CN109282499B - 一种热水器预测用户用水行为的方法及热水器 - Google Patents

Abstract

本发明属于热水器领域，具体地说，涉及一种热水器预测用户用水行为的方法及热水器，数据处理单元分析当前时间以前用户的用水数据建立用水模型，根据用水模型预测当前时间之后的下一次用水时段，并统计当前时间之前的N天在下一次用水时段内的用水数据，预测下一次用水时段内用户的具体用水时间点，通过先确定用水时段，并统计前N天的用水数据预测下一次用水的具体用水时间点，该方法预测的准确度更高；采用加权平均数法计算下一次用水的具体用水时间点，通过调整权重占比，使所预测的具体用水时间点更贴合实际；通过对用水数据的不断更新，用水模型得到不断修正，用水时间段的计算更加准确、智能，实现真正意义的自动控制。

Description

一种热水器预测用户用水行为的方法及热水器

技术领域

本发明属于热水器领域，具体地说，涉及一种热水器预测用户用水行为的方法及热水器。

背景技术

热水器是指通过各种物理原理，在一定时间内使冷水温度升高变成热水的一种装置。按照原理不同可分为电热水器、燃气热水器、太阳能热水器、磁能热水器、空气能热水器，暖气热水器等。

热水器包括制造冷气部分和制造热水部分。其实这两个部分又是紧密地联系在一起，密不可分，且必须同时工作。即制造热水的同时，给另一部分制冷。

目前，对于用户用水行为的预测，通常仅能预测到用水时段，不能预测到具体用水时间点，使预测不够精准，如用户使用时，热水器还未加热完毕，用户无法使用，给用户的使用带来很多麻烦；而且，目前对于用水数据的储存和数据处理，通产采用的都是热水器自身的控制器ROM和存储器，受存储单元存储能力的限制，仅能分析一段时间内的数据(如21天、49天等)，受处理单元处理能力的限制，也不能部署太复杂的算法，精准度进一步降低；再有，目前用于进行预测的算法通常比较固定，不能实现自动修复，灵活性差，不够贴合每一位用户。

有鉴于此特提出本发明。

发明内容

本发明要解决的技术问题在于克服现有技术的不足，提供一种热水器预测用户用水行为的方法及热水器，通过先确定用水时段，并统计前N天的用水数据预测下一次用水的具体用水时间点，该方法预测的准确度更高；计算下一次用水的具体用水时间点采用加权平均数的算法，通过调整不同天的用水时间点的权重占比，使所预测的具体用水时间点更加贴合实际；通过分析当前时间以前用户的用水数据建立用水模型，进而得到下一次用水的具体用水时间段，而且由于用水数据的不断更新，用水模型得到不断修正，用水时间段的计算更加准确、智能，实现真正意义的自动控制。

为解决上述技术问题，本发明采用技术方案的基本构思是：

一种热水器预测用户用水行为的方法，数据处理单元分析当前时间以前用户的用水数据建立用水模型，根据用水模型预测当前时间之后的下一次用水时段，并统计当前时间之前的 N天在下一次用水时段内的用水数据，预测下一次用水时段内用户的具体用水时间点。

预测下一次用水时段内具体用水时间点，包括：

数据处理单元统计当前时间之前的N天的每一天在所述用水时段内具体的用水时间点，根据所述用水时间点，预测下一次用水的具体用水时间点。

数据处理单元采用加权平均法对前N天的用水时间点进行处理，预测下一次用水的具体用水时间点。

热水器预设与当前时间之前的N天的每一天相对应的权重占比，数据处理单元统计当前时间之前的N天的每一天在所述用水时段内用水时间点，根据当前时间之前的N天的用水时间点和与之对应的权重占比，预测下一次用水时段内的具体用水时间点；

优选地，当前时间之前的N天中，距离当前时间越近，权重占比越大。

根据当前时间之前的N天的用水时间点和权重占比，预测下一次用水时段内的具体用水时间点，包括，

数据处理单元计算前N天中每一天在所述用水时段内的用水时间点与所述用水时间段的起始时间点的差值△t，根据前N天的每一天得到的差值△t和与之对应的权重占比，预测下一次用水时段内的具体用水时间点。

