CN117441138A - 用于改变热水使用的方法和系统 - Google Patents

Abstract

本公开涉及一种调节水供应系统的公用事业使用的计算机实现的方法，该水供应系统包括配置成将热能从周围环境传递到热能存储介质的热泵和配置成控制热泵的操作的控制模块，该水供应系统配置成在一个或多个出水口向用户提供由热能存储介质加热的水，该方法由控制模块执行，并且包括：当出水口被打开以提供第一温度的水时，确定水使用事件，第一温度由用户设定；基于至少一个指示确定水使用事件是否是短持续时间事件；以及在确定水使用事件是短持续时间事件时部署一个或多个公用事业减少策略。

Description

用于改变热水使用的方法和系统

技术领域

本公开总体上涉及公用事业(utility)管理。具体而言，本公开涉及可用于帮助改变用户热水使用习惯的方法和系统。

背景技术

无论是在商业还是家庭环境中，全年全天都需要热水。不言而喻，提供热水需要干净的水和热源。为了提供热水，加热系统被提供给通常集中的水供应系统，以将水加热到例如由用户设定的预定温度，并且所使用的热源通常是一个或多个电加热元件或天然气燃烧。通常，在高能量(例如，天然气或电力)需求期间，公用事业供应商将实施增加单位能量成本的峰值电价，部分是为了弥补必须购买更多能量来供应给消费者的额外成本，部分是为了阻止不必要的能量使用。然后，在低能量需求期间，公用事业供应商将实施降低单位能量成本的非峰值电价，以鼓励客户在这些非高峰期间而不是高峰期间使用能量，从而随着时间的推移实现总体上更加平衡的能量消耗。然而，这种策略只有在用户总是意识到价格的变化并且另外有意识地努力改变他们的能量消费习惯时才有效。

清洁水作为一种公用事业目前正受到广泛关注。随着清洁水变得越来越少，已经进行了很多努力来教育公众节约清洁水以及开发减少水消耗的系统和装置，例如减少水流量的充气淋浴器和水龙头，配备有运动传感器的淋浴器和水龙头，当没有检测到运动时停止水的流动，等等。然而，这些系统和装置仅限于单一的特定用途，并且对有问题的水使用习惯只有有限的影响。

随着对能量消耗的环境影响的日益关注，近来对使用热泵技术作为提供家用热水的方式兴趣日益增加。热泵是一种将热能从热源转移到储热器的装置。虽然热泵需要电力来完成将热能从热源传递到储热器的工作，但它通常比电阻加热器(电加热元件)更有效，因为它通常具有至少3或4的性能系数。这意味着，在同等用电量的情况下，与电阻加热器相比，热泵可以向用户提供高达3或4倍的热量。

携带热能的传热介质被称为制冷剂。来自空气(例如，外部空气，或来自室内热室的空气)或地源(例如，地回路或充水的钻孔)的热能例如通过热交换器传递至所包含的制冷剂。现在压缩较高能量的制冷剂，导致其温度显著升高，并且现在较热的制冷剂随后通过热交换器将热能交换到供热水回路。在提供热水的情况下，由热泵提取的热量可以被传递到隔热水箱中的水中，该隔热水箱用作热能存储器，并且热水可以在以后需要时使用。根据需要，热水可以转移到一个或多个出水口，例如水龙头、淋浴器、暖气片(radiator)。然而，与电阻加热器相比，热泵通常需要更多的时间来使水达到期望的温度，部分原因是热泵通常启动缓慢。

由于不同的家庭、工作场所和商业空间对热水的使用有不同的要求和偏好，因此需要新的热水供应方式，以使热泵成为电加热器的实用替代品。此外，为了节约能量和水，可能需要调节能量和清洁水的消耗；然而，调节公用事业消耗不能简单地是对使用量的一揽子限制。

因此，希望提供用于供应热水的改进的方法和系统。

发明内容

本技术的一方面提供了一种调节水供应系统的公用事业使用的计算机实现的方法，所述水供应系统包括配置为将热能从周围环境传递到热能存储介质的热泵，和配置为控制所述热泵的操作的控制模块，所述水供应系统配置为在一个或多个出水口向用户提供由热能存储介质加热的水，所述方法由所述控制模块执行并且包括：当出水口被打开以提供第一温度的水时，确定水使用事件，所述第一温度由所述用户设定；基于至少一个指示确定水使用事件是否为短持续时间事件；和在确定水使用事件是短持续时间事件时，部署一个或多个公用事业减少策略。

根据实施例，在确定用户打开出水口的时间较短的情况下，其中用户所需的热水不可能在出水口关闭之前达到所需温度，控制模块部署一个或多个策略以减少公用事业消耗。因为当热泵用于提供热水时可能存在这样的情况，这是特别相关的，当启动热泵时，在热能存储介质能够充分加热水之前，由热泵提取的能量必须首先将热能存储介质加热到期望的操作温度。在响应于对热水的需求而启动热泵，但是在水被加热到期望的温度之前关闭出水口的情况下，用于运行热泵的能量(电)被浪费，因为用户实际上没有接收到热水。因此，当确定一个这样的短持续时间事件时，通过部署一个或多个公用事业减少策略，当消耗被认为是不必要的(用户没有从能量消耗中受益)时，可以减少公用事业消耗。

在一些实施例中，该方法由在所述控制模块上执行的机器学习算法MLA执行，所述MLA被训练为基于从所述水供应系统获得的传感器数据将所述至少一个指示与短持续时间事件相关联。

在一些实施例中，传感器数据包括一天中的时间、一周中的某一天、日期、在所述一个或多个出水口处的水流量检测、从出水口打开时起经过的时间、主水管水温和/或在所述一个或多个出水口处的水温。

在一些实施例中，该方法可以进一步包括由所述MLA算法基于公用事业使用模式识别所述至少一个指示，其中所述MLA被训练为基于从所述水供应系统获得的传感器数据建立所述水供应系统的公用事业使用模式。

在一些实施例中，公用事业使用模式包括关于时间、日子和/或日期的预期冷用水量、关于时间、日子和/或日期的预期热用水量、关于时间、日子和/或日期的预期能量使用量、关于时间、日子和/或日期的预期占用水平或其组合。

在一些实施例中，所述至少一个指示包括出水口的位置、水使用事件的时间、在水使用事件之前的预定时间内冷水用量的确定或其组合。

在一些实施例中，一个或多个公用事业减少策略可以包括控制模块产生提示信号以提示用户将水温设置在低于第一温度的第二温度。可选地，提示信号可包括出水口处或附近的光信号、出水口处或附近的闪光信号、出水口处或附近产生的预定声音或音调、口头或多媒体提示或其组合。

根据实施例，水供应系统的用户意识到他们需要热水但是没有足够长的时间使用水以将水加热到一定温度的情况。此外，当热水可能持续时间较短时，用户被提示在下一次使用较低温度的水或冷水来代替热水，使得用户可以选择在不必要时避免通过向水供应系统要求热水而浪费能量。因此，本实施例能够交互地改变居住者的热水使用习惯，以减少能量使用。

