CN114963535B - 热水器水垢检测方法、装置、服务器、存储介质及产品 - Google Patents
热水器水垢检测方法、装置、服务器、存储介质及产品 Download PDFInfo
- Publication number
- CN114963535B CN114963535B CN202110948770.9A CN202110948770A CN114963535B CN 114963535 B CN114963535 B CN 114963535B CN 202110948770 A CN202110948770 A CN 202110948770A CN 114963535 B CN114963535 B CN 114963535B
- Authority
- CN
- China
- Prior art keywords
- time
- water heater
- preset
- heating data
- error rate
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 239
- 238000001514 detection method Methods 0.000 title claims abstract description 75
- 238000010438 heat treatment Methods 0.000 claims abstract description 224
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000000630 rising effect Effects 0.000 claims description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- F24H9/0005—Details for water heaters
- F24H9/0042—Cleaning arrangements
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/40—Solar thermal energy, e.g. solar towers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Heat-Pump Type And Storage Water Heaters (AREA)
Abstract
本发明提供一种热水器水垢检测方法、装置、服务器、存储介质及产品。该方法包括:获取热水器的初始加热数据以及热水器的最新加热数据;根据热水器的初始加热数据计算升高预设温度对应的第一时间,并根据热水器的最新加热数据计算升高预设温度对应的第二时间;根据第一时间和第二时间确定热水器内部水垢状态。本发明的方法,根据初始加热数据和最新加热数据分别得到对应的升高预设温度所花费的时间,根据加热时花费的时间确定热水器内部水垢状态,相比现有技术预估水垢量以确定水垢状态的方式来说更加准确。
Description
技术领域
本发明涉及热水器领域,尤其涉及一种热水器水垢检测方法、装置、服务器、存储介质及产品。
背景技术
现有的热水器主要分为三类,电热水器、燃气热水器以及太阳能热水器。电热水器有分为储水式、即热式以及速热式。储水式热水器设置镁棒,随着镁棒使用时间过长,使得热水器内的水得到不软化,形成水垢附着在加热管上,水垢的聚集会影响加热管的散热,使加热管局部散热不良,严重时会烧毁加热管,存在危险。
目前,现有的热水器水垢检测系统设置污垢预估单元,根据污垢预估模型预估水箱内结垢量,将多个时间段内的结垢量进行统计得到总结垢量,从而根据热水器已产生的总的结垢量分析热水器危险系数。
但热水器水箱内不同位置的结垢情况是不同的,而根据水垢预估模型预估出的热水器水垢量不能准确代表热水器的结垢情况,现有的热水器水垢检测方式并不准确。
发明内容
本发明提供一种热水器水垢检测方法、装置、服务器、存储介质及产品,用以解决现有的热水器水垢检测方式并不准确的问题。
第一方面,本发明提供一种热水器水垢检测方法,包括:
获取热水器的初始加热数据以及热水器的最新加热数据;
根据热水器的初始加热数据计算升高预设温度对应的第一时间,并根据热水器的最新加热数据计算升高预设温度对应的第二时间;
根据第一时间和第二时间确定热水器内部水垢状态。
第二方面,本发明提供一种热水器水垢检测装置,包括:
获取单元,用于获取热水器的初始加热数据以及热水器的最新加热数据;
时间确定单元,用于根据热水器的初始加热数据计算升高预设温度对应的第一时间,并根据热水器的最新加热数据计算升高预设温度对应的第二时间;
状态确定单元,用于根据第一时间和第二时间确定热水器内部水垢状态。
第三方面,本发明提供一种服务器,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如第一方面所述的方法。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
