CN116265834A - 一种杀菌控制方法、电子设备和计算机可读存储介质 - Google Patents
一种杀菌控制方法、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN116265834A CN116265834A CN202111546255.4A CN202111546255A CN116265834A CN 116265834 A CN116265834 A CN 116265834A CN 202111546255 A CN202111546255 A CN 202111546255A CN 116265834 A CN116265834 A CN 116265834A
- Authority
- CN
- China
- Prior art keywords
- time period
- sterilization
- electric water
- water heating
- day
- 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
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
- F24H9/0005—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
- F24H9/2014—Arrangement or mounting of control or safety devices for water heaters using electrical energy supply
- F24H9/2021—Storage heaters
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
本申请提供一种杀菌控制方法、电子设备和计算机可读存储介质,该方法包括获取需要进行杀菌的电热水设备的用水量信息,该用水量信息包括电热水设备在当天的多个时间段中每个时间段的水量消耗信息;根据用水量信息预测电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段;根据预测时间段确定杀菌时间段,其中,该杀菌时间段在预测时间段之前;以及在杀菌时间段的开始时间点向电热水设备发送杀菌指令,使得电热水设备在杀菌时间段进行杀菌。采用本申请提供的杀菌控制方法可基于用户的使用习惯确定对电热水设备杀菌的时间,从而保障杀菌后的热水能够被用户充分利用,避免杀菌后的热水浪费,节约资源、方便用户使用并满足用户需求。
Description
技术领域
本申请涉及智能控制技术领域,具体而言,涉及一种杀菌控制方法、电子设备和计算机可读存储介质。
背景技术
用户在使用电热水设备的过程中,对电热水设备胆内水质的健康程度非常关注,电热水设备胆内细菌的浓度和用户的用水行为以及进入热水器的水质非常相关。
传统的电热水设备均提供了高温杀菌功能,但是高温杀菌功能均由用户手工进行操作或者执行定时杀菌,没有结合用户的用水行为,导致高温杀菌之后的胆内热水没有得到充分利用,结果造成了杀菌后的热水的大量浪费。
发明内容
本申请实施例的目的在于提供一种杀菌控制方法、电子设备和计算机可读存储介质,用以解决上述问题。
第一方面,本发明提供一种杀菌控制方法,包括:获取需要进行杀菌的电热水设备的用水量信息,所述用水量信息包括所述电热水设备在当天的多个时间段中每个时间段的水量消耗信息;根据所述用水量信息预测所述电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段;根据所述预测时间段确定杀菌时间段,其中,所述杀菌时间段在所述预测时间段之前;以及在所述杀菌时间段的开始时间点向所述电热水设备发送杀菌指令,使得所述电热水设备在所述杀菌时间段进行杀菌。
上述设计的杀菌控制方法,本方案获取需要进行杀菌的电热水设备的用水量信息,然后根据用水量信息预测电热水设备在下一天中用水量最大的预测时间段,再根据预测时间段确定杀菌时间段,从而在杀菌时间段的开始时间点向电热水设备发送杀菌指令,从而使得电热水设备在杀菌时间段进行杀菌。由此,本方案设计的杀菌控制方法可基于用户的使用习惯确定对电热水设备杀菌的时间,例如在预测的下一天中用户用水量最大的时间段之前对水进行杀菌,从而保障杀菌后的热水能够被用户充分利用,避免杀菌后的热水浪费,达到节约资源、方便用户并满足用户需求的目的。
在第一方面的可选实施方式中,所述根据所述用水量信息预测所述电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段,包括:根据当天的多个时间段中每个时间段的水量消耗信息,确定当天用水量最大的时间段;以及将下一天时间段中与当天用水量最大的时间段对应的时间段确定为预测时间段。
