CN113803888A - 热水器的用水预测方法、装置、电子设备及存储介质 - Google Patents
热水器的用水预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113803888A CN113803888A CN202111081159.7A CN202111081159A CN113803888A CN 113803888 A CN113803888 A CN 113803888A CN 202111081159 A CN202111081159 A CN 202111081159A CN 113803888 A CN113803888 A CN 113803888A
- Authority
- CN
- China
- Prior art keywords
- water
- user
- target user
- time period
- portrait
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 315
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000006399 behavior Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003287 bathing Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 230000002354 daily effect Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
- F24H9/00—Details
- F24H9/20—Arrangement or mounting of control or safety devices
- F24H9/2007—Arrangement or mounting of control or safety devices for water heaters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Abstract
本申请涉及一种热水器的用水预测方法、装置、电子设备及存储介质，该热水器的用水预测方法包括：获取目标用户画像；根据所述目标用户画像以及目标用户的实时用水数据，对所述目标用户的用水行为进行预测，得到预测结果，所述目标用户为使用所述热水器的用户，所述预测结果包括所述目标用户在第一预设时间段内的用水时间、用水量以及用水温度中的至少一项。本申请用于通过对目标用户的用水行为进行预测，进而根据得到的预测结果提高热水器使用的便利性。
Description
技术领域
本申请涉及智能家居技术领域，尤其涉及一种热水器的用水预测方法、装置、电子设备及存储介质。
背景技术
热水器作为目前的家用电器中不可或缺的电器之一，为人们的用水提供了极大的便利。通常情况下，用户会选择一直将热水器置于开启状态，此时，热水器会在加热状态和保温状态之间来回切换，造成较大的能源浪费。随着智能家居的发展，热水器也朝向智能化的方向发展。现有技术中，热水器具备远程遥控、设置温度、预加热等功能，但用户需要主动根据自己的需求去进行手动设定，因此，该热水器的使用便利性较差。
发明内容
本申请提供了一种热水器的用水预测方法、装置及存储介质，以解决热水器使用的便利性较差的问题。
第一方面，本申请提供了一种热水器的用水预测方法，该热水器的用水预测方法包括：
获取目标用户画像；
根据所述目标用户画像以及目标用户的实时用水数据，对所述目标用户的用水行为进行预测，得到预测结果，所述目标用户为使用所述热水器的用户，所述预测结果包括所述目标用户在第一预设时间段内的用水时间、用水量以及用水温度中的至少一项。
可选地，所述获取目标用户画像，包括：
根据目标用户的标识或者目标用户的属性信息，确定目标用户画像。
可选地，所述根据目标用户的标识或者目标用户的属性信息，确定目标用户画像，包括：
若存在与目标用户的标识对应的用户画像，则确定所述目标用户的标识对应的用户画像为目标用户画像；
若不存在与目标用户的标识对应的用户画像，则根据所述目标用户的属性信息，确定所述目标用户画像。
可选地，所述根据所述目标用户的属性信息，确定所述目标用户画像，包括：
将所述目标用户的属性信息，与至少一个用户画像中的属性标签进行匹配，确定与所述目标用户的属性信息相匹配的用户画像；所述用户画像中的属性标签根据用户的属性信息确定；
将所述与所述目标用户的属性信息相匹配的用户画像，确定为所述目标用户画像。
可选地，所述属性标签包括地域标签、用户数量标签、职业标签中的至少一项。