本发明提供的一种热水器水垢检测方法、装置、服务器、存储介质及产品,通过获取热水器的初始加热数据以及热水器的最新加热数据;根据热水器的初始加热数据计算升高预设温度对应的第一时间,并根据热水器的最新加热数据计算升高预设温度对应的第二时间;根据第一时间和第二时间确定热水器内部水垢状态。根据初始加热数据和最新加热数据分别得到对应的升高预设温度所花费的时间,根据加热时花费的时间确定热水器内部水垢状态,相比现有技术预估水垢量以确定水垢状态的方式来说更加准确。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本发明提供的热水器水垢检测方法的网络架构示意图;
图2是本发明实施例一提供的热水器水垢检测方法的流程示意图;
图3是本发明实施例二提供的热水器水垢检测方法的流程示意图;
图4是本发明实施例三提供的热水器水垢检测方法的流程示意图;
图5是本发明实施例四提供的热水器水垢检测方法的流程示意图;
图6是本发明实施例五提供的热水器水垢检测方法的流程示意图;
图7是本发明实施例六提供的热水器水垢检测方法的流程示意图;
图8是本发明实施例七提供的热水器水垢检测方法的流程示意图;
图9是本发明实施例八提供的热水器水垢检测方法的流程示意图;
图10是本发明一实施例提热水器水垢检测装置的结构示意图;
图11是用来实现本发明实施例的热水器水垢检测方法的服务器的框图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
为了清楚理解本申请的技术方案,首先对现有技术的方案进行详细介绍。
现有技术中,热水器检测系统设置污垢预测单元,污垢预测单元内置污垢演变模型,将加热参数代入污垢演变模型,获得水箱加热过程中产生的污垢质量变化速率,向分析单元发送污垢质量变化速率,分析单元对污垢质量变化速度进行筛选,得到各间隔时间段内产生的污垢质量,进一步根据各时间段内产生的污垢质量得到水箱内累计的总污垢质量,根据总污垢质量判断加热性能危险系数。
而热水器水箱内包括多个加热管、镁棒等,不同的位置结垢情况是不同的,仅根据污垢演变模型预估出的热水器水垢量,热水器水垢量不能准确代表热水器的整体结垢情况,现有的热水器水垢检测方式并不准确。
所以针对现有技术中现有的热水器水垢检测方式并不准确的问题,发明人在研究中发现,热水器的镁棒随着时间的推移,镁棒使用时间长,使得热水器内的水得不到很好的软化,集聚的水垢附着在加热管上,会影响加热效率,导致加热时间边长。根据初始加热数据和最新加热数据分别得到对应的升高预设温度所花费的时间,根据加热时花费的时间确定热水器内部水垢状态,相比现有技术预估水垢量以确定水垢状态的方式来说更加准确。
如图1所示,本发明实施例提供的热水器水垢检测方法对应的网络架构中包括:用户终端1及服务器2。用户终端1与服务器2进行通信连接。用户终端1中预先安装有热水器水垢检测方法对应的客户端。用户在客户端的操作界面点击热水器水垢检测按键,由此触发热水器水垢检测请求,用户终端1根据请求生成热水器水垢检测指令,将热水器水垢检测指令发送至服务器2,服务器2对热水器水垢检测指令进行解析,获取热水器水垢检测指令对应的热水器标识,根据热水器标识获取对应的热水器的初始加热数据以及热水器的最新加热数据,根据热水器的初始加热数据计算升高预设温度对应的第一时间,进一步根据热水器的最新加热数据计算升高预设温度对应的第二时间,根据第一时间和第二时间确定热水器内部水垢状态,相比现有技术预估水垢量以确定水垢状态的方式来说更加准确。
所以发明人基于上述的创造性发现,提出了本发明实施例的技术方案。下面对本发明实施例提供的衣物处理设备的应用场景进行介绍。
如图1所示,
实施例一
图2是本发明实施例一提供的热水器水垢检测方法的流程示意图,如图2所示,本实施例提供的热水器水垢检测方法的执行主体为热水器水垢检测装置,本实施例提供的热水器水垢检测方法包括以下步骤:
步骤101,获取热水器的初始加热数据以及热水器的最新加热数据。
本实施例中,获取热水器上报的数据,根据加热状态字段从上报的数据中筛选出加热数据,例如,加热状态字段A变为加热状态字段B,代表加热开始,加热状态字段B变为加热状态字段A,代表此次加热结束,产生一组加热数据,需要说明的是,本实施例中的加热数据不包括边使用边加热情况下的的加热数据,本实施例中的加热数据指非用水情况下的加热数据。根据时间从热水器的加热数据得到最早的加热数据,最早的加热数据一般是热水器使用初期的加热数据,热水器在使用初期镁棒比较新,随着时间的推移,镁棒使用时间长,使得热水器内的水得不到很好的软化,集聚的水垢附着在加热管上,会影响加热效率,导致加热效果没有使用初期时的效果好,热水器使用初期的加热数据更能代表热水器正常的加热情况。将热水器使用初期时的加热数据作为热水器的初始加热数据。从热水器的加热数据中获取最新加热数据,初始加热数据和最新加热数据均属于历史加热数据,其中,初始加热数据对应的时间要早于最新加热数据对应的时间。需要说明的是,初始加热数据并不限于使用初期时的加热数据,还可以是热水器清洗水垢后所采集的加热数据。