上述设计的实施方式,本方案将下一天时间段中与当天用水量最大的时间段对应的时间段确定为预测时间段,从而通过简单的算法即可实现下一天中用水量最大的时间段的预测,避免了过多计算资源的消耗。
在第一方面的可选实施方式中,所述根据所述用水量信息预测所述电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段,包括:获取当天每个时间段的特征数据,所述特征数据包括水量消耗信息;将每个时间段的特征数据分别输入用水量最大预测模型,获得所述用水量最大预测模型输出的每个时间段在下一天用水量最大的概率值;以及将概率值最大的时间段确定为所述预测时间段。
上述设计的实施方式,本方案利用机器学习获得的用水量最大预测模型来对下一天中用水量最大的时间段进行预测,实现下一天用水量最大的时间段的精准预测,从而提高预测时间段的准确度,并且应用简单,部署方便。
在第一方面的可选实施方式中,其中,所述特征数据还包括温度信息,所述温度信息包括当天最高温度、当天最低温度、当天对比前一天最高温度的升幅以及当天对比前一天最低温度的升幅。
在第一方面的可选实施方式中,在所述获取需要进行杀菌的电热水设备的用水量信息之前,所述方法还包括:获取所述电热水设备的多个训练特征数据,每个训练数据包括一个历史时间段的水量消耗信息和所述时间段所对应的温度信息;以及将所述多个训练特征数据输入预设的预测模型中,并采用预设的机器学习算法对所述预测模型进行训练,在所述预设的预测模型训练完成后,获得所述用水量最大预测模型。
在第一方面的可选实施方式中,所述获取需要进行杀菌的电热水设备的用水量信息,包括:获取所述电热水设备的用电量信息,所述用电量信息包括所述电热水设备在当天的多个时间段中每个时间段的用电量;以及根据每个时间段的用电量计算对应时间段的用水量。
在上述设计的实施方式中,本方案利用电热水设备的用电量信息来计算用水量,从而在用水量无法直接采集的情况下,实现用水量的预估,从而实现了对杀菌时间的准确预测。
在第一方面的可选实施方式中,在所述获取需要进行杀菌的电热水设备的用水量信息之前,所述方法还包括:获取多个电热水设备中每个电热水设备的历史数据信息;针对每个电热水设备,根据对应的历史数据信息判断所述电热水设备是否需要进行杀菌;若是,则将所述电热水设备确定为需要进行杀菌的电热水设备;其中,所述历史数据信息包括历史用水量信息。
在上述设计的实施方式中,本方案在多个电热水设备中,对一些满足杀菌条件的电热水设备才执行杀菌控制过程,从而避免对已经达到杀菌要求的电热水设备进行再次杀菌带来的资源浪费问题。
在第一方面的可选实施方式中,所述历史数据信息还包括历史杀菌信息。
在上述设计的实施方式中,本方案结合历史用水量信息和历史杀菌信息二者共同对需要进行杀菌的电热水器进行判断,从而提高对需要进行杀菌的电热水器的判定精度。
第二方面,本申请提供一种杀菌控制装置,包括:获取模块,用于获取需要进行杀菌的电热水设备的用水量信息,所述用水量信息包括所述电热水设备在当天的多个时间段中每个时间段的水量消耗信息;预测模块,用于根据所述用水量信息预测所述电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段;确定模块,用于根据所述预测时间段确定杀菌时间段,其中,所述杀菌时间段在所述预测时间段之前;发送模块,用于在所述杀菌时间段的开始时间点向所述电热水设备发送杀菌指令,使得所述电热水设备在所述杀菌时间段进行杀菌。
上述设计的杀菌控制装置,本方案获取需要进行杀菌的电热水设备的用水量信息,然后根据用水量信息预测电热水设备在下一天中用水量最大的预测时间段,再根据预测时间段确定杀菌时间段,从而在杀菌时间段的开始时间点向电热水设备发送杀菌指令,从而使得电热水设备在杀菌时间段进行杀菌。由此,本方案设计的杀菌控制装置可基于用户的使用习惯确定对电热水设备杀菌的时间,例如在预测的下一天中用户用水量最大的时间段之前对水进行杀菌,从而保障杀菌后的热水能够被用户充分利用,避免杀菌后的热水浪费,达到节约资源、方便用户并满足用户需求的目的。
在第二方面的可选实施方式中,该预测模块,具体用于根据当天的多个时间段中每个时间段的水量消耗信息,确定当天用水量最大的时间段;以及将下一天时间段中与当天用水量最大的时间段对应的时间段确定为预测时间段。
在第二方面的可选实施方式中,该预测模块,还具体用于获取当天每个时间段的特征数据,所述特征数据包括水量消耗信息;将每个时间段的特征数据分别输入用水量最大预测模型,获得所述用水量最大预测模型输出的每个时间段在下一天用水量最大的概率值;以及将概率值最大的时间段确定为所述预测时间段。
