CN115751725A - 热水机运行温度的设定方法以及装置、处理器及电子设备 - Google Patents
热水机运行温度的设定方法以及装置、处理器及电子设备 Download PDFInfo
- Publication number
- CN115751725A CN115751725A CN202211522103.5A CN202211522103A CN115751725A CN 115751725 A CN115751725 A CN 115751725A CN 202211522103 A CN202211522103 A CN 202211522103A CN 115751725 A CN115751725 A CN 115751725A
- Authority
- CN
- China
- Prior art keywords
- water
- temperature
- behavior
- time period
- determining
- 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 482
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008859 change Effects 0.000 claims abstract description 119
- 230000006399 behavior Effects 0.000 claims description 173
- 238000001914 filtration Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 22
- 239000008399 tap water Substances 0.000 claims description 18
- 235000020679 tap water Nutrition 0.000 claims description 18
- 238000002372 labelling Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 5
- 239000002699 waste material Substances 0.000 abstract description 5
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 238000005265 energy consumption Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 5
- 238000003908 quality control method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- 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
- Heat-Pump Type And Storage Water Heaters (AREA)
Abstract
本申请提供了热水机运行温度的设定方法以及装置、处理器及电子设备,通过获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型;通过用水行为判定模型,预测第一预设时间段内用户的用水行为信息,其中,用水行为信息至少包括用户在第一预设时间段内的至少一次用水行为以及至少一次用水行为对应的时间段以及用水量;依据用水行为信息,确定用水行为对应的热水机的运行温度,解决了现有技术中现有的热水机温度设定方法中,大多为用户自主设定,该方法智能化较低,且用户自主设定温度往往偏高,造成能量浪费的技术问题。
Description
技术领域
本申请涉及能源消耗领域,具体而言,涉及一种热水机运行温度的设定方法以及装置、处理器及电子设备。
背景技术
随着社会发展,人类对于环境的关注越来越高,特别是“碳达峰”以及“碳中和”的目标,使得能源问题逐渐突显。为了实现“碳中和”的目标,缓解能源压力,则需从开源节流两个方面来应对问题。热泵***用能占社会总耗能的15%-20%,其节能工作意义巨大。通过控制热泵***水箱设定温度来节约***能耗,成为了热泵热水机节能的一个方向。
现有的方法中,大多通过用户自己设置设定温度,大部分用户无法确定合适的热水机设定温度,往往设定温度过高,进而使热水机进行无用的加热,浪费大量能源。而热水机的设定温度往往和用户的用水行为有关。因此,如何更为精确的判定用户用水行为,成为了关键问题。
在实际用户使用热水过程中,由于数据采样频率较低,温度下降时曲线存在较大波动,且大多数温度传感器精度较低,难以较好地反映实际温度变化规律。
现有技术中存在的上述问题,还未提出有效的解决方案。
在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解,因此,背景技术中可能包含某些信息,这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。
发明内容
本申请的主要目的在于提供一种热水机运行温度的设定方法以及装置、处理器及电子设备,以解决现有技术中现有的热水机温度设定方法中,大多为用户自主设定,该方法智能化较低,且用户自主设定温度往往偏高,造成能量浪费的技术问题。
为了实现上述目的,根据本申请的一个方面,提供了一种热水机运行温度的设定方法,包括:获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型;通过用水行为判定模型,预测第一预设时间段内用户的用水行为信息,其中,用水行为信息至少包括用户在第一预设时间段内的至少一次用水行为以及至少一次用水行为对应的时间段以及用水量;依据用水行为信息,确定用水行为对应的热水机的运行温度。