在一些实施例中，一个或多个公用事业减少策略可以包括控制模块将水温设定在低于第一温度的第二温度。

因此，根据实施例，当确定短持续时间事件时，控制模块可以主动降低水温。通过降低水温，需要更少的能量来加热水。这样，当不需要热水时可以减少能量消耗。

在一些实施例中，一个或多个公用事业减少策略可以包括控制模块降低提供给出水口的水的流速。

因此，根据实施例所示的控制模块可以在确定短持续时间事件时主动减少水流量。当例如通过电加热元件对水进行加热时，该实施例尤其相关，通过减少水流量从而需要加热的水更少，并且需要更少的能量来加热所使用的水量。这样做可以减少水和能量的消耗。

在一些实施例中，一个或多个公用事业减少策略可以包括控制模块响应于水使用事件绕过热泵的启动。

当水被储存由热泵提取的热能储存介质加热时，该实施例尤其相关，因为在热能储存介质达到操作温度之前，需要一定量的时间来操作热泵以将足够量的热量传递到热能储存介质，因此对于短期使用，热能储存介质可能没有足够的时间来达到允许其将水加热到用户设定的第一温度的温度。因此，通过控制模块在确定短时间事件时主动绕过热泵的启动，不会不必要地运行热泵从而浪费能量。

本技术的另一方面提供了一种控制模块，该控制模块被配置成通过通信信道通信并控制水供应系统，该控制模块包括处理器，该处理器具有在其上执行的机器学习算法，该算法被训练成执行如上所述的方法。

本技术的另一方面提供了一种训练机器学习算法MLA以调节水供应系统的公用事业使用的方法，该水供应系统包括配置为将热能从周围环境传递到热能存储介质的热泵，和配置为控制所述热泵的操作的控制模块，所述水供应系统配置为在一个或多个出水口向用户提供由热能存储介质加热的水，在所述控制模块上执行的MLA被训练以基于来自水供应系统的传感器数据建立公用事业使用模式，该方法包括：由控制模块接收第一信号，该第一信号指示出水口打开以提供第一温度的水，该第一温度由用户设定；由控制模块监测出水口处水温的变化；随后由控制模块接收指示出水口关闭的第二信号；以及当接收到第二信号时，如果出水口处的水温低于第一温度，则训练MLA确定短持续时间事件。

在一些实施例中，传感器数据可以包括一天中的时间、一周中的某一天、日期、一个或多个出水口处的水流量检测、从出水口被打开时起经过的时间、主水管水温和/或一个或多个出水口处的水温。

在一些实施例中，该方法可以进一步包括由控制模块在接收到第一信号时监测经过的时间。

在一些实施例中，该方法可以进一步包括MLA记录短持续时间事件，包括记录水使用的时间、日子和/或日期、第一温度、接收到第二信号时的水温、总经过时间、出水口的位置或其组合。

在一些实施例中，该方法可以进一步包括训练MLA以基于在短持续时间事件期间接收的传感器数据和公用事业使用模式识别至少一个指示，并且训练MLA以在识别至少一个指示时预测短持续时间事件。

在一些实施例中，所述至少一个指示可包括出水口的位置、水使用事件的时间、在水使用事件之前的预定时间内冷水用量的确定，或其组合。

在一些实施例中，该方法可以进一步包括训练MLA在预测短持续时间事件时部署一个或多个公用事业减少策略。

在一些实施例中，一个或多个公用事业减少策略可以包括生成提示信号以提示用户将水温设置在低于第一温度的降低的第二温度。

在一些实施例中，提示信号可包括出水口处或附近的光信号、出水口处或附近的闪光信号、出水口处或附近产生的预定声音或音调、口头或多媒体提示或其组合。

在一些实施例中，一个或多个公用事业减少策略可以包括控制模块将水温设定在低于第一温度的第二温度。

在一些实施例中，一个或多个公用事业减少策略可以包括控制模块降低提供给出水口的水的流速。

在一些实施例中，一个或多个公用事业减少策略可以包括控制模块响应于水使用事件绕过热泵的启动。

本技术的另一方面提供了一种计算机可读介质，包括机器可读代码，当由处理器执行时，该机器可读代码使处理器执行上述方法。

本技术的每个实施方式都具有至少一个上述目的和/或方面，但不一定具有全部目的和/或方面。应当理解，试图达到上述目的所导致的本技术的一些方面，可能不满足该目的和/或可能满足本文未具体列举的其他目的。

根据以下描述、附图和所附权利要求，本技术的实施方式的附加和/或替代特征、方面和优点将变得显然。

附图说明

现在将参照附图描述本公开的实施例，其中：

图1是示例性水供应系统的示意性系统概览；

图2示意性地示出了以建立使用模式的MLA的示例性训练阶段；

图3示意性地示出了通过MLA输出的占用预测的示例性数据处理；

图4示意性地示出了通过MLA对储热器进行预充的示例性数据处理；

图5示意性地示出了通过MLA对启动热泵的示例性数据处理；

图6示意性地示出了通过MLA启动热泵进行除霜循环的示例性数据处理；

图7是根据实施例的改变用户水使用习惯的示例性方法的流程图；

图8是根据实施例的调节水使用的示例性方法的流程图；

图9是根据实施例的调节水使用的另一示例性方法的流程图；和

图10示意性地示出了通过MLA输出泄漏警告的示例性数据处理。

具体实施方式

鉴于前述内容，本公开提供了使用热泵或由热泵辅助来提供热水的各种方法，并且在一些情况下，该方法用于调节包括水和能量的公用事业的使用以减少水和能量的浪费。本方法可通过使用一个或多个机器学习算法(MLA)来实现，该算法被训练成基于从水供应系统接收的传感器数据，经由控制模块来控制和调节水供应系统的供水。例如，在训练阶段，MLA可以监控家庭环境中家庭的热水使用，并建立正常的使用模式。基于许多不同的输入，例如一天中的时间、一周中的日子、日期、天气等，可以训练MLA识别不同类型的水使用(例如淋浴、洗手、加热等)。在一些实施例中，MLA可以收集额外的数据，例如，关于系统的出水口打开和关闭的时间、使用的持续时间、由用户设置的水温以及当热水被提供给用户时的实际水温。在使用中，MLA可以以各种不同的方式使用所学习的使用模式，以使用热泵或由热泵辅助来提高热水供应的效率和有效性。

在一些实施例中，MLA可被训练成在出水口打开时或之前实施一个或多个节能策略，并且可选地实施一个或多个交互式策略以帮助改变水和能量使用习惯，例如逐渐减少水和/或能量使用。

下面给出了对于使用一个或多个MLA的实施例的许多不同类型的机器学习算法的简要概述。然而，应当注意，使用MLA来建立正常使用模式仅仅是实现本技术的一种方式，但它不是必需的；在一些实施例中，控制模块可以用适当的软件功能编程，以针对特定的热水使用，例如过量的水流，并以预定的方式响应。

MLA概述

概括地说，有三种类型的MLA：基于监督学习的MLA、基于非监督学习的MLA和基于强化学习的MLA。

监督学习MLA过程基于目标结果变量(或因变量)，该变量将从给定的一组预测变量(自变量)中预测。使用这组变量，MLA(在训练期间)生成将输入映射到期望输出的函数。训练过程继续，直到MLA在验证数据上达到期望的准确度水平。基于监督学习的MLA的例子包括：回归、决策树、随机森林、逻辑回归等。

无监督学习MLA本身不涉及预测目标或结果变量。这种MLA用于将一群值聚类成不同的组，这被广泛用于将客户细分成不同的组以进行特定的干预。无监督学习MLA的例子包括：Apriori算法，K-means。

