CN117321341A - 用于预测性地准备供水***的方法和*** - Google Patents

Abstract

本公开涉及一种计算机实现的方法，该计算机实现的方法用于对安装在建筑物中的供水***进行预测性的准备，该供水***包括被配置成将热能从周围环境传递到热能储存介质的热泵并且包括被配置成对热泵的操作进行控制的控制模块，供水***被配置成在一个或更多个出水口处向建筑物的用户提供通过热能储存介质而被加热的水，该方法由控制模块执行并且包括：接收用户的当前位置；基于当前位置对用户到达建筑物的预期到达时间进行估计；以及基于预期到达时间来对建筑物的预期利用进行确定。

Description

用于预测性地准备供水***的方法和***

技术领域

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

背景技术

无论是在商业环境还是家庭环境中，全年全天都需要热水。不言而喻，提供热水既需要清洁的水，又需要热源。为了提供热水，通常向集中式供水***提供加热***以将水加热至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更多个电加热元件或燃烧天然气。一般而言，在高能源(例如天然气或电力)需求时期，公用事业提供商会实施峰值费率，这种峰值费率会增加能源的单位成本，实施峰值费率部分地是为了支付必须购买更多能源以供应给客户的额外成本，部分地是为了阻止不必要的能源使用。然后，在低能源需求时期，公用事业提供商将实施非高峰费率，从而降低能源的单位成本，以激励客户在这些非高峰时段而不是高峰时段使用能源，从而实现整体上更加平衡的随时间推移的能源消耗。然而，仅有当客户始终了解费率变化并有意识地努力改变其能源消费习惯时，此类策略才会有效。

清洁水作为公用事业目前受到广泛关注。随着清洁水变得越来越稀缺，已付出了很大努力来教育公众保护清洁水，并开发减少用水量的***和设备，例如减少水流量的曝气淋浴器和水龙头，配备有运动传感器的在未检测到运动时停止水流的淋浴器和水龙头，等等。然而，这些***和设备仅限于单一特定用途，并且对有问题的用水习惯的影响有限。

随着人们对能源消耗的环境影响的日益关注，最近人们对使用热泵技术作为提供生活热水的方式越来越感兴趣。热泵是一种将热能从热源转移到储热器的装置。尽管热泵需要电力来完成将热能从热源转移到储热器的工作，但它通常比电阻加热器(电加热元件)更有效，因为它的性能系数通常至少为3或4。这意味着在相同的用电量下，与电阻加热器相比，热泵可以为用户提供高达3或4倍的热。

携带热能的传热介质被称为制冷剂。来自空气(例如，室外空气，或来自房屋内热室的空气)或地源(例如，接地回路或充满水的钻孔)的热能被传递到所包含的制冷剂，例如通过热交换器。此时较高能源的制冷剂被压缩，导致其温度显着升高，并且此时的这种热制冷剂随后通过热交换器将热能交换到热水回路。在提供热水的情况下，热泵提取的热可以转移到充当热能储存器的绝热罐中的水中，并且可以在以后需要时使用热水。根据需要，加热的水可以转移到一个或更多个出口，例如水龙头、淋浴器、散热器。然而，与电阻加热器相比，热泵通常需要更多时间才能将水升至期望温度，部分原因在于热泵通常启动缓慢。

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，为了节约能源和水，可能需要调节能源和清洁水的消耗；然而，调节公用事业消耗不能简单地限制使用量。

因此，期望提供用于提供热水的改进的方法和***。

发明内容

本技术的一方面提供了一种计算机实现的方法，该计算机实现的方法用于使安装在建筑物中的供水***进行预测性的准备，该供水***包括被配置成将热能从周围环境传递到热能储存介质的热泵并且包括被配置成对热泵的操作进行控制的控制模块，供水***被配置成在一个或更多个出水口处向建筑物的用户(occupant)提供通过热能储存介质而被加热的水，该方法由控制模块执行并且包括：接收用户的当前位置；基于当前位置对用户到达建筑物的预期到达时间进行估计；基于预期到达时间对建筑物的预期利用(occupancy)进行确定；以及在预期到达时间之前，启用热泵以开始将热能储存在热能储存介质中达预定时间长度，从而将热能储存在热能储存介质中。

根据本实施方式，控制模块能够基于用户的当前位置(例如从用户的智能手机接收到的GPS信号)来估计用户预期何时到达建筑物。该信息可以以多种不同的方式被使用以例如为建筑物被利用时做好准备，例如在寒冷的天气为建筑物供暖，在炎热的天气使建筑物降温，以及提前将热储存在热能储存介质中使得可以提取储存的热能以供以后使用。与基于预设时间表(无法考虑每日、每周或一次性变化)或基于用户的手动远程启用(这可能不切实际，例如，如果用户正在开车的话)而提前使热水***进行准备(例如以向中央供暖提供热水)的传统方法相比，基于一个或更多个用户的当前位置来确定或估计到达时间提供了对建筑物的预期利用的更准确的指示，这又使供水***以更节能的方式运行，例如通过对热能储存介质进行预充注以使热泵能够更有效地用作水或建筑物的加热方式，但无需在不需要时不必要地运行水加热***(例如用于中央供暖)。通过在预期利用上升之前对热能储存介质进行预充注，可以减少使用热泵作为加热水的方式的延迟，从而使热泵能够用作加热水的有效方式，上述延迟通常是由于热能储存介质需要达到一定的操作温度而引起的。

在一些实施方式中，该方法可以至少部分地由在控制模块上执行的第一机器学习算法MLA来执行，第一MLA已被训练为基于用户的当前位置来对建筑物的利用进行预测。

在一些实施方式中，接收用户的当前位置可以包括与先前在控制模块上注册的电子设备进行通信，该电子设备包括智能手机、平板电脑和/或卫星导航***中的一种或更多种。

在这些实施方式中，用户可以在控制模块上注册一个或更多个电子设备，作为初始设置过程的一部分。例如，注册过程可以使得控制模块能够在一个或更多个电子设备试图通过通信信道与控制模块无线通信以例如传输当前位置、当前交通状况和/或预期到达时间等信息时识别出该一个或更多个电子设备。

在一些实施方式中，对预期到达时间进行估计可以包括从电子设备获取预期到达时间。

在一些实施方式中，可以基于当前位置处的当前交通状况来对预期到达时间进行估计。

在一些实施方式中，可以基于预期利用来设置预定时间长度，其中对于较高的预期利用，预定时间长度被设置为较长。较高的利用可能需要较多的热水，例如用于供暖和一般用途(例如洗手、淋浴)，并且为了满足对热水的较高需求，在用户预期到达建筑物之前，可以通过使热泵运行较长时间来将热能储存介质预充注至较高的工作温度。