进一步地,获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型,包括:获取水箱内的水对应的多个温度变化曲线,其中,每个温度变化曲线对应一个采样时间段;依据多个温度变化曲线,构建初始用水行为判定模型;通过卡尔曼滤波算法,对多个温度变化曲线进行校正,以得到多条目标温度变化曲线;控制多条目标温度变化曲线,训练初始用水行为判定模型,以得到用水行为判定模型。
进一步地,控制多条目标温度变化曲线,训练初始用水行为判定模型,包括:确定第二预设时间段,其中,第二预设时间段小于第一预设时间段;依据第二预设时间段,控制目标温度变化曲线分割成多段子曲线,其中,子曲线与第二预设时间段一一对应;依据子曲线,确定在子曲线对应的第二预设时间段内是否存在用户的用水行为;在第二预设时间段内存在用水行为的情况下,对第二预设时间段对应的子曲线进行打标签标注,以获得包含有标签标注的多条目标温度变化曲线,并控制包含有标签标注的多条目标温度变化曲线,训练初始用水行为判定模型。
进一步地,依据子曲线,确定在子曲线对应的第二预设时间段内是否存在用户的用水行为,包括:获取子曲线对应的开始时刻以及结束时刻,并确定开始时刻对应的开始水温以及结束时刻对应的结束水温;确定结束水温与开始水温之间的水温差值,并确定水温差值是否大于等于预设阈值;在水温差值大于等于预设阈值的情况下,确定子曲线对应的第二预设时间段内存在用水行为;在水温差值小于预设阈值的情况下,确定第二预设时间段内不存在用水行为。
进一步地,通过卡尔曼滤波算法,对多个温度变化曲线进行校正,以得到多条目标温度变化曲线,包括:步骤301:获取温度变化曲线上的第一时刻的第一温度,其中,第一时刻为温度变化曲线对应的任意一个时刻;步骤302:确定水箱在当前状态下,卡尔曼滤波算法对应的状态矩阵;步骤303:依据状态矩阵,预测第二时刻对应的第二温度,其中,第二时刻为第一时刻相邻的下一时刻;步骤304:确定卡尔曼滤波增益;步骤305:依据第一温度、第二温度以及卡尔曼滤波增益,确定第二目标温度,其中,第二目标温度为校正后的第二温度;步骤306:将第二目标温度替换为第一温度,并重复执行步骤301至步骤305,以得到多个第二目标温度,以获取多条目标温度变化曲线。
进一步地,依据用水行为信息,确定用水行为对应的热水机的运行温度,包括:获取用水行为对应的用水量;获取水箱在用水行为发生之前的初始水温,水的比热以及水的密度,水箱的体积以及自来水温度;依据用水量、初始水温、水的比热、水的密度,体积以及自来水温度,通过第一公式计算运行温度,其中,Tset为运行温度,Vconsume为用水量,Cwater为水的比热,Tconsume为初始水温,Ttap为自来水温度,ρwater为水的密度,ρwater为水箱的体积。
进一步地,依据第一温度、第二温度以及卡尔曼滤波增益,确定第二目标温度,包括:依据第二公式,确定第二目标温度,其中,第二公式为:Xfilter=X+(x-X)*G,Xfilter为第二目标温度,X为第二温度,x为第一温度,G为卡尔曼滤波增益。
为了实现上述目的,根据本申请的一个方面,提供了一种热水机运行温度的设定装置,包括:构建单元,用于获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型;预测单元,用于通过用水行为判定模型,预测第一预设时间段内用户的用水行为信息,其中,用水行为信息至少包括用户在第一预设时间段内的至少一次用水行为以及至少一次用水行为对应的时间段以及用水量;第一确定单元,用于依据用水行为信息,确定用水行为对应的热水机的运行温度。
根据本申请的另一方面,提供了一种计算机可读存储介质,计算机可读存储介质包括存储的程序,其中,程序执行上述一种热水机运行温度的设定方法。
根据本申请的另一方面,提供了一种处理器,处理器用于运行程序,其中,程序运行时执行一种热水机运行温度的设定方法。
根据本申请的另一方面,提供了一种电子设备,包括:一个或多个处理器,存储器以及一个或多个程序,其中,一个或多个程序被存储在存储器中,并且被配置为由一个或多个处理器执行,一个或多个程序包括用于执行一种热水机运行温度的设定方法。
应用本申请的技术方案,通过获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型;通过用水行为判定模型,预测第一预设时间段内用户的用水行为信息,其中,用水行为信息至少包括用户在第一预设时间段内的至少一次用水行为以及至少一次用水行为对应的时间段以及用水量;依据用水行为信息,确定用水行为对应的热水机的运行温度,解决了现有技术中现有的热水机温度设定方法中,大多为用户自主设定,该方法智能化较低,且用户自主设定温度往往偏高,造成能量浪费的技术问题,达到了降低热水机运行能耗,以及提升了热水机智能化程度的技术效果。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,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提供的一种热水机运行温度的设定方法的流程图;以及
图2是根据本申请实施例提供的一种热水机运行温度的设定装置的示意图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
应该理解的是,当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时,该元件可直接在该另一元件上,或者也可存在中间元件。而且,在说明书以及权利要求书中,当描述有元件“连接”至另一元件时,该元件可“直接连接”至该另一元件,或者通过第三元件“连接”至该另一元件。
正如背景技术所介绍的,现有技术中现有的热水机温度设定方法中,大多为用户自主设定,该方法智能化较低,且用户自主设定温度往往偏高,造成能量浪费的技术问题,为了解决如上技术问题,本申请提出了一种热水机运行温度的设定方法。
根据本申请的实施例,提供了一种热水机运行温度的设定方法。
图1是根据本申请实施例提供的一种热水机运行温度的设定方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型;