步骤102,根据热水器的初始加热数据计算升高预设温度对应的第一时间,并根据热水器的最新加热数据计算升高预设温度对应的第二时间。
本实施例中,一组加热数据包括了该次加热对应的加热起始时间、加热结束时间、加热起始时的温度、加热结束时的温度以及加热功率。根据热水器的初始加热数据计算得到升高预设温度对应的第一时间,其中,预设温度可根据实际情况设定,通常可设置为1℃,即根据初始加热数据计算得到升高1℃所需的时间,具体地,根据加热起始时间和加热结束时间计算得到加热时长,将加热结束时间与加热起始时间相减,差值为加热时长。根据加热起始时的温度和加热结束时的温度计算得到该次加热温度变化值,将加热结束时的温度与加热起始时的温度相减,差值为温度变化值。根据温度变化值和加热时长计算得到升高1℃所需的时间,用加热时长除以温度变化值得到升高1℃所需的时间。并根据热水器的最新加热数据计算得到升高预设温度对应的第二时间,即根据最新加热数据计算得到升高1℃所需的时间。需要说明的是,第一时间和第二时间对应的预设温度是相同的,例如,预设温度为1℃,计算的都是升高1℃所需的时间。
步骤103,根据第一时间和第二时间确定热水器内部水垢状态。
本实施例中,根据初始加热数据对应的第一时间和最新加热数据对应的第二时间确定热水器内部水垢状态,将初始加热数据对应的第一时间和最新加热数据对应的第二时间进行比较,并根据比较结果确定热水器内部水垢状态。
本实施例中,根据初始加热数据和最新加热数据分别得到对应的升高预设温度所花费的时间,根据加热时花费的时间确定热水器内部水垢状态,相比现有技术预估水垢量以确定水垢状态的方式来说更加准确。
实施例二
图3是本发明实施例二提供的热水器水垢检测方法的流程示意图,如图3所示,在本发明实施例一提供的热水器水垢检测方法的基础上,对步骤102中根据热水器的初始加热数据计算升高预设温度对应的第一时间进行了进一步的细化,包括以下步骤:
步骤1021,获取热水器对应的标识信息,在初始加热数据中查找与标识信息对应的初始加热数据。
本实施例中,用户可通过用户终端触发热水器水垢检测指令,热水器水垢检测装置接收用户触发的热水器水垢检测指令,解析热水器水垢检测指令获得热水器对应标识信息,其中,标识信息可以是热水器型号、热水器类型、热水器标识码等标识信息。初始加热数据中包括至少一个热水器的初始加热数据,根据标识信息在初始加热数据中查找与标识信息匹配的热水器的初始加热数据。或由热水器水垢检测装置自动触发热水器水垢检测。
步骤1022,根据对应的初始加热数据获得相同加热功率对应的每次加热升高预设温度所需时间。
本实施例中,获取热水器的初始加热数据,可以是热水器使用初期一段时间的加热数据,例如,使用第一个月的初始加热数据。根据加热功率对初始加热数据进行分类,得到相同加热功率下的初始加热数据,进一步根据初始加热数据中的每次加热对应的加热起始时间、加热结束时间、加热起始时的温度以及加热结束时的温度计算得到每次加热升高预设温度所需时间。
步骤1023,将每次加热升高预设温度所需时间输入至预设算法,获得热水器对应的升高预设温度对应的第一实际时间。
本实施例中,将每次加热升高预设温度所需时间输入至预设算法中,其中,预设算法可以是聚类算法,例如,K-means算法,获得热水器对应的升高预设温度对应的时间,因为一次的加热数据较为单一,不足以代表热水器的加热情况,而根据多次加热升高预设温度所需时间得到的第一实际时间可代表热水器的实际情况。
步骤1024,获取与型标识信息对应的升高预设温度对应的第一预设时间,并根据第一预设时间和第一实际时间计算对应的第一时间。
本实施例中,获取与标识信息对应的升高预设温度对应的第一预设时间,其中,第一预设时间是热水器对应的理论值,理论值可根据热水器体积、功率等参数计算得到,理论值公式为:
其中,Q为理论值,L为热水器体积,P为加热功率,B为加热组件系数。
其中,加热组件系数取决于热水器加热组件类型,加热组件类型包括3D加热管、半胆加热管、全胆加热管等。例如,某热水器采用3D加热管,该热水器体积为40L,加热功率为3kw,3D加热的系数为0.2,将参数代入公式(1)计算得到的理论值为11.2,该热水器对应的第一预设时间为11.2。进一步根据第一预设时间即理论值以及第一实际时间计算得到第一时间。
实施例三
图4是本发明实施例三提供的热水器水垢检测方法的流程示意图,如图4所示,在本发明实施例二提供的热水器水垢检测方法的基础上,对步骤1024中根据第一预设时间和第一实际时间计算对应的第一时间进行了进一步的细化,包括以下步骤:
步骤1024a,根据第一预设时间和第一实际时间计算获得第一实际误差率。
本实施例中,将第一预设时间和第一时间时间代入公式(2)计算得到第一实际误差率,公式(2)如下:
其中,A1为第一实际误差率,a1为第一实际时间,b1为第一预设时间。