在第二方面的可选实施方式中,该获取模块,还用于获取电热水设备的多个训练特征数据,每个训练数据包括一个历史时间段的水量消耗信息和所述时间段所对应的温度信息;训练模块,用于将多个训练特征数据输入预设的预测模型中,并采用预设的机器学习算法对预测模型进行训练,在预设的预测模型训练完成后,获得用水量最大预测模型。
在第二方面的可选实施方式中,该获取模块,具体用于获取电热水设备的用电量信息,该用电量信息包括电热水设备在当天的多个时间段中每个时间段的用电量;以及根据每个时间段的用电量计算对应时间段的用水量。
在第二方面的可选实施方式中,该获取模块,还用于获取多个电热水设备中每个电热水设备的历史数据信息;判断模块,用于针对每个电热水设备,根据对应的历史数据信息判断所述电热水设备是否需要进行杀菌;该确定模块,还用于在判断模块判断该电热水设备需要进行杀菌后,将电热水设备确定为需要进行杀菌的电热水设备;其中,历史数据信息包括历史用水量信息。
第三方面,本申请提供一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时执行第一方面、第一方面中任一可选的实现方式中的所述方法。
第四方面,本申请提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时执行第一方面、第一方面中任一可选的实现方式中的所述方法。
第五方面,本申请提供了一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行第一方面、第一方面中任一可选的实现方式中的所述方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1为本申请实施例提供的杀菌控制方法的第一流程图;
图2为本申请实施例提供的杀菌控制方法的第二流程图;
图3为本申请实施例提供的杀菌控制方法的第三流程图;
图4为本申请实施例提供的杀菌控制方法的第四流程图;
图5为本申请实施例提供的杀菌控制方法的第五流程图;
图6为本申请实施例提供的杀菌控制方法的第六流程图;
图7为本申请实施例提供的杀菌控制装置的结构示意图;
图8为本申请实施例提供的电子设备的结构示意图。
图标:700-获取模块;710-预测模块;720-确定模块;730-发送模块;740-训练模块;750-判断模块;8-电子设备;801-处理器;802-存储器;803-通信总线。
具体实施方式
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描述。
本申请实施例提供一种杀菌控制方法,该杀菌控制方法基于预测的高用水量时间点来设计杀菌时间点,从而保障高温杀菌后的热水能够被用户充分使用,避免杀菌后的热水浪费。该杀菌控制方法可应用在云端或控制器中,该云端或控制器可对电热水设备进行控制,如图1所示,该杀菌控制方法可包括如下步骤:
步骤S100:获取需要进行杀菌的电热水设备的用水量信息。
步骤S110:根据用水量信息预测电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段。
步骤S120:根据预测时间段确定杀菌时间段。
步骤S130:在杀菌时间段的开始时间点向电热水设备发送杀菌指令,使得电热水设备在杀菌时间段进行杀菌。
在步骤S100中,电热水设备可包括多种通过电加热水的多种家电热备,例如,电热水器或洗碗机等等。电热水设备的用水量信息可包括电热水设备在当天的多个时间段中每个时间段的水量消耗信息,其中,该当天表示的今天,即获取用水量信息时所在的日期,多个时间段可为预设的多个时间段,例如,当前日期是2020年10月1日,预设的多个时间段是7时到23时,那么,获取的用水量信息包括在2020年10月1日的7时到23时中每个小时的水量消耗信息。
作为一种可能的实施方式,电热水设备的用水量信息可能无法直接采集,在此基础上,步骤S100获取需要进行杀菌的电热水设备的用水量信息,可通过如下方式计算获得,如图2所示,包括:
步骤S200:获取该电热水设备的用电量信息,该用电量信息包括电热水设备在当天的多个时间段中每个时间段的用电量。
步骤S210:根据每个时间段的用电量计算对应时间段的用水量。
在步骤S200中,作为一种可能的实施方式,本方案可在电热水设备的电热管上安装传感器,该传感器可上传电热水设备的电热管在每个时间段的加热时间,从而根据该电热管的功率以及电热管在每个时间段的加热时间即可得到该电热水设备的用电量信息。具体地,本方案可通过如下公式基于耗电量来计算热水器的用水量:
其中,U表示用水量,单位为升;T入水表示热水器的入水温度;T出水表示热水器用水时的体感温度,可设置为42℃;Tlast表示当前时间段的最后一条上报数据的实际温度;Tbegin表示当前时间段的第一条上报数据的实际温度;V表示热水器容积;W表示电热水设备的耗电量,单位为千瓦时。
作为另一种可能的实施方式,本方案可在电热水设备上安装电表,该电表可记录并上传电热水设备在每个时间段的用电量,在此基础上,本方案可提前采集每个区段的用电量对应的用水量信息,从而基于用电量信息对用水量进行估算。
这里需要说明的是,本方案基于用电量计算电热水设备用水量的方式并不仅限于上述描述的方式,本申请方案不对电热水设备的用水量的获取方式进行限定,可采用目前已有的任一方式得到。
在上述得到电热水设备的用水量信息后,本方案可执行步骤S110预测在下一天对应的多个时间段中用水量最大的预测时间段,其中,该下一天表示今天的下一天,即明天,例如,前述的当前日期是2020年10月1日,那么下一天的日期则是2020年10月2日。该下一天对应的多个时间段与当天的多个时间段对应,例如,当天的多个时间段是7时到23时,那么下一天对应的多个时间段也是7时到23时,即步骤S110预测的是2020年10月2日7时到23时中用水量最大的预测时间段。
作为一种可能的实施方式,如图3所示,本方案可通过如下方式来预测下一天多个时间段中用水量最大的预测时间段,包括:
步骤S300:根据当天的多个时间段中每个时间段的水量消耗信息,确定当天用水量最大的时间段。
步骤S310:将下一天时间段中与当天用水量最大的时间段对应的时间段确定为预测时间段。
在步骤S300中,由于步骤S100中得到了当天的多个时间段中每个时间段的水量消耗信息,因此,本方案可在当天的多个时间段中每个时间段的水量消耗信息中找出水量消耗最大的时间段,即得到当天用水量最大的时间段。
在上述得到当天用水量最大的时间段后,本方案可将下一天时间段中与当天用水量最大的时间段对应的时间段确定为预测时间段。例如,得到的当天用水量最大的时间段为21时,那么可以预估该电热水设备对应的用户在21时用水量最大,则将下一天的21时确定为预测时间段。
作为另一种可能的实施方式,本方案可获得该需要进行杀菌的电热水设备多天的历史用水量信息,然后在多天的历史用水量信息中找出每天用水量最大的时间段,最后统计出最高频次的用水量最大的时间段,从而将下一天时间段中与最高频次的时间段对应的时间段确定为预测时间段。
作为又一种可能的实施方式,本方案可利用机器学习算法,建立高用水量预测模型,从而基于高用水量预测模型对下一天中用水量最高的时间段进行预测。
具体的,本方案可通过如下方式提前建立高用水量预测模型,如图4所示,包括:
步骤S400:获取电热水设备的多个训练特征数据。
步骤S410:将多个训练特征数据输入预设的预测模型中,并采用预设的机器学习算法对预测模型进行训练,在预设的预测模型训练完成后,获得用水量最大预测模型。
作为一种可能的实施方式,上述训练特征数据可包括一个历史时间段的水量消耗信息,从而将历史每个时间段的水量消耗信息作为特征数据输入到预设的预测模型中,并采用预设的机器学习算法对预测模型进行训练,在预测模型的各个参数收敛后,获得用水量最大预测模型。
作为又一种可能的实施方式,上述每个训练特征数据可包括一个历史时间段的用户用水信息以及该历史时间段对应的温度信息,该温度信息可包括当天最高温度、当天最低温度、当天对比前一天最高温度的升幅以及当天对比前一天最低温度的升幅,基于这两类数据可生成如下表1所示的训练特征数据:
表1
将如表1所示的多个训练特征数据输入到预设的预测模型中,并采用预设的机器学习算法对预测模型进行训练,在预测模型的各个参数收敛后,获得用水量最大预测模型。其中,该预设的机器学习算法可采用lightgbm算法。
通过上述方式得到用水量最大预测模型的基础上,如图5所示,本方案可执行如下步骤利用得到用水量最大预测模型来得到预测时间段,包括:
步骤S500:获取当天每个时间段的特征数据。
步骤S510:将每个时间段的特征数据分别输入用水量最大预测模型,获得用水量最大预测模型输出的每个时间段在下一天用水量最大的概率值。
步骤S520:将概率值最大的时间段确定为预测时间段。
当前述对于用水量最大预测模型进行训练时的训练特征数据为历史时间段水量消耗信息时,步骤S500中的特征数据即为水量消耗信息,即步骤S500获取当天每个时间段的水量消耗信息,从而将当天每个时间段的水量消耗信息输入水量最大预测模型中,从而获得用水量最大预测模型输出的每个时间段在下一天用水量最大的概率值,进而选择概率值最大的时间段作为预测时间段。