步骤S102,通过用水行为判定模型,预测第一预设时间段内用户的用水行为信息,其中,用水行为信息至少包括用户在第一预设时间段内的至少一次用水行为以及至少一次用水行为对应的时间段以及用水量;
步骤S103,依据用水行为信息,确定用水行为对应的热水机的运行温度。
上述方法中,通过水箱的温度变化规律,构建用水行为判定模型,通过用水行为判定模型对不同情况下的用户用水行为进行判定,再通过用户历史用水行为设置热水机设定温度,使设定温度尽可能满足用户用水需求,从而节约***运行能耗。该方法一定程度上降低了热水机运行能耗,同时满足了用户的使用要求,提升了用户的使用体验,也进一步提升了方法的智能化程度。
在一种可选的实施例中,获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型,包括:获取水箱内的水对应的多个温度变化曲线,其中,每个温度变化曲线对应一个采样时间段;依据多个温度变化曲线,构建初始用水行为判定模型;通过卡尔曼滤波算法,对多个温度变化曲线进行校正,以得到多条目标温度变化曲线;控制多条目标温度变化曲线,训练初始用水行为判定模型,以得到用水行为判定模型。
上述,具体地,通过卡尔曼滤波算法对用户的用水特征进行提取,包括按照热水机实际情况初始化卡尔曼滤波器各项参数,具体包括卡尔曼滤波器的状态矩阵、观测矩阵、预测误差、状态矩阵方差、观测矩阵方差。接下来,通过热水机控制端获取水箱内感温包检测到的多个采样时间段对应的多个温度变化曲线,并依据多条温度变化曲线,确定水箱温度变化规律,基于水箱温度变化规律建立水箱温度预测模型,计算协方差,卡尔曼增益。之后,基于获取到的温度值计算滤波后的值,最后更新协方差,完成卡尔曼滤波过程,得到较为平滑的温度变化曲线。经过卡尔曼滤波后,对温度曲线进行进一步分析,设置温度变化阈值,当一段时间内水箱温度变化超过阈值后,则认为用户存在用水行为。
具体卡尔曼滤波过程举例如下:
步骤301:获取温度变化曲线上的第一时刻的第一温度x,其中,第一时刻为温度变化曲线对应的任意一个时刻;
步骤302:确定水箱在当前状态下,卡尔曼滤波算法对应的状态矩阵;
步骤303:依据状态矩阵,预测第二时刻对应的第二温度,通过公式1计算第二温度:
X = A*x-D (1)
其中,第二时刻为第一时刻相邻的下一时刻,x为第一温度,A为状态矩阵,D为每一采样间隔内因水箱自然散热等情况产生的温度变化值;
步骤304:确定卡尔曼滤波增益,具体包括:
通过公式2,计算协方差矩阵,P=A*A*P+Q(2),该式中,P为协方差,A为状态矩阵,Q为状态矩阵方差;
通过公式3,计算卡尔曼滤波增益,公式3为:G=P*H/(P*H*H+R)(3)
其中,G为卡尔曼滤波增益,H为观测矩阵,R为观测矩阵方差,P为协方差。
步骤305:依据第一温度、第二温度以及卡尔曼滤波增益,确定第二目标温度,其中,第二目标温度为校正后的第二温度;
通过公式4,计算滤波后的第二目标温度,公式4为:
X_filter= X+(x-X)*G (4)
其中,X_filter为第二目标温度,x为第一温度,X为第二温度,G为卡尔曼滤波增益;
通过公式5,更新协方差,公式5为:
P=(1-G*H)*P (5)
步骤306:将第二目标温度替换为第一温度,并重复执行步骤301至步骤305,以得到多个第二目标温度,以获取多条目标温度变化曲线。
在一种可选的实施例中,控制多条目标温度变化曲线,训练初始用水行为判定模型,包括:确定第二预设时间段,其中,第二预设时间段小于第一预设时间段;依据第二预设时间段,控制目标温度变化曲线分割成多段子曲线,其中,子曲线与第二预设时间段一一对应;依据子曲线,确定在子曲线对应的第二预设时间段内是否存在用户的用水行为;在第二预设时间段内存在用水行为的情况下,对第二预设时间段对应的子曲线进行打标签标注,以获得包含有标签标注的多条目标温度变化曲线,并控制包含有标签标注的多条目标温度变化曲线,训练初始用水行为判定模型。依据子曲线,确定在子曲线对应的第二预设时间段内是否存在用户的用水行为,包括:获取子曲线对应的开始时刻以及结束时刻,并确定开始时刻对应的开始水温以及结束时刻对应的结束水温;确定结束水温与开始水温之间的水温差值,并确定水温差值是否大于等于预设阈值;在水温差值大于等于预设阈值的情况下,确定子曲线对应的第二预设时间段内存在用水行为;在水温差值小于预设阈值的情况下,确定第二预设时间段内不存在用水行为。
上述地,多条目标温度曲线对应于用户在多个历史采样时间段内,将每条目标温度曲线按照较短的时间间隔分为多个时间段对应的曲线,通过每个时间间隔内水的温度变化来确定该时间段内是否发生用水行为,例如,第二预设时间段为一个小时,如果在任意一个小时内,水温的变化较大,即可确定该小时内,用户发生用水行为。通过目标温度曲线得到的多个训练样本(多条被标注后的温度曲线),并对发生用水行为对应的子曲线进行标签标注,将该条训练样本进行存储,并通过训练样本训练用水行为判定模块。例如,一条目标温度曲线对应12小时,通过多条标注后的目标温度曲线训练用水行为判定模型,对下一个12小时内的用户用水行为进行预测。
通过上述标注方法,建立历史用水数据库,并通过历史用水数据库来训练用水行为判定模型。
进一步地,对下一个时间段内的用户用水行为进行预测后,最后通过预测出的用水行为以及能量守恒原理,计算用户在未来时间段内的用水行为对应的热水机的设定温度,包括:获取用水行为对应的用水量;获取水箱在用水行为发生之前的初始水温,水的比热以及水的密度,水箱的体积以及自来水温度;依据用水量、初始水温、水的比热、水的密度,体积以及自来水温度,通过第一公式计算运行温度,其中,Tset为运行温度,Vconsume为用水量,Cwater为水的比热,Tconsume为初始水温,Ttap为自来水温度,ρwater为水的密度,ρwater为水箱的体积。