在一些实施方式中，可以基于预期热水使用来设置预定时间长度，预期热水使用是利用公用事业使用模式来估计得出的，公用事业使用模式是由第二MLA基于从供水***获得的传感器数据而为供水***建立的。在某些情况下，低利用并不意味着对热水的需求低，例如，当用户到达建筑物后频繁洗澡或在其他用户到达之前使用热水准备饭菜时。通过基于预期的热水使用对热能储存介质预充注达一时间长度，可以确保通过热泵提供充足的热水并减少例如电加热元件的使用。

在一些实施方式中，公用事业使用模式可以包括：关于时间、星期和/或日期的预期冷水使用；关于时间、星期和/或日期的预期热水使用；关于时间、星期和/或日期的预期能源使用；或以上各者的组合。

在一些实施方式中，该方法还可以包括将由热泵提取的热能的一部分转移用以将建筑物从当前室内温度加热到第一室内温度，其中预定时间长度是基于当前室内温度和第一室内温度来设置的。热泵提取的部分热能可直接用于在寒冷天气为建筑物供暖，也可通过中央供暖***中的循环热水为建筑物在寒冷天气供暖。将建筑物加热至预设的第一室内温度所需的热能的量将取决于当前的室内温度。因此，通过根据当前室内温度和预设的第一温度对热能储存介质进行预充注达一时间长度，可以确保建筑物在用户到达时达到第一温度，同时在热能储存介质中储存足够量的能源以提供热水。

在一些实施方式中，预定时间长度可以由用户手动设置。

在一些实施方式中，可能期望热能储存介质在用户到达之前被预充注至最佳操作温度。因此，在一些实施方式中，预定时间长度可以基于热能储存介质达到最佳操作温度的时间来设置。

在一些实施方式中，热能储存介质达到最佳操作温度的时间可以基于热能储存介质达到最佳操作温度的多个先前时间的平均值来估计。

虽然在之前的多次情况下对热能储存介质进行预充注的平均时间是状况相似时所需时间长度的良好指示，但也可能存在这样的情况：例如，当天气状况突然变化时，平均时间成为不太准确的指示。因此，在一些实施方式中，热能储存介质达到最佳操作温度的时间可以由第三MLA确定，该第三MLA被训练为基于从供水***获得的传感器数据来确定热能储存介质达到最佳操作温度的时间。

在一些实施方式中，传感器数据可包括室内温度、室外温度、热泵最后被启用的时间或其组合。

本技术的另一方面提供了一种包括机器可读代码的计算机可读介质，机器可读代码当由处理器执行时使得处理器执行如上所述的方法。

本技术的另一方面提供了一种被配置为控制供水***的控制模块，该控制模块包括处理器，该处理器具有在其上运行的机器学习算法，该机器学习算法被训练以执行如上所述的方法。

在一些实施方式中，控制模块还可以包括通信接口，通信接口被配置为通过通信信道与在控制模块上注册的电子设备通信，其中，电子设备包括智能手机、平板电脑和/或卫星导航***中的一种或更多种。

本技术的每个实施方式均具有上述目的和/或方面中的至少一个，但不一定具有全部。应当理解，由于试图实现上述目的而产生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叙述的其他目的。

本技术的实施方式的附加和/或替选特征、方面和优点将从以下描述、附图和所附权利要求中变得明显。

附图说明

现在将参考附图描述本公开的实施方式，其中：

图1是示例性供水***的示意性***概览；

图2示意性地示出了用于建立使用模式的MLA的示例性训练阶段；

图3示意性地示出了由MLA进行的用以输出利用预测的示例性数据处理；

图4示意性地示出了由MLA进行的用以对热储存器进行预充注的示例性数据处理；

图5示意性地示出了由MLA进行的用以启用热泵的示例性数据处理；

图6示意性地示出了由MLA进行的用以启动热泵除霜循环的示例性数据处理；

图7是根据实施方式的改变用户的水使用习惯的示例性方法的流程图；

图8是根据实施方式的调节水使用的示例性方法的流程图；

图9是根据实施方式的调节水使用的另一示例性方法的流程图；以及

图10示意性地示出了由MLA进行的用以输出泄漏告警的示例性数据处理。

具体实施方式

鉴于前述，本公开提供了用于使用热泵或由热泵辅助来提供热水的各种方法，以及在一些情况下用于对包括水和能源的公用事业的使用进行调节以减少水和能源的浪费的方法。本方法可以通过使用一种或更多种机器学习算法(MLA)来实现，该机器学习算法被训练为基于从供水***接收的传感器数据经由控制模块来控制和调节供水***的供水。例如，在训练阶段，MLA可以监控家庭环境中的热水使用情况并建立正常使用模式。MLA可以被训练来根据多种不同的输入，例如一天中的某个时间、一周中的某一天、日期、天气等，来识别不同类型的用水(例如淋浴、洗手、取暖等)。在一些实施方式中，MLA可以收集额外的数据，例如***出水口开启和关闭的时间、使用时长、用户设置的水温以及当热水被提供至用户时的实际水温等。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来提高使用热泵或由热泵辅助提供热水的效率和效果。

在一些实施方式中，MLA可以被训练以在出水口开启时或出水口开启之前实施一种或更多种节能策略，并且可选地实施一种或更多种交互策略以帮助改变水和能源使用习惯，例如逐渐减少水和/或能源使用。

下面给出了针对使用一个或更多个MLA的实施方式的多种不同类型的机器学习算法的简要概述。然而，应当注意的是，使用MLA来建立正常使用模式只是实现本技术的一种方式，但它不是必需的；在一些实施方式中，控制模块可以被编程有适当的软件功能以针对于特定的热水使用，例如过量的水流，并且以预定的方式进行响应。

MLA概述

本领域已知有许多不同类型的MLA。从广义上讲，MLA分为三种类型：基于监督学习的MLA、基于无监督学习的MLA和基于强化学习的MLA。

监督学***。基于监督学习的MLA的示例包括：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。此类MLA用于将值群体聚类为不同的组，广泛用于将客户细分为不同的组以进行特定干预。无监督学习MLA的示例包括：Apriori算法、K均值。

强化学习MLA经训练以做出具体决策。在训练期间，MLA暴露在训练环境中，其通过反复试验不断自我训练。MLA从过往的经验中学习，并尝试获取可能的最佳知识以做出准确的决策。强化学习MLA的示例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)