可选地，用户画像还包括用水标签，所述用水标签根据用户在第二预设时间段内的历史用水数据确定；
所述用水标签包括用水频率标签、用水时间段的标签中的至少一项。
可选地，所述方法还包括：
对用户在第二预设时间段内的历史用水数据进行分析，得到所述用户在所述第二预设时间段内的历史用水事件；根据所述用户在所述第二预设时间段内的历史用水事件，为所述用户对应的用户画像添加用水标签；
根据所述用户属性信息，为所述用户添加属性标签。
第二方面，本申请提供了一种热水器的用水预测装置，该热水器的用水预测装置包括：
获取模块，用于获取目标用户画像；
预测模块，用于根据所述目标用户画像以及目标用户的实时用水数据，对所述目标用户的用水行为进行预测，得到预测结果，所述预测结果包括所述目标用户在第一预设时间段内的用水时间、用水量以及用水温度中的至少一项。
可选地，获取模块，具体用于根据目标用户的标识或者目标用户的属性信息，确定目标用户画像。
可选地，获取模块，具体用于若存在与目标用户的标识对应的用户画像，则确定所述目标用户的标识对应的用户画像为所述目标用户画像；若不存在与目标用户的标识对应的用户画像，则根据所述目标用户的属性信息，确定所述目标用户画像。
在一种可能的实现方式中，获取模块，具体用于将所述目标用户的属性信息，与至少一个画像中的属性标签进行匹配，确定与所述目标用户的属性信息相匹配的用户画像；所述用户画像中的属性标签根据用户的属性信息确定；将所述与所述目标用户的属性信息相匹配的用户画像，确定为目标用户画像。
可选地，属性标签包括地域标签、用户数量标签、职业标签中的至少一项。
可选地，用户画像还包括用水标签，所述用水标签根据用户在第二预设时间段内的历史用水数据确定；所述用水标签包括用水频率标签、用水时间段的标签中的至少一项。
可选地，该装置还包括添加标签模块，所述添加标签模块，用于对用户在第二预设事件段内的历史用水数据进行分析，得到用户在所述第二预设事件段内的历史用水事件；根据所述用户在所述第二预设时间段内的历史用水事件，为所述用户对应的用户画像添加用水标签；根据所述用户属性信息，为所述用户添加属性标签。
第三方面，本申请提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的热水器的用水预测方法的步骤。
第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的热水器的用水预测方法的步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：
本申请实施例提供的该热水器的用水预测方法，在获取到目标用户画像后，根据目标用户画像以及目标用户的实时用水数据，对用户的用水行为进行预测，得到预测结果，从而实现对目标用户的用水行为的准确预测，根据预测结果提高热水器使用的便利性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种热水器的用水预测方法的流程示意图；
图2为本申请实施例提供的一种热水器的用水预测装置的示意图；
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了解决热水器的使用便利性较差的问题，本申请实施例提供了一种热水器的用水预测方法，该方法的执行主体可以为热水器，也可以为云端服务器。如图1所示，该热水器的用水预测方法包括步骤101-步骤102：
101、获取目标用户画像。
其中，目标用户画像为与目标用户对应的用户画像，或者是其他用户对应的用户画像。目标用户即使用热水器的用户。
需要说明的是，目标用户可以是多个人，例如一个家庭，该家庭中包含两个大人和一个小孩。
可选的，根据目标用户的标识或者目标用户的属性信息，确定目标用户画像。
若存在与目标用户的标识对应的用户画像，则确定该目标用户的标识对应的用户画像为目标用户画像；若不存在与目标用户的标识对应的用户画像，根据目标用户的属性信息，确定目标用户画像。
示例性的，目标用户的标识为a。若用户画像包括用户画像A、用户画像B以及用户画像C，且用户画像A与用户的标识a对应，用户画像B与用户的标识b对应，用户画像C与用户的标识c对应，则可以确定目标用户的标识a对应的用户画像B为目标用户画像；若用户画像包括用户画像D和用户画像E，且用户画像D与用户的标识d对应，用户画像E与用户的标识e对应，则可以确定不存在与目标用户的标识a对应的用户画像，此时，可根据目标用户的属性信息，确定目标用户画像。
具体地，若不存在与目标用户的标识对应的用户画像，则将该目标用户的属性信息，与至少一个用户画像中的属性标签进行匹配，确定与目标用户的属性信息相匹配的用户画像，并将与目标用户的属性信息相匹配的用户画像，确定为目标用户画像。其中，用户画像中的属性标签是根据与该用户画像对应的用户的属性信息确定的。与目标用户的属性信息相匹配的用户画像为上述至少一个用户画像中与目标用户属性最相近的用户画像。