所述热水器预测用户用水行为的方法包括以下步骤：

数据处理单元分析当前时间以前用户的用水数据建立用水模型X，根据用水模型X预测当前时间之后的下一次的用水时段t_a-t_b；

数据处理单元预设与当前时间前的前N天的每一天相对应的权重占比W_i(1≤i≤N，i 为正整数)；

统计当前时间前的前N天所述用水时段t_a-t_b内的用水时间点t_i(1≤i≤N，i为正整数)，根据权重占比W_i、用水时间点t_i和起始时间点t_a，计算前N天的每一天的差值△t_i＝t_i-t_a，并计算下一次用水时间段t_a-t_b内的具体用水时间点的预测值t＝t_a+(△t₁*W₁+△t₂*W₂……+ △t_i*W_i)。

所述方法还包括预测下一次用水的用水时长：

数据处理单元统计当前时间前的N天所述用水时段内的用水时长，预测下一次用水的用水时长：

优选地，数据处理单元分析当前时间以前用户的用水数据建立用水模型X，根据用水模型X预测当前时间之后的下一次的用水时段t_a-t_b；

数据处理单元调取当前用水前的N天在用t_a-t_b内的实际用水时长S_i(1≤i≤N，i为正整数)，计算得到下一次用水的用水时长的预测值s＝(S₁+S₂+……S_i+……S_N)/N。

还包括对用水模型X的修正和优化，

下一次实际用水后，数据处理单元获取实际用水数据，根据实际用水数据修正用水模型 X，

和/或下一次实际用水后，将实际用水数据传递给储存单元更新用水数据库，数据处理单元分析更新后的用水数据库，优化用水模型X；

优选地，当下一次实际用水后，将所述的实际的用水时间点和用水时长传递给储存单元更新用水数据库，数据处理单元重新分析更新后的用水数据库，对原用水模型X进行修正、拟合，得到新的用水模型。

一种采用上述的热水器预测用户用水行为的方法的热水器，包括数据处理单元和存储单元，储存单元储存用户所有时间的用水数据，数据处理单元根据储存单元中储蓄的用户所有时间的用水数据建立用水模型X，根据用水模型X预测下一次用水时段；

优选地，所述的储存单元设置在云端储存服务器上，云端服务器上储存用户的所有用水数据，处理单元运用建模工具建立用水模型X，根据用水模型X预测下一次用水时段；

或者，储存单元为设置在家用电器上的本地储存单元。

还包括检测单元，所述检测单元用于检测水流量，根据水流量值获取用户的用水时间点和用水时长传递给储存单元；

优选地，检测单元检测水流量，当检测单元检测到水流量值大于0时，则为用水时间点，当检测单元检测到水流量值≤0时，则用水停止时间点，数据处理单元根据用水时间点和用水停止时间点计算用水时长。

采用上述技术方案后，本发明与现有技术相比具有以下有益效果：通过先确定用水时段，并统计前N天的用水数据预测下一次用水的具体用水时间点，该方法预测的准确度更高；计算下一次用水的具体用水时间点采用加权平均数的算法，通过调整不同天的用水时间点的权重占比，使所预测的具体用水时间点更加贴合实际；通过分析当前时间以前用户的用水数据建立用水模型，进而得到下一次用水的具体用水时间段，而且由于用水数据的不断更新，用水模型得到不断修正，用水时间段的计算更加准确、智能，实现真正意义的自动控制；通过将用水数据传入云端存储单元，不受历史数据的数据量的限制；基于云端历史数据建模，可进行用水模型的自修复，实现预测到具体的时间点。

下面结合附图对本发明的具体实施方式作进一步详细的描述。

附图说明

附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，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附图。在附图中：

图1是本发明一种热水器预测用户用水行为的方法流程图；

图2是本发明热水器具体预测用户用水行为的方法流程图；

图3是本发明热水器控制结构示意图；

图4是本发明一种热水器的智能免操作控制方法结构示意图；

图5是本发明一种热水器的智能免操作具体控制方法结构示意图；

图6是本发明一种热水器预测用户用水行为及实现免操作控制方法流程图。

需要说明的是，这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例一

一种热水器预测用户用水行为的方法，数据处理单元分析当前时间以前用户的用水数据建立用水模型，根据用水模型预测当前时间之后的下一次用水的用水时段，并统计当前时间之前的N天在所述用水时段内的用水数据，预测下一次用水时段内用户的具体用水时间点。

目前对于用户用水行为的预测，往往都是使用机器自身的控制器进行计算，只能预测到用水时段，而不能具体到时间点，使预测误差较大，如果用水时间段较长，可能用户使用热水时，热水器还未加热，给用户的使用带来不便。