一般而言，给定的NN由一组互连的人工“神经元”组成，它们使用联结主义计算方法处理信息。NN用于对输入和输出之间的复杂关系进行建模(无需实际了解这些关系)或查找数据中的模式。NN首先在训练阶段进行调节，在训练阶段神经网络被提供成组已知的“输入”和信息，以使NN适于生成适当的输出(针对正在尝试建模的给定情况)。在此训练阶段，给定的NN适应于正在学习的情况并改变其结构，使得给定的NN能够在新情况下(基于所学的内容)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，而是基于对情况的“感觉”提供“直观”的答案。因此，给定的NN被视为经过训练的“黑匣子”，给定的NN可用于在“匣子”中发生什么并不重要的情况下确定给定的成组输入的合理答案。

神经网络通常用于许多这样的情况，在这些情况下，只需要根据给定的输入了解输出，但输出是具体如何得出的不太重要或不重要。例如，NN通常用于优化服务器之间的网络流量分布以及优化数据处理，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方式中，NN可以被实现为深度神经网络。应当理解，NN可以被分为各种类别的NN，并且这些类别之一包括循环神经网络(RNN)。

循环神经网络(RNN)

RNN适于使用其“内部状态”(存储的内存)来处理输入序列。这使得RNN非常适合诸如未分段手写识别和语音识别等任务。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。

还应该注意的是，RNN本身也可以分为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***，可以对从某种意义上讲需要“记忆”之前在非常短且离散的时间步长内发生的事件的任务进行学习。LSTM网络的拓扑可能会根据它们“学习”执行的特定任务而有所不同。例如，LSTM网络可以学习执行事件之间出现相对较长延迟的任务或学习执行事件以低频和高频一起发生的任务。具有特定门控机制的RNN称为GRU。与LSTM网络不同，GRU缺乏“输出门”，因此与LSTM网络相比具有更少的参数。BRNN可能具有以相反方向连接的神经元“隐藏层”，这可能允许使用来自过去和未来状态的信息。

残差神经网络(ResNet)

可用于实现本技术的非限制性实施方式的NN的另一示例是残差神经网络(ResNet)。

深度网络自然地以端到端的多层方式集成低/中/高级特征和分类器，并且特征的“级别”可以通过堆叠层数(深度)来丰富。

总而言之，在本技术的背景下一个或更多个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更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了解了期望哪些数据作为输入以及提供哪些数据作为输出，则给定的MLA将在使用中阶段使用正在使用的数据运行。

供水***

在本技术的实施方式中，冷水和热水由集中供水***提供至家庭或商业环境中的建筑物的多个出水口，包括水龙头、淋浴器、散热器等。图1中示出了根据实施方式的示例性供水***。在本实施方式中，供水***100包括控制模块110。控制模块110通信地耦合到供水***的各个元件，并且被配置为对供水***的各个元件进行控制，上述的供水***的各个元件包括流控制件130、(地源或空气源)热泵140、热能储存器150和一个或更多个电加热元件160，流控制件130例如呈一个或更多个阀的形式，流控制件130布置成对***内部和外部的水流进行控制，热泵140配置成从周围环境提取热并将提取的热蓄存在热能储存器150中以用于对水进行加热，一个或更多个电加热元件160被配置为通过对供应到电加热元件160的能源的量进行控制来将冷水直接加热到期望的温度。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加热的，然后根据需要以及在需要时被引导到一个或更多个出水口。在实施方式中，热泵140从环境((例如，对于空气源热泵而言所述环境是环境空气，对于地源热泵而言所述环境是地热能，或者对于水源热泵而言是从水体中提取热))中提取热，热被制冷剂吸收，然后从制冷剂传递到工作液体，工作液体又将热传递到热能储存器150内的热能储存介质，在热能储存介质中，热优选地被储存为潜热。来自热能储存介质的能源然后可用于将较冷的水(例如来自水源(可能是自来水源)的冷水)加热至期望的温度。然后，可以将加热的水供应至***中的各个出水口。

在本实施方式中，控制模块110被配置为从多个传感器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/或室外的一个或更多个空气温度传感器、一个或更多个水温度传感器、一个或更多个水压传感器、一个或更多个定时器、一个或更多个运动传感器，并且可以包括不直接链接至供水***100的其他传感器，诸如位于例如由用户携带的智能手机上的并通过通信通道与控制模块进行通信的GPS信号接收器、日历、天气预报应用程序。在本实施方式中，控制模块110被配置为使用接收到的输入来执行各种控制功能，例如控制水流通过流控制件130到达热能储存器150或电加热元件160以对水进行加热。在本实施方式中，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。MLA120可以使用控制模块110接收的输入传感器数据进行训练，以基于例如一天中的某个时间、一周中的某一天、日期(例如季节变化、公共假日)、利用率等来建立基线水和能源使用模式。然后可以使用学习到的使用模式来确定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，但启动热泵需要时间(通常一分钟或更长时间)，并且将足够量的热能传递到热能储存介质使储存介质达到所需的工作温度然后能用于对水进行加热，也需要时间；因此，与电阻加热器相比，从最初的起点开始，热泵通常需要更长的时间才能将相同量的水加热到相同的温度。此外，在一些实施方式中，热泵140可以例如使用相变材料(PCM)作为热能储存介质，该相变材料在加热时从固体变为液体。在这种情况下，如果已允许固化，则可能需要额外的时间将PCM从固体转变为液体，然后热泵提取的热能才会产生提高热储存介质温度的效果(直到此时能源以潜热形式储存)。虽然这种加热水的方法速度较慢，但与电加热元件相比，它加热水所消耗的能源更少，因此总体而言，节省了能源并降低了提供热水的成本。

相变材料

在本实施方式中，相变材料可以用作热泵的储热介质。一类合适的相变材料是石蜡，其具有对于家用热水供应而言感兴趣的温度处的固-液相变，并且该固-液相变能用于与热泵结合使用。特别令人感兴趣的是在40至60摄氏度(℃)范围内的温度下熔化的石蜡，并且可以发现在此范围内蜡在不同的温度下熔化以适应特定的应用。典型的潜热容约为180kJ/kg至230kJ/kg之间，比热容在液相中约为2.27Jg^-1K^-1，在固相中为2.1Jg^-1K^-1。可以看出，利用融解潜热可以储存非常大量的能源。通过将相变液体加热到其熔点以上也可以储存更多的能源。例如，在非高峰时段期间电力成本相对较低时，热泵可以运行以将热能存储“充注”至高于正常温度以使热能存储“过热”。