需要说明的是，用户的属性信息包括地域、职业以及用户数量中的至少一项。示例性的，用户的属性信息包括用户所在地域为北京、职业为公司职员、用户数量为2。此时，能够根据该用户的属性信息，确定该用户所对应的用户画像中的属性标签，该属性标签包括地域标签为北京，职业标签为公司职员，以及用户数量标签为2。
示例性的，目标用户的标识为a，目标用户的属性信息包括用户所在地域为北京、职业为公司职员、用户数量为2。至少一个用户画像中不存在与目标用户的标识a对应的用户画像，则根据目标用户的属性信息，对至少一个用户画像进行匹配。这至少一个用户画像中包括用户画像B和用户画像C，用户画像B中的属性标签包括地域标签为河北，职业标签为公司职员，用户数量标签为1，用户画像C中的属性标签包括地域标签为北京，职业标签为公司职员，用户数量标签为3。相对比用户画像B的属性标签来说，用户画像C中的属性标签与用户的属性信息更相近，也就是匹配度更高。因此，将用户画像C确定为目标用户画像。或者，若至少一个用户画像中包含用户画像D，且用户画像D中的属性标签包括地域标签为北京，职业标签为公司职员，用户数量标签为2，则确定该用户画像D为目标用户画像。
在上述内容中，用户的属性信息包括地域、职业以及用户数量中的至少一项。也就是说，用户的属性信息包括地域，或者用户的属性信息包括职业，或者用户的属性信息包括用户数量，或者用户的属性信息包括地域和职业，或者用户的属性信息包括地域和用户数量，或者用户的属性信息包括职业和用户数量，或者用户的属性信息包括地域、职业和用户数量。
在一种可能的实现方式中，用户的属性信息还包括用户的性别、年龄等信息中的一项或多项。示例性的，用户的属性信息包括用户所在地域为北京，用户数量为2，其中，用户包括成人和小孩，成人的年龄为35岁，成人的职业为公司职员，成人的性别为女，小孩的年龄为8岁，小孩的职业为学生，小孩的性别为女。
需要说明的是，通常情况下，用户使用热水器的次数较少，或者说初次使用热水器的情况下，可能不存在该用户所对应的用户画像。通过上述过程，可在不存在该用户的用户画像的情况下，可利用已有的用户画像，来对该用户的用水行为进行预测，从而提高热水器使用的便利性。
102、根据目标用户画像以及目标用户的实时用水数据，对目标用户的用水行为进行预测，得到预测结果。
其中，关于目标用户的介绍可以参见上述内容，在此不进行赘述。预测结果包括目标用户在第一预设时间段内的用水时间、用水量以及用水温度中的至少一项。也就是说，预测结果为目标用户在第一预设时间段内的用水时间，或者预测结果为目标用户在第一预设时间段内的用水量，或者预测结果为目标用户在第一预设时间段内的用水温度，或者预测结果为目标用户在第一预设时间段内的用水时间和用水量，或者预测结果为目标用户在第一预设时间段内的用水时间和用水温度，或者预测结果为目标用户在第一预设时间段内的用水量和用水温度，或者预测结果为目标用户在第一预设时间段内的用水时间、用水量和用水温度。需要说明的是，第一预设时间段可以根据所需要进行预测的时间段，也就是实际工况来确定，也可以是预先确定的时间段。
示例性的，目标用户为a，第一预设时间段为6：00pm-12：00pm，预测结果包括a在第一预设时间段内的用水时间为6：30pm-7：30pm，用量为12L，用水温度为39℃-42℃。
示例性的，某一用户对应的用户画像(用水规律)中，该用户两天洗澡一次，用户实际用水数据表明该用户当天没有洗澡，则可以预测明天用户会洗澡。
示例性的，某一用户对应的用户画像中，该用户每天早上7点洗澡，用户实际用水数据表明用户当天早上6点已经洗澡，则不会预测用户当天早上7点洗澡，或者预测结果为当天用户不会洗澡。
也就是说，通过结合用户的实时用水数据以及该用户对应的用户画像，可以在考虑实际情况的情况下对用户后续的用水行为进行预测，从而得到较为准确的预测结果，提高对用户的用水行为进行预测的准确度，从而保证根据该预测结果对热水器进行使用时的便利性。
在上述对用户画像的介绍的基础上，用户画像中除属性标签外，还包括用水标签，该用水标签包括用水频率标签、用水时间段的标签中的至少一项。其中，用水标签根据用户在第二预设时间段内的历史用水数据确定的，也就是说，第二预设时间段与所需要确定的用水标签之间存在关联关系。需要说明的是，第二预设时间段是根据实际工况确定的，也可以是预先确定的时间段。
在一种可能的实现方式中，用水频率标签可以为第三预设时间段内的用水的次数。其中，第二预设时间段与第三预设时间段的时间长度可以是相同的，也可以是第二预设时间段的时间长度大于第三预设时间段的时间长度。一般情况下，第二预设时间段的时间长度远大于第三预设时间段的时间长度。
示例性的，第二预设时间段为30天，根据用户在30天内的历史用水数据，能够得到该用户在第三预设时间段内的用水频率，即该用户所对应的用户画像中的用水频率标签。第三预设时间段为1天(即24h)，用水频率标签为在一天内用水的次数，用户在一天内用水10次，则该用户对应的用户画像中的用水频率标签为一天10次。也就是说，用水频率标签可以为每日的用水频率的标签。
示例性的，第二预设时间段为10周，根据用户在10周内的历史用水数据，能够得到该用户在第三预设时间段内的用水频率，即该用户所对应的用户画像中的用水频率标签。第三预设时间段为1周(即7天)，用水频率为1周内用水的次数，用户在一周内用水10次，则该用户对应的用户画像中的用水频率标签为1周10次。也就是说，用水频率标签可以为每周的用水频率的标签。
示例性的，第三预设时间段也可以为一个月、一个季度、一年等等。
在一种可能的实现方式中，用水时间段的标签可以为第四预设时间段内的用水时间段。其中，第二预设时间段的时间长度与第四预设时间段的时间长度可以是相同的，也可以不同的。此时，第二预设时间段的时间长度大于第四预设时间段的时间长度。一般情况下，第二预设时间段的时间长度远大于第四预设时间段的时间长度。
示例性的，第二预设时间段为30天，根据用户在30天内的历史用水数据，能够得到该用户在第四预设时间段内的用水时间段，即该用户所对应的用水时间段。第四预设时间段为1天，用水时间段为用户在1天内的用水时间段，用户在1天内的用水时间段为10：00am-11：00am，则该用户对应的用户画像中的用水时间段标签为10：00am-11：00am。也就是说，用水时间段标签可以为每天的用水时间段的标签。另外，类似上述对用水频率标签的介绍，用水时间段标签也可以为每周的用水时间段的标签，也就是说，第四预设时间段也可以为一个月、一个季度、一年等等。
具体的，在得到用户在第二预设时间段的历史用水数据后，对该用户在第二预设时间段内的历史用水数据进行分析，得到该用户在第二预设时间段内的历史用水事件，进而根据用户在第二预设时间段内的历史用水事件，为用户对应的用户画像添加用水标签。关于根据用户的属性信息，为用户添加属性标签的过程可以参见上述内容，在此不进行赘述。
其中，用水频率标签可以为第三预设时间段内某一用水事件的发生频率。示例性的，用水事件可以为洗澡、洗脸、刷牙或者洗手等等。其中，第二预设时间段与第三预设时间段的时间长度可以是相同的，也可以是第二预设时间段的时间长度大于第三预设时间段的时间长度。
示例性的，第三预设时间段为一天(即24h)，用水频率标签为第三预设时间段内某一用水事件的发生频率，用户一天内洗澡1次，洗脸2次，刷牙2次，洗手3次，则用水频率标签为洗澡一天1次，洗脸一天2次，刷牙一天2次，洗手一天3次。
相类似的，用水时间段的标签可以为第四预设时间段内的用水时间段的标签，其中，第四预设时间段与第二预设时间段的时间长度可以是相同的，也可以是不同的。第四预设时间段与第三预设时间段不同时，一般的，第二预设时间段的时间长度大于第四预设时间段的时间长度。另外，第四预设时间段的时间长度与上述第三预设时间段的时间长度可以是相同的。
示例性的，第四预设时间段为1天，用水时间段标签为第四预设时间段内某一用水事件的发生时间段。用户在1天内的10：00am-11：00am洗澡，1：00pm-1：30pm洗脸，则该用户的用户画像中的用水时间段标签为10：00am-11：00am洗澡，1：00pm-1：30pm洗脸。
需要说明的是，对获取到的第二预设时间段内的历史用水数据可以根据用水时间序列(即用水数据中的用水时间段)，对第二预设时间段的历史用水数据进行排序，并对排序后的历史用水数据通过例如模式识别算法，来对这第二预设时间段内的历史用水事件进行识别。示例性的，历史用水事件可以为洗澡，该历史用水事件对应的数据还包括洗澡事件、洗澡温度以及洗澡的用水量等。
另外，也可以利用数据挖掘技术，从用水时间、用水温度等多个维度对获取到的第二预设时间段内的历史用水数据进行分析，来对用户进行分类，从而为用户对应的用户画像确定合适的标签。例如，在未确定用户的职业时，可以通过聚类分析等方式，来确定用户的职业。例如，对用户在第二预设时间段内的历史用水时间进行聚类分析，可以得到用户通常的用水时间，从而将用户的职业确定为公司职员或者自由职业者或者无业者等。例如，根据对用户每一季节的用水数据进行分析和对比，可以为该用户对应的用户画像添加季节敏感标签或者季节不敏感标签。其中，季节不敏感标签用于表示用户的用水习惯不受季节影响。
