3所图示的装置。

68.一种大体上如本文参照附图中的图4、图5和/或图6所描述的和/或如所述图4、图5和/或图6所图示的方法。

69.一种包括程序指令的计算机程序产品，所述程序指令用以给处理器编制程序来进行根据权利要求1到39或68中的任一项所述的方法的数据处理，或用以给处理器编程来提供权利要求40到62或66中的任一项所述的设备，或用以提供权利要求63到65或67中的任一项所述的装置。