本发明通过数据处理单元对当前时间以前用户的用水数据(即历史用水数据)建立用水模型，先预测下一次用水的用水时间段，再通过N天前在所述用水时段内的用水数据，进一步精确预测用水时间点，使得预测更加准确。

其中，所述用水模型(即用水模型X)的建立方法为：

根据已知的基本模型工具和用水数据，所述基本模型工具如统计学模型、热力学模型和动计学模型等，所述用水数据包括水温、流量和时间。

根据统计学模型和用水数据得出用水模型为A，

根据热力学模型和用水数据得出用水模型为B，

根据动计学模型和用水数据得出用水模型为C，

结合前N天的实际用水数据(一般为当前时间前的3天的用水数据)，进行拟合得到用水模型X，

X＝αA+βB+λc

采用该用水模型X预测得到的用水时间段更加准确。

进一步地，预测下一次用水时段内具体用水时间点，包括：

数据处理单元统计当前时间之前的N天的每一天在所述用水时段内具体的用水时间点，根据所述用水时间点，预测下一次用水的具体用水时间点。

由于用户每天的用水时间点可能存在一定的时间误差，根据当前时间之前的N天的每一天在所述用水时段内具体的用水时间点预测下一次用水的具体用水时间点。

如，可以根据具体时间点得出用户在哪个时间点的概率较大，进而预测出下一次用水的具体用水时间点，将用水时间段精确到具体用水时间点，误差更小，用户体验好。

进一步地，数据处理单元采用加权平均法对前N天的实际用水时间点进行处理，预测下一次用水的具体用水时间点。

通过将当前时间之前的N天的每一天在所述用水时段内具体的用水时间点进行统计，各用水时间点所对应的权重不同，利用加权平均法预测得出下一次用水的具体用水时间点通过引入权重占比，使得到的具体用水时间点更加贴合实际，更加精准。

其中，权重占比可以是热水器预设的，也可以根据历史数据计算得到，还可以是其他任何可得到权重占比的方式。

下面以热水器预设权重占比进行解释：

热水器预设与当前时间之前的N天中的每一天相对应的权重占比，数据处理单元统计当前时间之前的N天的每一天在所述用水时段内用水时间点，根据当前时间之前的N天的用水时间点和与之对应的权重占比，预测下一次用水时段内的具体用水时间点。

用户可以根据当前时间之前的N天距离当前时间的远近，预设权重占比，天数距离当前时间越近，权重占比越大，如，当前时间前的第1天的权重占比最大，前时间前的前的第2 天的权重占比次之，依次类推。

其中，也可以根据用户的用水习惯以一周为一个单元，根据一周中每一天的重要程度设定权重占比。如，用户一周中周末的权重最大，周一的权重更小。

进一步地，根据当前时间之前的N天的用水时间点和权重占比，预测下一次用水时段内的具体用水时间点，包括，

数据处理单元计算前N天中每一天在所述用水时段内的用水时间点与所述用水时间段的起始时间点的差值△t_i(1≤i≤N，i为正整数)，根据前N天的每一天得到的差值△t_i和与之对应的权重占比，预测下一次用水时段内的具体用水时间点。

由于前N天中每一天的用水时间点存在一定的波动，通过计算差值△t减小运算量，根据差值△t和与之对应的权重占比计算具体用水时间，误差更小。

下面具体阐述一种预测用户具体用水时间点的方法，包括以下步骤：

数据处理单元分析当前时间以前用户的全部用水数据建立用水模型X，根据用水模型X 预测当前时间之后的下一次的用水时段为t_a-t_b；

数据处理单元预设与当前时间前的前N天中的每一天相对应的权重占比W_i(1≤i≤N，i 为正整数)；

统计当前时间前的前N天所述用水时段t_a-t_b内的用水时间点t_i(1≤i≤N，i为正整数)，根据权重占比W_i、用水时间点t_i和起始时间点t_a，计算前N天的每一天的差值△t_i＝t_i-t_a，并计算下一次用水时间段t_a-t_b内的具体用水时间点的预测值t＝t_a+(△t₁*W₁+△t₂*W₂……+ △t_i*W_i)。

进一步地，所述的热水器预测用户用水行为的方法还包括预测下一次用水的用水时长，具体包括，

数据处理单元统计当前时间前的N天所述用水时段内的用水时长，预测下一次用水的用水时长。

下一次用水时长的计算采用算数平均数的计算方式，具体如下：

数据处理单元分析当前时间以前用户的用水数据建立用水模型X，根据用水模型X预测当前时间之后的下一次的用水时段t_a-t_b；

数据处理单元调取当前用水前的N天在用t_a-t_b内的实际用水时长S_i(1≤i≤N，i为正整数)，计算得到下一次用水的用水时长的预测值s＝(S1+S2+……Si+……SN)/N。