当前述对于用水量最大预测模型进行训练时的训练特征数据为历史时间段的用户用水信息以及该历史时间段对应的温度信息,即前述的表1时,步骤S500中的特征数据即为用户用水信息和温度信息,具体的,步骤S500可采集今天的温度信息,即今天最高温度、当天最低温度、当天对比前一天最高温度的升幅以及当天对比前一天最低温度的升幅,并采集用户在今天的用水信息,然后基于今天的温度信息和用户在今天的用水信息生成如表1所示的特征数据,然后将表1的特征数据输入水量最大预测模型中,从而获得用水量最大预测模型输出的每个时间段在下一天用水量最大的概率值,进而选择概率值最大的时间段作为预测时间段。
通过上述方式得到下一天用水量最大的预测时间段后,本方案执行步骤S120根据预测时间段确定杀菌时间段,该杀菌时间段在预测时间段之前。具体的,本方案可提前配置一时间长度差,在得到预测时间段后,利用该预测时间段减去该时间长度差即可得到杀菌时间段。例如,配置的时间长度差可为一小时,获得的预测时间段为20时到21时,那么本方案可得到的杀菌时间段即19时到20时。其中,该配置的时间长度差可根据杀菌的时间长度确定。
在上述得到杀菌时间段的基础上,本方案执行步骤S130在杀菌时间段的开始时间点向电热水设备发送杀菌指令,从而使得电热水设备在杀菌时间段进行杀菌。依照前述举例,倘若该杀菌时间段为19时到20时,那么本方案在执行步骤S130时,则在19时向对应的电热水设备发送杀菌指令,从而控制电热水设备从19时开始对水进行杀菌。
上述设计的杀菌控制方法,本方案获取需要进行杀菌的电热水设备的用水量信息,然后根据用水量信息预测电热水设备在下一天中用水量最大的预测时间段,再根据预测时间段确定杀菌时间段,从而在杀菌时间段的开始时间点向电热水设备发送杀菌指令,从而使得电热水设备在杀菌时间段进行杀菌。由此,本方案设计的杀菌控制方法可预测的下一天中用户用水量最大的时间段之前对水进行杀菌,从而保障杀菌后的热水能够被用户充分利用,避免杀菌后的热水浪费,达到节约资源、方便用户并满足用户需求的目的。
在本实施例的可选实施方式中,云端服务器或控制设备可对多个电热水设备进行管理控制,而前述步骤S100获取的是需要进行杀菌的电热水设备的用水量信息,在此基础上,在执行步骤S100之前,本方案可通过如下方式在多个电热水设备中分析出需要进行杀菌的电热水设备,如图6所示,包括:
步骤S600:获取多个电热水设备中每个电热水设备的历史数据信息。
步骤S610:针对每个电热水设备,根据对应的历史数据信息判断该电热水设备是否需要进行杀菌,若是,则转到步骤S620。
步骤S620:将该电热水设备确定为需要进行杀菌的电热水设备。
在步骤S600中,作为一种可能的实施方式,该历史数据信息可包括历史用水量信息,例如,每个电热水设备的历史数据信息包括每个电热水设备最近14天中每个小时的用水量。
在历史数据信息为前述的历史用水量信息基础上,本方案可通过如下方式判断电热水设备是否需要进行杀菌,例如,针对每个电热水设备,判断最近5天中有没有一次1小时内用水超过25L,若最近5天中没有一次1小时内用水超过25L,则确定该电热水设备为需要进行杀菌的电热水设备。还例如,针对每个电热水设备,判断最近7天中具备1小时内用水超过25L的用水次数少于2次,若少于2次,则确定该电热水设备为需要进行杀菌的电热水设备。又例如,针对每个电热水设备,判断最近14天中具备1小时内用水超过25L的用水次数少于8次,若少于8次,则确定该电热水设备为需要进行杀菌的电热水设备。
作为另一种可能的实施方式,该历史数据信息可包括历史杀菌信息,例如,每个电热水设备的历史数据信息包括每个电热水设备的杀菌记录。
在历史数据信息为历史杀菌信息的基础上,本方案可通过历史杀菌信息来判断电热水设备是否需要进行杀菌,例如,针对每个电热水设备,本方案可判断该电热水设备是否已经4天没有进行杀菌,若是,则确定该电热水设备为需要进行杀菌的电热水设备。
作为又一种可能的实施方式,该历史数据信息可既包括历史用水量信息,又包括历史杀菌信息,在此基础上,本方案结合历史用水量信息和历史杀菌信息二者共同判断电热水设备是否需要进行杀菌。例如,针对每个电热水设备,本方案首先判断电热水设备最近5天中有没有一次1小时内用水超过25L,若该电热水设备符合上述要求,那么则继续判断该电热水设备是否已经4天没有进行杀菌,若4天内进行过杀菌,那么该电热水设备则不是需要进行杀菌的电热水设备;若4天内没有进行过杀菌,那么该电热水设备即使满足最近5天中存在一次1小时内用水超过25L,但其还是需要进行杀菌的电热水设备。
通过上述方式确定出需要进行杀菌的电热水设备后,针对每个需要进行杀菌的电热水设备,即可执行前述的步骤S100到步骤S130的杀菌控制方法来实现杀菌。
在上述设计的实施方式中,本方案在多个电热水设备中,对一些满足杀菌条件的电热水设备才执行杀菌控制过程,从而避免对已经达到杀菌要求的电热水设备进行再次杀菌带来的资源浪费问题。