合适的蜡可以是熔点在48℃左右的蜡，例如正二十三烷C₂₃，或石蜡C₂₀-C₃₃，其需要热泵在约51℃的温度处运行，并且能够将水加热到约45℃的对于一般家用热水而言令人满意的温度，约45℃的水足以用于厨房水龙头、淋浴/浴室水龙头。如果需要，可以将冷水添加到水流中以降低水温。考虑了热泵的温度性能。通常，热泵加热的流体的输入和输出温度之间的最大温差优选保持在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源储存***，例如现有的潜热能源储存***。在本文中，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耗。在相变时，水合物晶体被分为无水(或含水较少)的盐和水。盐水合物的优点是它们的导热率比石蜡高得多(高至2到5倍)，并且相变时的体积变化小得多。目前应用的合适的盐水合物是Na₂S₂O₃·5H₂O，其熔点约为48℃至49℃，潜热为200-220kJ/kg。

使用模式

图2示出了根据实施方式的MLA 2200(例如MLA120)的训练阶段，用以建立基线公用事业使用模式。

在该实施方式中，MLA 2200在一时间段内从多个传感器和其他源接收输入，以了解例如房屋用户的使用模式。例如，MLA 2200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某个时间2101以及日期和一周中的某一天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利用数据2103。在下面描述的另一实施方式中，也可以基于多个因素来预测利用。控制模块可以与用于MLA 2200的一个或更多个室外温度传感器通信，以接收当前天气2104的输入。控制模块还可以与用于MLA 2200的一个或更多个室内温度传感器通信，以接收室内温度2105。多个水温度、压力和流传感器可以设置在供水***的不同位置处，例如在干线(mains)进水口处以测量干线进水口温度2106、干线流量2107和干线流压力2108，其可以输入到MLA 2200。传感器可以设置在一个或更多个或每个出水口处(或者控制流向出水口的水流的阀)以检测相应的出水口何时打开以及何时关闭、以及出水口处的水的温度，与热/冷水使用时间和温度2109以及热/冷水使用体积2110有关的数据可以被输入到MLA 2200。MLA 2200还可以收集关于以下方面的数据：供水***的能源使用2111，例如使用时间、使用的能源量；以及在控制模块与能源供应商通信的情况下，当前的费率。MLA 2200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。应当注意的是，MLA不一定接收、收集和/或使用在此所描述的所有输入传感器数据，并且本文描述的输入传感器数据的列表不是详尽的，MLA也可以根据需要接收、收集和/或使用其他输入数据。具体地，在控制模块与例如一个或更多个智能设备(例如智能手机)或者一个或更多个用户的个人计算机进行通信的实施方式中，MLA可以接收并使用从这些设备获得的其他个人或公共数据。

在训练阶段，MLA 2200根据接收到的输入数据为用户建立水和能源使用模式。例如，使用模式2300可以包括热水使用模式、冷水使用模式、能源使用模式、热泵使用模式、利用模式，使用模式基于例如一天中的某个时间、一周中的某一天、日期、利用水平等来提供预期使用的基线。

利用预测

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MLA 3200的实施方式，该MLA 3200处理一组输入数据以输出对例如房屋的利用预测。MLA 3200可以是与MLA2200相同的MLA或者可以是不同的MLA。MLA 3200可以使用适当的训练数据集来训练，例如基于利用水平和用户在一年内到达房屋的规划。

MLA 3200通过控制模块从多个源接收特定于房屋及其用户的输入数据，所述多个源包括布置在房屋周围的一个或更多个传感器、一个或更多个用户接口(例如房屋周围的与控制模块、智能设备、个人计算机等通信的控制面板)、一个或更多个软件程序、一个或更多个公共和私有数据库等。在本实施方式中，MLA 3200例如从在控制模块上运行的或通过通信网络远程运行的时钟和日历功能接收当前时间3101、日期3102和一周中的某一天3103的输入。MLA 3200还从例如房屋的用户通过用户接口接收任何特殊事件或公共假期3104的输入，从用户的智能设备上的日历应用程序自动获得，或者通过通信网络从公共域获得。MLA 3200然后基于输入数据确定预期利用水平并输出利用预测3300。通过确定建筑物的预期利用，可以估计或预测可能的公用事业(例如能源和水)需求。

在另一实施方式中，当确定用户不在房屋中时，MLA3200接收一个或更多个用户的当前位置3105的输入。例如，用户可以向控制模块或与控制模块通信的服务器注册一个或更多个具有GPS功能的智能设备(例如智能手机)，然后MLA 3200可以通过经由通信网络获取在与每个用户相对应的注册智能设备上接收的GPS信号来接收每个用户的当前位置。然后，基于用户的当前位置3105和可选的其他信息(例如从公共域获得的交通状况)，MLA3200确定每个用户到达房屋的预期到达时间3106。每个用户的预期到达时间3106还可以基于诸如当前时间3101、日期3102、一周中的某一天3103和事件日3104之类的其他输入来确定。MLA 3200然后可以使用预期到达时间3106来输出对房屋的利用预测3300(未来的利用水平而不是当前的利用水平)。

当控制模块执行供水***的各种控制功能时，利用预测3300是有用的指示器。例如，在预计用户到达之前，热水可以被引导至安装在房屋中的中央供暖***的散热器。另一示例是在预期用户到达之前启动热泵以开始将热能储存在热能储存器中；此外，可以在基于用户的预期到达时间3106的时间启动热泵，使得在预计用户到达之前，热能储存已“充注满”(达到一定程度的液化)。

预充注热能储存器

在传统方法中，通过热泵从外部空气中以及从制冷剂的压缩中提取的热被直接从热泵的工作液体传递到水(例如来自干线)，例如储存在绝热储存罐中的水，需要时将储存罐中的热水供应至各个出水口。这种传统方法的一个缺点是热泵将足够量的热从外部空气(或由热泵从中提取能量的任何能源)传递到罐中的水以达到期望温度所需的时间。因此，热泵热水器通常与传统的电阻热水器结合安装，有时，当水尚未被热泵充分加热时，由传统的电阻热水器将水加热至期望温度。

根据本技术的实施方式，热能储存器150中的热能储存介质被设置用于储存由热泵140提取的热，并且所存储的热可以在需要时用于对水进行加热。在本实施方式中，在出现对热水的需求之前，可以通过操作热泵将热传递到热能储存器中来对热能储存介质进行预充注。这在对热水的需求和/或对电力的需求全天波动的情况下可能是期望的，使得例如当对热水的需求高时操作热泵和/或电阻热水器可能不是成本有效的，并且可能在高需求时给能源网络带来额外压力。