步骤1024b,判断第一实际误差率是否小于第一预设误差率;若是,则执行步骤1024c;若否,则执行步骤1024d。
本实施例中,获取第一预设误差率,第一预设误差率可设置为1%,判断第一实际误差率是否小于第一预设误差率,根据判断结果确定第一时间。
步骤1024c,将第一实际时间确定为第一时间。
本实施例中,若第一实际误差率小于第一预设误差率,即第一实际误差率小于1%,则将第一实际时间作为第一时间。
步骤1024d,根据第一预设时间确定第一时间。
本实施例中,若第一实际误差率大于或等于第一预设误差率,即第一实际误差率大于或等于1%,则进一步根据第一预设时间确定第一时间。
需要说明的是,第一预设时间并不限于上述数值,还可以是其他适合的数值。
实施例四
图5是本发明实施例四提供的热水器水垢检测方法的流程示意图,如图5所示,在本发明实施例三提供的热水器水垢检测方法的基础上,对步骤1024d进行了进一步的细化,包括以下步骤:
步骤1024d1,判断第一实际误差率是否小于第二预设误差率;若否,则执行步骤1024d2;若是,则执行步骤1024d3。
本实施例中,获取第二预设误差率,其中,第二预设误差率大于第一预设误差率,第二预设误差率可设置为40%,判断第一实际误差率是否小于第二预设误差率,根据判断结果确定第一时间。
需要说明的是,第二预设误差率并不限于上述数值,还可以是其他适合的数值。
步骤1024d2,将第一预设时间确定为第一时间。
本实施例中,若第一实际误差率大于或等于第二预设误差率,即第一实际误差率大于或等于40%,则将第一预设时间作为第一时间。
步骤1024d3,根据第一预设时间与第一实际时间计算得到第一时间,第一时间表示为:
w1=0.5(a1+b1)公式(3)
其中,w1为第一时间,a1为第一预设时间,b1为第一实际时间。
本实施例中,若第一实际误差率小于第二预设误差率,即第一实际误差率小于40%,将第一预设时间和第一实际时间代入公式(3)中计算得到第一时间。
实施例五
图6是本发明实施例五提供的热水器水垢检测方法的流程示意图,如图6所示,在本发明实施例一提供的热水器水垢检测方法的基础上,对步骤102中根据热水器的最新加热数据计算升高预设温度对应的第二时间进行了进一步的细化,包括以下步骤:
步骤A1021,获取热水器对应的标识信息,在最新加热数据中查找与标识信息对应的最新加热数据。
本实施例中,用户可通过用户终端触发热水器水垢检测指令,热水器水垢检测装置接收用户触发的热水器水垢检测指令,解析热水器水垢检测指令获得热水器对应标识信息,其中,标识信息可以是热水器型号、热水器类型、热水器标识码等标识信息。最新加热数据中包括至少一个热水器的最新加热数据,根据标识信息在最新加热数据中查找与标识信息匹配的热水器的最新加热数据。或由热水器水垢检测装置自动触发热水器水垢检测。
步骤A1022,根据对应的最新加热数据获得相同加热功率对应的每次加热升高预设温度所需时间。
本实施例中,获取热水器的最新加热数据,例如,将最近一个月的加热数据作为最新加热数据。根据加热功率对最新加热数据进行分类,得到各加热功率对应的最新加热数据,进一步根据最新加热数据中的每次加热对应的加热起始时间、加热结束时间、加热起始时的温度以及加热结束时的温度计算得到每次加热升高预设温度所需时间。
步骤A1023,将每次加热升高预设温度所需时间输入至预设算法,获得热水器对应的升高预设温度对应的第二实际时间。
本实施例中,将每次加热升高预设温度所需时间输入至预设算法中,其中,预设算法可以是聚类算法,例如,K-means算法,获得热水器对应的升高预设温度对应的时间,因为一次的加热数据较为单一,不足以代表热水器的加热情况,而根据多次加热升高预设温度所需时间得到的第二实际时间可代表热水器的实际情况。
步骤A1024,获取与型标识信息对应的升高预设温度对应的第二预设时间,并根据第二预设时间和第二实际时间计算对应的第二时间。
本实施例中,获取与标识信息对应的升高预设温度对应的第二预设时间,其中,第二预设时间是热水器对应的理论值,理论值可根据热水器体积、功率等参数计算得到,理论值公式参照公式(1)。
实施例六
图7是本发明实施例六提供的热水器水垢检测方法的流程示意图,如图7所示,在本发明实施例五提供的热水器水垢检测方法的基础上,对步骤A1024中根据第二预设时间和第二实际时间计算对应的第二时间进行了进一步的细化,包括以下步骤:
步骤A1024a,根据第二预设时间和第二实际时间计算获得第二实际误差率。
本实施例中,将第二预设时间和第二时间时间代入公式(4)计算得到第二实际误差率,公式(4)如下:
其中,A2为第二实际误差率,a2为第二实际时间,b2为第二预设时间。
步骤A1024b,判断第二实际误差率是否小于第一预设误差率;若是,则执行步骤A1024c,若否,则执行步骤A1024d。
本实施例中,获取第一预设误差率,第一预设误差率可设置为1%,判断第二实际误差率是否小于第一预设误差率,根据判断结果确定第二时间。
步骤A1024c,将第二实际时间确定为第二时间。
本实施例中,若第二实际误差率小于第一预设误差率,即第二实际误差率小于1%,则将第二实际时间作为第二时间。