通过本申请提出的热水机运行温度的设定方法,基于热水机水箱温度变化规律,使用卡尔曼滤波算法对温度变化特征进行提取,最后结合用户历史用水行为及深度神经网络技术对热水机的运行温度进行计算,该方法既降低了设备能耗,又满足了用户的使用要求,提升了用户的使用体验,也提升了热水机的智能化程度。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种热水机运行温度的设定装置,需要说明的是,本申请实施例的一种热水机运行温度的设定装置可以用于执行本申请实施例所提供的用于一种热水机运行温度的设定装置。以下对本申请实施例提供的一种热水机运行温度的设定装置进行介绍。
图2是根据本申请实施例提供的一种热水机运行温度的设定装置的示意图。如图2所示,该装置包括:构建单元201,用于获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型;预测单元202,用于通过用水行为判定模型,预测第一预设时间段内用户的用水行为信息,其中,用水行为信息至少包括用户在第一预设时间段内的至少一次用水行为以及至少一次用水行为对应的时间段以及用水量;第一确定单元203,用于依据用水行为信息,确定用水行为对应的热水机的运行温度。
可选地,构建单元201包括:第一获取子单元,用于获取水箱内的水对应的多个温度变化曲线,其中,每个温度变化曲线对应一个采样时间段;构建子单元,用于依据多个温度变化曲线,构建初始用水行为判定模型;校正子单元,用于通过卡尔曼滤波算法,对多个温度变化曲线进行校正,以得到多条目标温度变化曲线;训练子单元,用于控制多条目标温度变化曲线,训练初始用水行为判定模型,以得到用水行为判定模型。
可选地,训练子单元包括:第一确定模块,用于确定第二预设时间段,其中,第二预设时间段小于第一预设时间段;第一控制模块,用于依据第二预设时间段,控制目标温度变化曲线分割成多段子曲线,其中,子曲线与第二预设时间段一一对应;第二确定模块,用于依据子曲线,确定在子曲线对应的第二预设时间段内是否存在用户的用水行为;标注模块,用于在第二预设时间段内存在用水行为的情况下,对第二预设时间段对应的子曲线进行打标签标注,以获得包含有标签标注的多条目标温度变化曲线,并控制包含有标签标注的多条目标温度变化曲线,训练初始用水行为判定模型。
可选地,第二确定模块包括:第一获取子模块,用于获取子曲线对应的开始时刻以及结束时刻,并确定开始时刻对应的开始水温以及结束时刻对应的结束水温;第一确定子模块,用于确定结束水温与开始水温之间的水温差值,并确定水温差值是否大于等于预设阈值;第二确定子模块,用于在水温差值大于等于预设阈值的情况下,确定子曲线对应的第二预设时间段内存在用水行为;第三确定子模块,用于在水温差值小于预设阈值的情况下,确定第二预设时间段内不存在用水行为。
可选地,校正子单元包括:第一获取模块,用于获取温度变化曲线上的第一时刻的第一温度,其中,第一时刻为温度变化曲线对应的任意一个时刻;第一确定模块,用于确定水箱在当前状态下,卡尔曼滤波算法对应的状态矩阵;预测模块,用于依据状态矩阵,预测第二时刻对应的第二温度,其中,第二时刻为第一时刻相邻的下一时刻;第二确定模块,用于确定卡尔曼滤波增益;第三确定模块,用于依据第一温度、第二温度以及卡尔曼滤波增益,确定第二目标温度,其中,第二目标温度为校正后的第二温度;第二获取模块,用于将第二目标温度替换为第一温度,以得到多个第二目标温度,以获取多条目标温度变化曲线。
可选地,第一确定单元203包括:第二获取子单元,用于获取用水行为对应的用水量;第三获取子单元,用于获取水箱在用水行为发生之前的初始水温,水的比热以及水的密度,水箱的体积以及自来水温度;依据用水量、初始水温、水的比热、水的密度,体积以及自来水温度,通过第一公式计算运行温度,其中,Tset为运行温度,Vconsume为用水量,Cwater为水的比热,Tconsume为初始水温,Ttap为自来水温度,ρwater为水的密度,ρwater为水箱的体积。
可选地,依据第一温度、第二温度以及卡尔曼滤波增益,确定第二目标温度,包括:依据第二公式,确定第二目标温度,其中,第二公式为:Xfilter=X+(x-X)*G,Xfilter为第二目标温度,X为第二温度,x为第一温度,G为卡尔曼滤波增益。
一种热水机运行温度的设定装置包括处理器和存储器,上述构建单元201等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决现有技术中现有的热水机温度设定方法中,大多为用户自主设定,该方法智能化较低,且用户自主设定温度往往偏高,造成能量浪费的技术问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现一种热水机运行温度的设定方法。
本发明实施例提供了一种处理器,处理器用于运行程序,其中,程序运行时执行一种热水机运行温度的设定方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现至少以下步骤:获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型;通过用水行为判定模型,预测第一预设时间段内用户的用水行为信息,其中,用水行为信息至少包括用户在第一预设时间段内的至少一次用水行为以及至少一次用水行为对应的时间段以及用水量;依据用水行为信息,确定用水行为对应的热水机的运行温度。
可选地,获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型,包括:获取水箱内的水对应的多个温度变化曲线,其中,每个温度变化曲线对应一个采样时间段;依据多个温度变化曲线,构建初始用水行为判定模型;通过卡尔曼滤波算法,对多个温度变化曲线进行校正,以得到多条目标温度变化曲线;控制多条目标温度变化曲线,训练初始用水行为判定模型,以得到用水行为判定模型。
可选地,控制多条目标温度变化曲线,训练初始用水行为判定模型,包括:确定第二预设时间段,其中,第二预设时间段小于第一预设时间段;依据第二预设时间段,控制目标温度变化曲线分割成多段子曲线,其中,子曲线与第二预设时间段一一对应;依据子曲线,确定在子曲线对应的第二预设时间段内是否存在用户的用水行为;在第二预设时间段内存在用水行为的情况下,对第二预设时间段对应的子曲线进行打标签标注,以获得包含有标签标注的多条目标温度变化曲线,并控制包含有标签标注的多条目标温度变化曲线,训练初始用水行为判定模型。