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MLA 4200的实施方式，该MLA 4200处理一组输入数据以输出对热能储存介质进行预充注以将其温度升高至期望操作温度的决定。MLA 4200可以是与MLA 2200和/或MLA 3200相同的MLA，或者它可以是不同的MLA。MLA 4200可以例如基于房屋的热水需求而使用适当的训练数据集进行训练。

MLA 4200通过控制模块从多个源接收特定于房屋及其用户的输入数据，所述多个源包括布置在房屋周围的一个或更多个传感器、一个或更多个用户接口(例如房屋周围的与控制模块、智能设备、个人计算机等通信的控制面板)、一个或更多个软件程序、一个或更多个公共和私有数据库等。在本实施方式中，MLA 4200例如从控制模块上的时钟和/或日历接收当前时间和日期4101的输入，以及例如从向房屋供应能源的能源供应商获取能源需求数据，例如当前费率4102，所述当前费率指定了在能源的单位成本较低的非高峰时段期间的能源单位成本。

替选地或附加地，MLA 4200可以从如上所述建立的公用事业使用模式2300和利用预测3300得出能量需求数据。例如，如果房屋的当前能源使用低于一段时间(例如一天)内的平均水平，那么当前的能源使用可以被认为是低的；相反，如果房屋当前的能源使用高于平均水平，则当前的能源使用可以被认为是高的。

然后，基于从能源供应商获得的所接收到的费率信息4102(以及任何其他能源需求数据)，MLA 4200可以确定当前的能源需求水平，并且当当前的能量需求被认为低时，启用热泵以对热能储存器4300进行预充注，在热水需求出现(例如当用户预计到达房屋时和/或当预计热水需求在晚上上升时)之前准备提供热水。

此外，使用接收到的时间/日期4101以及公用事业使用模式2300和利用预测3300，MLA 4200可以预测一个或更多个参数，例如热水使用的预期水平和能源使用的预期水平。然后，基于预测的参数，MLA 4200可以确定要储存在热能储存介质中的热能的量。例如，如果预期热水使用的水平预计较高并在较长时间内保持高水平，则MLA 4200可以在预期需求上升之前运行热泵达足够长的时间段，以便将热能储存介质预充注至高于例如由安装器的用户设置的正常操作温度的温度，从而储存足够量的能源用于持续热水使用。

通过使供水***能够预测对热水的预期需求，以便在需求上升之前准备储存热源，本实施方式使得热泵能够在如果仅在需求的当时被启用而可能原本无法充分响应的情况下被使用。而且，以当前的费率作为输入，可以在能源单位成本较低的能源低需求时期运行热泵对热能储存器进行预充注，并且通过将能源使用从高需求时间转移到低需求时间而缓解了能源网络的压力。本实施方式同样适用于自给式家庭，因为对热水和电力的需求通常在全天内会上升和下降。因此，将用于运行热泵的电力使用转移到电力需求低的时间可以使自给式家庭运行更平稳。总体而言，本实施方式能够以较低的成本使用更有效的热水提供形式，即热泵，并且几乎没有由于将水加热到期望温度的延迟而产生的缺点。

热水需求预测

图5示例性地示出了在控制模块(例如控制模块110)上执行的MLA 5200的实施方式，该MLA 5200被训练以基于冷水的使用来确定是否启用热泵。MLA 5200可以是与MLA2200和/或MLA 3200和/或MLA 4200相同的MLA，或者它可以是不同的MLA。

MLA 5200通过控制模块从多个输入接收特定于房屋的输入数据，这些输入包括布置在房屋周围的一个或更多个传感器、一个或更多个用户接口(例如房屋周围的与控制模块、智能设备、个人电脑等通信的控制面板)、一个或更多个软件程序、一个或更多个公共和私有数据库等。在训练阶段，MLA 5200可以被训练来识别随后的热水使用与冷水使用之间的相关性。例如，MLA 5200可以被训练来识别浴室中冷水的使用(例如，填充马桶的水罐)与随后的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，在训练阶段期间，MLA 5200可以使用与冷水使用之后的热水使用相关的传感器数据来建立两个事件之间的相关程度。传感器数据可以例如包括在接收到第一传感器数据和接收到第二传感器数据之间经过的时间、第二出水口相对于第一出水口的位置、在接收到第一传感器数据之后接收第二传感器数据的频率、一天中的某个时间、一周中的某一天，但该列表并不详尽。

在本实施方式中，MLA5200接收被启用的冷水出口5101的输入，并且基于与所建立的公用事业使用模式2300和利用预测3300相关的当前冷水使用，MLA5200可以根据当前的冷水使用与在当前的冷水使用之后的热水使用之间的相关程度来确定热水需求的可能性。如果确定了对热水的预期需求，则MLA 5200可以指示控制模块在预期需求的情况下启用热泵5300。

为了确定在当前冷水使用之后的对热水的需求的可能性是否足够高以值得花费能源来操作热泵对热能储存介质进行预充注，MLA 5200可以建立训练阶段期间的阈值，该阈值指示在何时该可能性值得启用热泵。在一实施方式中，当期望热泵的这种预测性启用时，可以通过用户或安装者手动输入实例来手动建立阈值。在另一实施方式中，阈值可以由MLA5200基于公用事业使用模式2300和/或利用预测3300来建立。

在另一实施方式中，MLA5200确定是否启用热泵还可以基于例如从能源供应商获得的当前费率5102的输入。在本实施方式中，可以基于在训练阶段期间从能源提供商获得的费率信息来确定阈值。替选地或附加地，可以在运行时间期间基于当前费率来修改阈值。例如，如果当前费率5102指示非高峰费率，意味着电加热元件160可以低成本运行，并且MLA5200确定了当前的冷水使用和热水的预期需求之间的低相关性，MLA 5200可以确定没有必要启用热泵来对热能储存器进行预充注，因为不太可能存在对热水的需求；如果有对热水的需求，可以使用电加热元件160来对水进行加热。另一方面，如果当前费率5102指示能源的单位成本高时的峰值费率，这意味着使用电加热元件160加热水将是昂贵的，并且如果MLA 5200确定在当前的冷水使用和预期的热水需求之间仅存在低相关性，则MLA 5200可以确定启用热泵以对热能储存器进行预充注从而为热水需求做好准备(尽管低相关性)更具成本效益，避免了使用电加热元件160来提供热水的更昂贵的选择。在后一示例中，MLA5200可以修改阈值，使得其低于前一示例中的阈值，使得即使两种情况下的可能性相同，热泵也可以在后一示例中被启用。