步骤A1024d,根据第二预设时间确定第二时间。
本实施例中,若第二实际误差率大于或等于第一预设误差率,即第二实际误差率大于或等于1%,则进一步根据第二预设时间确定第二时间。
实施例七
图8是本发明实施例七提供的热水器水垢检测方法的流程示意图,如图8所示,在本发明实施例六提供的热水器水垢检测方法的基础上,对步骤A1024d进行了进一步的细化,包括以下步骤:
步骤A1024d1,判断第二实际误差率是否小于第二预设误差率;若否,则执行步骤1024d2;若是,则执行步骤1024d3。
本实施例中,获取第二预设误差率,其中,第二预设误差率大于第一预设误差率,第二预设误差率可设置为40%,判断第二实际误差率是否小于第二预设误差率,根据判断结果确定第二时间。
步骤A1024d2,将第二预设时间确定为第二时间。
本实施例中,若第二实际误差率大于或等于第二预设误差率,即第二实际误差率大于或等于40%,则将第二预设时间作为第二时间。
步骤A1024d3,根据第二预设时间与第二实际时间计算得到第二时间,第二时间表示为:
w2=0.5(a2+b2)公式(5)
其中,w2为第二时间,a2为第二预设时间,b2为第二实际时间。
本实施例中,若第二实际误差率小于第二预设误差率,即第二实际误差率小于40%,将第二预设时间和第二实际时间代入公式(5)中计算得到第二时间。
实施例八
图9是本发明实施例八提供的热水器水垢检测方法的流程示意图,如图9所示,在本发明实施例一提供的热水器水垢检测方法的基础上,对步骤103进行了进一步的细化,包括以下步骤:
步骤1031,根据第一时间和第二时间确定时间误差率,并判断时间误差率是否小于第三预设误差率,若是,则执行步骤1032;若否,则执行步骤1033。
本实施例中,根据第一时间和第二时间计算得到时间误差率,判断时间误差率是否小于第三预设误差率,根据判断结果确定水垢状态,其中,第三预设误差率可等于第二预设误差,还可是其他适合的数值。
步骤1032,确定热水器内部水垢状态为结垢不严重状态。
本实施例中,若时间误差率小于第三预设误差率,说明热水器内部结垢并没有影响加热,确定热水器内部水垢状态为结垢不严重状态。
步骤1033,确定热水器内部水垢状态为结垢严重状态。
本实施例中,若时间误差大于或等于第三预设误差,说明热水器内部结垢已经影响了加热,加热效率过低,加热时间过长,确定热水器器内部水垢状态为结垢严重状态。
实施例九
在本发明实施例八提供的热水器水垢检测方法的基础上,对步骤步骤1031中根据第一时间和第二时间确定时间误差率进行了进一步的细化,包括以下步骤:
步骤1031a,根据第一时间和第二时间计算得到时间误差率,时间误差率表示为:
其中,Z为时间误差率,X为第二时间,Y为第一时间。
本实施例中,将第一时间和第二时间代入公式(5)计算得到时间误差率。
实施例十
在本发明实施例一提供的热水器水垢检测方法的基础上,步骤103之后,还包括以下步骤:
步骤103a,若热水器内部水垢状态为结垢严重状态,则发送热水器内部结垢严重的提示信息至用户终端。
本实施例中,若热水器内部水垢状态为结垢严重状态,需要提示用户以及维护人员,发送热水器内部结垢严重的提示信息至用户终端,提示用户热水器已经严重结垢。并且发送热水器内部结垢严重的提示信息以及热水器标识信息至维护人员,以便维护人员哪台热水器需要清洗。
图10是本发明一实施例提热水器水垢检测装置的结构示意图,如图10所示,本实施例提供的热水器水垢检测装置200包括获取单元201,时间确定单元202,状态确定单元203。
其中,获取单元201,用于获取热水器的初始加热数据以及热水器的最新加热数据。时间确定单元202,用于根据热水器的初始加热数据计算升高预设温度对应的第一时间,并根据热水器的最新加热数据计算升高预设温度对应的第二时间。状态确定单元203,用于根据第一时间和第二时间确定热水器内部水垢状态。
可选地,时间确定单元,还用于获取热水器对应的标识信息,在初始加热数据中查找与标识信息对应的初始加热数据;根据对应的初始加热数据获得相同加热功率对应的每次加热升高预设温度所需时间;将每次加热升高预设温度所需时间输入至预设算法,获得热水器对应的升高预设温度对应的第一实际时间;获取与型标识信息对应的升高预设温度对应的第一预设时间,并根据第一预设时间和第一实际时间计算对应的第一时间。
可选地,时间确定单元,还用于根据第一预设时间和第一实际时间计算获得第一实际误差率;判断第一实际误差率是否小于第一预设误差率;若是,则将第一实际时间确定为第一时间;若否,则根据第一预设时间确定第一时间。
可选地,时间确定单元,还用于判断第一实际误差率是否小于第二预设误差率,其中,第二预设误差率大于第一预设误差率;若否,则将第一预设时间确定为第一时间;若是,则根据第一预设时间与第一实际时间计算得到第一时间,第一时间表示为:
w1=0.5(a1+b1),
其中,w1为第一时间,a1为第一预设时间,b1为第一实际时间。