进一步地，所述的热水器预测用户用水行为的方法还包括对用水模型X的修正和优化，

在下一次实际用水后，数据处理单元获取实际用水数据，根据实际用水数据修正用水模型X，

和/或下一次实际用水后，将实际用水数据传递给储存单元更新用水数据库，数据处理单元分析更新后的用水数据库，优化用水模型X。

具体的，当下一次实际用水后，将所述的实际的用水时间点和用水时长传递给储存单元更新用水数据库，数据处理单元重新分析更新后的用水数据库，对原用水模型X进行修正、拟合，得到优化后的新的用水模型。

目前，计算热水器预测用户用水行为的方法存在算法固定的缺陷，仅能根据实际习惯修改其中的参数值，不能自动修正算法模型，而本发明的方法通过在下一次实际用水后，将用水数据汇入用水数据库实现对用水数据库的更新，数据处理单元分析更新后的用水数据库，进一步地拟合修正，实现对用水模型X的优化，实现自我优化和修正，更加智能。

如图1所示，一种热水器预测用户用水行为的方法，包括如下步骤：

S1数据处理单元分析当前时间以前用户的全部用水数据建立用水模型X，根据用水模型X预测当前时间之后的下一次的用水时段；

S2统计当前时间之前的N天在所述用水时段内的用水时间点和用水时长；

S3根据统计得到的前N天的用水时间点和用水时长，预测下一次用水的具体用水时间点和用水时长；

S4下一次实际用水后，数据处理单元利用实际用水数据修正用水模型X。

实施例二

如图2所示，本实施例为对实施例一的具体方案，一种热水器预测用户用水行为的方法，包括以下步骤：

数据处理单元分析当前时间以前用户的全部用水数据建立用水模型X，X＝αA+βB+λc，根据用水模型X预测当前时间之后的下一次的用水时段为t_a-t_b；

数据处理单元预设与当前时间前的N天的每一天相对应的权重占比W_i(1≤i≤N，i为正整数)；

统计当前时间前的N天在所述用水时段t_a-t_b内的具体用水时间点t_i和用水时长S_i(1≤ i≤N，i为正整数)，计算前N天的每一天的用水时间点t_i与t_a的差值△t_i＝t_i-t_a，进而计算下一次用水时间段t_a-t_b内的具体用水时间点的预测值t＝t_a+(△t₁*W₁+△t₂*W₂……+△t_i *W_i)，

计算下一次用水的用水时长的预测值s＝(S₁+S₂+……S_i+……S_N)/N，

当下一次实际用水后，将该次实际的用水数据传递给储存单元更新用水数据库，数据处理单元分析更新后的用水数据库，对原用水模型X进行修正、拟合，得到优化的用水模型X’。

举例来说，如果当前时间为7月8日9:00。

一种热水器预测用户用水行为的方法，包括以下步骤：

S1热水器预设当前时间前的第7天的权重占比，并且从第7天-第1天的权重占比依次为5％，8％，10％，12％，15％，20％，30％；

S2数据处理单元分析当前时间以前用户的全部用水数据建立用水模型X，根据用水模型X预测当前时间之后的下一次的用水时段10:00-12:00；

S3并统计当前时间之前的7天(7月1日-7月7日)在用水时段10:00-12:00内的用水数据，如下：

7月1日的用水数据：用水时间点10:01，用水时长22min；7月2日的用水数据：用水时间点10:20，用水时长18min；7月3日的用水数据：用水时间点10:16，用水时长24min； 7月4日的用水数据：用水时间点10:35，用水时长15min；7月5日的用水数据：用水时间点10:27，用水时长31min；7月6日的用水数据：用水时间点10:38，用水时长22min；7月 7日的用水数据：用水时间点10:40，用水时长22min。

S4计算7月7日的差值△t₁＝10:40-10:00＝40min，7月6日的差值△ t2＝10:38-10:00＝38min，如此类推，计算到7月1日，差值△t7＝10:01-10:00＝1min，再计算预测值t＝10：00+(40*30％+38*20％+……+1*5％)min＝10h31min，即为预测的下一次用水的具体用水时间为10：31；