通过在需要热水之前准备好供水***，可以减少热水供应的延迟，从而通过减少用户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在需要热水之前通过操作热泵来预测性地准备储存热源，可以利用热泵作为热水供应的可靠形式，从而减少甚至不存在固有的延迟。

预测除霜

如上所述，热泵诸如热泵140包括具有热交换器盘管的室外单元，热交换器盘管从外部空气或地面提取热并将其直接传递到室内单元，要么传递到建筑物内部以对其进行供暖，要么将其传递到热能储存介质用于储存以供以后使用。从室外空气中提取热能的过程会使室外单元中的热交换器盘管冷却，空气中的水分会凝结在凉爽的室外盘管上。在寒冷的室外条件下，例如当室外空气为5℃时，室外盘管会冷却到冰点以下，并且室外盘管上会结霜。随着室外盘管上积霜，热泵的效率会降低，与无霜盘管相比，需要与室外空气更大的温差才能输出相同的功率。因此，期望定期地以及当霜积聚时以除霜循环运行热泵，以从热泵的室外单元中的热交换器盘管去除霜。

许多因素都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，旧***可能效率较低，需要更频繁的除霜)。一般而言，每当室外热交换器盘管上结霜时，热泵就会运行除霜循环。

在除霜循环期间，热泵反向运行，将温暖的制冷剂发送到室外单元以对热交换器盘管进行解冻。热泵可以运行除霜循环，直到例如盘管达到15℃左右。一旦热交换器盘管解冻，热泵就可以恢复正常的加热循环。显然，当热泵正在运行除霜循环时，其将无法执行其将热传递到室内单元(例如传递到热能储存器150)的正常功能，直到除霜循环完成。因此，可能需要在热泵除霜循环开始之前使建筑物作好相应准备。

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MLA 6200的实施方式，MLA6200处理一组输入数据以预测热泵(例如热泵140)的下一除霜循环。MLA6200可以是与MLA2200和/或MLA 3200和/或MLA 4200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接收特定于房屋的输入数据，这些输入包括布置在房屋周围的一个或更多个传感器、一个或更多个用户接口(例如房屋周围的与控制模块、智能设备、个人电脑等通信的控制面板)、一个或更多个软件程序、一个或更多个公共和私有数据库等。在训练阶段期间，MLA6200可以接受训练以识别何时需要除霜循环，并建立在除霜循环中运行热泵的时间尺度和平均能源需求，对上述时间尺度和平均能源需求的建立例如基于天气预报、当前天气状况、室内温度和从先前除霜循环收集的数据，以及对热泵的性能(例如，热泵的平均热能输出、热泵效率或性能系数、以及与热泵的性能相关的任何其他信息或量)的了解。

在本实施方式中，MLA 6200接收下述输入，即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程序获得的天气预报6101、例如从公共域或布置在房屋周围的一个或更多个传感器获得的诸如温度和湿度等的当前天气状况6102、例如从布置在房屋内部的一个或更多个温度传感器获得的室内温度6103、以及与当热泵最近进行除霜时的最后除霜循环6104相关的数据。在此基础上，MLA 6200可以。基于天气预报、当前天气状况和室内温度，MLA 6200可以预测何时可以进行下一除霜循环6301，例如，当存在长时间的低温和高湿度时，可能需要更快地进行除霜循环，并且可以估计对热泵进行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和利用预测3300，MLA 6200可以估计在预测进行除霜循环的时间期间的预期能源和热水需求，并且在预测的除霜循环的预期中准备供水***6302，例如通过在热能储存器中存储额外的热能(除了PCM中的潜热之外，通过将能源存储为显热)、将房屋加热到高于预设温度的温度等。

另外或替选地，MLA 6200还可以预测何时对能源和热水(例如，对于水龙头、淋浴器和/或中央供暖)的需求较低，并且确定用于对热泵进行除霜的适当定时，所确定的适当定时例如对向用户供应热水产生较小的干扰。使用这些输入，MLA 6200可以确定水和能源需求低(例如夜间)和/或利用低(例如在学校和工作时间)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时间和/或低利用时间。MLA6200然后可以指示控制模块操作热泵以在经调整的开始时间开始除霜循环6301。例如，如果MLA 6200预测在能源和热水需求预计较高的傍晚时分可能需要进行除霜循环，MLA6200可以通过操作热泵来对热能储存介质进行预充注以储存更多热，例如通过将热能储存介质的温度升高到更高的工作温度，以及在预测的除霜循环之前转移一些热以预热建筑物，和/或MLA6200可以将除霜循环开始时间调整到晚上晚些时候，预计此时的需求会降低。在另一示例中，如果预期在白天进行除霜循环，则MLA 6200可以基于利用预测和/或使用模式来将下一除霜循环确定在能源和热水需求低的时间段期间，例如预计利用较低或为零时，并且MLA 6200确定不需要进行准备或调整。

通过例如基于热泵的性能、天气预报、当前天气状况、当前室内温度、预期利用和热水需求，预测热泵的下一除霜循环，并在除霜循环开始之前预测性地准备供水***，本实施方式允许以对热水的供应干扰较小的方式执行必要的热泵除霜循环，从而使得热泵能够被用作提供热水的有效方式。

冷水建议

在一实施方式中，提供了方法和***来监测和交互地改变用户的用水习惯。该方法可以由MLA 7200来实现。MLA 7200可以是与MLA 2200和/或MLA 3200和/或MLA 4200和/或MLA 5200和/或MLA 6200相同的MLA，或者它可以是不同的MLA。在训练阶段期间，向MLA7200提供与例如房屋用户的用水有关的数据，以建立正常的用水模式，如上所述。此外，MLA 7200可以被训练来识别或识别正常使用模式中的实例，即打开出水口以提供由用户设定的温度T1的热水，但随后出水口被关闭直到水被加热到T1。当热泵用于提供热水时，这一点尤其相关，因为可能存在这样的实例：在启动热泵时，由热泵提取的能源必须首先将热能储存介质加热到期望的操作温度，然后再通过热能储存介质对水进行充分加热。如果热泵响应热水需求而启动，但出水口被关闭直到水被加热到期望温度，则用于操作热泵的能源(电力)就会被浪费，因为用户实际上没有接收热水。鉴于前述，MLA 7200可以被训练为当确定一种这样的短持续时间实例时采用一种或更多种能源减少策略。