可选地,状态确定单元,还用于根据第一时间和第二时间确定时间误差率,并判断时间误差率是否小于第三预设误差率;若是,则确定热水器内部水垢状态为结垢不严重状态;若否,则确定热水器内部水垢状态为结垢严重状态。
可选地,状态确定单元,还用于根据第一时间和第二时间计算得到时间误差率,时间误差率表示为:
其中,Z为时间误差率,X为第二时间,Y为第一时间。
图11是用来实现本发明实施例的热水器水垢检测方法的服务器的框图,如图11所示,该服务器300包括:存储器301,处理器302。
存储器301存储计算机执行指令;
处理器执行302存储器存储的计算机执行指令,使得处理器执行上述任意一个实施例提供的方法。
在示例性实施例中,还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行上述任意一个实施例中的方法。
在示例性实施例中,还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行上述任意一个实施例中的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求书指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。
Claims (8)
1.一种热水器水垢检测方法,其特征在于,所述方法包括:
获取热水器的初始加热数据以及热水器的最新加热数据;其中,所述初始加热数据和所述最新加热数据指非用水情况下的加热数据,所述初始加热数据为所述热水器使用初期时的加热数据,所述最新加热数据为从所述热水器的加热数据中获取的最新加热数据;
根据热水器的初始加热数据计算升高预设温度对应的第一时间,并根据热水器的最新加热数据计算升高预设温度对应的第二时间;
根据第一时间和第二时间确定热水器内部水垢状态;
所述根据热水器的初始加热数据计算升高预设温度对应的第一时间,包括:
获取热水器对应的标识信息,在所述初始加热数据中查找与所述标识信息对应的初始加热数据;
根据对应的初始加热数据获得相同加热功率对应的每次加热升高预设温度所需时间;
将每次加热升高预设温度所需时间输入至预设算法,获得热水器对应的升高预设温度对应的第一实际时间;
获取与所述标识信息对应的升高预设温度对应的第一预设时间,并根据第一预设时间和第一实际时间计算对应的第一时间。
2.根据权利要求1所述的方法,其特征在于,所述根据第一预设时间和第一实际时间计算对应的第一时间,包括:
根据第一预设时间和第一实际时间计算获得第一实际误差率;
判断第一实际误差率是否小于第一预设误差率;
若是,则将第一实际时间确定为第一时间;
若否,则根据第一预设时间确定第一时间。
3.根据权利要求2所述的方法,其特征在于,所述根据第一预设时间确定第一时间,包括:
判断第一实际误差率是否小于第二预设误差率,其中,所述第二预设误差率大于所述第一预设误差率;
若否,则将第一预设时间确定为第一时间;
若是,则根据第一预设时间与第一实际时间计算得到第一时间,所述第一时间表示为:
,
其中,w1为第一时间,a1为第一预设时间,b1为第一实际时间。
4.根据权利要求1所述的方法,其特征在于,所述根据第一时间和第二时间确定热水器内部水垢状态,包括:
根据第一时间和第二时间确定时间误差率,并判断时间误差率是否小于第三预设误差率;
若是,则确定热水器内部水垢状态为结垢不严重状态;
若否,则确定热水器内部水垢状态为结垢严重状态。
5.根据权利要求4所述的方法,其特征在于,所述根据第一时间和第二时间确定时间误差率,包括:
根据第一时间和第二时间计算得到时间误差率,所述时间误差率表示为:
,
其中,Z为时间误差率,X为第二时间,Y为第一时间。
6.一种热水器水垢检测装置,其特征在于,所述装置包括:
获取单元,用于获取热水器的初始加热数据以及热水器的最新加热数据;其中,所述初始加热数据和所述最新加热数据指非用水情况下的加热数据,所述初始加热数据为所述热水器使用初期时的加热数据,所述最新加热数据为从所述热水器的加热数据中获取的最新加热数据;
时间确定单元,用于根据热水器的初始加热数据计算升高预设温度对应的第一时间,并根据热水器的最新加热数据计算升高预设温度对应的第二时间;
状态确定单元,用于根据第一时间和第二时间确定热水器内部水垢状态;
所述时间确定单元,还用于获取热水器对应的标识信息,在所述初始加热数据中查找与所述标识信息对应的初始加热数据;根据对应的初始加热数据获得相同加热功率对应的每次加热升高预设温度所需时间;将每次加热升高预设温度所需时间输入至预设算法,获得热水器对应的升高预设温度对应的第一实际时间;获取与所述标识信息对应的升高预设温度对应的第一预设时间,并根据第一预设时间和第一实际时间计算对应的第一时间。