在另一种可能的实现方式中，用户对应的用户画像中的用水标签为周期性的标签。示例性的，周期性的标签中的周期可以是天、也可以是周、月、季度、年、或者是节假日等。根据周期的不同，也可以为用户对应的用户画像添加周期性敏感标签。例如季节敏感标签，节假日敏感标签等，其中，季节敏感标签用于表示用户的用水习惯会受到季节的影响，季节不同，则用户的用水习惯不同，节假日敏感标签用于表示用户的用水习惯会受到节假日的影响，用户在节假日中的用水习惯与其他时间的用水习惯不同。
示例性的，用户对应的用户画像包括属性标签、用水标签、以及周期性标签。其中，属性标签包括地域标签、数量标签、职业标签，周期性标签包括节假日敏感标签、季节敏感标签，用水标签包括用水频率标签和用水时间段的标签。具体的，用水频率标签为在夏季每天洗澡一次，在冬季每两天洗澡一次，夏季节假日每天洗澡一次，冬季节假日每天洗澡一次。用水时间段标签为在夏季每天8：00pm-10：00pm用水洗澡，在冬季每天7：00pm-8：00pm用水洗澡，夏季节假日每天9：00pm-10：00pm用水洗澡，冬季节假日每天7：00pm-7：30pm用水洗澡。
当然，上述用户在第二预设时间段内的用水数据可以包括用水温度(即热水器的出水温度)、用水的时间段、以及每次用水时的用水量。其中，每次用水的用水量是指热水器在第五预设时间段内的出水总量，其中，第五预设时间段为相对于上述预设时间段较短的时间段，例如几秒钟、几分钟或者几个小时等较短的时间段。需要说明的是，该第五预设时间段可以根据实际用水情况确定，也可以是预先确定的。
需要说明的是，用户对应的用户画像包括属性标签和用水标签，当用于确定某一用户对应的用户画像中的用水标签的数据量充足时，对这些数据进行分析，并根据分析结果为该用户对应的用户画像添加相应的用水标签。关于用水标签的介绍可以参见上述内容，在此不进行赘述。另外，建立用户对应的用户画像后，将用户画像存储到相应的数据库中，以便于后续根据该用户画像对相应用户的用水行为进行预测。也就是说，在执行本申请实施例之前，需先根据采集到的用户的历史用水数据，完成对该用户对应的用户画像的构建。当然，根据上述内容，初次使用热水器的用户以及使用热水器的历史用水数据较少的用户，尚未构建用户画像，可以通过匹配其他用户对应的用户画像，并根据该用户画像完成对该用户的用水行为的预测，或者和根据该用户画像以及该用户的实时用水数据完成对该用户的用水行为的预测。其中，上述数据库一般存储在云端服务器中，也可以根据需要存储在其他设备中，一般的，热水器中可存储有数据库中的至少一个用户画像。
在另一种可能的实现方式中，在得到对目标用户的用水行为(也就是目标用户所使用的热水器的出水情况)进行预测的预测结果后，向相应的用户终端发送通知信息，以提醒用户通过用户终端来控制热水器在合适的时间进行工作，对其存储的水进行加热等操作。当然，在条件允许的情况下,也可以直接向热水器发送控制指令，控制热水器开始工作或者结束工作。因此，在通过上述过程得到对目标用户的用水行为进行预测的预测结果后，可以根据该预测结果较好的提高热水器使用的便利性。
在另一种可能的实现方式中，根据历史用水数据以及用户属性信息，周期性地对数据库中所存储的用户画像进行更新，以保证用户所对应的用户画像的实时性，从而进一步保证根据用户画像与实时用水数据对用户的用水行为进行预测所得到的预测结果的准确性。
通过上述过程，在获取到目标用户画像后，可根据目标用户画像以及目标用户的实时用水数据，对用户的用水行为进行预测，得到较为准确的预测结果，实现对目标用户的用水行为的准确预测，以便于根据预测结果提高热水器使用的便利性。
另外，在提高热水器使用便利性的同时，热水器可在用户不需要用水时保持关闭或者是低温保温状态，从而提高热水器的节能效果。
如图2所示，本申请实施例提供了一种热水器的用水预测装置，该装置包括获取模块201、预测模块202。
其中，获取模块201，用于获取目标用户画像。
可选地，获取模块201，具体用于根据目标用户的标识或者目标用户的属性信息，确定目标用户画像。
在一种可能的实现方式中，获取模块201，具体用于若存在与目标用户的标识对应的用户画像，则确定所述目标用户的标识对应的用户画像为所述目标用户画像；若不存在与目标用户的标识对应的用户画像，则根据所述目标用户的属性信息，确定所述目标用户画像。
具体地，获取模块201，具体用于将所述目标用户的属性信息，与至少一个用户画像中的属性标签进行匹配，确定与所述目标用户的属性信息相匹配的用户画像；所述用户画像中的属性标签根据用户的属性信息确定；将所述与所述目标用户的属性信息相匹配的用户画像，确定为所述目标用户画像。
其中，所述属性标签包括地域标签、用户数量标签、职业标签中的至少一项。
在另一种可能的实现方式中，用户画像还包括用水标签，所述用水标签根据用户在第二预设时间段内的历史用水数据确定；所述用水标签包括用水频率标签、用水时间段的标签中的至少一项。