可选地,依据子曲线,确定在子曲线对应的第二预设时间段内是否存在用户的用水行为,包括:获取子曲线对应的开始时刻以及结束时刻,并确定开始时刻对应的开始水温以及结束时刻对应的结束水温;确定结束水温与开始水温之间的水温差值,并确定水温差值是否大于等于预设阈值;在水温差值大于等于预设阈值的情况下,确定子曲线对应的第二预设时间段内存在用水行为;在水温差值小于预设阈值的情况下,确定第二预设时间段内不存在用水行为。
可选地,通过卡尔曼滤波算法,对多个温度变化曲线进行校正,以得到多条目标温度变化曲线,包括:步骤301:获取温度变化曲线上的第一时刻的第一温度,其中,第一时刻为温度变化曲线对应的任意一个时刻;步骤302:确定水箱在当前状态下,卡尔曼滤波算法对应的状态矩阵;步骤303:依据状态矩阵,预测第二时刻对应的第二温度,其中,第二时刻为第一时刻相邻的下一时刻;步骤304:确定卡尔曼滤波增益;步骤305:依据第一温度、第二温度以及卡尔曼滤波增益,确定第二目标温度,其中,第二目标温度为校正后的第二温度;步骤306:将第二目标温度替换为第一温度,并重复执行步骤301至步骤305,以得到多个第二目标温度,以获取多条目标温度变化曲线。
可选地,依据用水行为信息,确定用水行为对应的热水机的运行温度,包括:获取用水行为对应的用水量;获取水箱在用水行为发生之前的初始水温,水的比热以及水的密度,水箱的体积以及自来水温度;依据用水量、初始水温、水的比热、水的密度,体积以及自来水温度,通过第一公式计算运行温度,其中,Tset为运行温度,Vconsume为用水量,Cwater为水的比热,Tconsume为初始水温,Ttap为自来水温度,ρwater为水的密度,ρwater为水箱的体积。
可选地,依据第一温度、第二温度以及卡尔曼滤波增益,确定第二目标温度,包括:依据第二公式,确定第二目标温度,其中,第二公式为:Xfilter=X+(x-X)*G,Xfilter为第二目标温度,X为第二温度,x为第一温度,G为卡尔曼滤波增益。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有至少如下方法步骤的程序:获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型;通过用水行为判定模型,预测第一预设时间段内用户的用水行为信息,其中,用水行为信息至少包括用户在第一预设时间段内的至少一次用水行为以及至少一次用水行为对应的时间段以及用水量;依据用水行为信息,确定用水行为对应的热水机的运行温度。
可选地,获取水箱内的水对应的温度变化规律,并依据温度变化规律,构建用水行为判定模型,包括:获取水箱内的水对应的多个温度变化曲线,其中,每个温度变化曲线对应一个采样时间段;依据多个温度变化曲线,构建初始用水行为判定模型;通过卡尔曼滤波算法,对多个温度变化曲线进行校正,以得到多条目标温度变化曲线;控制多条目标温度变化曲线,训练初始用水行为判定模型,以得到用水行为判定模型。
可选地,控制多条目标温度变化曲线,训练初始用水行为判定模型,包括:确定第二预设时间段,其中,第二预设时间段小于第一预设时间段;依据第二预设时间段,控制目标温度变化曲线分割成多段子曲线,其中,子曲线与第二预设时间段一一对应;依据子曲线,确定在子曲线对应的第二预设时间段内是否存在用户的用水行为;在第二预设时间段内存在用水行为的情况下,对第二预设时间段对应的子曲线进行打标签标注,以获得包含有标签标注的多条目标温度变化曲线,并控制包含有标签标注的多条目标温度变化曲线,训练初始用水行为判定模型。
可选地,依据子曲线,确定在子曲线对应的第二预设时间段内是否存在用户的用水行为,包括:获取子曲线对应的开始时刻以及结束时刻,并确定开始时刻对应的开始水温以及结束时刻对应的结束水温;确定结束水温与开始水温之间的水温差值,并确定水温差值是否大于等于预设阈值;在水温差值大于等于预设阈值的情况下,确定子曲线对应的第二预设时间段内存在用水行为;在水温差值小于预设阈值的情况下,确定第二预设时间段内不存在用水行为。
可选地,通过卡尔曼滤波算法,对多个温度变化曲线进行校正,以得到多条目标温度变化曲线,包括:步骤301:获取温度变化曲线上的第一时刻的第一温度,其中,第一时刻为温度变化曲线对应的任意一个时刻;步骤302:确定水箱在当前状态下,卡尔曼滤波算法对应的状态矩阵;步骤303:依据状态矩阵,预测第二时刻对应的第二温度,其中,第二时刻为第一时刻相邻的下一时刻;步骤304:确定卡尔曼滤波增益;步骤305:依据第一温度、第二温度以及卡尔曼滤波增益,确定第二目标温度,其中,第二目标温度为校正后的第二温度;步骤306:将第二目标温度替换为第一温度,并重复执行步骤301至步骤305,以得到多个第二目标温度,以获取多条目标温度变化曲线。
可选地,依据用水行为信息,确定用水行为对应的热水机的运行温度,包括:获取用水行为对应的用水量;获取水箱在用水行为发生之前的初始水温,水的比热以及水的密度,水箱的体积以及自来水温度;依据用水量、初始水温、水的比热、水的密度,体积以及自来水温度,通过第一公式计算运行温度,其中,Tset为运行温度,Vconsume为用水量,Cwater为水的比热,Tconsume为初始水温,Ttap为自来水温度,ρwater为水的密度,ρwater为水箱的体积。
可选地,依据第一温度、第二温度以及卡尔曼滤波增益,确定第二目标温度,包括:依据第二公式,确定第二目标温度,其中,第二公式为:Xfilter=X+(x-X)*G,Xfilter为第二目标温度,X为第二温度,x为第一温度,G为卡尔曼滤波增益。
在本发明的上述实施例中,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,所揭露的技术内容,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,例如单元的划分,可以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***,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。