7.一种服务器,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110948770.9A CN114963535B (zh) | 2021-08-18 | 2021-08-18 | 热水器水垢检测方法、装置、服务器、存储介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110948770.9A CN114963535B (zh) | 2021-08-18 | 2021-08-18 | 热水器水垢检测方法、装置、服务器、存储介质及产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114963535A CN114963535A (zh) | 2022-08-30 |
CN114963535B true CN114963535B (zh) | 2023-11-17 |
Family
ID=82971524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110948770.9A Active CN114963535B (zh) | 2021-08-18 | 2021-08-18 | 热水器水垢检测方法、装置、服务器、存储介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114963535B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104172931A (zh) * | 2014-07-18 | 2014-12-03 | 广东美的生活电器制造有限公司 | 用于烧水器具的水垢检测方法及检测装置 |
CN106895584A (zh) * | 2015-12-21 | 2017-06-27 | 重庆凌丰科技有限公司 | 一种储水式电热水器水垢智能监测装置 |
WO2018197001A1 (en) * | 2017-04-28 | 2018-11-01 | Electrolux Appliances Aktiebolag | Method for determining an amount of deposition of scale on a heating element and household appliance comprising a heating element |
CA3003072A1 (en) * | 2018-04-30 | 2019-10-30 | Suncor Energy Inc. | Systems and methods for predicting tube fouling in a fired apparatus, and for utilizing tube fouling predictions |
CN111060556A (zh) * | 2019-12-31 | 2020-04-24 | 广东美的厨房电器制造有限公司 | 水垢检测方法、水垢检测设备和计算机可读存储介质 |
CN111930159A (zh) * | 2020-07-09 | 2020-11-13 | 广东美的厨房电器制造有限公司 | 蒸汽装置的控制方法、家用设备和存储介质 |
CN111928491A (zh) * | 2020-08-22 | 2020-11-13 | 孙玉洁 | 一种基于大数据的电热水器智能检测系统 |
CN212566328U (zh) * | 2020-03-19 | 2021-02-19 | 佛山市北川电子科技有限公司 | 一种智能空气能热水器控制系统 |
IT201900020829A1 (it) * | 2019-11-11 | 2021-05-11 | Irca Spa | Metodo e dispositivo per la rilevazione della quantita’ di calcare in dispositivi per il riscaldamento di liquidi |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11662122B2 (en) * | 2019-07-18 | 2023-05-30 | Stiebel Eltron Gmbh & Co. Kg | Tankless water heater system |
-
2021
- 2021-08-18 CN CN202110948770.9A patent/CN114963535B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104172931A (zh) * | 2014-07-18 | 2014-12-03 | 广东美的生活电器制造有限公司 | 用于烧水器具的水垢检测方法及检测装置 |
CN106895584A (zh) * | 2015-12-21 | 2017-06-27 | 重庆凌丰科技有限公司 | 一种储水式电热水器水垢智能监测装置 |