参照图7，在S7001，用户将出水口的水温设置为T1，并打开出水口。在S7002，控制模块例如通过使用一个或更多个传感器检测向供水***供应的水源处的水压或水流的变化来确定出水口被打开，并且在S7003，控制模块运行MLA 7200来监测出水口处水温度的变化。随后，在S7004，控制模块确定出水口被关闭，以及在S7005，MLA 7200对在出水口被打开的时间段期间内水温度是否达到用户设定的T1进行确定。如果是，则该方法结束，不再采取进一步动作。

在S7005，如果确定了在出水口被打开的时间段期间内水温度尚未达到T1，则MLA7200可以采用一种或更多种节能策略。在实施方式中，在S7006，MLA 7200启动软件功能来生成通知以通知用户在出水口被关闭之前水尚未达到预设温度。在S7007，MLA 7200可选地记录事件。

随后，用户可以再次将同一出水口的水温度设置为T1并打开出水口。在确定出水口被打开之前或之时，在本实施方式中，MLA 7200将该用水实例识别为短时实例，在该短时实例中，在用户关闭出水口之前水温度不可能达到T1，然后MLA7200启动软件功能产生提示信号，提示用户将水温设置为较低温度T2或使用冷水代替热水。提示信号可以例如是出水口处或附近的闪光、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。MLA 7200可以基于已建立的使用模式来对此类短持续时间实例进行确定，或者使用一个或更多个指示来识别此类短持续时间实例。例如，MLA 7200可以使用出水口的位置或需要热水的时间作为指示。作为另一示例，MLA 7200可以预先确定在这种短持续时间热水使用实例之前的冷水使用实例(例如当马桶被冲水然后重新注水时)与随后用于洗手的热水需求之间的相关性，并且使用这样的冷水使用作为指示。

因此，根据本实施方式，用户意识到这样的实例，即他们需要热水但没有使用水达足够长的时间以使水被加热到一定温度。此外，在下一实例中，当持续时间可能较短时，提示用户使用较低温度的水或冷水，而不使用热水，使得用户可以选择避免因在非必要时从水供应***中要求热水而浪费能源。因此，本实施方式能够交互式地改变用户的热水使用习惯，以减少能源使用。

在图8所示的另一补充或替选实施方式中，在S8001，用户再次将水温设置为T1并打开出水口。在控制模块在S8002确定出水口被打开之前或之时，MLA 7200将该用水实例识别为短持续时间实例，并通过使控制模块将出水口的温度设置从T1变为较低温度T2来采用附加的或替选的能源减少策略。温度T2可以是比T1低的温度但仍然是被加热的，或者T2可以代表来自干线的未加热的冷水。在S8003，在控制模块的控制下，供水***将温度T2的水输出至出水口。

因此，根据本实施方式，当MLA 7200识别出短持续时间实例时，控制模块主动降低水温。通过降低水温，加热水所需的能源更少。这样做，本实施方式减少了在热水为非必要的情况下的能源消耗。

在图9所示的又一补充或替选实施方式中，在S9001，用户再次将水温度设置为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时，MLA 7200将该用水实例识别为短持续时间实例，并通过使控制模块将出水口的流量调节至较低流量来采用附加或替选的能源减少策略。在S9003，在控制模块的控制下，供水***以较低流量向出水口输出水。

因此，根据本实施方式，当MLA识别出短持续时间实例时，控制模块主动减少水流。当例如通过电加热元件加热水时，该实施方式尤其相关，使得通过减少水流，需要加热更少的水并且需要更少的能源来加热所使用的水量。这样做，本实施方式减少了水和能源的消耗。

泄漏告警

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的实施方式，MLA 1200处理一组传感器数据以输出针对给定建筑物的泄漏告警。MLA 1200可以是与MLA 2200和/或MLA 3200和/或MLA 4200和/或MLA 5200和/或MLA 6200和/或MLA 7200相同的MLA，或者它可以是不同的MLA。

MLA 1200通过控制模块从多个输入接收特定于房屋的输入数据，这些输入包括布置在房屋周围的一个或更多个传感器、一个或更多个用户接口(例如房屋周围的与控制模块、智能设备、个人计算机等通信的控制面板)、一个或更多个软件程序、一个或更多个公共和私有数据库等。在本实施方式中，MLA 1200例如从在控制模块上运行的或通过通信网络远程运行的时钟和日历功能接收当前时间和日期1101，然后使用所建立的公用事业使用模式2300和利用预测3300，MLA 1200可以估计当前时间和日期的预期水使用。另外，MLA 1200接收下述输入，即例如由在房屋的干线水入口处的适当传感器测量的干线水入口温度1102、干线水流量1103和干线水的水压1104，并确定实时的水使用。MLA 1200然后可以基于预期使用和实时使用来确定当前的水使用是否符合预期，并且如果当前的水使用超过预期使用，则MLA 1200输出水泄漏告警1300。MLA 1200可以预先进行训练，以识别当前水使用超过预期使用的情况是否与***中的水泄漏相关或者是否与需求意外增加(例如天气变化或利用增加)相关。在一些实施方式中，MLA 1200可以设置有阈值，超过预期使用的在该阈值之上的水使用水平则被视为泄漏。MLA 1200可以替选地在训练阶段期间建立这样的阈值，或者在使用时例如基于用户反馈来调节阈值。

通过建立公用事业使用模式并根据该模式监控当前的水使用，可以检测***中潜在的水泄漏情况，并在水泄漏变得更严重之前向用户发出早期告警，以便采取补救或纠正措施。

上述各种MLA可以指相同或不同的MLA。如果实现多个MLA，则MLA中的一个或一些或全部可以在控制模块110上执行，并且MLA中的一个或一些或全部可以在通过合适的通信信道与控制模块110进行通信的服务器(例如，云服务器)上执行。本领域技术人员应当理解，上述实施方式可以根据需要以任何组合、并行或替选策略来实现。

如本领域技术人员将理解的，本技术可以体现为***、方法或计算机程序产品。因此，本技术可以采取完全硬件实施方式、完全软件实施方式或组合软件和硬件的实施方式的形式。

此外，本技术可以采用在其上体现有计算机可读程序代码的计算机可读介质中的计算机程序产品的形式。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储存介质。计算机可读介质可以是例如但不限于电、磁、光、电磁、红外或半导体***、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以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传统编程语言(解释的或编译的)源代码、目标代码或可执行代码，诸如C语言、或者汇编代码、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，或硬件描述语言的代码，诸如VerilogTM或VHDL(超高速集成电路硬件描述语言)。