强化学习MLA被训练来做出特定的决定。在训练期间，MLA暴露于训练环境中，在该环境中，它使用试错法不断地对自己进行训练。MLA从过去的经验中学习，并试图获取最佳知识以做出准确的决策。强化学习MLA的一个例子是马尔可夫决策过程。

应当理解，具有不同结构或拓扑的不同类型的MLA可以用于各种任务。一种特定类型的MLA包括人工神经网络(ANN)，也称为神经网络(NN)。

神经网络(NN)

一般来说，给定的神经网络由一组相互连接的人工“神经元”组成，这些神经元使用连接主义的计算方法来处理信息。神经网络用于模拟输入和输出之间的复杂关系(实际上并不知道这种关系)或发现数据中的模式。首先在训练阶段对神经网络进行调节，在该阶段中，向神经网络提供一组已知的“输入”和信息，用于使神经网络适应生成适当的输出(对于试图建模的给定情况)。在该训练阶段，给定的神经网络适应正在学习的情况并改变其结构，使得给定的神经网络将能够在新的情况下(基于所学习的)为给定的输入提供合理的预测输出。因此，给定的NN不是试图为给定的情况确定复杂的统计安排或数学算法，而是旨在基于对情况的“感觉”提供“直觉”答案。因此，给定的NN被视为经过训练的“黑盒”，在“黑盒”中发生的事情不重要的情况下，它可以用于确定给定输入集的合理答案。

NN通常用在许多这样的情况下，在这些情况下，只需要知道基于给定输入的输出就很重要，但是输出是如何确切的得到就不太重要或不重要了。例如，神经网络通常用于优化服务器之间和数据处理中的网络流量的分布，包括过滤、聚类、信号分离、压缩、向量生成等。

深度神经网络

在本技术的一些非限制性实施例中，神经网络可以被实现为深度神经网络。应该理解的是，神经网络可以被分类为各种神经网络类别，并且这些类别包括递归神经网络(RNN)。

递归神经网络(RNN)

RNN适于使用它们的“内部状态”(存储的存储器)来处理输入序列。这使得RNN非常适合于诸如未分段的手写识别和语音识别之类的任务。RNN的这些内部状态可以被控制，并被称为“门控”状态或“门控”存储器。

还应该注意，RNN本身也可以被分类为RNN的各种子类。例如，RNN包括长短期记忆(LSTM)网络、门控循环单元(GRU)、双向RNN(BRNN)等。

LSTM网络是深度学习系统，可以学习在某种意义上需要“记忆”在很短和离散的时间步骤中发生的事件的任务。LSTM网络的拓扑可以根据它们“学习”执行的特定任务而变化。例如，LSTM网络可以学习在事件之间出现相对长的延迟或者事件以低频和高频一起出现的情况下执行任务。具有特定门控机制的RNN被称为GRU。与LSTM网络不同，GRU没有“输出门”，因此参数比LSTM网络少。BRNN可能具有反向连接的神经元“隐藏层”，这可能允许使用来自过去以及未来状态的信息。

残差神经网络(ResNet)

可用于实现本技术的非限制性实施例的NN的另一个例子是残差神经网络(ResNet)。

深度网络以端到端的多层方式自然地集成了低/中/高级特征和分类器，并且特征的“级别”可以通过堆叠的层数(深度)来丰富。

总之，在本技术的上下文中，一个或多个MLA的至少一部分的实施可以大致分为两个阶段-训练阶段和使用中阶段。首先，在训练阶段使用一个或多个适当的训练数据集来训练给定的MLA。然后，一旦给定的MLA学习了期望什么数据作为输入以及提供什么数据作为输出，则给定的MLA在使用阶段中使用在使用的数据来运行。

水供应系统

在本技术的实施例中，由集中式水供应系统向适用于住宅或商业环境中的建筑提供冷水和热水到多个出水口，包括水龙头、淋浴器、暖气片等。图1示出了根据一个实施例的示例性水供应系统。在本实施例中，水供应系统100包括控制模块110。控制模块110通信地联接到并配置成控制水供应系统的各种元件，包括：例如以一个或多个阀的形式的流量控制器130，其布置成控制系统内部和外部的水流；(地源或空气源)热泵140，配置成从周围环境提取热量并将提取的热量存储在热能存储器150中以用于加热水；以及一个或多个电加热元件160，其配置为通过控制提供给电加热元件160的能量来直接将冷水加热到期望的温度。被加热的水，无论是由热能储存器150加热还是由电加热元件160加热，随后在需要时被引导至一个或多个出水口。在实施例中，热泵140从环境中(例如，用于空气源热泵的环境空气、用于地源热泵的地热能、或用于水源热泵的水体)提取热量，该热量被制冷剂吸收，然后从制冷剂传递到工作液体，工作液体又将热量传递到热能储存器150内的热能储存介质，在热能储存器150中，热量优选作为潜在的热量储存。来自热能储存介质的能量然后可以用于加热较冷的水，例如来自水供应系统(可能是自来水系统)的冷水，使加热达到所需的温度。然后，热水可以被供应到系统中的各个出水口。

在本实施例中，控制模块110被配置成从多个传感器170-1、170-2、170-3，...170-n接收输入，多个传感器170-1，170-2，170-3，...170-n可以例如包括设置在室内和/或室外的一个或多个气温传感器、一个或多个水温传感器、一个或多个水压传感器、一个或多个定时器、一个或多个运动传感器，并且可以包括不直接连接到水供应系统100的其他传感器，例如GPS信号接收器、日历、例如由居住者携带的智能手机上的天气预报应用程式，并且经由通信信道与控制模块通信。在本实施例中，控制模块110被配置成使用接收到的输入来执行各种控制功能，例如控制水通过流量控制器130流向热能存储器150或电加热元件160以加热水。在本实施例中，使用机器学习算法(MLA)120，其可以在控制模块110的处理器(未示出)上执行，或者在通过通信信道与控制模块110的处理器通信的服务器上执行。可以使用由控制模块110接收的输入传感器数据来训练MLA120，以基于例如一天中的时间、一周中的日子、日期(例如季节变化、公共假日)、占用(occupancy)等来建立基线水和能量使用模式。所学习的使用模式然后可以用于确定由控制模块110执行的各种控制功能，并且在一些情况下改进由控制模块110执行的各种控制功能。

虽然与电阻加热器相比，热泵通常在加热水方面更节能，但是启动热泵需要时间(通常一分钟或更长)，并且还需要时间将足够量的热能传递到热能存储介质中，以使存储介质在用于加热水之前达到期望的操作温度。因此，与电阻加热器相比，从最初的起始点开始，热泵通常需要更长的时间来将相同量的水加热到相同的温度。此外，在一些实施例中，热泵140可以例如使用相变材料(PCM)作为热能存储介质，该相变材料在加热时从固体变为液体。在这种情况下，在由热泵提取的热能具有提高热能存储介质温度的效果之前(直到那时能量作为潜热储存)，可能需要额外的时间来将PCM从固体变成液体(如果已经允许其固化的话)。虽然与电加热元件相比，这种加热水的方法速度较慢，但它消耗较少的能量来加热水，因此总体而言，节约了能量，并且降低了提供热水的成本。