S5计算用水时长s＝(22+18+24+15+31+22+19)/7＝22min,即为预测的下一次用水的具体用水时长；

S6当7月8日用户在10:00-12:00实际用水后，将实际用水数据汇入用水数据库，数据处理单元对新数据库进行分析，如果实际用水数据与预测值完全一样，则用水模型X不变，如果存在偏差，则重新生成用水模型为A.用水模型为B和用水模型为C，前3天的数据也发生变化，使拟合的α、β和λ产生变化，形成新的用水模型X’，之后以用水模型X’进行后续的预测用水时间段。该修正方式实现了热水器的自我修正，更加智能。

实施例三：

本实施例是采用实施例一和实施例二所述的预测用户用水行为的方法的热水器，包括数据处理单元和存储单元，储存单元储存用户所有时间的用水数据，数据处理单元根据储存单元中储蓄的用户所有时间的用水数据建立用水模型X，根据用水模型X预测下一次用水时段。

进一步地，所述的储存单元设置在云端储存服务器上，云端服务器上储存用户的所有用水数据，处理单元运用建模工具建立用水模型X，根据用水模型X预测下一次用水时段。

或者，储存单元为设置在家用电器上的本地储存单元。

目前，对于用户用水行为的预测，通常都是使用机器自身的控制器进行计算，受控制器 ROM和存储器、容量的限制，仅能分析一段时间内的数据(如21天、49天等)，实现算法也受容量限制。要实现本发明的数据储存和处理能力，最好是采用云端储存服务器，基于云端大数据实现预测功能，不受历史数据的数据量的限制，储存和运算功能更加强大。

进一步地，所述热水器还包括检测单元，所述检测单元用于检测水流量，根据水流量值获取用户的用水时间点和用水时长传递给储存单元。

其中，热水器获取用水时间点和用水时长的方法，检测单元检测热水器内的水流量，当检测单元检测到水流量值大于0时，则水在流动，该时间点为用水开始时间点开始计时，当检测单元检测到水流量值≤0时，则用水静止，该时间点为用水停止时间点，结束计时，数据处理单元根据用水开始时间点和用水停止时间点计算用水时长，即计算二者的差值。

实施例四

一种热水器的智能免操作控制方法，数据处理单元分析当前时间以前用户的历史用水数据，预测当前时间之后的下一次用水的具体用水时间点和/或用水量，根据具体用水时间点和 /或用水量控制热水器选择不同的功能模式。

热水器具有多种功能模式，目前的热水器通常采用用户自主选择加热模式，受用户估算误差(时间估算误差和加热温度估算误差)的影响，可能存在选择的用水模式加热过快、或者加热时间过早，造成被加热的热水在使用时已经温度过低，不适合使用，或者用户选择的加热模式加热速度过慢，到了用水时间点，水却还未加热完成，亦或下一次具体用水时间点较当前时间较远，热水器持续开启却不执行加热，造成电量耗费。因此，通过对预测的用水时间点和/或用水量的判断，自动选择不同的功能模式，实现智能控制，无需用户输入选择或者通过APP发出选择指令，使用更加方便，更加节能。

其中，所述的预测下一次用水时间点的方法为实施例一-实施例二中所述的方法。

进一步地，根据具体用水时间点控制热水器选择不同的功能模式，包括

所述功能模式包括关机模式，数据处理单元根据具体用水时间点和当前时间点，控制热水器是否选择关机模式。

当热水器预测出下一次具体的用水时间点后，由于预测更加精准，能够直接判断出下一次用水时间距离当前时间的间隔，如果下一次用水的具体用水时间距离当前时间较长，说明即使将水加热，也会在下一次使用时变凉，白白耗电，则可以先关机，待时间合适时重新启动热水器，如果时间较为接近，则可选择与之相符的加热模式。通过首先判断是否关闭热水器，使整个控制方法更加智能、节能。

进一步地，数据处理单元根据具体用水时间点和当前时间，控制热水器是否选择关机模式，包括

数据处理单元计算下一次用水的具体用水时间点和当前时间的时间差△m，判断△m与预设值M的大小关系，如果△m＞预设值M，则控制热水器选择关机模式，关闭热水器；如果△ m≤预设值M，则控制热水器选择加热模式，对热水器中的水进行加热。