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,在本发明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。
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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明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一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括: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。
从以上的描述中,可以看出,本申请上述的实施例实现了如下技术效果:
1)、本申请提供的热水机运行温度的设定方法,结合卡尔曼滤波算法和深度神经网络技术,基于多功能热水机温度变化提取用户用水行为特征,结合用户用水行为对多功能热水机最适设定温度进行计算,既节约了设备运行能耗,又满足了用户使用要求,提升了用户的使用体验,也提升了方法的智能化程度。
2)同时,达到了节约能源的技术效果。
以上仅为本申请的优选实施例而已,并不用于限制本申请,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)
1.一种热水机运行温度的设定方法,其特征在于,包括:
获取水箱内的水对应的温度变化规律,并依据所述温度变化规律,构建用水行为判定模型;
通过所述用水行为判定模型,预测第一预设时间段内用户的用水行为信息,其中,所述用水行为信息至少包括所述用户在所述第一预设时间段内的至少一次用水行为以及至少一次所述用水行为对应的时间段以及用水量;
依据所述用水行为信息,确定所述用水行为对应的热水机的运行温度。
2.根据权利要求1所述的方法,其特征在于,获取水箱内的水对应的温度变化规律,并依据所述温度变化规律,构建用水行为判定模型,包括:
获取所述水箱内的水对应的多个温度变化曲线,其中,每个所述温度变化曲线对应一个采样时间段;
依据多个所述温度变化曲线,构建初始用水行为判定模型;
通过卡尔曼滤波算法,对多个所述温度变化曲线进行校正,以得到多条目标温度变化曲线;
控制多条所述目标温度变化曲线,训练所述初始用水行为判定模型,以得到所述用水行为判定模型。
3.根据权利要求2所述的方法,其特征在于,控制多条所述目标温度变化曲线,训练所述初始用水行为判定模型,包括:
确定第二预设时间段,其中,所述第二预设时间段小于所述第一预设时间段;
依据所述第二预设时间段,控制所述目标温度变化曲线分割成多段子曲线,其中,所述子曲线与所述第二预设时间段一一对应;
依据所述子曲线,确定在所述子曲线对应的所述第二预设时间段内是否存在所述用户的用水行为;
在所述第二预设时间段内存在所述用水行为的情况下,对所述第二预设时间段对应的所述子曲线进行打标签标注,以获得包含有标签标注的多条所述目标温度变化曲线,并控制包含有所述标签标注的多条所述目标温度变化曲线,训练所述初始用水行为判定模型。
4.根据权利要求3所述的方法,其特征在于,依据所述子曲线,确定在所述子曲线对应的所述第二预设时间段内是否存在所述用户的用水行为,包括:
获取所述子曲线对应的开始时刻以及结束时刻,并确定所述开始时刻对应的开始水温以及所述结束时刻对应的结束水温;
确定所述结束水温与所述开始水温之间的水温差值,并确定所述水温差值是否大于等于预设阈值;
在所述水温差值大于等于所述预设阈值的情况下,确定所述子曲线对应的第二预设时间段内存在所述用水行为;
在所述水温差值小于所述预设阈值的情况下,确定所述第二预设时间段内不存在所述用水行为。
5.根据权利要求2所述的方法,其特征在于,通过卡尔曼滤波算法,对多个所述温度变化曲线进行校正,以得到多条目标温度变化曲线,包括:
步骤301:获取所述温度变化曲线上的第一时刻的第一温度,其中,所述第一时刻为所述温度变化曲线对应的任意一个时刻;
步骤302:确定所述水箱在当前状态下,所述卡尔曼滤波算法对应的状态矩阵;
步骤303:依据所述状态矩阵,预测第二时刻对应的第二温度,其中,所述第二时刻为所述第一时刻相邻的下一时刻;
步骤304:确定卡尔曼滤波增益;
步骤305:依据所述第一温度、第二温度以及所述卡尔曼滤波增益,确定第二目标温度,其中,所述第二目标温度为校正后的所述第二温度;
步骤306:将所述第二目标温度替换为所述第一温度,并重复执行所述步骤301至所述步骤305,以得到多个所述第二目标温度,以获取多条所述目标温度变化曲线。
7.根据权利要求5所述的方法,其特征在于,依据所述第一温度、第二温度以及所述卡尔曼滤波增益,确定第二目标温度,包括:
依据第二公式,确定所述第二目标温度,其中,所述第二公式为:
Xfilter=X+(x-X)*G,Xfilter为所述第二目标温度,X为所述第二温度,x为所述第一温度,G为所述卡尔曼滤波增益。
8.一种热水机运行温度的设定装置,其特征在于,包括:
构建单元,用于获取水箱内的水对应的温度变化规律,并依据所述温度变化规律,构建用水行为判定模型;
预测单元,用于通过所述用水行为判定模型,预测第一预设时间段内用户的用水行为信息,其中,所述用水行为信息至少包括所述用户在所述第一预设时间段内的至少一次用水行为以及至少一次所述用水行为对应的时间段以及用水量;
第一确定单元,用于依据所述用水行为信息,确定所述用水行为对应的热水机的运行温度。
9.一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包括存储的程序,其中,所述程序执行权利要求1至7中任意一项所述的一种热水机运行温度的设定方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的一种热水机运行温度的设定方法。
11.一种电子设备,其特征在于,包括:一个或多个处理器,存储器以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的一种热水机运行温度的设定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211522103.5A CN115751725A (zh) | 2022-11-30 | 2022-11-30 | 热水机运行温度的设定方法以及装置、处理器及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211522103.5A CN115751725A (zh) | 2022-11-30 | 2022-11-30 | 热水机运行温度的设定方法以及装置、处理器及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115751725A true CN115751725A (zh) | 2023-03-07 |
Family
ID=85341374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211522103.5A Pending CN115751725A (zh) | 2022-11-30 | 2022-11-30 | 热水机运行温度的设定方法以及装置、处理器及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115751725A (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104713241A (zh) * | 2015-02-05 | 2015-06-17 | 芜湖美的厨卫电器制造有限公司 | 热水器及其控制方法、控制装置 |
CN104930714A (zh) * | 2015-06-11 | 2015-09-23 | Tcl空调器(中山)有限公司 | 热泵热水器及其加热控制方法 |
WO2016193928A1 (en) * | 2015-06-03 | 2016-12-08 | Mobile Telephone Networks (Proprietary) Limited | A water heater controller |
CN107202428A (zh) * | 2017-06-28 | 2017-09-26 | 合肥工业大学 | 一种单个电热水器状态估计方法 |
JP2018124031A (ja) * | 2017-02-03 | 2018-08-09 | 株式会社コロナ | 貯湯式給湯機 |
CN110598336A (zh) * | 2019-09-17 | 2019-12-20 | 美的集团股份有限公司 | 热水器用水量预测方法及装置、热水器及电子设备 |
CN110822726A (zh) * | 2019-12-03 | 2020-02-21 | 美的集团股份有限公司 | 用水量确定方法及装置、热水器及电子设备 |
CN110887240A (zh) * | 2019-12-03 | 2020-03-17 | 美的集团股份有限公司 | 热水器温度控制方法及装置、热水器及电子设备 |
CN111473523A (zh) * | 2020-05-11 | 2020-07-31 | 海尔优家智能科技(北京)有限公司 | 用于热水器的控制方法及装置、热水器 |
CN111912113A (zh) * | 2019-05-10 | 2020-11-10 | 芜湖美的厨卫电器制造有限公司 | 热水器及其用水检测方法、***、计算机可读存储介质 |
WO2021051715A1 (zh) * | 2019-09-17 | 2021-03-25 | 美的集团股份有限公司 | 热水器自动控制方法及装置、热水器及电子设备 |
CN113803888A (zh) * | 2021-09-15 | 2021-12-17 | 珠海格力电器股份有限公司 | 热水器的用水预测方法、装置、电子设备及存储介质 |
CN114396728A (zh) * | 2021-12-29 | 2022-04-26 | 广东万和新电气股份有限公司 | 电热水器的加热控制方法和有效能耗预测模型的建立方法 |
EP3995747A1 (en) * | 2020-11-05 | 2022-05-11 | Midea Group Co., Ltd. | Method for setting temperature of water heater, water heater and non-transitorycomputer readable storage medium |
CN115013980A (zh) * | 2022-06-14 | 2022-09-06 | 珠海格力电器股份有限公司 | 用户用水时间的预测方法、装置、热水器及存储介质 |
CN115111782A (zh) * | 2022-06-22 | 2022-09-27 | 中山火炬职业技术学院 | 基于储水式电热水器用电负荷的洗浴时长预测方法 |
-
2022
- 2022-11-30 CN CN202211522103.5A patent/CN115751725A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104713241A (zh) * | 2015-02-05 | 2015-06-17 | 芜湖美的厨卫电器制造有限公司 | 热水器及其控制方法、控制装置 |
WO2016193928A1 (en) * | 2015-06-03 | 2016-12-08 | Mobile Telephone Networks (Proprietary) Limited | A water heater controller |