相变材料

在本实施例中，相变材料可以用作热泵的热能存储介质。一类合适的相变材料是石蜡，其在家用热水供应和与热泵结合使用的相关温度下具有固-液相变。特别感兴趣的是在40至60摄氏度(℃)范围内熔化的石蜡，并且在该范围内，可以发现蜡在不同的温度下熔化以适合特定的应用。典型的潜热容量在大约180kJ/kg和230kJ/kg之间，液相的比热容大约为2.27Jg^-1K^-1，固相比热容大约为2.1Jg^-1K^-1。可以看出，利用熔化潜热可以储存相当多的能量。通过将相变液体加热到其熔点以上，也可以储存更多的能量。例如，当电费在非高峰时段相对较低时，热泵可以运行以将热能存储器“充电”到高于正常温度，从而使热能存储“过热”。

蜡的合适选择可以是熔点约为48℃的蜡，例如正二十三烷C₂₃或石蜡C₂₀-C₃₃，这需要热泵在约51℃的温度下运行，并且能够将水加热到令人满意的约45℃的温度，对于普通家用热水来说，足以满足例如厨房水龙头、淋浴/浴室水龙头的需求。如果需要，可以在水流中加入冷水来降低水温。考虑热泵的温度性能，通常由热泵加热的流体的输入和输出温度之间的最大差值优选保持在5℃至7℃的范围内，尽管它可以高达10℃。

虽然石蜡是用作热能储存介质的优选材料，但是也可以使用其他合适的材料。例如，盐水合物也适用于潜热能量储存系统，如本发明的潜热储能系统。在这种情况下，盐水合物是无机盐和水的混合物，其相变涉及全部或大部分水的损失。在相变时，水合物晶体分解为无水(或含水较少)盐和水。盐水合物的优势在于它们具有比石蜡高得多(高2至5倍)的热导率，和小得多的相变变化体积。本申请的适宜的盐水合物是Na₂S₂O₃-5H₂O，其熔点约为48℃至49℃，潜热为200-220kJ/kg。

使用模式

图2示出了根据实施例的MLA2200(例如MLA120)的训练阶段，以建立基线公用事业使用模式。

在该实施例中，MLA2200在一段时间内接收来自多个传感器和其他来源的输入，以学习例如房屋居住者的使用模式。例如，MLA2200在其上执行的控制模块(例如控制模块110)可以包括时钟，并且MLA2200可以从时钟接收一天中的时间2101和一周中的日期和日子2102。房屋可以安装有多个运动传感器，并且MLA2200可以从运动传感器接收占用数据2103。在下面描述的另一个实施例中，也可以基于多个因素来预测占用。控制模块可以与MLA2200的一个或多个室外温度传感器通信，以接收当前天气2104的输入。控制模块还可以与MLA2200的一个或多个室内温度传感器通信，以接收室内温度2105。多个水温、压力和流量传感器可以设置在水供应系统的不同位置，例如在自来水入口处，以测量自来水入口温度2106、自来水流速2107和自来水流量压力2108，这些可以输入到MLA2200。可以在一个或多个或每个出水口(或控制流向出水口的水流的阀)处设置传感器，以检测相应出水口何时打开和何时关闭，以及出水口处的水温，并且可以将与热/冷水使用时间和温度2109以及热/冷水使用体积2110相关的数据输入到MLA2200。MLA2200还可以通过水供应系统收集关于能量使用2111的数据，例如使用时间、使用的能量数量，以及在控制模块与能量供应商通信的情况下的当前价格。MLA2200还可以收集关于热泵使用2112的数据，例如使用时间、使用长度等。应当注意，对于MLA来说，接收、收集和/或使用这里描述的所有输入传感器数据不是必须的，并且本文描述的输入传感器数据的列表不是详尽的，根据需要，MLA也可以接收、收集和/或使用其他输入数据。特别地，在控制模块与一个或多个居住者的一个或多个智能设备(例如智能手机)或个人计算机通信的实施例中，MLA可以接收和使用从这些设备获得的其他个人或公共数据。

在训练阶段，MLA2200基于接收到的输入数据为居住者建立水和能量使用模式。例如，使用模式2300可以包括热水使用模式、冷水使用模式、能量使用模式、热泵使用模式、占用模式，其基于例如一天中的时间、一周中的日子、日期、占用水平(occupancy level)等提供预期使用的基线。

占用预测

图3示意性地示出了在控制模块(例如，控制模块110)上执行的MLA3200的实施例，该MLA3200处理一组输入数据以输出例如房屋的占用预测。MLA3200可以是与MLA2200相同的MLA，或者它可以是不同的MLA。可以使用适当的训练数据集来训练MLA3200，例如基于占用水平和居住者一年中到达房屋的时间表。

MLA3200通过控制模块从多个源接收特定于房屋及其居住者的输入数据，这些源包括布置在房屋周围的一个或多个传感器、一个或多个用户界面(例如，与控制模块通信的房屋周围的控制面板、智能设备、个人计算机等)、一个或多个软件程序、一个或多个公共和私有数据库等。在本实施例中，MLA3200例如从运行在控制模块上的时钟和日历功能或者通过通信网络远程接收当前时间3101、日期3102和星期几3103的输入。MLA3200还接收任何特殊事件或公共假日3104的输入，例如通过用户界面从房屋的居住者，从居住者的智能设备上的日历应用自动获得，或者通过通信网络从公共域获得。MLA3200然后基于输入数据确定预期占用水平，并输出占用预测3300。通过确定建筑物的预期占用水平，可以估计或预测可能的公用事业(例如能量和水)需求。

在进一步的实施例中，当确定一个或多个居住者不在房屋中时，MLA3200接收居住者的当前位置3105的输入。例如，居住者可以向控制模块或与控制模块通信的服务器注册一个或多个具有GPS能力的智能设备(例如，智能手机)，然后MLA3200可以通过通信网络获得在对应于每个居住者的注册的智能设备上接收的GPS信号来接收每个居住者的当前位置。然后基于居住者的当前位置3105和可选的例如从公共领域获得的交通状况的其他信息，MLA3200为每个居住者确定预期到达房屋的时间3106。每个居住者的预期到达时间3106也可以基于其他输入来确定，例如当前时间3101、日期3102、星期几3103和事件日3104。MLA3200然后可以使用预期到达时间3106来输出房屋的占用预测3300(未来的占用水平而不是当前的占用水平)。

当执行水供应系统的各种控制功能时，占用预测3300是控制模块的有用指示。例如，在居住者预计到达之前，热水可以被引导到安装在房屋中的中央供暖系统的暖气片。另一个示例是在居住者预期到达之前启动热泵以开始在热能存储器中存储热能，此外，热泵可以在基于居住者预期到达时间3106的时间启动，使得热能存储器在居住者预期到达之前被“充满”(达到一定程度的液化)。

预充热能存储器

在传统的方法中，由热泵从环境(例如，外部空气)以及从制冷剂的压缩中提取的热量被直接从热泵的工作液体传递到水(例如来自主水管)，例如存储在隔热的存储箱中，然后当需要时，来自存储箱的热水被供应到各个出水口。这种传统方法的一个缺点是热泵将足够量的热量从外部空气传递到水箱中的水中以使水达到期望的温度需要时间。因此，热泵热水器通常与传统的电阻型热水器一起安装，当水没有被热泵充分加热时，电阻型热水器将水加热到期望的温度。

根据本技术的实施例，热能存储器150中的热能存储介质被提供用于存储由热泵140提取的热量，并且所存储的热量可以在需要时用于加热水。在本实施例中，热能存储介质可以通过在对热水的需求出现之前操作热泵以将热量传递到热能存储器中而进行预充。在对热水的需求和/或对电力的需求全天波动的情况下，这可能是期望的，使得例如当对热水的需求高时运行热泵和/或电阻型热水器可能不划算，并且可能在高需求时对能量网络施加额外的压力。

图4示意性地示出了在控制模块(例如，控制模块110)上执行的MLA4200的实施例，该控制模块处理一组输入数据以输出对热能存储介质进行预充以将其温度升高到期望的操作温度的决定。MLA4200可以是与MLA2200和/或MLA3200相同的MLA，或者它可以是不同的MLA。MLA4200可以使用适当的训练数据集来训练，例如基于房屋的热水需求。

MLA4200通过控制模块从多个源接收特定于房屋及其居住者的输入数据，这些源包括布置在房屋周围的一个或多个传感器、一个或多个用户界面(例如，与控制模块通信的房屋周围的控制面板、智能设备、个人计算机等)、一个或多个软件程序、一个或多个公共和私有数据库等。在本实施例中，MLA4200接收例如来自控制模块上的时钟和/或日历的当前时间和日期4101的输入，以及诸如当前费率4102的能量需求数据，当前费率4102指定了非高峰时段，例如在单位能量成本较低期间从向房屋供应能量的能量供应商获得的单位能量成本。

替代地或附加地，MLA4200可以从如上所述建立的公用事业使用模式2300和占用预测3300中导出能量需求数据。例如，如果房屋的当前能量使用低于例如一天的平均水平，则当前能量使用可以被认为是低的；相反，如果房屋的当前能量使用高于平均值，则当前能量使用可以被认为是高的。

然后，基于从能量供应商获得的所接收的费率信息4102(以及任何其他能量需求数据)，MLA4200可以确定当前的能量需求水平，并且在当前的能量需求被认为是低的情况下，启动热泵以对热能存储器进行预充4300，从而在对热水的需求增加之前，例如当居住者预期到达房屋时和/或当对热水的需求预期在晚上增加时，提前准备热水的供应。

此外，使用接收的时间/日期4101连同公用事业使用模式2300和占用预测3300，MLA4200可以预测一个或多个参数，例如热水使用的预期水平和能量使用的预期水平。然后，基于预测的参数，MLA4200可以确定要存储在热能存储介质中的热能的量。例如，如果热水使用的预期水平预期较高并且长时间保持较高，则MLA4200可以在需求的预期上升之前足够长的时间运行热泵，以便将热能存储介质预充到高于例如由安装该设备的居住者设定的正常运行温度的温度，从而存储足够量的能量用于持续的热水使用。

通过使水供应系统能够预测对热水的预期需求，以便在需求上升之前准备好存储热源，本实施例使得热泵能够在如果仅在需求时被激活则可能不能充分响应的情况下被利用。此外，通过使用当前费率作为输入，可以在单位能量成本较低的低能量需求期间操作热泵来对热能存储器进行预充，并且通过将能量使用从高需求时间转移到低需求时间来减轻对能量网络的压力。本实施例同样适用于自供给(self-sustaining)的家庭，因为对热水和电的需求在一天中经常并行地上升和下降。因此，将用于运行热泵的电力使用转移到低电力需求的时间，使得自供给的家庭能够更平稳地运行。总的来说，本实施例能够以更低的成本使用更有效的形式(即热泵)提供热水，并且几乎没有由于将水加热到期望温度的延迟而导致的缺点。

热水需求预测

图5示意性地示出了在控制模块(例如，控制模块110)上执行的MLA 5200的实施例，该控制模块被训练为基于冷水用量来确定是否启动热泵。MLA 5200可以是与MLA 2200和/或MLA 3200和/或MLA 4200相同的MLA，或者它可以是不同的MLA。

MLA5200通过控制模块从多个输入端接收特定于房屋的输入数据，这些输入端包括布置在房屋周围的一个或多个传感器、一个或多个用户界面(例如，与控制模块通信的房屋周围的控制面板、智能设备、个人计算机等)、一个或多个软件程序、一个或多个公共和私有数据库等。在训练阶段，MLA5200可以被训练来识别热水使用和冷水使用之间的相关性。例如，MLA5200可以被训练成识别浴室中冷水使用需求(例如，填充马桶的水箱)与浴室中水龙头的热水需求(例如用于洗手)之间的相关性。因此，在训练阶段，MLA5200可以使用与冷水使用相关的传感器数据来建立两个事件之间的相关度。传感器数据可以例如包括接收第一传感器数据和接收第二传感器数据之间的经过时间、第二出水口相对于第一出水口的位置、在接收第一传感器数据之后接收第二传感器数据的频率、一天中的时间、一周中的日子，但是该列举不是详尽的。

在本实施例中，MLA5200接收到冷水激活5101的输入，并且基于与所建立的公用事业使用模式2300和占用预测3300相关的当前冷水使用，MLA5200可以根据当前冷水使用的相关度来确定对热水的需求的概率，该热水需求可能来自当前冷水的使用。如果确定了对热水的预期需求，MLA5200可以指示控制模块在预期需求时启动热泵5300。

为了确定对热水的需求的概率是否足够高以至于值得消耗能量来操作热泵以对热能存储介质进行预充，MLA5200可以在训练阶段建立阈值，该阈值指示何时值得激活热泵。在一个实施例中，当期望热泵的这种预测性启动时，阈值可以由居住者或安装者手动输入来手动建立。在另一个实施例中，阈值可以由MLA5200基于公用事业使用模式2300和/或占用预测3300来建立。

在另一实施例中，MLA5200对是否激活热泵的确定还可以基于例如从能量供应商获得的当前费率5102的输入。在本实施例中，可以基于在训练阶段期间从能量供应商获得的费率信息来确定阈值。替代地或附加地，在运行时间期间基于当前费率可以修改阈值。例如，如果当前费率5102指示为非峰值电价，意味着电加热元件160可以以低成本运行，并且MLA5200确定当前冷水用量和对热水的预期需求之间的低相关性，则MLA5200可以确定没有必要激活热泵以对热能存储介质进行预热，因为不太可能存在对热水的需求；如果需要热水，电加热元件160可用于加热水。另一方面，如果当前费率5102指示当单位能量成本高时的峰值电价，意味着使用电加热元件160加热水将是昂贵的，并且如果MLA5200确定当前冷水用量和对热水的预期需求之间只有低相关性，MLA5200可以确定，尽管相关性较低，但激活热泵以对热能存储进行预充以准备对热水的需求更具成本效益，从而避免使用电加热元件160来提供热水的更昂贵的选择。在后一个示例中，MLA5200可以修改阈值，使得其低于前一个示例中的阈值，从而即使两种情况下的概率值相同，热泵也可以在后一个示例中被激活。

通过在需要热水之前准备好水供应系统，可以减少热水供应的延迟，从而通过减少居住者等待水被加热时出水口保持打开的时间来减少清洁水的浪费。此外，通过预测对热水的预期需求，并通过在需要热水之前运行热泵来预测性地准备存储热源，可以利用热泵作为热水供应的可靠形式，减少甚至消除固有延迟。