WO2018197001A1 (en) * | 2017-04-28 | 2018-11-01 | Electrolux Appliances Aktiebolag | Method for determining an amount of deposition of scale on a heating element and household appliance comprising a heating element |
CA3003072A1 (en) * | 2018-04-30 | 2019-10-30 | Suncor Energy Inc. | Systems and methods for predicting tube fouling in a fired apparatus, and for utilizing tube fouling predictions |
IT201900020829A1 (it) * | 2019-11-11 | 2021-05-11 | Irca Spa | Metodo e dispositivo per la rilevazione della quantita’ di calcare in dispositivi per il riscaldamento di liquidi |
CN111060556A (zh) * | 2019-12-31 | 2020-04-24 | 广东美的厨房电器制造有限公司 | 水垢检测方法、水垢检测设备和计算机可读存储介质 |
CN212566328U (zh) * | 2020-03-19 | 2021-02-19 | 佛山市北川电子科技有限公司 | 一种智能空气能热水器控制系统 |
CN111930159A (zh) * | 2020-07-09 | 2020-11-13 | 广东美的厨房电器制造有限公司 | 蒸汽装置的控制方法、家用设备和存储介质 |
CN111928491A (zh) * | 2020-08-22 | 2020-11-13 | 孙玉洁 | 一种基于大数据的电热水器智能检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114963535A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107229662B (zh) | 数据清洗方法和装置 | |
CN109030306B (zh) | 油烟机状态检测方法、装置、系统及油烟机 | |
CN107449156B (zh) | 一种电热水器用水情况监测方法及电子设备 | |
CN112730938B (zh) | 一种基于用电采集大数据的窃电用户判断方法 | |
KR20170141247A (ko) | 정보 추천 방법 및 장치 | |
CN108088030B (zh) | 空调过滤网脏堵的检测方法及装置 | |
CN106296465B (zh) | 一种智能电网异常用电行为检测方法 | |
JP2001280599A (ja) | 発電プラント配管の寿命予測方法 | |
CN107918579A (zh) | 一种批量生成基线数据的方法和装置 | |
CN111931354A (zh) | 基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法 | |
CN111125931B (zh) | 冷却塔自动寻优选型方法、装置 | |
WO2023005976A1 (zh) | 一种基于深度学习的电力设备识别方法及其装置 | |
CN109684320A (zh) | 监测数据在线清洗的方法和设备 | |
CN114963535B (zh) | 热水器水垢检测方法、装置、服务器、存储介质及产品 | |
CN112921589A (zh) | 一种烘干降温时长的分析方法及装置 | |
CN111025926A (zh) | 用于实现自清洁的方法、装置及服务器 | |
CN112418534B (zh) | 揽件量预测方法及装置、电子设备、计算机可读存储介质 | |
CN115391148A (zh) | 异常检测方法和装置 | |
CN115076871A (zh) | 空调积灰检测方法、装置、空调及电子设备 | |
KR20230093874A (ko) | 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법 | |
CN111190938B (zh) | 数据分析方法、装置、存储介质及处理器 | |
CN114294824A (zh) | 一种用水习惯分析方法、装置、终端设备及存储介质 | |
CN106788816A (zh) | 一种信道状态检测方法及装置 | |
CN113568898A (zh) | 电力数据漏点补全方法、装置、设备及可读存储介质 | |
CN112988529A (zh) | 一种基于机器学习进行数据库系统性能预测的方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |