CN115839553B - 热水器加热时刻确定方法、电子设备、存储介质及热水器 - Google Patents
热水器加热时刻确定方法、电子设备、存储介质及热水器 Download PDFInfo
- Publication number
- CN115839553B CN115839553B CN202211305840.XA CN202211305840A CN115839553B CN 115839553 B CN115839553 B CN 115839553B CN 202211305840 A CN202211305840 A CN 202211305840A CN 115839553 B CN115839553 B CN 115839553B
- Authority
- CN
- China
- Prior art keywords
- time
- target
- predicted
- home
- target object
- 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 359
- 238000010438 heat treatment Methods 0.000 title claims abstract description 195
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004891 communication Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Landscapes
- Heat-Pump Type And Storage Water Heaters (AREA)
Abstract
本申请涉及一种热水器加热时刻确定方法、电子设备、存储介质及热水器,该方法包括:获取目标对象在当前周期的预测用水时刻,其中,预测用水时刻为当前周期内目标对象使用热水的预测时刻;按照预测用水时刻,确定出目标热水器在当前周期的预测加热时刻;根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标热水器的目标加热时刻。本申请解决了热水器预测的加热时间无法满足用户的实际用水需求的技术问题。
Description
技术领域
本申请涉及热水器技术领域,尤其涉及一种热水器加热时刻确定方法、电子设备、存储介质及热水器。
背景技术
随着智能化家居的不断发展,越来越多的智能家居产品能够针对不同用户的使用习惯,为用户提供个性化的服务。在家用热水器方面,相关技术中的热水器只能通过热水器自身的参数进行建模,判别用水量以及用水时间,从而确定出加热时间,由于热水器自身的参数含有的信息量较少,这些数据并不能描述用户需要使用热水的具体情景,因此预测得到的用水时间往往与用户实际用水的时间不符,预测的加热时间难以满足用户的用水需求。
针对相关技术中的热水器预测的加热时间无法满足用户的实际用水需求问题,目前尚未提出有效的解决方案。
发明内容
本申请提供了一种热水器加热时刻确定方法、电子设备、存储介质及热水器,以至少解决相关技术中的热水器预测的加热时间无法满足用户的实际用水需求的技术问题。
根据本申请实施例的一个方面,提供了一种热水器加热时刻确定方法,包括:获取目标对象在当前周期的预测用水时刻,其中,预测用水时刻为当前周期内目标对象使用热水的预测时刻;按照预测用水时刻,确定出目标热水器在当前周期的预测加热时刻;根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标热水器的目标加热时刻,其中,目标对象的居家状态用于指示目标对象是否在家。
根据本申请实施例的另一方面,还提供了一种热水器加热时刻确定装置,包括:用水时刻获取模块,用于获取目标对象在当前周期的预测用水时刻,其中,预测用水时刻为当前周期内目标对象使用热水的预测时刻;加热时刻确定模块,用于按照预测用水时刻,确定出目标热水器在当前周期的预测加热时刻;加热时刻确定模块,还用于根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标热水器的目标加热时刻,其中,目标对象的居家状态用于指示目标对象是否在家。
根据本申请实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,程序运行时执行上述的方法。
根据本申请实施例的另一方面,还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,所述处理器、通信接口和存储器通过通信总线完成相互间的通信;所述存储器,用于存放计算机程序;所述处理器,用于执行所述计算机程序时,实现如前述任一项所述的方法。
根据本申请的一个方面,提供了一种计算机可读存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行如前任一项所述的方法。
根据本申请的一个方面,提供了一种热水器,包括如前所述的电子设备。
在本申请实施例中,采用获取目标对象在当前周期的预测用水时刻,其中,预测用水时刻为当前周期内目标对象使用热水的预测时刻;按照预测用水时刻,确定出目标热水器在当前周期的预测加热时刻;根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标热水器的目标加热时刻,其中,目标对象的居家状态用于指示目标对象是否在家的方式,通过获取目标对象的预测用水时间,根据预测用水时间确定出热水器的预测加热时间,并根据用户的预测回家时间、热水器的预测加热时间以及用户的实际居家状态,确定出热水器的目标加热时间,得到的目标加热时间综合考虑了热水器的自身参数、用户的用水习惯、用水场景、实际居家情况,使目标加热时间与用户的实际用水需求相符,进而解决了相关技术中的热水器预测的加热时间无法满足用户的实际用水需求的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的热水器加热时刻确定方法的硬件环境的示意图;
图2是根据本申请实施例的一种可选的热水器加热时刻确定方法的流程图;
图3是根据本申请实施例的一种可选的基于多源异构信息的热水器热水时间预测流程的示意图;
图4是根据本申请实施例的一种可选的多源异构数据获取的流程示意图;
图5是根据本申请实施例的一种可选的临时修正预测热水时间的流程图;
图6是根据本申请实施例的一种可选的热水器加热时刻确定装置的示意图;以及,
图7是根据本申请实施例的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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,所描述的实施例仅仅是本申请一部分的实施例,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前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一方面,提供了一种热水器加热时刻确定的方法实施例。
可选地,在本实施例中,上述热水器加热时刻确定方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示,服务器103通过网络与终端101进行连接,可用于为终端或终端上安装的客户端提供热水器加热时刻确定服务,可在服务器上或独立于服务器设置数据库105,用于为服务器103提供数据存储服务,上述网络包括但不限于:广域网、城域网或局域网,终端101并不限定于PC、手机、平板电脑等。本申请实施例的热水器加热时刻确定方法可以由服务器103来执行,也可以由终端101来执行,还可以是由服务器103和终端101共同执行。其中,终端101执行本申请实施例的热水器加热时刻确定方法也可以是由安装在其上的客户端来执行。后续以在服务器上执行本申请实施例的一种热水器加热时刻确定方法为例进行说明。
图2是根据本申请实施例的一种可选的热水器加热时刻确定方法的流程图,如图2所示,该方法可以包括以下步骤:
步骤S104,获取目标对象在当前周期的预测用水时刻,其中,预测用水时刻为当前周期内目标对象使用热水的预测时刻;
步骤S106,按照预测用水时刻,确定出目标热水器在当前周期的预测加热时刻;
步骤S108,根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标热水器的目标加热时刻,其中,目标对象的居家状态用于指示目标对象是否在家。
通过上述步骤S104至步骤S108,通过获取目标对象的预测用水时间,根据预测用水时间确定出热水器的预测加热时间,并根据用户的预测回家时间、热水器的预测加热时间以及用户的实际居家状态,确定出热水器的目标加热时间,得到的目标加热时间综合考虑了用户的用水习惯、用水场景、实际居家情况,使目标加热时间与用户的实际用水需求相符,进而解决了相关技术中的热水器预测的加热时间无法满足用户的实际用水需求的技术问题。
在步骤S104提供的技术方案中,服务器获取目标对象在当前周期的预测用水时刻,其中,预测用水时刻为当前周期内目标对象使用热水的预测时刻。
预测用水时刻可以是根据热水器的历史使用记录预测得到的,也可以是根据目标对象的历史回家时刻和历史用水时刻预测得到的。
作为一种可选地实施例,步骤S104,获取目标对象在当前周期的预测用水时刻,其中,预测用水时刻为当前周期内目标对象使用热水的预测时刻,可以包括如下所述的步骤:
步骤S202,获取目标热水器与当前周期对应的目标用水数据集,其中,目标用水数据集包括至少一个历史用水数据,历史用水数据是目标对象在历史周期内使用目标热水器产生的用水数据,用水数据包括目标对象的回家时刻和目标对象的用水时刻,历史周期为当前周期之前的用水周期;
步骤S204,通过目标预测模型,根据目标用水数据集,确定出目标对象在当前周期的预测用水时刻,其中,目标预测模型是根据候选用水数据集训练得到的,候选用水数据集包括与多个候选周期中的每个候选周期对应的用水数据。
通过上述步骤S202至步骤S204,通过根据当前周期之前的历史用水数据,预测当前周期的用户用水时间,历史用水数据既包括用户的回家时间,又包括用户的用水时间,使用多源异构数据进行用水时间的预测,得到的预测用水时间较为准确。
在步骤S202提供的技术方案中,服务器获取目标热水器与当前周期对应的目标用水数据集,其中,目标用水数据集包括至少一个历史用水数据,历史用水数据是目标对象在历史周期内使用目标热水器产生的用水数据,用水数据包括目标对象的回家时刻和目标对象的用水时刻,历史周期为当前周期之前的用水周期。
目标用水数据集可以包括一个或多个历史周期的用水数据,目标用水数据集中的数据量可以根据实际需求确定,例如,可以将当前周期的前一个周期的用水数据作为目标用水数据集,也可以将当前周期的前三十个周期的用水数据作为目标用水数据集。
选取与当前周期的时间间隔较短的历史用水数据作为目标用水数据集,可以更好地表征用户最近的使用习惯,并能够在后续步骤S204的预测中取得更好的预测效果。
热水器的用水周期可以根据实际情况确定,对于普通家用热水器来说,热水器通常以24小时为用水周期。周期的起始时刻和终止时刻也可以根据实际情况确定,例如,将每天的0:00至23:59作为一个周期,又如,将每日的12:00至次日的11:59作为一个周期。
目标对象即目标热水器的用户。
历史用水数据既包括目标对象在历史周期内的回家时刻,也包括目标对象在历史周期内的用水时刻,两者是不同来源的异构数据。由于用户往往在回家后的一段时间需要使用热水,目标对象的回家时刻会影响用水时刻,将这两种信息结合成多源异构数据,同时表征用户的用水习惯和回家习惯,再根据多源异构数据进行当前周期用水时刻的预测,能够得到更为准确的预测结果。
目标对象的回家时刻可以通过多种方式获取,包括但不限于以下几种:(1)通过在住宅入口处安装红外传感器、摄像头等,将检测到目标对象的时刻作为回家时刻;(2)获取智能门锁上传的至服务器的开锁信息,开锁信息用于指示用户是否从门外打开门锁,在开锁信息指示用户从门外打开门锁的情况下,将当前时刻作为回家时刻;(3)通过固定设备检测目标智能终端的信号,目标智能终端是目标对象的携带的智能终端,将信号强度超过指定强度阈值的时刻作为回家时刻。
目标对象的用水时刻可以通过目标热水器自身的传感器获取,也可以根据目标热水器的工作状态变化时刻确定。
可选地,在本实施例中,在一个周期内,如果多次检测到目标对象回家,可以将目标对象最后一次回家的时刻作为目标对象的回家时刻。
可选地,在本实施例中,在一个周期内,如果多次检测到目标对象使用热水,可以将目标对象第一次使用热水的时刻作为目标对象的用水时刻。
在步骤S204提供的技术方案中,服务器通过目标预测模型,根据目标用水数据集,确定出目标对象在当前周期的预测用水时刻,其中,目标预测模型是根据候选用水数据集训练得到的,候选用水数据集包括与多个候选周期中的每个候选周期对应的用水数据。
所选用的目标预测模型的模型种类不限,能够进行时间序列分析并输出预测结果的模型都可以选用,可以是支持向量机预测模型,也可以是神经网络预测模型,所采用的模型参数和算法不限,例如,目标预测模型可以是支持向量机预测模型,其核函数为高斯核函数,又如,目标预测模型可以为长短时记忆网络模型。
目标预测模型是根据候选用水数据集进行预训练得到的,用于模型训练的候选用水数据集可以是目标对象多个历史周期的用水数据,也可以是预设的样本数据(如,其他用户的用水数据)。若采用目标对象的历史用水数据进行模型的训练,会得到更好的训练效果,得到的目标预测模型性能更优。
目标预测模型可以经一次训练得到,多次使用,也可以在使用过程中不断训练,更新模型参数。
根据模型种类的不同,对于输入数据的要求也不同,可以根据目标预测模型的实际要求,对目标用水数据集进行预处理,再对预处理后的数据进行预测,得到预测用水时刻。
例如,目标预测模型是支持向量机预测模型的情况下,可以对目标用水数据集进行归一化处理,得到由数组组成的目标用水数据集。
在步骤S106提供的技术方案中,服务器按照预测用水时刻,确定出目标热水器在当前周期的预测加热时刻。
可选地,服务器可以根据目标热水器的工作参数(如,加热功率、储水量等),和预测用水时刻,计算得到预测加热时刻。
可选地,服务器可以按照目标热水器的预设加热时长、预测用水时刻,确定出预测加热时刻。
例如,预设加热时长为1小时,预测用水时刻为22:00,则预测加热时刻为21:00。
如果目标热水器从预测加热时刻开始加热,则可以在预测用水时刻为目标对象提供足量的热水。
在步骤S108提供的技术方案中,服务器根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标热水器的目标加热时刻,其中,目标对象的居家状态用于指示目标对象是否在家。
在一般情况下,可以将预测加热时刻作为目标加热时刻,目标热水器从目标加热时刻开始开启加热模式。
在特殊情况下,可以根据用户的实际情况对预测加热时刻进行调整,将调整后的结果作为目标加热时刻。例如,根据目标对象的居家状态调整预测加热时刻,得到目标加热时刻,在用户提前回家的情况下,加热时刻也相应提前,在用户延迟回家的情况下,加热时刻也相应调后。
通过上述步骤S106至S108,可以根据用户的居家状态,自动调整热水器的目标加热时刻,实现热水器加热时刻的智能化确定。
居家状态可以包括在家状态、不在家状态,还可以包括回家状态、离家状态,其中,回家状态表示由不在家状态变为在家状态,离家状态表示由在家状态变为不在家状态。
可选地,在本实施例中,在步骤S108,根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标加热时刻之前,该方法还包括如下所述的步骤:
步骤S51,获取目标回家数据集,其中,目标回家数据集包括至少一个历史回家数据,历史回家数据是与历史周期对应的、目标对象的回家时刻;
步骤S52,通过指定预测模型,根据目标回家数据集,确定出预测回家时刻,其中,指定预测模型是根据指定回家数据集训练得到的,指定回家数据集包括与多个指定周期中的每个指定周期对应的回家时刻。
目标回家数据集中包含的数据量不限,可以为一个或多个历史回家数据。
所选用的指定预测模型的模型种类不限,能够进行时间序列分析并输出预测结果的模型都可以选用,可以是支持向量机预测模型,也可以是神经网络预测模型,所采用的模型参数和算法不限,例如,指定预测模型可以是支持向量机预测模型,其核函数为高斯核函数,又如,指定预测模型可以为长短时记忆网络模型。
指定预测模型是根据指定回家数据集进行预训练得到的,用于模型训练的指定回家数据集可以是目标对象多个历史周期的回家数据,也可以是预设的样本数据(如,其他用户的回家数据)。若采用目标对象的历史回家数据进行模型的训练,会得到更好的训练效果,得到的指定预测模型性能更优。
指定预测模型可以经一次训练得到,多次使用,也可以在使用过程中不断训练,更新模型参数。
通过上述步骤,利用历史回家数据预测目标对象当前周期的回家时刻,所得到的预测回家时刻能够更接近目标对象的实际回家时刻。
可选地,在本实施例中,也可以通过其他方式确定出预测回家时刻,例如,根据目标对象在当前周期的离家时刻确定出预测回家时刻。
可选地,在本实施例中,步骤S108,根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标加热时刻,还包括如下所述的步骤:
步骤S1081,若当前时刻在第一时间区间内、且在当前时刻确定出目标对象的居家状态由不在家状态转为在家状态,则按照目标时间差修正预测加热时刻,得到目标加热时刻,其中,第一时间区间的最后时刻早于预测回家时刻,目标时间差为当前时刻与预测回家时刻之间的时间差,目标加热时刻早于预测加热时刻;
步骤S1082,若当前时刻早于第一时间区间的最早时刻、且在当前时刻确定出目标对象的居家状态为在家状态,则将预测加热时刻作为目标加热时刻。
上述步骤S1081是为了在用户提前回家的情况下,相应地调早目标加热时刻,第一时间区间可以根据实际情况确定。例如,第一时间区间为预测回家时刻的前40分钟至前10分钟,在预测回家时刻的前15分钟,目标对象的居家状态由不在家状态变为在家状态,即目标对象提前了15分钟回家,目标加热时刻则为预测加热时刻的前15分钟。
上述步骤S1082是为了在用户提前回家太多的情况下或一直在家的情况下,无需进行加热时刻调整,直接按照预测加热时刻加热。
可选地,在本实施例中,步骤S108,根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标加热时刻,还包括如下所述的步骤:
步骤S1083,若当前时刻在第二时间区间内、且在当前时刻确定出目标对象的居家状态由不在家状态转为在家状态,则将预测加热时刻作为目标加热时刻,其中,第二时间区间包括预测回家时刻。
上述步骤S1083是为了在用户准时到家的情况下,无需进行加热时刻调整,直接按照预测加热时刻加热。
用户是否准时,可以按照一个时刻确定,也可以按照一个时间区间确定。由于用户回家时刻的随机性,难以准确命中预测回家时刻,因此,只要不相差太多,就可以认定为准时。
例如,预测回家时刻为19:00,第二时间区间为18:50至19:10,目标对象在这个时间区间内回家都是准时回家。
可选地,在本实施例中,步骤S108,根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标加热时刻,还包括如下所述的步骤:
步骤S10841,若在第二时间区间的最后时刻,确定出目标对象的居家状态为不在家状态的情况下,以预设时长为时间间隔执行以下循环操作,直至获取到目标对象的居家状态为在家状态为止:获取目标对象的居家状态以及指定加热时刻,其中,在第一次执行循环操作的情况下,指定加热时刻为预测加热时刻;在目标对象的居家状态为不在家状态的情况下,按照预设时长对指定加热时刻进行更新;
步骤S10842,在获取到目标对象的居家状态为在家状态的情况下,将最新的指定加热时刻,作为目标加热时刻,其中,目标加热时刻晚于预测加热时刻。
如果在已经达到预测加热时刻的情况下,目标对象仍然没有回家,则以预设时长为时间间隔,不断获取目标对象的居家状态,并在目标对象回家之前,将加热时刻不断推迟。
例如,第二时间区间的最后时刻为21:00,预设时长为15分钟,若用户在21:00的时候仍未回家,则开始每15分钟获取一次用户的居家状态,如果用户在获取时刻仍不在家,则将当前加热时刻延后15分钟,如果用户在获取时刻的居家状态为在家,则将当前加热时刻作为目标加热时刻。
通过步骤S10841至S10842,动态确定热水器的目标加热时刻,可以在用户延迟回家的情况下,不断修正热水器的加热时刻,以在用户回家后,能够及时按照最新的加热时刻进行加热,便于用户回家后能够使用热水,并且能够避免在用户回家前反复提前加热,达到了节约能源的效果。
作为一种可选的实施例,下文结合具体实施方式示意性的描述本申请的技术方案:
当前智能化家居应用正不断创新,并越来越多地进入到普通家庭当中,并通过智能化产品提高用户的生活质量。在家用热水器方面,目前并没有实质的智能化应用功能,相关技术方案只是通过热水器自身的参数进行建模判别用水量以及用水时间,由于所用的数据含有的信息量较少,并不能完全的描述用户需要热水的情景。本实施例通过结合场景信息,将用户的在家信息融入到热水器热水预测当中,这样能更客观的描述用户用水的情景,从而能更准确的预测热水时间。
本实施例的目标是预测热水器的热水时间(即加热时间),如图3所示,首先建立基于多源异构数据的用户用水时间预测模型,然后再根据预测用水时间预测热水时间,并预测的用户回家时间,根据用户的实际回家时间与预测回家时间之间的差距临时调整预测热水时间。
步骤一:用户用水场景信息获取流程,获取用户用水时间和用户回家时间点。
如图4所示,多源异构数据包括用户用水时间点、用户回家时间点,分别按照如下方式进行采集。
1、用户用水时间点:该数据由热水器自身传感器采集。
2、用户回家时间点:该数据需由外部设备进行采集,如,使用摄像头,摄像头设备挂在屋内(能够拍摄到门口处位置),通过图像检测算法,进行人员目标检测,从而实现有无人检测,来判断用户回家情况(回家时间点,处于在家状态或离家状态)
步骤二:支持向量机预测未来用水时间。
1、数据准备与预处理:
多源异构数据包括用户用水时间点、用户回家时间点。
数据量:数据量可根据实际情况进行更改,如,选择近一个月的时间序列数据,还可选择更长时间的数据;
2、归一化并融合:将用户主动热水时间点和用户回家时间点大小归一化到[0,1]之间,组合二维数据。
3、预测模型预测未来用水时间:预测模型使用支持向量机(SVR)预测模型,对采集到的多源异构数据进行训练和预测,核函数使用高斯核函数。
步骤三:支持向量机预测用户回家时间。
通过过去一段时间内用户回家时间点,使用支持向量机预测模型来预测用户回家时间。
步骤四:计算预测热水时间点。
通过预测未来用水时间和用户回家或离家状态计算预测的热水器热水时间。
本实施例中,可以根据过去一段时间内的多源异构数据(用户主动热水时间点和用户回家时间点)来预测未来热水时间,也可以在获取用户回家时间点的同时,获取到实时的用户是否回家的状态(如,当前时间点用户处于回家状态或离家状态)。本实施例通过过去一段时间用户习惯的用水时间确定出预测用户用水时间,由于可能出现的异常情况,会导致用户相较之前的习惯可能会提前回家或者延迟回家,用户实际用水时间也可能随之发生变化,此时可通过用户是否回家的状态来适当修正预测的当天热水时间。
当获取预测的用户用水时间后,需要将信息反馈给热水器,热水器通过用户用水预测时间来计算热水时间。如图5所示,热水时间预测分为几种情况:一般情况和临时修正情况。
1、一般情况:预测热水器热水时间=预测用户用水时间-1小时。
2、临时修正情况:临时修正预测热水器热水时间,是在上述“1、一般情况”的基础上的临时判断,即当前时间还没有到达一般情况下的预测热水器热水时间,重复执行以下直到预测热水器热水时间被修正结束:
1)用户相较提前回家的情况。如果用户实际回家的时间早于预测的用户回家时间,且时间差为T1,则对预测热水器热水时间进行修正:
T1=用户实际回家的时间-预测用户回家时间
预测热水器热水时间=预测用户用水时间-1小时+T1
2)用户相较延迟回家的情况。如果当前时间已到预测的用户回家时间,但此时用户仍没有回家,则执行以下:
a.对预测热水器热水时间进行修正:
预测热水器热水时间=预测用户用水时间-1小时+15分钟
b.等待15分钟后,检测用户是否回家,若没有回家,则执行上一步a,若已回家,则结束执行。
本实施例在基于多源异构数据预测用水时间的基础上,根据用户的在家状态或离家状态临时修正预测的热水器热水时间,提高了预测热水器热水时间的准确性。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面,还提供了一种用于实施上述热水器加热时刻确定方法的热水器加热时刻确定装置。图6是根据本申请实施例的一种可选的热水器加热时刻确定装置的示意图,如图6所示,该装置可以包括:用水时刻获取模块24,用于获取目标对象在当前周期的预测用水时刻,其中,预测用水时刻为当前周期内目标对象使用热水的预测时刻;加热时刻确定模块26,用于按照预测用水时刻,确定出目标热水器在当前周期的预测加热时刻;加热时刻确定模块26,还用于根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标热水器的目标加热时刻,其中,目标对象的居家状态用于指示目标对象是否在家。
需要说明的是,该实施例中的用水时刻获取模块24可以用于执行本申请实施例中的步骤S104,该实施例中的加热时刻确定模块26可以用于执行本申请实施例中的步骤S106、S108。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现。
通过上述模块,可以解决了相关技术中的热水器预测的加热时间无法满足用户的实际用水需求的技术问题。
作为一种可选的实施例,用水时刻获取模块24,包括:目标数据获取子模块241,用于获取目标热水器与当前周期对应的目标用水数据集,其中,目标用水数据集包括至少一个历史用水数据,历史用水数据是目标对象在历史周期内使用目标热水器产生的用水数据,用水数据包括目标对象的回家时刻和目标对象的用水时刻,历史周期为当前周期之前的用水周期;用水时刻确定子模块242,用于通过目标预测模型,根据目标用水数据集,确定出目标对象在当前周期的预测用水时刻,其中,目标预测模型是根据候选用水数据集训练得到的,候选用水数据集包括与多个候选周期中的每个候选周期对应的用水数据。
加热时刻确定模块26包括:加热时刻预测单元,用于按照预测用水时刻,确定出目标热水器在当前周期的预测加热时刻;加热时刻确定单元,用于根据目标对象在当前周期的预测回家时刻、目标对象的居家状态以及预测加热时刻,确定出目标加热时刻,其中,目标对象的居家状态用于指示目标对象是否在家。
可选地,用水时刻确定子模块242还包括回家时刻确定单元,用于:获取目标回家数据集,其中,目标回家数据集包括至少一个历史回家数据,历史回家数据是与历史周期对应的、目标对象的回家时刻;通过指定预测模型,根据目标回家数据集,确定出预测回家时刻,其中,指定预测模型是根据指定回家数据集训练得到的,指定回家数据集包括与多个指定周期中的每个指定周期对应的回家时刻。
可选地,加热时刻确定单元,还用于:若当前时刻在第一时间区间内、且在当前时刻确定出目标对象的居家状态由不在家状态转为在家状态,则按照目标时间差修正预测加热时刻,得到目标加热时刻,其中,第一时间区间的最后时刻早于预测回家时刻,目标时间差为当前时刻与预测回家时刻之间的时间差,目标加热时刻早于预测加热时刻。
可选地,加热时刻确定单元,还用于:若当前时刻早于第一时间区间的最早时刻、且在当前时刻确定出目标对象的居家状态为在家状态,则将预测加热时刻作为目标加热时刻。
可选地,加热时刻确定单元,还用于:若当前时刻在第二时间区间内、且在当前时刻确定出目标对象的居家状态由不在家状态转为在家状态,则将预测加热时刻作为目标加热时刻,其中,第二时间区间包括预测回家时刻。
可选地,加热时刻确定单元,还用于:若在第二时间区间的最后时刻,确定出目标对象的居家状态为不在家状态的情况下,以预设时长为时间间隔执行以下循环操作,直至获取到目标对象的居家状态为在家状态为止:获取目标对象的居家状态以及指定加热时刻,其中,在第一次执行循环操作的情况下,指定加热时刻为预测加热时刻;在目标对象的居家状态为不在家状态的情况下,按照预设时长对指定加热时刻进行更新;在获取到目标对象的居家状态为在家状态的情况下,将最新的指定加热时刻,作为目标加热时刻,其中,目标加热时刻晚于预测加热时刻。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
根据本申请的另一个实施例,还提供一种电子设备,包括:如图7所示,电子设备可以包括:处理器1501、通信接口1502、存储器1503和通信总线1504,其中,处理器1501,通信接口1502,存储器1503通过通信总线1504完成相互间的通信。
存储器1503,用于存放计算机程序;
处理器1501,用于执行存储器1503上所存放的程序时,实现上述方法实施例的步骤。
上述电子设备提到的总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本领域普通技术人员可以理解,图7所示的结构仅为示意,并不对上述电子设备的结构造成限定。例如,电子设备还可包括比图7中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图7所示不同的配置。
本申请实施例还提供一种计算机可读存储介质,存储介质包括存储的程序,其中,程序运行时执行上述方法实施例的方法步骤。
本申请实施例还提供一种热水器,热水器包括上述电子设备。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
采用本申请实施例,提供了一种热水器加热时刻确定的方案。通过根据当前周期之前的历史用水数据,预测当前周期的用户用水时间,历史用水数据既包括用户的回家时间,又包括用户的用水时间,使用多源异构数据进行用水时间的预测,得到的预测用水时间较为准确,并根据预测得到的预测用水时间,确定出热水器的预测加热时间,并根据用户的预测回家时间、热水器的预测加热时间以及用户的实际居家状态,确定出热水器的目标加热时间,得到的目标加热时间综合考虑了热水器的自身参数、用户的用水习惯、用水场景、实际居家情况,使目标加热时间与用户的实际用水需求相符,进而解决了相关技术中的热水器预测的加热时间无法满足用户的实际用水需求的技术问题。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
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。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种热水器加热时刻确定方法,其特征在于,包括:
获取目标对象在当前周期的预测用水时刻,其中,所述预测用水时刻为所述当前周期内所述目标对象使用热水的预测时刻;
所述获取目标对象在当前周期的预测用水时刻,包括:获取目标热水器与所述当前周期对应的目标用水数据集,其中,所述目标用水数据集包括至少一个历史用水数据,所述历史用水数据是目标对象在历史周期内使用所述目标热水器产生的用水数据,所述用水数据包括所述目标对象的回家时刻和所述目标对象的用水时刻,所述历史周期为所述当前周期之前的用水周期;通过目标预测模型,根据所述目标用水数据集,确定出所述目标对象在所述当前周期的预测用水时刻,其中,所述目标预测模型是根据候选用水数据集训练得到的,所述候选用水数据集包括与多个候选周期中的每个候选周期对应的用水数据;
按照所述预测用水时刻,确定出目标热水器在所述当前周期的预测加热时刻;
根据所述目标对象在所述当前周期的预测回家时刻、所述目标对象的居家状态以及所述预测加热时刻,确定出所述目标热水器的目标加热时刻,其中,所述目标对象的居家状态用于指示所述目标对象是否在家。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述目标对象在所述当前周期的预测回家时刻、所述目标对象的居家状态以及所述预测加热时刻,确定出所述目标热水器的目标加热时刻之前,所述方法还包括:
获取目标回家数据集,其中,所述目标回家数据集包括至少一个历史回家数据,所述历史回家数据是与所述历史周期对应的、所述目标对象的回家时刻;
通过指定预测模型,根据所述目标回家数据集,确定出所述预测回家时刻,其中,所述指定预测模型是根据指定回家数据集训练得到的,所述指定回家数据集包括与多个指定周期中的每个指定周期对应的回家时刻。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标对象在所述当前周期的预测回家时刻、所述目标对象的居家状态以及所述预测加热时刻,确定出所述目标热水器的目标加热时刻,包括:
若当前时刻在第一时间区间内、且在所述当前时刻确定出所述目标对象的居家状态由不在家状态转为在家状态,则按照目标时间差修正所述预测加热时刻,得到所述目标加热时刻,其中,所述第一时间区间的最后时刻早于所述预测回家时刻,所述目标时间差为所述当前时刻与所述预测回家时刻之间的时间差,所述目标加热时刻早于所述预测加热时刻。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标对象在所述当前周期的预测回家时刻、所述目标对象的居家状态以及所述预测加热时刻,确定出所述目标热水器的目标加热时刻,包括:
若当前时刻早于所述第一时间区间的最早时刻、且在所述当前时刻确定出所述目标对象的居家状态为在家状态,则将所述预测加热时刻作为所述目标加热时刻。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标对象在所述当前周期的预测回家时刻、所述目标对象的居家状态以及所述预测加热时刻,确定出所述目标热水器的目标加热时刻,包括:
若当前时刻在第二时间区间内、且在所述当前时刻确定出所述目标对象的居家状态由不在家状态转为在家状态,则将所述预测加热时刻作为所述目标加热时刻,其中,所述第二时间区间包括所述预测回家时刻。
6.根据权利要求5所述的方法,其特征在于,所述根据所述目标对象在所述当前周期的预测回家时刻、所述目标对象的居家状态以及所述预测加热时刻,确定出所述目标热水器的目标加热时刻,包括:
若在所述第二时间区间的最后时刻,确定出所述目标对象的居家状态为不在家状态的情况下,以预设时长为时间间隔执行以下循环操作,直至获取到所述目标对象的居家状态为在家状态为止:获取所述目标对象的居家状态以及指定加热时刻,其中,在第一次执行所述循环操作的情况下,所述指定加热时刻为所述预测加热时刻;在所述目标对象的居家状态为不在家状态的情况下,按照所述预设时长对所述指定加热时刻进行更新;
在获取到所述目标对象的居家状态为在家状态的情况下,将最新的所述指定加热时刻,作为所述目标加热时刻,其中,所述目标加热时刻晚于所述预测加热时刻。
7.一种热水器加热时刻确定装置,其特征在于,包括:
用水时刻获取模块,用于获取目标对象在当前周期的预测用水时刻,其中,所述预测用水时刻为所述当前周期内所述目标对象使用热水的预测时刻;所述获取目标对象在当前周期的预测用水时刻,包括:获取目标热水器与所述当前周期对应的目标用水数据集,其中,所述目标用水数据集包括至少一个历史用水数据,所述历史用水数据是目标对象在历史周期内使用所述目标热水器产生的用水数据,所述用水数据包括所述目标对象的回家时刻和所述目标对象的用水时刻,所述历史周期为所述当前周期之前的用水周期;通过目标预测模型,根据所述目标用水数据集,确定出所述目标对象在所述当前周期的预测用水时刻,其中,所述目标预测模型是根据候选用水数据集训练得到的,所述候选用水数据集包括与多个候选周期中的每个候选周期对应的用水数据;
加热时刻确定模块,用于按照所述预测用水时刻,确定出目标热水器在所述当前周期的预测加热时刻;
加热时刻确定模块,还用于根据所述目标对象在所述当前周期的预测回家时刻、所述目标对象的居家状态以及所述预测加热时刻,确定出所述目标热水器的目标加热时刻,其中,所述目标对象的居家状态用于指示所述目标对象是否在家。
8.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,所述处理器、通信接口和存储器通过通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述计算机程序时,实现权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至6中任一项所述的方法。
10.一种热水器,其特征在于,包括如权利要求8所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211305840.XA CN115839553B (zh) | 2022-10-24 | 2022-10-24 | 热水器加热时刻确定方法、电子设备、存储介质及热水器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211305840.XA CN115839553B (zh) | 2022-10-24 | 2022-10-24 | 热水器加热时刻确定方法、电子设备、存储介质及热水器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115839553A CN115839553A (zh) | 2023-03-24 |
CN115839553B true CN115839553B (zh) | 2024-07-05 |
Family
ID=85576462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211305840.XA Active CN115839553B (zh) | 2022-10-24 | 2022-10-24 | 热水器加热时刻确定方法、电子设备、存储介质及热水器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115839553B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106989517A (zh) * | 2017-05-24 | 2017-07-28 | 美的智慧家居科技有限公司 | 电热水器开关智能控制方法及装置 |
CN108917111A (zh) * | 2018-07-25 | 2018-11-30 | 奥克斯空调股份有限公司 | 一种智能空调器及其控制方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11141976A (ja) * | 1997-11-10 | 1999-05-28 | Noritz Corp | 風呂装置 |
JP4688649B2 (ja) * | 2005-11-22 | 2011-05-25 | 中国電力株式会社 | 給湯器 |
JP7034783B2 (ja) * | 2018-03-16 | 2022-03-14 | トヨタホーム株式会社 | 給湯制御システム |
JP7194618B2 (ja) * | 2019-03-13 | 2022-12-22 | 日立グローバルライフソリューションズ株式会社 | 給湯機 |
CN110553405B (zh) * | 2019-08-19 | 2020-12-11 | 广东万和热能科技有限公司 | 热水器的控制方法、装置、设备及存储介质 |
JP7449778B2 (ja) * | 2020-05-25 | 2024-03-14 | 株式会社Nttドコモ | 需要予測装置 |
CN112781243B (zh) * | 2020-06-11 | 2022-08-16 | 青岛经济技术开发区海尔热水器有限公司 | 热水器自动预约用水方法 |
CN112181019A (zh) * | 2020-09-21 | 2021-01-05 | 深圳市合信达控制系统有限公司 | 温控器及其控制方法 |
CN114963552B (zh) * | 2021-06-30 | 2023-12-12 | 青岛经济技术开发区海尔热水器有限公司 | 热水器启动控制方法、装置、电子设备及存储介质 |
CN114183927A (zh) * | 2021-12-13 | 2022-03-15 | 珠海格力电器股份有限公司 | 热水器控制方法、装置及热水器 |
-
2022
- 2022-10-24 CN CN202211305840.XA patent/CN115839553B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106989517A (zh) * | 2017-05-24 | 2017-07-28 | 美的智慧家居科技有限公司 | 电热水器开关智能控制方法及装置 |
CN108917111A (zh) * | 2018-07-25 | 2018-11-30 | 奥克斯空调股份有限公司 | 一种智能空调器及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115839553A (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110083334B (zh) | 模型上线的方法及装置 | |
CN112947625B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN110657617A (zh) | 冰箱的化霜控制方法、装置以及冰箱 | |
JP6400834B2 (ja) | 推薦装置、推薦決定方法、およびコンピュータプログラム | |
JP2015103241A (ja) | 消費電力予測装置、方法、およびその非一時的コンピュータ可読記憶媒体 | |
CN111598338B (zh) | 用于更新预测模型的方法、装置、介质和电子设备 | |
JP2017130041A (ja) | 情報処理装置、制御方法及び制御プログラム | |
EP3398127B1 (en) | Control of a heating/cooling system | |
CN114855416B (zh) | 洗涤程序的推荐方法及装置、存储介质及电子装置 | |
CN115839553B (zh) | 热水器加热时刻确定方法、电子设备、存储介质及热水器 | |
AU2017435881A1 (en) | Decoupled modeling methods and systems | |
CN108613389A (zh) | 热水器的用水分析方法及系统和计算机设备 | |
CN112781251B (zh) | 热水器的出水温度确定方法及电子设备 | |
CN110398067B (zh) | 热水器及其控制方法和计算机可读存储介质 | |
JP5664478B2 (ja) | 物体認識支援装置,プログラムおよび方法 | |
CN110362554B (zh) | 定时器的设定方法、装置、设备及计算机可读存储介质 | |
CN111382349B (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
CN111723730A (zh) | 对目标对象的数量进行预测的方法及相关设备 | |
CN112305951A (zh) | 基于智能厨具的烹饪辅助方法、装置、终端及存储介质 | |
CN110969481A (zh) | 产品数据预测方法、装置、计算机设备和存储介质 | |
CN111666961B (zh) | 智能家电及其识别食材类型的方法、装置、电子设备 | |
CN112762591A (zh) | 空调的控制方法和装置、电子设备和存储介质 | |
CN115628554B (zh) | 一种热水器热水方法和装置、电子设备和存储介质 | |
WO2018162955A1 (en) | Method, entity, system, computer program, and medium for preparing learning data | |
KR102324304B1 (ko) | 수용가의 쾌적도를 고려한 수요반응 응동 에어컨 제어 시스템 및 방법 |
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 |