一种热水器的控制方法及热水器与流程

本发明涉及热水器技术领域，尤其涉及一种热水器的控制方法及热水器。

背景技术

随着用户对洗浴质量和体验的要求提高，按需加热并准确地预测剩余热水量或洗浴时间，使用户实时掌控洗浴进度，并能及时应对热水浪费和洗浴水量不足的情况，成为热水器智能化的一个重要方向。

现有的热水器一般只能预测剩余洗浴时间，不能根据用户设定的洗浴时间进行加热，节能效果差；剩余洗浴时间的预测方法准确度低，且需要在热水器内设置较多的传感器，不但会增加热水器的制造和维护成本，同时也会影响其使用的可靠性。

技术实现要素：

本发明的第一目的在于提出一种能够按设定的洗浴时间加热的热水器的控制方法。

为达此目的，本发明采用以下技术方案：

一种热水器的控制方法，通过用户设定的洗浴时间控制热水器内胆内热水的加热温度。

其中，设定洗浴时间的同时设定用户洗浴时的洗浴水温度和洗浴水流量。

其中，根据能量守恒定律，依据设定的洗浴时间、洗浴水温度和洗浴水流量，计算出热水器内胆内热水需要加热的最低温度，从而控制热水器内胆内热水的加热温度。

其中，建立剩余等效洗浴水量的计算模型，并计算等效洗浴水量用水率，根据设定的洗浴时间等于剩余等效洗浴水量与等效洗浴水量用水率的比值，计算出热水器内胆内热水需要加热的最低温度。

其中，剩余等效洗浴水量的计算模型的建立步骤如下：

s1：提取某一采样周期内洗浴用水的流量、热水出水温度、冷水进水温度以及内胆内热水温度；

s2：根据提取的热水出水温度和内胆内热水温度，采用线性拟合的方法求出热水出水温度变化率和内胆内热水温度变化率；

s3：以提取的流量、热水出水温度、冷水进水温度、内胆内热水温度以及求出的热水出水温度变化率和内胆内热水温度变化率为输入数据集，根据bp神经网络模型计算，得出剩余等效洗浴水量的计算模型。

其中，根据能量守恒定律，依据设定的洗浴水流量、提取的热水出水温度和冷水进水温度，计算等效洗浴水量用水率。

其中，步骤s1具体包括：

s11：采集并整理原始实验数据；

s12：剔除热水出水温度小于洗浴温度或流量为零的原始实验数据；

s13：提取洗浴用水的流量、热水出水温度、冷水进水温度以及内胆内热水温度。

其中，步骤s3具体包括：

s31：以提取的流量、热水出水温度、冷水进水温度以及求出的热水出水温度变化率和内胆内热水温度变化率为输入数据集；

s32：利用提取洗浴水流量、热水出水温度、冷水进水温度以及内胆内热水温度计算出实际剩余等效洗浴水量，并作为与输入数据集对应的输出数据集；

s33：建立并训练bp神经网络模型；

s34：通过比较不同的bp神经网络结构计算出的剩余等效洗浴水量与输出数据集之间的误差，选取误差小且运算量小的神经网络结构；

s35：获取最终神经网络结构的权值及阀值数组，并编写函数。

其中，以在线测得的洗浴水流量、热水出水温度、冷水进水温度以及内胆内热水温度作为输入数据，根据编写的函数计算得当前的剩余等效洗浴水量。

本发明的第二目的在于提出一种能够按设定的洗浴时间加热的热水器。

为达此目的，本发明采用以下技术方案：

一种热水器，应用上述的控制方法

有益效果：本发明提供了一种热水器的控制方法及热水器。热水器的控制方法通过用户设定的洗浴时间控制热水器内胆内热水的加热温度。通过设定的洗浴时间，根据能量守恒定律，计算出热水器内胆内的热水需要加热的最低温度，以保证内胆内的热水与冷水混合成的洗浴用水满足用户洗浴时间的需求，以实现按需加热，减少能耗，达到节能的目的。

附图说明

图1是本发明实施例1提供的控制方法的流程图；

图2是本发明实施例1提供的控制方法中提取输入数据集的流程图；

图3是本发明实施例1提供的控制方法中建立剩余等效水量的计算模型的流程图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

实施例1

如图1-图3所示，本实施例提供了一种热水器的控制方法，通过用户设定的洗浴时间控制热水器内胆内热水的加热温度。在设定洗浴时间的同时，还需要设定用户洗浴时的洗浴水温度和洗浴水流量，其中洗浴水温度和洗浴水流量可以是用户自己根据使用需要设定，也可以是热水器预先设定的值。通过设定的上述参数，根据能量守恒定律，计算出热水器内胆内的热水需要加热的最低温度，从而控制热水器内胆内热水的加热温度。

用户在使用热水器洗浴时，热水器将内胆内的水加热，并与冷水混合至适当的洗浴温度的洗浴水后供用户使用。用户可以根据需要设定洗浴时间，并按照设定的洗浴时间控制热水器内胆内热水温度，即实现按需加热，使热水器内的热水与冷水混合成合适的洗浴温度后，可以在设定的洗浴水流量或用户习惯的洗浴水流量的情况下保证内胆内的热水与冷水混合成的洗浴用水量满足用户洗浴时间的需求，即以最小的能耗满足用户的是使用需求，以实现按需加热，减少能耗，达到节能的目的。

实际热水器内胆内热水的加热温度可以稍大于根据用户设定的洗浴时间计算出来的热水器内胆内热水需要加热的最低温度，以更好的保证热水器内胆内的热水与冷水混合成的洗浴水，可以满足用户按照设定的洗浴水温度和洗浴水流量使用设定的洗浴时间。

通过用户设定的洗浴时间得到热水器内胆内热水的加热温度后，热水器按照一定的加热功率开始加热，在加热过程中可以在控制面板上实时显示热水需要加热的温度以及当前内胆内热水的温度，以供用户观察是否可以开始洗浴。控制面板还可以显示剩余的加热时间，或是增加蜂鸣器，当热水加热完毕后，提示用户可以使用。

本实施例中的控制方法在计算热水器内胆内热水需要加热的最低温度的过程中，需要建立剩余等效洗浴水量的计算模型，并计算等效洗浴水量用水率，根据剩余等效洗浴水量与等效洗浴水量用水率的比值等于设定的洗浴时间，计算出热水器内胆内热水需要加热的最低温度。

本实施例提供的控制方法需要以具体的实验数据为依据，建立剩余等效洗浴水量的计算模型。剩余等效洗浴水量的计算模型的建立步骤如下：

s1：提取某一采样周期内洗浴水流量、热水出水温度、冷水进水温度以及内胆内热水温度；

s2：根据提取的热水出水温度和内胆内热水温度，采用线性拟合的方法求出热水出水温度变化率和内胆内热水温度变化率；

s3：以提取的洗浴水流量、热水出水温度、冷水进水温度、内胆内热水温度以及求出的热水出水温度变化率和内胆内热水温度变化率为输入数据集，根据bp神经网络模型计算，得出剩余等效洗浴水量的计算模型。

其中，步骤s1具体包括

s11：采集并整理原始实验数据；

s12：剔除热水出水温度小于洗浴温度或流量为零的原始实验数据；

s13：提取洗浴用水的流量、热水出水温度、冷水进水温度以及内胆内热水温度。

一般而言，用户的洗浴温度为35℃-45℃，本发明的控制方法选取洗浴温度为40℃，当然洗浴温度也可以根据用户的需求设定。由于内胆内的热水需要与冷水混合后作为洗浴水使用，热水出水温度应当大于洗浴温度，且使用时，洗浴用水的流量应当大于零，因此以热水出水温度打于40℃和流量不为零两个条件剔除原始实验数据中的无效数据，以提高剩余等效洗浴水量计算模型的可靠性。在整理的有效实验数据的基础上提取出某一采样周期内的洗浴用水的流量、热水出水温度、冷水进水温度以及内胆内热水温度。采样周期可以为2-10秒，本发明中选取采样周期为5秒。

根据能量守恒定律，即热水系统内热量守恒，依据用户设定的洗浴水流量以及提取的热水出水温度和冷水进水温度，计算等效洗浴水量用水率，并根据提取的热水出水温度和内胆内热水温度，通过线性拟合的方法求出热水出水温度变化率和内胆内热水温度变化率，热水出水温度变化率和内胆内热水温度变化率可以通过最小二乘法拟合求出，提取出的洗浴用水的流量、热水出水温度、冷水进水温度、内胆内热水温度以及求出的热水出水温度变化率和内胆内热水温度变化率可以作为为神经网络预测模型的输入数据集，本发明中神经网络预测模型可以采用bp神经网络预测模型，bp神经网络预测模型理论上能够逼近任何非线性函数，而剩余等效洗浴水量受内胆内热水温度、冷水进水温度、热水出水温度、洗浴用水的流量等多种因素影响，是一个多输入单输出的复杂的非线性函数，因此采用bp神经网络预测模型可以提高计算的准确度。

剩余等效洗浴水量的计算模型的建立具体包括：

s31：以提取的流量、热水出水温度、冷水进水温度以及求出的热水出水温度变化率和内胆内热水温度变化率为输入数据集；

s32：利用提取洗浴用水的流量、热水出水温度、冷水进水温度以及内胆内热水温度计算出实际剩余等效洗浴水量，并作为与输入数据集对应的输出数据集；

s33：建立并训练bp神经网络模型；

s34：通过比较不同的bp神经网络结构计算出的剩余等效洗浴水量与输出数据集之间的误差，选取误差小且运算量小的神经网络结构；

s35：获取最终神经网络结构的权值及阀值数组，并编写函数。

步骤s32中实际剩余等效用水量等于满胆热水的热水器的总等效用水量减去某一次用水等效洗浴用水量，某一次用水等效洗浴用水量的计算公式为：

其中，q为某一次用水等效洗浴用水量；qi为某一采样周期内等效洗浴用数量；δνi为某一采样周期内的用水体积；th为某一采样周期内热水出水温度；tc为某一采样周期内冷水进水温度。某一采样周期内的用水体积δνi可以通过对某一采样周期内的洗浴用水的流量积分求得。

在训练bp神经网络模型前，还需要对输入数据集和输出数据集进行整理和归一化处理，以简化计算步骤。对于同一洗浴用水的流量、同一冷水进水温度的情况，输入数据集中对应的数据中删除掉热水出水温度变化率和内胆内热水温度变化率大于零的数据、删除相邻数据中内胆内热水温度和冷水出水温度的差值的绝对值为0.2℃且内胆内热水温度变化率和热水出水温度变化率均小于-0.5℃的数据；按照各数据变量的最大最小范围，对整理后的输入数据集和输出数据集进行归一化处理。

建立多输入、单输出的bp神经网络结构，通过比较不同的模型参数输出的剩余可用洗浴水量与计算得出的输出数据集之间的误差，选取输出误差较小且计算量较小的bp神经网络结构，即寻求模型优化参数，以得到最佳的剩余可用洗浴水量的计算模型。选择最优的神经网络结构后通过编写程序得到剩余等效用水量的计算模型，编写的函数可以通过c语言编写。本发明中选取的最佳bp神经网络结构中，当剩余等效洗浴水量小于400l时，bp神经网络结构得到的计算结果与输出数据集的误差中90％以上集中在40l以内，且误差最大不超过80l。

用户设定的的洗浴时间与计算得出的等效洗浴水量用水率相乘即可得到剩余等效洗浴水量，输入设定或选取的用户常用的热水出水温度、冷水进水温度、洗浴水流量以及计算得出的热水出水温度变化率、内胆内热水温度变化率，通过建立bp神经网络结构得到的剩余等效水量的计算模型进行反运算，即可得到内胆内热水温度，即热水器需要加热的最低温度，实现按需加热、节能的目的。

在此基础上，通过得到的剩余等效洗浴水量的计算模型，还可以以在线测得的洗浴水流量、热水出水温度、冷水进水温度以及内胆内热水温度作为输入数据，根据编写的函数计算得当前的剩余等效洗浴水量，通过显示模块显示洗浴过程中的实时的剩余等效洗浴水量。同时，还可以以在线测得的洗浴用水的流量、热水出水温度和冷水进水温度计算得出当前的等效洗浴水量用水率，当前的剩余等效洗浴水量除以当前的等效洗浴水量用水率得到当前的剩余洗浴时间，通过显示模块显示当前的剩余洗浴时间，方便用户实时掌握洗浴进度，并能计时应对热水浪费和洗浴水量不足的情况。

实施例2

本实施例提供了一种热水器，应用实施例1中的控制方法。用户可以根据需要设定洗浴时间，并按照设定的洗浴时间控制热水器内胆内热水温度，即实现按需加热，使热水器内的热水与冷水混合成合适的洗浴温度后，可以在设定的洗浴用水流量或用户习惯的洗浴用水流量的情况下满足用于设定的洗浴时间的需求，即以最小的能耗满足用户的是使用需求。

以上内容仅为本发明的较佳实施例，对于本领域的普通技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本发明的限制。