图7出示了本申请提供一种杀菌控制装置的示意性结构框图,应理解,该装置与图1至图6中执行的方法实施例对应,能够执行前述的方法涉及的步骤,该装置具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。该装置包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置的操作系统(operating system,OS)中的软件功能模块。具体地,该装置包括:获取模块700,用于获取需要进行杀菌的电热水设备的用水量信息,该用水量信息包括电热水设备在当天的多个时间段中每个时间段的水量消耗信息;预测模块710,用于根据用水量信息预测所述电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段;确定模块720,用于根据预测时间段确定杀菌时间段,其中,该杀菌时间段在预测时间段之前;发送模块730,用于在杀菌时间段的开始时间点向电热水设备发送杀菌指令,使得电热水设备在杀菌时间段进行杀菌。
上述设计的杀菌控制装置,本方案获取需要进行杀菌的电热水设备的用水量信息,然后根据用水量信息预测电热水设备在下一天中用水量最大的预测时间段,再根据预测时间段确定杀菌时间段,从而在杀菌时间段的开始时间点向电热水设备发送杀菌指令,从而使得电热水设备在杀菌时间段进行杀菌。由此,本方案设计的杀菌控制方法可预测的下一天中用户用水量最大的时间段之前对水进行杀菌,从而保障杀菌后的热水能够被用户充分利用,避免杀菌后的热水浪费,达到节约资源、方便用户并满足用户需求的目的。
在本实施例的可选实施方式中,该预测模块710,具体用于根据当天的多个时间段中每个时间段的水量消耗信息,确定当天用水量最大的时间段;以及将下一天时间段中与当天用水量最大的时间段对应的时间段确定为预测时间段。
在本实施例的可选实施方式中,该预测模块710,还具体用于获取当天每个时间段的特征数据,所述特征数据包括水量消耗信息;将每个时间段的特征数据分别输入用水量最大预测模型,获得所述用水量最大预测模型输出的每个时间段在下一天用水量最大的概率值;以及将概率值最大的时间段确定为所述预测时间段。
在本实施例的可选实施方式中,该获取模块700,还用于获取电热水设备的多个训练特征数据,每个训练数据包括一个历史时间段的水量消耗信息和所述时间段所对应的温度信息;训练模块740,用于将多个训练特征数据输入预设的预测模型中,并采用预设的机器学习算法对预测模型进行训练,在预设的预测模型训练完成后,获得用水量最大预测模型。
在本实施例的可选实施方式中,该获取模块700,具体用于获取电热水设备的用电量信息,该用电量信息包括电热水设备在当天的多个时间段中每个时间段的用电量;以及根据每个时间段的用电量计算对应时间段的用水量。
在本实施例的可选实施方式中,该获取模块700,还用于获取多个电热水设备中每个电热水设备的历史数据信息;判断模块750,用于针对每个电热水设备,根据对应的历史数据信息判断所述电热水设备是否需要进行杀菌;该确定模块720,还用于在判断模块750判断该电热水设备需要进行杀菌后,将电热水设备确定为需要进行杀菌的电热水设备;其中,历史数据信息包括历史用水量信息。
如图8所示,本申请提供一种电子设备8,包括:处理器801和存储器802,处理器801和存储器802通过通信总线803和/或其他形式的连接机构(未标出)互连并相互通讯,存储器802存储有处理器801可执行的计算机程序,当计算设备运行时,处理器801执行该计算机程序,以执行时执行任一可选的实现方式中外端机执行的方法,例如步骤S100至步骤S140:获取需要进行杀菌的电热水设备的用水量信息;根据用水量信息预测电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段;根据预测时间段确定杀菌时间段;在杀菌时间段的开始时间点向电热水设备发送杀菌指令,使得电热水设备在杀菌时间段进行杀菌。
本申请提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行前述任一可选的实现方式中的方法。
其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