除霜预测

如上所述，诸如热泵140的热泵包括具有热交换器盘管的室外单元，该热交换器盘管从空气或室外地面提取热量，并将其传递到室内单元，或者直接传递到建筑物内部以使其变暖，或者传递到热能存储介质以将其存储以备后用。从外部空气中提取热能的过程冷却了室外单元中的热交换器盘管，空气中的湿气凝结在冷的室外盘管上。在寒冷的室外条件下，例如当室外空气为5℃时，室外盘管可能会冷却到冰点以下，并且室外盘管上可能会结霜。当室外盘管上结霜时，热泵的效率会降低，与无霜盘管相比，需要与外部空气具有更大的温差才能输出相同的功率。因此，希望在除霜循环中定期地并且在结霜时运行热泵，以从热泵的室外单元中的热交换器盘管中去除霜。

许多因素会影响热泵何时需要除霜循环，例如室外温度和湿度、热泵的功率输出以及热泵的状况(例如，较旧的系统可能效率较低，需要更频繁的除霜)。通常，每当室外热交换器盘管上结霜时，热泵就运行除霜循环。

在除霜循环期间，热泵反向运行，因为热的制冷剂被送至室外单元以解冻热交换器盘管。热泵可以运行除霜循环，直到例如盘管达到大约15℃。一旦热交换器盘管解冻，热泵可以恢复正常的加热循环。显然，当热泵运行除霜循环时，它将不能执行其将热量传递到室内单元(例如传递到热能存储器150)的正常功能，直到除霜循环完成。因此，可能希望在热泵除霜循环开始之前准备好建筑物中的热量存储。

图6示意性地示出了在控制模块(例如控制模块110)上执行的MLA6200的实施例，该控制模块处理一组输入数据以预测热泵(例如热泵140)的下一个除霜循环。MLA6200可以是与MLA2200和/或MLA3200和/或MLA4200和/或MLA5200相同的MLA，或者它可以是不同的MLA。

MLA6200通过控制模块从多个输入端接收特定于房屋的输入数据，这些输入端包括布置在房屋周围的一个或多个传感器、一个或多个用户界面(例如，与控制模块通信的房屋周围的控制面板、智能设备、个人计算机等)、一个或多个软件程序和一个或多个公共和私有数据库等。在训练阶段，MLA 6200可被训练以识别何时需要除霜循环，并基于例如天气预报、当前天气条件、室内温度和从先前除霜循环收集的数据，利用热泵性能的知识(例如，热泵的平均热能输出、热泵效率或性能系数，以及与热泵性能相关的任何其他信息或量)，建立用于在除霜循环中操作热泵的时间长度和平均能量需求。

在本实施例中，MLA6200接收例如从公共域或在控制模块上注册的智能设备上的天气应用获得的天气预报6101、例如从公共域或布置在房屋周围的一个或多个传感器获得的诸如温度和湿度的当前天气状况6102、例如从布置在房屋内的一个或多个温度传感器获得的室内温度6103以及与热泵最后一次除霜时的最后除霜循环6104相关的数据的输入。基于天气预报、当前天气条件和室内温度，MLA 6200可以预测下一次除霜循环可能预期的时间6301，例如，当存在长时间的低温和高湿度时，可能需要更快的除霜循环，并且可以估计热泵除霜所需的时间长度。此外，使用所建立的公用事业使用模式2300和占用预测3300，MLA 6200可以在预测除霜循环的时间期间估计预期的能量和热水需求，并且在预测的除霜循环6302之前准备水供应系统，例如通过在热能存储器中存储额外的热能(通过在PCM中除潜热之外还存储作为显热的能量)，将房屋加热到高于预设温度的温度，等等。

附加地或替代地，MLA6200还可以预测何时对能量和热水(例如，对于水龙头、淋浴和/或中央供暖)的需求较低，并且确定对热泵除霜的适当时机，该时机例如是满足向居住者提供热水的干扰较小。使用这些输入，MLA6200可以确定水和能量需求低(例如夜间)和/或占用水平低(例如在学校和工作时间期间)的时间段，并将下一除霜循环的预期开始时间调整到所确定的低需求的时间和/或低占用水平的时间。MLA6200然后可指示控制模块激活热泵以在调整后的开始时间开始除霜循环6301。例如，如果MLA6200预测需要能量和热水预期为高的傍晚时可能需要除霜循环时，MLA6200可以通过操作热泵来对热能存储介质进行预热以存储更多的热量，例如通过将热能存储介质的温度升高到更高的操作温度，以及在预测的除霜循环之前转移一些热量来加热建筑物，和/或MLA6200可以将除霜循环开始时间调整到晚上预期需求较低的时候。在另一个例子中，如果除霜循环预计在白天进行，MLA6200可以基于占用预测和/或使用模式确定下一个除霜循环是在能量和热水需求较低的时间段期间，例如当占用预测较低或为零时，并且确定不需要准备或调节时。

通过基于例如热泵的性能、天气预报、当前天气条件、当前室内温度、预期占用情况和热水需求来预测热泵的下一个除霜循环并在除霜循环开始之前预测性地准备水供应系统，本实施例允许以对热水供应较少干扰的方式执行必要的热泵除霜循环，从而使得热泵能够用作提供热水的有效方式。

冷水建议

在一个实施例中，提供了监控和交互地修改居住者的水使用习惯的方法和系统。这些方法可以由MLA7200来实现。MLA7200可以是与MLA2200和/或MLA3200和/或MLA4200和/或MLA5200和/或MLA6200相同的MLA，或者它可以是不同的MLA。在训练阶段，向MLA7200提供例如由房屋的居住者所提供的与水使用相关的数据，以建立正常的水使用模式，如上所述。此外，MLA7200可以被训练来确认或识别在正常使用模式中，当打开出水口以提供由居住者设定的温度T1的热水但是出水口随后在水被加热到T1之前被关闭的情况。这是特别相关的，当启动热泵时，在热能存储介质能够充分加热水之前，由热泵提取的能量必须首先将热能存储介质加热到期望的操作温度。因此在响应于对热水的需求而启动热泵但是在水被加热到期望的温度之前关闭出水口的情况下，用于运行热泵的能量(电)被浪费，因为用户实际上没有接收到热水。鉴于前述内容，当确定了一个这样的短期实例时，MLA7200可以被训练来采用一个或多个能量减少策略。

参照图7，在S7001，居住者将出水口处的水温设定为T1并打开出水口。在S7002，控制模块例如通过使用一个或多个传感器检测向水供应系统供水的水源处的水压或水流的变化而确定出水口被打开，并且在S7003，控制模块运行MLA7200以监控出水口处的水温变化。随后，控制模块在S7004确定出水口被关闭，并且MLA7200在S7005在出水口被打开的时间段期间确定水温是否已经达到用户设置的T1。如果是，该算法结束且不采取进一步的动作。

如果在S7005确定在出水口打开的时间段期间水温没有达到T1，则MLA7200可以采用一种或多种节能策略。在一个实施例中，在S7006，MLA7200启动软件功能以生成通知来通知居住者在出水口关闭之前水没有达到预设温度。在S7007，MLA7200可以可选地记录事件。

在随后的时间，居住者可以再次将同一出水口处的水温设置为T1并打开出水口。在确定出水口打开之前或之后，在本实施例中，MLA7200将该水使用情况识别为在用户关闭出水口之前水温不可能达到T1的短持续时间情况，然后启动软件功能以产生提示信号来提示用户将水温设置在较低的温度T2或使用冷水而不是热水。提示信号例如可以是出水口处或出水口附近的闪光、预定声音或音调的产生、口头和/或视觉提示(例如播放消息或图像)等。MLA7200可基于所建立的使用模式来确定此类短期实例，或使用一个或多个指示来识别此类短期实例。例如，MLA7200可以使用出水口的位置或需要热水的时间作为指示。作为另一个例子，MLA7200可以预先确定在这种短时间热水使用实例之前的冷水使用的实例与随后用于洗手的热水需求之间的相关性，并使用这种冷水使用作为指示，该冷水使用的实例例如是当抽水马桶被冲洗然后被重新注满时。

因此，根据本实施例，使居住者意识到当他们需要加热的水，但是没有足够长的时间使用水来将水加热到一定温度的情况。此外，当热水可能持续时间较短时，用户被提示在下一次使用较低温度的水或冷水来代替热水，使得用户可以选择在不必要时避免通过向水供应系统要求热水而浪费能量。因此，本实施例能够交互地修改居住者的热水使用习惯，以减少能量使用。

在图8所示的另一个补充或替代实施例中，在S8001，居住者再次将水温设置为T1，并打开出水口。在控制模块在S8002确定出水口打开之前或之后，MLA7200将该水使用情况识别为短期情况，并通过使控制模块将出水口的温度设置从T1改变为较低温度的T2来采用额外的或替代的节能策略。温度T2可能比T1温度低，但仍然代表是经过加热的水温，或者T2可能代表来自主水管的未加热冷水温度。在控制模块的控制下，在S8003，水供应系统将温度为T2的水输出到出水口。

因此，根据本实施例，当MLA7200识别出短持续时间的情况时，控制模块主动降低水温。通过降低水温，需要更少的能量来加热水。这样，当不需要热水时，本实施例减少了能量消耗。

在图9所示的另一个补充或替代实施例中，在S9001，居住者再次将水温设置为T1，并打开出水口。在控制模块在S9002确定出水口被打开之前或之后，MLA7200将该水使用情况识别为短期情况，并通过使控制模块将出水口的流速调节到较低的流速来采用额外的或替代的节能策略。在控制模块的控制下，在S9003，水供应系统以较低的流速向出水口输出水。

因此，根据本实施例，当MLA识别短持续时间情况时，控制模块主动减少水流量。当加热水时，该实施例尤其与例如通过电加热元件加热水相关，从而通过减少水流使得需要加热的水更少，并且使得需要更少的能量来加热所使用的水量。这样，本实施例减少了水和能量的消耗。

泄漏警告

图10示意性地示出了在控制模块(例如，控制模块110)上执行的MLA1200的实施例，该控制模块处理一组传感器数据以输出给定建筑物的泄漏警报。MLA1200可以是与MLA2200和/或MLA3200和/或MLA4200和/或MLA5200和/或MLA6200和/或MLA7200相同的MLA，或者它可以是不同的MLA。

MLA1200通过控制模块从多个输入端接收特定于房屋的输入数据，这些输入端包括布置在房屋周围的一个或多个传感器、一个或多个用户接口(例如，与控制模块通信的房屋周围的控制面板、智能设备、个人计算机等)、一个或多个软件程序、一个或多个公共和私有数据库等。在本实施例中，MLA1200例如从运行在控制模块上的时钟和日历功能或者通过通信网络远程接收当前时间和日期1101，然后使用建立的公用事业使用模式2300和占用预测3300，MLA1200可以估计当前时间和日期的预期用水量。此外，MLA1200接收主水入口温度1102、主水流速1103和主水压1104的输入，并确定实时用水量，所述输入例如由房屋主水入口处的适当传感器测量。MLA1200然后可以基于预期用量和实时用量来确定当前用水量是否如预期的，并且如果当前用水量超过预期用量，则MLA1200输出漏水警告1300。MLA1200可以被预先训练以识别当前用水量超过预期用量的情况是否与系统中的漏水或需求的意外增加相关，例如天气变化或入住率增加。在一些实施例中，MLA1200可以设置有阈值，超过该阈值的用水量水平超过预期用量被认为是泄漏。可选地，MLA1200可以在训练阶段建立这样的阈值，或者在使用时例如基于用户反馈来调整阈值。

通过建立公用事业使用模式并对照该模式监控当前的用水量，可以检测系统中潜在的水泄漏，并在泄漏变得更严重之前向居住者发出早期警告以采取补救或纠正措施。

上述各种MLA可以指相同或不同的MLA。如果实施多个MLA，则一个或一些或所有MLA可以在控制模块110上执行，并且一个或一些或所有MLA可以在经由合适的通信信道与控制模块110通信的服务器(例如，云服务器)上执行。本领域技术人员将会理解，上述实施例可以以任何组合、并行或作为所需的替代策略来实现。

如本领域技术人员将理解的，本技术可以体现为系统、方法或计算机程序产品。因此，本技术可以采取完全硬件的实施例、完全软件的实施例或者软件和硬件相结合的实施例的形式。

此外，本技术可以采取包含在计算机可读介质中的计算机程序产品的形式，该计算机可读介质上包含有计算机可读程序代码。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读介质可以是例如但不限于电子、磁、光、电磁、红外或半导体系统、装置或设备，或者前述的任何合适的组合。

用于执行本技术的操作的计算机程序代码可以用一种或多种编程语言的任意组合来编写，包括面向对象的编程语言和传统的过程编程语言。

例如，用于执行本技术的操作的程序代码可以包括诸如C的传统编程语言(解释的或编译的)的源、目标或可执行代码，或汇编代码，用于设置或控制ASIC(专用集成电路)或FPGA(现场可编程门阵列)的代码，或用于诸如VerilogTM或VHDL(超高速集成电路硬件描述语言)的硬件描述语言的代码。

程序代码可以完全在用户计算机上执行，部分在用户计算机上执行，部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机。代码组件可以体现为过程、方法等，并且可以包括子组件，这些子组件可以在任何抽象级别上采取指令或指令序列的形式，从本地指令集的直接机器指令到高级编译或解释语言结构。

本领域技术人员还将清楚的是，根据本技术的优选实施例的逻辑方法的全部或部分可以适当地体现在包括执行该方法的步骤的逻辑元件的逻辑装置中，并且这种逻辑元件可以包括例如可编程逻辑阵列或专用集成电路中的逻辑门等组件。这种逻辑布置还可以体现在使能元件中，用于使用例如虚拟硬件描述符语言在这种阵列或电路中临时或永久地建立逻辑结构，虚拟硬件描述符语言可以使用固定或可传输的载体介质来存储和传输。

本文引用的示例和条件语言旨在帮助读者理解本技术的原理，而不是将其范围限制于这些具体引用的示例和条件。应当理解，本领域的技术人员可以设计各种布置，尽管在此没有明确描述或示出，但是这些布置体现了本技术的原理，并且包括在由所附权利要求限定的范围内。

此外，作为理解的辅助，以上描述可以描述本技术的相对简化的实现。如本领域技术人员将理解的，本技术的各种实现可能更复杂。

在一些情况下，也可以阐述被认为是对本技术的修改的有益示例。这样做仅仅是为了帮助理解，并且同样不是为了限制本技术的范围或设定本技术的界限。这些修改不是详尽的，并且本领域技术人员可以进行其他修改，同时仍然保持在本技术的范围内。此外，在没有阐述修改的例子的情况下，不应该解释为没有修改是可能的和/或所描述的是实现本技术的该元素的唯一方式。