热水器预设一预设值M，如果具体用水时间点和当前时间的时间差△m≤预设值M，则表示下一次用水时间点距离当前时间较短，可以直接选择合适的加热模式进行加热，满足到达用水时间点的用水量，如果△m＞预设值M，则表明下一次用水时间点距离当前时间较长，可以先关闭热水器，待时间距离下次用水时间较近时再开启热水器，以节约能源，因此控制热水器选择关机模式，关闭热水器。

最好地，预设值M＝24小时。

进一步地，所述的一种热水器的智能免操作控制方法，所述功能模式还包括对热水器内水进行加热的多个加热模式，数据处理单元根据进水温度、热水器的容积和预测的用水量，控制热水器选择不同的加热模式。

如果△m≤预设值M，表示用户在预设值M小时内需要用水，则需要将水进行加热。受用户的用水量、热水器的容积及进水温度等因素的影响，热水器需要执行的加热模式不同，如，用水量大、热水器的容积小及进水温度低时，所需要的加热模式则较强，方能满足需求，反之，则选择较弱的加热模式。此处，较强的加热模式可以指加热速度较快的加热模式，较弱的加热模式如间歇的加热即可满足要求的加热保温模式。

进一步地，数据处理单元根据预测的用水量Q、进水温度T₁和热水器的容积L，计算预设用水量Q对应的目标温度T，根据目标温度T控制热水器选择加热模式。

预测用水量Q较大时，受热水器容积和进水温度的限制，为满足预测用水量Q则对应的目标温度T会较高，需要的加热模式较强，同理，当预测用水量Q较少时，则与该较少的预测用水量Q相对应的目标温度T会较低，普通的加热保温模式即可实现，因此，通过预测的用水量Q、进水温度T₁和热水器的容积L计算与预测用水量Q对应的目标温度T，来判断选择哪种加热模式更为准确，智能化程度越高，无需用户选择，该目标温度T可以理解为加热完成后，胆内平均温度。

进一步地，根据预测用水量Q、进水温度T₁和热水器的容积L，计算与预测用水量Q相对应的目标温度T，

其中：T₀为用水温度，单位：℃

T₁为进水温度，单位：℃；

Q为预测用水量，单位：L；

L为热水器容积，单位：L；

将目标温度T和各温度范围进行比对，获取与目标温度T相对应的温度范围，控制热水器选择与获取的温度范围相对应的加热模式。热水器预设多个加热模式和与每种加热模式相对应的温度范围，根据目标温度T和各温度范围，控制热水器选择不同的加热模式；

优选地，所述用水温度一般选择为用户用水时较适宜的水温值即热水器出来的热水与不经过热水器的冷水混合之后的温度，也就是洗浴时花洒处出水的温度，一般T₀选择为40℃。

每一种加热模式具有与之对应的温度范围，将该目标温度T与每种加热模式的温度范围进行比对，落在哪个温度范围内，则选择哪种加热模式。

其中，所述的加热模式包括中温保温模式、半胆模式、全胆模式、增容模式。

进一步地，数据处理单元分析当前时间以前用户的历史用水数据预测用水量，包括：

数据处理单元分析当前时间以前用户的历史用水数据，预测当前时间之后下一次用水的用水时长，根据用水流速和用水时长预测所述的预设的用水量Q。

具体来说，如图4所示，一种热水器的智能免操作控制方法，包括以下步骤：

数据处理单元分析当前时间以前用户的历史用水数据，预测当前时间之后的下一次的具体用水时间点和用水时长；

计算具体用水时间点和当前时间的时间差△m，将时间差△m与预设值进行比较，如果△ m＞预设值M，则控制热水器选择关机模式，将热水器关闭，

如果△m≤预设值M，则根据用水流速和用水时长计算预测的用水量Q，

根据预测的用水量Q、进水温度T₁和热水器的容积L，计算与预测的用水量Q相对应的目标温度T，

热水器预设多个加热模式和与每种加热模式相对应的温度范围，将目标温度T和各温度范围进行比对，获取与目标温度T相对应的温度范围，控制热水器选择与获取的温度范围相对应的加热模式。

其中，所述预测用水时长的方法为实施例一-实施例二的方法。

举例来说，如图5所示，一种热水器的智能免操作控制方法，包括以下步骤，

热水器预设中温保温模式，与中温保温模式相对应的温度范围为(0-40℃)；

半胆模式，与半胆模式相对应的温度范围为[40℃-50℃)；

全胆模式,与全胆模式相对应的温度范围为[50℃-75℃]；

增容模式，与增容模式相对应的温度范围为(75℃-+∞)；

数据处理单元分析当前时间以前用户的历史用水数据，根据用水模型预测当前时间之后的下一次的用水时段，并统计当前时间前N天所述用水时段内的用水数据，预测下一次用水时段内用户的具体用水时间点和用水时长；