本申请提供一种计算机程序产品,该计算机程序产品在计算机上运行时,使得计算机执行任一可选的实现方式中的方法。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。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,又例如,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通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,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。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
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。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (11)
1.一种杀菌控制方法,其特征在于,包括:
获取需要进行杀菌的电热水设备的用水量信息,所述用水量信息包括所述电热水设备在当天的多个时间段中每个时间段的水量消耗信息;
根据所述用水量信息预测所述电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段;
根据所述预测时间段确定杀菌时间段;其中,所述杀菌时间段在所述预测时间段之前;以及
在所述杀菌时间段的开始时间点向所述电热水设备发送杀菌指令,使得所述电热水设备在所述杀菌时间段进行杀菌。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用水量信息预测所述电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段,包括:
根据当天的多个时间段中每个时间段的水量消耗信息,确定当天用水量最大的时间段;以及
将下一天时间段中与所述当天用水量最大的时间段对应的时间段确定为所述预测时间段。
3.根据权利要求1所述的方法,其特征在于,所述根据所述用水量信息预测所述电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段,包括:
获取当天每个时间段的特征数据,所述特征数据包括水量消耗信息;
将每个时间段的特征数据分别输入用水量最大预测模型,获得所述用水量最大预测模型输出的每个时间段在下一天用水量最大的概率值;以及
将概率值最大的时间段确定为所述预测时间段。
4.根据权利要求3所述的方法,其特征在于,其中,所述特征数据还包括温度信息,所述温度信息包括当天最高温度、当天最低温度、当天对比前一天最高温度的升幅以及当天对比前一天最低温度的升幅。
5.根据权利要求4所述的方法,其特征在于,在所述获取需要进行杀菌的电热水设备的用水量信息之前,所述方法还包括:
获取所述电热水设备的多个训练特征数据,每个训练数据包括一个历史时间段的水量消耗信息和所述时间段所对应的温度信息;以及
将所述多个训练特征数据输入预设的预测模型中,并采用预设的机器学习算法对所述预测模型进行训练,在所述预设的预测模型训练完成后,获得所述用水量最大预测模型。
6.根据权利要求1所述的方法,其特征在于,所述获取需要进行杀菌的电热水设备的用水量信息,包括:
获取所述电热水设备的用电量信息,所述用电量信息包括所述电热水设备在当天的多个时间段中每个时间段的用电量;以及
根据每个时间段的用电量计算对应时间段的用水量。
7.根据权利要求1所述的方法,其特征在于,在所述获取需要进行杀菌的电热水设备的用水量信息之前,所述方法还包括:
获取多个电热水设备中每个电热水设备的历史数据信息;
针对每个电热水设备,根据对应的历史数据信息判断所述电热水设备是否需要进行杀菌;
若是,则将所述电热水设备确定为需要进行杀菌的电热水设备;
其中,所述历史数据信息包括历史用水量信息。
8.根据权利要求1所述的方法,其特征在于,所述历史数据信息还包括历史杀菌信息。
9.一种杀菌控制装置,其特征在于,包括:
获取模块,用于获取需要进行杀菌的电热水设备的用水量信息,所述用水量信息包括所述电热水设备在当天的多个时间段中每个时间段的水量消耗信息;
预测模块,用于根据所述用水量信息预测所述电热水设备在当天的下一天对应的多个时间段中用水量最大的预测时间段;
确定模块,用于根据所述预测时间段确定杀菌时间段,其中,所述杀菌时间段在所述预测时间段之前;
发送模块,用于在所述杀菌时间段的开始时间点向所述电热水设备发送杀菌指令,使得所述电热水设备在所述杀菌时间段进行杀菌。
10.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法。