此外，这里叙述该技术的原理、方面和实现的所有陈述及其具体示例旨在涵盖其结构和功能等同物，无论它们是当前已知的还是将来开发的。因此，例如，本领域技术人员将会理解，这里的任何框图都表示体现本技术原理的说明性电路的概念图。类似地，将会理解，任何流程图、流程图、状态转移图、伪代码等表示可以基本上在计算机可读介质中表示并且由计算机或处理器执行的各种过程，无论这样的计算机或处理器是否被明确示出。

附图中所示的各种元件的功能，包括标记为“处理器”的任何功能块，可以通过使用专用硬件以及能够执行与适当软件相关联的软件的硬件来提供。当由处理器提供时，这些功能可以由单个专用处理器、单个共享处理器或多个单独的处理器提供，其中一些处理器可以是共享的。此外，术语“处理器”或“控制器”的明确使用不应被解释为专门指能够执行软件的硬件，并且可以隐含地包括但不限于数字信号处理器(DSP)硬件、网络处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、用于存储软件的只读存储器(ROM)、随机存取存储器(RAM)和非易失性存储器。也可以包括传统的和/或定制的其他硬件。

软件模块，或简单地被暗示为软件的模块，在这里可以被表示为流程图元素或指示过程步骤和/或文本描述的执行的其他元素的任意组合。这种模块可以由明确的或隐含示出的硬件来执行。

本领域技术人员将清楚，在不脱离本技术的范围的情况下，可以对前述示例性实施例进行许多改进和修改。

Claims (24)

1.一种调节水供应系统的公用事业使用的计算机实现的方法，所述水供应系统包括配置为将热能从周围环境传递到热能存储介质的热泵，和配置为控制所述热泵的操作的控制模块，所述水供应系统配置为在一个或多个出水口向用户提供由热能存储介质加热的水，所述方法由所述控制模块执行并且其包括：

当出水口被打开以提供第一温度的水时，确定水使用事件，所述第一温度由所述用户设定；

基于至少一个指示确定水使用事件是否为短持续时间事件；和

在确定水使用事件是短持续时间事件时，部署一个或多个公用事业减少策略。

2.根据权利要求1所述的方法，其中，所述方法由在所述控制模块上执行的机器学习算法MLA执行，所述MLA训练为基于从所述水供应系统获得的传感器数据将所述至少一个指示与短持续时间事件相关联。

3.根据权利要求2所述的方法，其中，所述传感器数据包括一天中的时间、一周中的某一天、日期、在所述一个或多个出水口处的水流量检测、从出水口打开时起经过的时间、主水管水温和/或在所述一个或多个出水口处的水温。

4.根据权利要求2或3所述的方法，还包括由所述MLA算法基于公用事业使用模式识别所述至少一个指示，其中所述MLA训练为基于从所述水供应系统获得的传感器数据建立所述水供应系统的公用事业使用模式。

5.根据权利要求4所述的方法，其中，所述公用事业使用模式包括关于时间、日子和/或日期的预期冷用水量、关于时间、日子和/或日期的预期热用水量、关于时间、日子和/或日期的预期能量使用量、关于时间、日子和/或日期的预期占用水平或其组合。

6.根据前述权利要求中任一项所述的方法，其中，所述至少一个指示包括出水口的位置、水使用事件的时间、在水使用事件之前的预定时间内冷水用量的确定或其组合。

7.根据前述权利要求中任一项所述的方法，其中，所述一个或多个公用事业减少策略包括所述控制模块产生提示信号以提示用户将水温设定在低于所述第一温度的第二温度。

8.根据权利要求7所述的方法，其中，所述提示信号包括所述出水口处或附近的光信号、所述出水口处或附近的闪光信号、所述出水口处或附近产生的预定声音或音调、口头或多媒体提示或其组合。

9.根据前述权利要求中任一项所述的方法，其中，所述一个或多个公用事业减少策略包括所述控制模块将水温设定在低于所述第一温度的第二温度。

10.根据前述权利要求中任一项所述的方法，其中，所述一个或多个公用事业减少策略包括所述控制模块降低提供给所述出水口的水流速度。

11.根据前述权利要求中任一项所述的方法，其中，所述一个或多个公用事业减少策略包括所述控制模块响应于所述水使用事件绕过所述热泵的启动。

12.一种控制模块，配置为通过通信信道来进行通信和控制水供应系统，所述控制模块包括处理器，所述处理器具有在所述控制模块上执行的机器学习算法，所述机器学习算法训练为执行前述权利要求中任一项的方法。

13.一种训练机器学习算法MLA以调节水供应系统的公用事业使用的方法，所述水供应系统包括配置为将热能从周围环境传递到热能存储介质的热泵，和配置为控制所述热泵的操作的控制模块，所述水供应系统配置为在一个或多个出水口向用户提供由热能存储介质加热的水，所述MLA在所述控制模块上执行，且训练为基于从水供应系统的传感器数据建立公用事业使用模式，所述方法包括：

由所述控制模块接收第一信号，所述第一信号指示出水口打开以提供第一温度的水，所述第一温度由用户设定；

由所述控制模块监测所述出水口处水温的变化；

随后由所述控制模块接收指示所述出水口关闭的第二信号；和

当接收到所述第二信号时，如果所述出水口处的水温低于所述第一温度，则训练所述MLA以确定短持续时间事件。

14.根据权利要求13所述的方法，其中，所述传感器数据包括一天中的时间、一周中的某一天、日期、在所述一个或多个出水口处的水流量检测、从出水口打开时起经过的时间、主水管水温和/或在所述一个或多个出水口处的水温。

15.根据权利要求13或14所述的方法，还包括通过所述控制模块在接收到所述第一信号时监测经过的时间。

16.根据权利要求13至15中任一项所述的方法，还包括训练所述MLA记录短持续时间事件，包括记录使水使用的时间、日子和/或日期、第一温度、接收到所述第二信号时的水温、总经过时间、所述出水口的位置或其组合。

17.根据权利要求13至16中任一项所述的方法，还包括训练所述MLA以基于在所述短持续时间事件期间接收的传感器数据和所述公用事业使用模式识别至少一个指示，以及训练所述MLA以在识别所述至少一个指示时预测短持续时间事件。

18.根据权利要求17所述的方法，其中，所述至少一个指示包括出水口的位置、水使用事件的时间、在水使用事件之前的预定时间内冷水用量的确定，或其组合。

19.根据权利要求17或18中任一项所述的方法，还包括训练所述MLA在预测短持续时间事件时部署一个或多个公用事业减少策略。

20.根据权利要求19所述的方法，其中，所述一个或多个公用事业减少策略包括生成提示信号以提示所述用户将水温设置在低于所述第一温度的降低的第二温度。

21.根据权利要求20所述的方法，其中，所述提示信号包括所述出水口处或附近的光信号、所述出水口处或附近的闪光信号、所述出水口处或附近产生的预定声音或音调、口头或多媒体提示或其组合。

22.根据权利要求19至21中任一项所述的方法，其中，所述一个或多个公用事业减少策略包括所述控制模块将水温设定在低于所述第一温度的第二温度。

23.根据权利要求19至22中任一项所述的方法，其中，所述一个或多个公用事业减少策略包括所述控制模块降低提供给所述出水口的水的流速。

24.根据权利要求19至23中任一项所述的方法，其中，所述一个或多个公用事业减少策略包括所述控制模块响应于所述水使用事件绕过热泵的启动。