数据处理单元根据具体用水时间点和当前时间计算二者的时间差△m，判断△m与预设值 M的大小关系，如果△m＞12h，则控制热水器选择关机模式；

如果△m≤12h，则并根据用水时长和用水流速计算用水量Q，根据用水量Q、进水温度 T₁和热水器的容积L计算温度T，

如果目标温度T＜40℃，则控制热水器选择中温保温模式；

如果40℃≤目标温度T＜50℃，则控制热水器选择半胆模式，该模式下的自动设置温度为1.5*T；

如果50℃≤目标温度T≤75℃，则控制热水器选择全胆模式，该模式下的自动设置温度为T；

如果目标温度T＞75℃，则控制热水器选择增容模式。

该控制方法使热水器能够实现自动关闭，节约能源，而且还能自动选择不同的加热模式，更加智能化。

实施例五

如图6所示，本实施例为对实施例一-实施例四的进一步限定，一种热水器的控制方法，包括以下步骤：

数据处理单元分析当前时间以前用户的全部用水数据建立用水模型X，根据用水模型X 预测当前时间之后的下一次的用水时段；

统计当前时间之前的N天在所述用水时段内的用水时间点和用水时长；

采用加权平均法计算下一次用水的具体用水时间点，采用算数平均法计算下一次用水的用水时长；

计算下一次用水的具体用水时间点和当前时间的时间差△m，将时间差△m与预设值进行比较，如果△m＞预设值M，则控制热水器选择关机模式，将热水器关闭，

如果△m≤预设值M，则根据用水流速和用水时长计算预测的用水量Q，

根据预测的用水量Q、进水温度T₁和热水器的容积L，计算与预测的用水量Q相对应的目标温度T，

热水器预设多个加热模式，每一种加热模式对应一个温度范围，将目标温度T和各温度范围进行比对，获取与目标温度T相对应的温度范围，控制热水器选择与获取的温度范围相对应的加热模式；

下一次实际用水后，数据处理单元利用实际用水数据修正用水模型X。

具体来说，一种热水器的控制方法，包括以下步骤：

数据处理单元分析当前时间以前用户的全部用水数据建立用水模型X，X＝αA+βB+λc，根据用水模型X预测当前时间之后的下一次的用水时段为t_a-t_b；

数据处理单元预设与当前时间前的N天的每一天相对应的权重占比W_i(1≤i≤N，i为正整数)；

统计当前时间前的N天所述用水时段t_a-t_b内的用水时间点t_i和用水时长S_i(1≤i≤N， i为正整数)，计算前N天的每一天的用水时间点t_i与t_a的差值△t_i＝t_i-t_a，进而计算下一次用水时间段t_a-t_b内的具体用水时间点的预测值t＝t_a+(△t₁*W₁+△t₂*W₂……+△t_i*W_i)，

计算下一次用水的用水时长的预测值s＝(S₁+S₂+……S_i+……S_N)/N，

数据处理单元根据具体用水时间点t和当前时间计算二者的时间差△m，判断△m与预设值M的大小关系，如果△m＞预设值M，则控制热水器选择关机模式；

如果△m≤预设值M，则并根据用水时长s和用水流速计算用水量Q，根据用水量Q、进水温度T₁和热水器的容积L计算温度T，

如果目标温度T＜40℃，则控制热水器选择中温保温模式；

如果40℃≤目标温度T＜50℃，则控制热水器选择半胆模式，该模式下的自动设置温度为1.5*T；

如果50℃≤目标温度T≤75℃，则控制热水器选择全胆模式，该模式下的自动设置温度为T；

如果目标温度T＞75℃，则控制热水器选择增容模式；

当下一次实际用水后，将该次实际的用水数据传递给储存单元更新用水数据库，数据处理单元分析更新后的用水数据库，对原用水模型X进行修正、拟合，得到优化的用水模型X’。

以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。

Claims (13)

1.一种热水器预测用户用水行为的方法，其特征在于，数据处理单元分析当前时间以前用户的用水数据建立用水模型，根据用水模型预测当前时间之后的下一次用水时段，并统计当前时间之前的N天在下一次用水时段内的用水数据，预测下一次用水时段内用户的具体用水时间点；预测下一次用水时段内具体用水时间点，包括：

热水器预设与当前时间之前的N天的每一天相对应的权重占比，数据处理单元统计当前时间之前的N天的每一天在所述用水时段内用水时间点，根据当前时间之前的N天的用水时间点和与之对应的权重占比，预测下一次用水时段内的具体用水时间点。

2.根据权利要求1所述的一种热水器预测用户用水行为的方法，其特征在于，数据处理单元采用加权平均法对当前时间之前N天的用水时间点进行处理，预测下一次用水的具体用水时间点。

3.根据权利要求1所述的一种热水器预测用户用水行为的方法，其特征在于，

当前时间之前的N天中，距离当前时间越近，权重占比越大。

4.根据权利要求1所述的一种热水器预测用户用水行为的方法，其特征在于，根据当前时间之前的N天的用水时间点和权重占比，预测下一次用水时段内的具体用水时间点，包括，

数据处理单元计算前N天中每一天在所述用水时段内的用水时间点与所述用水时间段的起始时间点的差值△t，根据前N天的每一天得到的差值△t和与之对应的权重占比，预测下一次用水时段内的具体用水时间点。

5.根据权利要求1或2所述的一种热水器预测用户用水行为的方法，其特征在于，包括以下步骤：

数据处理单元分析当前时间以前用户的用水数据建立用水模型X，根据用水模型X预测当前时间之后的下一次的用水时段t_a-t_b；

数据处理单元预设与当前时间前的前N天的每一天相对应的权重占比Wi(1≤i≤N，i为正整数)；

统计当前时间前的前N天所述用水时段t_a-t_b内的用水时间点t_i(1≤i≤N，i为正整数)，根据权重占比Wi、用水时间点t_i和起始时间点t_a，计算前N天的每一天的差值△t_i＝t_i-t_a，并计算下一次用水时间段t_a-t_b内的具体用水时间点的预测值t＝t_a+(△t₁*W₁+△t₂*W₂……+△t_i*W_i)。

6.根据权利要求1-3任一所述的一种热水器预测用户用水行为的方法，其特征在于，还包括预测下一次用水的用水时长：

数据处理单元统计当前时间前的N天该用水时段内的用水时长，预测下一次用水的用水时长。

7.根据权利要求6所述的一种热水器预测用户用水行为的方法，其特征在于，数据处理单元分析当前时间以前用户的用水数据建立用水模型X，根据用水模型X预测当前时间之后的下一次的用水时段t_a-t_b；

数据处理单元调取当前用水前的N天在用水时段t_a-t_b内的用水时长S_i(1≤i≤N，i为正整数)，计算得到下一次用水的用水时长的预测值s＝(S₁+S₂+……S_i+……S_N)/N。

8.根据权利要求1-4任一或7所述的一种热水器预测用户用水行为的方法，其特征在于，还包括下一次实际用水后，数据处理单元获取实际用水数据，根据实际用水数据修正用水模型X，

和/或将该次实际的用水数据传递给储存单元更新用水数据库，数据处理单元分析更新后的用水数据库，优化用水模型X。

9.根据权利要求8所述的一种热水器预测用户用水行为的方法，其特征在于，当下一次实际用水后，将所述的实际的用水时间点和用水时长传递给储存单元更新用水数据库，数据处理单元重新分析更新后的用水数据库，对原用水模型X进行修正、拟合，得到新的用水模型。

10.一种采用如权利要求1-9任一所述的热水器预测用户用水行为的方法的热水器，其特征在于，包括数据处理单元和存储单元，储存单元储存用户所有时间的用水数据，数据处理单元根据储存单元中储蓄的用户所有时间的用水数据建立用水模型X，根据用水模型X预测下一次用水时段。

11.根据权利要求10所述的热水器，其特征在于，所述的储存单元设置在云端储存服务器上，云端服务器上储存用户的所有用水数据，处理单元运用建模工具建立用水模型X，根据用水模型X预测下一次用水时段；

或者，储存单元为设置在家用电器上的本地储存单元。

12.根据权利要求10所述的热水器，其特征在于，还包括检测单元，所述检测单元用于检测水流量，根据水流量值获取用户的用水时间点和用水时长传递给储存单元。

13.根据权利要求12所述的热水器，其特征在于，检测单元检测水流量，当检测单元检测到水流量值大于0时，则为用水时间点，当检测单元检测到水流量值≤0时，则用水停止时间点，数据处理单元根据用水时间点和用水停止时间点计算用水时长。

Images