11.一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权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111546255.4A CN116265834A (zh) | 2021-12-16 | 2021-12-16 | 一种杀菌控制方法、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111546255.4A CN116265834A (zh) | 2021-12-16 | 2021-12-16 | 一种杀菌控制方法、电子设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116265834A true CN116265834A (zh) | 2023-06-20 |
Family
ID=86743354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111546255.4A Pending CN116265834A (zh) | 2021-12-16 | 2021-12-16 | 一种杀菌控制方法、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116265834A (zh) |
-
2021
- 2021-12-16 CN CN202111546255.4A patent/CN116265834A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10584892B2 (en) | Air-conditioning control method, air-conditioning control apparatus, and storage medium | |
CN107655212B (zh) | 加热处理方法及装置 | |
JP5940581B2 (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 | |
US20120095608A1 (en) | Demand prediction apparatus, and computer readable, non-transitory storage medium | |
CN106642727B (zh) | 一种电热水器预加热方法及装置 | |
EP3082096A1 (en) | Demand prediction device and program | |
US9612586B2 (en) | Energy management apparatus and energy management system | |
CN107726632B (zh) | 加热控制方法及服务器 | |
JP2013542390A (ja) | 住居用低電力熱システム | |
CN114738827B (zh) | 一种基于用户习惯的户用电供暖智能群控控制方法及系统 | |
CN108613389A (zh) | 热水器的用水分析方法及系统和计算机设备 | |
JP6471751B2 (ja) | エネルギー制御システム、エネルギー制御装置、エネルギー制御方法及びプログラム | |
JP2009245361A (ja) | 省エネルギー支援システム及び省エネルギー支援方法 | |
CN114183928A (zh) | 热水器、热水器的控制方法和相关设备 | |
CN116265834A (zh) | 一种杀菌控制方法、电子设备和计算机可读存储介质 | |
CN116451872B (zh) | 碳排放预测分布式模型训练方法、相关方法及装置 | |
CN110398067B (zh) | 热水器及其控制方法和计算机可读存储介质 | |
WO2019074475A1 (en) | METHODS AND SYSTEMS FOR DECOUPLING MODELING | |
JP4922222B2 (ja) | コージェネレーションシステムの利用状態の評価方法及びシステム | |
JP2017198374A (ja) | 管理装置、計画方法及び制御プログラム | |
JP2013174408A (ja) | ヒートポンプ式給湯装置 | |
JP5618960B2 (ja) | デマンド制御装置、デマンド制御方法、及びプログラム | |
JP6841231B2 (ja) | 情報処理装置、その情報処理方法、およびプログラム | |
CN114442697A (zh) | 一种温度控制方法、设备、介质及产品 | |
CN114322324A (zh) | 加热控制方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |