一种电热水器及其节能控制方法

技术领域

本发明涉及能源管理及家电设计技术领域，具体涉及一种智能电热水器及其节能控制方法。

背景技术

在国家大数据与人工智能战略规划下，各行各业借助新技术全面提升产业发展智能化水平，调整优化行业产业结构，钢铁、化工、储运等行业已经借助大数据与人工智能技术在不同程度上实现了节能减排。

电热水器是家庭日常生活的主体电器之一，也是主要的电能消耗单元。以 80升的储水式电热水器为例，设定温度75度，每小时水温度下降1度左右，虽然用户不用热水但为了保持设定温度一天保温耗的电能也在3度以上，造成了不必要的电量损失。

发明内容

本发明的目的在于提供一种电热水器节能控制方法，借助大数据技术，以家用电热水器的节能为主要研究目的，从数据分析与优化的角度出发提出一种基于用户习惯的自学习智能电热水器设计的方案。

具体的，电热水器节能控制方法，所述方法包括以下步骤：

步骤1：在初始时间段内，实时采集用户使用热水器的数据；

步骤2：根据步骤1采集的的数据，用统计学的方法构建用户使用热水器习惯的概率分布；

步骤3：根据步骤2构建的概率分布，构建热水器的停止与开启加热操作设置；

步骤4：在第二时间段内，执行步骤3构建的热水器的停止与开启加热操作设置，继续实时采集用户使用热水器的数据，对用户使用热水器习惯的概率分布进行再修订，根据再修订结果对热水器的停止与开启加热操作设置进行优化；

步骤5：在后续的各时间段内，执行上一时间段获得的优化后的对热水器的停止与开启加热操作设置，继续实时采集用户使用热水器的数据，对用户使用热水器习惯的概率分布进行再修订，根据再修订结果对热水器的停止与开启加热操作设置进行再优化。

进一步的，所述方法步骤1中，实时采集用户使用热水器的数据具体为：将每天24小时按照一定的时间间隔分成若干个离散采样点，两个离散采样点之间为一个离散段，实时采集用户使用热水器的用水和对应的离散采样点的数据。

进一步的，所述方法步骤2中，用统计学的方法构建用户使用热水器习惯的概率分布具体为：统计每个离散采样点上的用热水情况，通过初始时间段的数据采集，用极大似然估计每个离散段用户用水的概率，从而得到每天用热水概率分布。

进一步的，所述方法步骤3中，热水器的停止与开启加热操作设置具体为：

设置底线概率阀值，用户使用热水器习惯的概率分布中高于阀值的时段定义为用水时段，开启电热水器加热，用户使用热水器习惯的概率分布中低于阀值的时段定义为非用水时段，关闭电热水器加热。

进一步的，所述方法中，初始时间段、第二时间段、后续各时间段均为一个月。

另一方面，本发明还提供了一种用于实现上述方法的电热水器，所述电热水器包括数据采集单元、加热棒、加热棒控制器，数据采集单元用于采集用户使用热水器的数据，加热棒控制器用于构建及修订用户使用热水器习惯的概率分布，构建及优化热水器的停止与开启加热操作设置。

本发明的有益效果在于：本发明设计一种电热水器及其节能控制方法，与现有技术相比，通过对用户使用热水器的数据分析，用统计的方法构建用水习惯的概率分布，随着用户对热水器的使用，数据的不断增加，给出了自学习、再学习，自校正和再校正的优化热水器停止与开启加热的方法，以期在满足用户正常用水的习惯下，最大限度的实现节能减排，有利于进一步推进热水器行业的智能升级。

附图说明

图1为用户对热水器使用习惯学习和再学习的概率分布示意图：

图2为极大似然估计方法构建用水习惯的概率分布示意图：

图3为自学习电热水器控制流程图：

图4为自学习电热水器自学习再学习示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行说明：

本实施例给出了一种基于用户习惯的自学习智能点热水器设计的新思路和节能新方案，根据用户使用热水器的数据自主学习用户习惯，根据习惯在用户非用水时段停止加热，在习惯用水时段按原先的设定值开启热水器，具体电热水器的原理和节能控制实施方法如下：

1.根据步骤1使用热水器采集如下数据：

1)热水器加热控制单元加热棒对水箱执行的加热的时间t

2)热水器的用水过程相应的具体时间t

2.在第二个月的月初，第一次根据步骤1所记录的热水器使用数据，用统计学方法中的极大似然估计方法，或者其他方法学习用户用热水器习惯的概率描述，对于本领域的技术人员统计学方法，或许难以理解但是对于大数据和控制学科这一术语属于常规方法，而不能理解为对本发明的限制。

1)如图1所示，根据每天用水时段的统计数据，用统计的方法构建用水习惯的概率分布γ

2)如图2所示，每间隔5分钟进行一次采样，即一天采样288次，采集用户用水情况。

用户在第i次采样时用水情况有，用水和不用水两种情况，设第i采样用水概率为P(x

在第i次采样采集到的30天的样本为：用热水，用热水…不用热水，不用热水…，其中用水天数为n，则似然函数为：

L(θ)＝P(X＝用热水)

＝θ

取对数lnL(θ)＝nlnθ+(30-n)ln(1-θ),

上式两边对θ求导得

3.根据已经学习的用户习惯概率分布初步优化热水器的停止与开启加热操作：

1)如图3所示，通过采集数据得到的用户用水概率分布γ

2)举例，设置底线概率阈值ρ

4.如图4所示，根据两个月每天用水时段的统计数据对用户习惯进行再学习，即用统计的方法构建用水习惯的概率分布。

5.根据再学习的用户习惯概率分布进一步优化热水器停止与开启加热操作：根据上述阈值ρ

6.如图4所示，根据三个月每天用水时段的统计数据对用户习惯进行再学习，即用统计的方法构建用水习惯的概率分布γ

7.根据再学习的用户习惯概率分布进一步优化热水器的停止与开启加热操作：

1)根据上述阈值ρ

8.用户习惯自学习的热水器优化操作和常规操作运行4个月之后，再学习的间隔周期将逐渐加大至六个月：

1)即用户习惯概率分布γ

2)根据上述阈值ρ

调节热水器的停止与开启通过加热操作的软开关实现，该软开关以用户手动操作为第一优先级，当用户手动操作热水器时，软开关当天失效；当无手动操作时，根据数据学习得到的用户习惯概率分布，对电热水器开启与关闭进行自适应调节。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。