预测模块202，用于根据所述目标用户画像以及目标用户的实时用水数据，对所述目标用户的用水行为进行预测，得到预测结果。其中，预测结果包括目标用户在第一预设时间段内的用水时间、用水量以及用水温度中的至少一项。
所述热水器的用水预测装置还包括添加模块，该添加模块用于对用户在第二预设时间段内的历史用水数据进行分析，得到所述用户在所述第二预设时间段内的历史用水事件；根据所述用户在所述第二预设事件段内的历史用水事件，为所述用户对应的用户画像添加用水标签。根据所述用户属性信息，为所述用户添加属性标签。
如图3所示，本申请实施例提供了一种电子设备，包括处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信，
存储器303，用于存放计算机程序；
在本申请一个实施例中，处理器301，用于执行存储器303上所存放的程序时，实现前述任意一个方法实施例提供的热水器的用水预测方法的步骤。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的热水器的用水预测方法的步骤。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种热水器的用水预测方法，其特征在于，所述方法包括：
获取目标用户画像；
根据所述目标用户画像以及目标用户的实时用水数据，对所述目标用户的用水行为进行预测，得到预测结果，所述目标用户为使用所述热水器的用户，所述预测结果包括所述目标用户在第一预设时间段内的用水时间、用水量以及用水温度中的至少一项。
2.根据权利要求1所述的热水器的用水预测方法，其特征在于，所述获取目标用户画像，包括：
根据目标用户的标识或者目标用户的属性信息，确定目标用户画像。
3.根据权利要求2所述的热水器的用水预测方法，其特征在于，所述根据目标用户的标识或者目标用户的属性信息，确定目标用户画像，包括：
若存在与目标用户的标识对应的用户画像，则确定所述目标用户的标识对应的用户画像为所述目标用户画像；
若不存在与目标用户的标识对应的用户画像，则根据所述目标用户的属性信息，确定所述目标用户画像。
4.根据权利要求3所述的热水器的用水预测方法，其特征在于，所述根据所述目标用户的属性信息，确定所述目标用户画像，包括：
将所述目标用户的属性信息，与至少一个用户画像中的属性标签进行匹配，确定与所述目标用户的属性信息相匹配的用户画像；所述用户画像中的属性标签根据用户的属性信息确定；
将所述与所述目标用户的属性信息相匹配的用户画像，确定为所述目标用户画像。
5.根据权利要求4所述的热水器的用水预测方法，其特征在于，所述属性标签包括地域标签、用户数量标签、职业标签中的至少一项。
6.根据权利要求5所述的热水器的用水预测方法，其特征在于，用户画像还包括用水标签，所述用水标签根据用户在第二预设时间段内的历史用水数据确定；
所述用水标签包括用水频率标签、用水时间段的标签中的至少一项。
7.根据权利要求1所述的热水器的用水预测方法，其特征在于，所述方法还包括：
对用户在第二预设时间段内的历史用水数据进行分析，得到所述用户在所述第二预设时间段内的历史用水事件；根据所述用户在所述第二预设时间段内的历史用水事件，为所述用户对应的用户画像添加用水标签；
根据所述用户属性信息，为所述用户添加属性标签。
8.一种热水器的用水预测装置，其特征在于，所述装置包括：
确定模块，用于获取目标用户画像；
预测模块，用于根据所述目标用户画像以及目标用户的实时用水数据，对所述目标用户的用水行为进行预测，得到预测结果，所述预测结果包括所述目标用户在第一预设时间段内的用水时间、用水量以及用水温度中的至少一项。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-7中任一项所述的热水器的用水预测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的热水器的用水预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111081159.7A CN113803888A (zh) | 2021-09-15 | 2021-09-15 | 热水器的用水预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111081159.7A CN113803888A (zh) | 2021-09-15 | 2021-09-15 | 热水器的用水预测方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113803888A true CN113803888A (zh) | 2021-12-17 |
Family
ID=78895381
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111081159.7A Pending CN113803888A (zh) | 2021-09-15 | 2021-09-15 | 热水器的用水预测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113803888A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115164416A (zh) * | 2022-06-30 | 2022-10-11 | 青岛海尔空调电子有限公司 | 用于控制热水器的方法及装置、电子设备、存储介质 |
| CN115682094A (zh) * | 2022-11-10 | 2023-02-03 | 广东力王科技股份有限公司 | 一种智能中央热水管理方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105135686A (zh) * | 2015-08-31 | 2015-12-09 | 小米科技有限责任公司 | 智能控制热水器的方法及装置 |
| CN107655212A (zh) * | 2017-09-29 | 2018-02-02 | 深圳和而泰智能控制股份有限公司 | 加热处理方法及装置 |
| CN208797968U (zh) * | 2018-06-21 | 2019-04-26 | 深圳和而泰数据资源与云技术有限公司 | 智能家电设备用户画像系统 |
| CN111619304A (zh) * | 2019-02-28 | 2020-09-04 | 上海博泰悦臻电子设备制造有限公司 | 车辆空调的控制方法、系统及车辆 |
| CN112000894A (zh) * | 2020-10-28 | 2020-11-27 | 北京妙医佳健康科技集团有限公司 | 一种健康管理信息推送方法、装置、设备及存储介质 |
-
2021
- 2021-09-15 CN CN202111081159.7A patent/CN113803888A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105135686A (zh) * | 2015-08-31 | 2015-12-09 | 小米科技有限责任公司 | 智能控制热水器的方法及装置 |
| CN107655212A (zh) * | 2017-09-29 | 2018-02-02 | 深圳和而泰智能控制股份有限公司 | 加热处理方法及装置 |
| CN208797968U (zh) * | 2018-06-21 | 2019-04-26 | 深圳和而泰数据资源与云技术有限公司 | 智能家电设备用户画像系统 |
| CN111619304A (zh) * | 2019-02-28 | 2020-09-04 | 上海博泰悦臻电子设备制造有限公司 | 车辆空调的控制方法、系统及车辆 |
| CN112000894A (zh) * | 2020-10-28 | 2020-11-27 | 北京妙医佳健康科技集团有限公司 | 一种健康管理信息推送方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 高帮鹏 等: "基于大数据的用户画像技术在物联网用水领域的应用探讨", 《2020年中国家用电器技术大会论文集》, 31 October 2020 (2020-10-31), pages 1650 - 1653 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115164416A (zh) * | 2022-06-30 | 2022-10-11 | 青岛海尔空调电子有限公司 | 用于控制热水器的方法及装置、电子设备、存储介质 |
| CN115682094A (zh) * | 2022-11-10 | 2023-02-03 | 广东力王科技股份有限公司 | 一种智能中央热水管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113803888A (zh) | 热水器的用水预测方法、装置、电子设备及存储介质 | |
| CN107655212B (zh) | 加热处理方法及装置 | |
| US9366704B2 (en) | Method and system for forecasting power requirements using granular metrics | |