CN104930714A (zh) * | 2015-06-11 | 2015-09-23 | Tcl空调器(中山)有限公司 | 热泵热水器及其加热控制方法 |
JP2018124031A (ja) * | 2017-02-03 | 2018-08-09 | 株式会社コロナ | 貯湯式給湯機 |
CN107202428A (zh) * | 2017-06-28 | 2017-09-26 | 合肥工业大学 | 一种单个电热水器状态估计方法 |
CN111912113A (zh) * | 2019-05-10 | 2020-11-10 | 芜湖美的厨卫电器制造有限公司 | 热水器及其用水检测方法、***、计算机可读存储介质 |
WO2021051715A1 (zh) * | 2019-09-17 | 2021-03-25 | 美的集团股份有限公司 | 热水器自动控制方法及装置、热水器及电子设备 |
CN110598336A (zh) * | 2019-09-17 | 2019-12-20 | 美的集团股份有限公司 | 热水器用水量预测方法及装置、热水器及电子设备 |
CN110822726A (zh) * | 2019-12-03 | 2020-02-21 | 美的集团股份有限公司 | 用水量确定方法及装置、热水器及电子设备 |
CN110887240A (zh) * | 2019-12-03 | 2020-03-17 | 美的集团股份有限公司 | 热水器温度控制方法及装置、热水器及电子设备 |
CN111473523A (zh) * | 2020-05-11 | 2020-07-31 | 海尔优家智能科技(北京)有限公司 | 用于热水器的控制方法及装置、热水器 |
EP3995747A1 (en) * | 2020-11-05 | 2022-05-11 | Midea Group Co., Ltd. | Method for setting temperature of water heater, water heater and non-transitorycomputer readable storage medium |
CN113803888A (zh) * | 2021-09-15 | 2021-12-17 | 珠海格力电器股份有限公司 | 热水器的用水预测方法、装置、电子设备及存储介质 |
CN114396728A (zh) * | 2021-12-29 | 2022-04-26 | 广东万和新电气股份有限公司 | 电热水器的加热控制方法和有效能耗预测模型的建立方法 |
CN115013980A (zh) * | 2022-06-14 | 2022-09-06 | 珠海格力电器股份有限公司 | 用户用水时间的预测方法、装置、热水器及存储介质 |
CN115111782A (zh) * | 2022-06-22 | 2022-09-27 | 中山火炬职业技术学院 | 基于储水式电热水器用电负荷的洗浴时长预测方法 |
Non-Patent Citations (1)
Title |
---|
舒宏;何林;杨加政;: "欧盟家用空气源热泵热水器能效标准测试方法的研究", 日用电器, no. 08, 25 August 2015 (2015-08-25) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111684370B (zh) | 用于控制操作的***和方法 | |
CN105805822B (zh) | 基于神经网络预测的供热节能控制方法与*** | |
CN105468823A (zh) | 一种自助设备节能控制方法和装置 | |
CN101876546A (zh) | 基于小波阈值去噪和far模型的mems陀螺数据处理方法 | |
WO2008117133A1 (en) | Anticipation of power on of a mobile device | |
CN107636617A (zh) | 存储设备故障策略 | |
KR102403270B1 (ko) | 인공지능 기반 배수지 수위 제어 시스템 | |
CN106331318A (zh) | 一种应用自动开启方法以及装置 | |
CN112954707A (zh) | 基站的节能方法、装置、基站和计算机可读存储介质 | |
CN107807730B (zh) | 应用清理方法、装置、存储介质及电子设备 | |
CN116126052A (zh) | 用于温度控制的方法、装置、设备和存储介质 | |
CN115751725A (zh) | 热水机运行温度的设定方法以及装置、处理器及电子设备 | |
CN110737322A (zh) | 信息处理方法及电子设备 | |
CN113932424B (zh) | 用于控制空调器的方法及装置、空调器 | |
CN117742816A (zh) | 基板管理控制器的运行控制方法及装置 | |
CN116029535B (zh) | 一种供水压力预警方法、装置、电子设备和存储介质 | |
CN114595681B (zh) | 文本切分方法及装置 | |
CN115631842A (zh) | 节能控制方法及装置、医疗设备及存储介质 | |
CN106354422A (zh) | 电子装置以及整合型非挥发性存储器控制方法 | |
CN115930448B (zh) | 控制方法、装置、电子设备、热水器及存储介质 | |
CN112747413A (zh) | 空调***负荷预测方法及装置 | |
CN114646125B (zh) | 用于修正热舒适度模型的方法、装置及存储介质 | |
CN104809376A (zh) | 一种终端解锁方法 | |
CN115239207B (zh) | 用户行为节能评价方法、装置、电子设备及可读存储介质 | |
CN116608594A (zh) | 燃气热水器的控制方法、装置、电子设备和存储介质 |
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 |