程序代码可以完全在用户的计算机上执行、部分地在用户的计算机上并且部分地在远程计算机上执行、或者完全地在远程计算机或服务器上执行。在后一情况下，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，子组件可以采取任何抽象级别的指令或指令序列的形式，从原生指令集的直接机器指令到高级编译或解释语言结构。

本领域技术人员还清楚的是，根据本技术的优选实施方式的逻辑方法的全部或部分可以适当地体现在包括用于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诸如可编程逻辑阵列或专用集成电路中的逻辑门之类的组件。这样的逻辑布置可以进一步体现为使用例如虚拟硬件描述符语言在这样的阵列或电路中临时或永久地建立逻辑结构的使能元件，其可以使用固定或可传输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此类具体引用的示例和条件。应当理解，本领域技术人员可以设计出各种布置，尽管本文没有明确地描述或示出，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，为了帮助理解，以上描述可以描述本技术的相对简化的实施方式。本领域技术人员将会理解，本技术的各种实现可能具有更大的复杂度。

在一些情况下，还可以阐述被认为是对本技术的修改的有用示例。这样做仅仅是为了帮助理解，并且再次强调，不是为了限制本技术的范围或阐述本技术的界限。这些修改并不是详尽的罗列，本领域技术人员仍然可以在本技术的范围内做出其他修改。此外，在没有阐述修改示例的情况下，不应解释为不可能进行修改和/或所描述的是实现本技术的该元素的唯一方式。

此外，本文中叙述该技术的原理、方面和实现方式及其具体示例的所有陈述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，本领域技术人员将理解，本文中的任何框图表示体现本技术的原理的说明性电路的概念视图。类似地，应当理解，任何流程图、流程图、状态转换图、伪代码等表示可以基本上在计算机可读介质中表示并且因此由计算机或处理器执行的各种过程，无论是否明确示出这样的计算机或处理器均如此。

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与适当的软件相关联地执行软件的硬件来提供。当由处理器提供时，功能可以由单个专用处理器、由单个共享处理器、或者由多个单独的处理器提供，多个单独的处理器中的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排他地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。还可以包括其他常规和/或定制的硬件。

软件模块或隐含为软件的简单模块在本文中可以被表示为流程图元素或指示处理步骤的执行和/或文本描述的其他元素的任意组合。这样的模块可以由明确或隐含地示出的硬件来执行。

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方式进行多种改进和修改。

Claims (17)

1.一种计算机实现的方法，所述计算机实现的方法用于对安装在建筑物中的供水***进行预测性的准备，所述供水***包括被配置成将热能从周围环境传递到热能储存介质的热泵并且包括被配置成对所述热泵的操作进行控制的控制模块，所述供水***被配置成在一个或更多个出水口处向所述建筑物的用户提供通过所述热能储存介质而被加热的水，所述方法通过所述控制模块来执行并且所述方法包括：

接收所述用户的当前位置；

基于所述当前位置，对所述用户到达所述建筑物的预期到达时间进行估计；

基于所述预期到达时间来对所述建筑物的预期利用进行确定；以及

在所述预期到达时间之前，对所述热泵进行启用以开始将热能储存在所述热能储存介质中达预定时间长度，从而将热能储存在所述热能储存介质中。

2.根据权利要求1所述的方法，其中，所述方法至少部分地由在所述控制模块上运行的第一机器学习算法MLA来执行，所述第一MLA已被训练为基于所述用户的当前位置来对所述建筑物的利用进行预测。

3.根据权利要求1或2所述的方法，其中，接收所述用户的当前位置包括：与先前在所述控制模块上注册的电子设备进行通信，所述电子设备包括智能手机、平板电脑和/或卫星导航***中的一种或更多种。

4.根据权利要求3所述的方法，其中，对预期到达时间进行估计包括从所述电子设备获得所述预期到达时间。

5.根据任一前述权利要求所述的方法，其中，基于所述当前位置处的当前交通状况来对所述预期到达时间进行估计。

6.根据任一前述权利要求所述的方法，其中，基于所述预期利用来对所述预定时间长度进行设置，其中，对于较高的预期利用，所述预定时间长度被设置为较长。

7.根据任一前述权利要求所述的方法，其中，基于预期热水使用来对所述预定时间长度进行设置，所述预期热水使用是利用公用事业使用模式来估计得出的，所述公用事业使用模式是通过第二MLA基于从所述供水***获得的传感器数据而为所述供水***建立的。

8.根据权利要求7所述的方法，其中，所述公用事业使用模式包括：关于时间、星期和/或日期的预期冷水使用；关于时间、星期和/或日期的预期热水使用；关于时间、星期和/或日期的预期能源使用；或者以上各者的组合。

9.根据任一前述权利要求所述的方法，所述方法还包括：将由所述热泵提取的热能的一部分进行转移用以将所述建筑物从当前室内温度加热至第一室内温度，其中，基于所述当前室内温度和所述第一室内温度来设置所述预定时间长度。

10.根据任一前述权利要求所述的方法，其中，由所述用户手动地设置所述预定时间长度。

11.根据任一前述权利要求所述的方法，其中，基于所述热能储存介质达到最佳操作温度的时间来对所述预定时间长度进行设置。

12.根据权利要求11所述的方法，其中，基于所述热能储存介质达到最佳操作温度的多个先前时间的平均值来对所述热能储存介质达到最佳操作温度的时间进行估计。

13.根据权利要求11或12所述的方法，其中，通过第三MLA来对所述热能储存介质达到最佳操作温度的时间进行确定，所述第三MLA被训练为基于从所述供水***获得的传感器数据来对所述热能储存介质达到最佳操作温度的时间进行确定。

14.根据权利要求13所述的方法，其中，所述传感器数据包括：室内温度、室外温度、所述热泵最后被启用的时间、或以上各者的组合。

15.一种计算机可读介质，所述计算机可读介质包括机器可读代码，所述机器可读代码在被处理器执行时使所述处理器执行根据任一前述权利要求所述的方法。

16.一种控制模块，所述控制模块被配置成对供水***进行控制，所述控制模块包括处理器，所述处理器上运行有机器学习算法，所述机器学习算法被训练为执行根据权利要求1至14中的任一项所述的方法。

17.根据权利要求16所述的控制模块，所述控制模块还包括通信接口，所述通信接口被配置成通过通信信道与在所述控制模块上注册的电子设备进行通信，其中，所述电子设备包括智能手机、平板电脑和/或卫星导航***中的一种或更多种。