| Koprinska et al. | Correlation and instance based feature selection for electricity load forecasting | |
| Goude et al. | Local short and middle term electricity load forecasting with semi-parametric additive models | |
| Sabo et al. | Mathematical models of natural gas consumption | |
| Luo et al. | Non‐intrusive energy saving appliance recommender system for smart grid residential users | |
| CN109376971B (zh) | 一种面向电力用户的负荷曲线预测方法及系统 | |
| Cho et al. | AERO: extraction of user's activities from electric power consumption data | |
| Ma et al. | Toward energy-awareness smart building: Discover the fingerprint of your electrical appliances | |
| Kouzelis et al. | Estimation of residential heat pump consumption for flexibility market applications | |
| De Nadai et al. | Short-term anomaly detection in gas consumption through ARIMA and Artificial Neural Network forecast | |
| Guo et al. | Drivers of domestic electricity users’ price responsiveness: A novel machine learning approach | |
| CN110555556B (zh) | 一种基于线性整数规划的配网线变关系识别方法 | |
| CN111210056A (zh) | 电价方案确定方法、装置、计算机设备和存储介质 | |
| Barbour et al. | Enhancing household-level load forecasts using daily load profile clustering | |
| Magnano et al. | Generation of synthetic sequences of electricity demand: Application in South Australia | |
| Fontdecaba et al. | An approach to disaggregating total household water consumption into major end-uses | |
| AU2017374968B2 (en) | Improvements in low frequency energy disaggregation techniques | |
| Day et al. | Residential power load forecasting | |
| WO2016031065A1 (ja) | 消費電力推定装置、機器管理システム、消費電力推定方法及びプログラム | |
| Castanedo et al. | Learning routines over long‐term sensor data using topic models | |
| Alam et al. | Smart-energy group anomaly based behavioral abnormality detection | |
| JP6297917B2 (ja) | 湯量管理システム及び湯量管理方法 | |
| CN115481315B (zh) | 推荐信息的确定方法和装置、存储介质及电子装置 |
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: 20211217 |
|
| RJ01 | Rejection of invention patent application after publication |