家电用电数据预测方法、装置及可读存储介质与流程

本发明涉及智能控制领域，尤其涉及一种家电用电数据预测方法、装置及可读存储介质。

背景技术：

随着科技的发展，用户家里使用的家电越来越多，所耗费的电量也越来越多，用户只有在用电之后才能用电量以及电费的情况，而现在大多的电费缴纳方式都是提前预交，但用户无法估算用电量，则导致预交的电费不清楚。

为预估用电量，现有技术中一般根据之前几个月用户的用电量估算，但每个月用户开启的家电可能不同，则导致对电量的估算不够准确。

技术实现要素：

本发明的主要目的在于提供一种家电用电数据预测方法、装置以及可读存储介质，旨在解决现有技术中对电量估算不够准确的技术问题。

为解决上述问题，本发明提供一种家电用电数据预测方法，所述家电用电数据预测方法包括：

获取当前时间点之前第一预设时间间隔内满足预设条件的家电运行数据；

将满足预设条件的所述家电运行数据作为习惯数据；

根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电数据，所述第二预设时间间隔小于或等于所述第一时间间隔。

可选地，满足预设条件的家电运行数据为所述第一预设时间间隔内的使用频率最高的家电运行数据。

可选地，所述根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电数据的步骤包括：

获取所述第二预设时间间隔对应的时间段；

获取第一预设时间间隔内所述时间段对应的用电需求；

根据所述习惯数据以及用电需求预测当前时间点之后第二预设时间间隔内所述家电的用电数据。

可选地，所述根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电数据的步骤包括：

获取各个所述预设第二预设时间间隔内的各个时间段，并获取第一时间间隔内各个所述时间段对应的用电需求；

根据所述习惯数据以及用电需求预测各个所述时间段内的用电数据；

根据各个所述时间段的所述用电数据形成所述第二预设时间间隔内所述家电的用电数据。

可选地，所述根据各个所述时间段的所述用电数据形成所述第二预设时间间隔内所述家电的用电数据的步骤之后，根据各个所述时间段的所述用电数据形成所述第二预设时间间隔内所述家电的用电数据的步骤还包括：

根据所述第二预设时间间隔内的各个所述时间段的所述用电数据生成用电预测曲线。

可选地，所述家电用电数据预测方法还包括：

在到达家电数据的预测时间点时，执行所述获取当前时间点之前第一时间间隔内满足预设条件的家电运行数据的步骤；

所述根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电数据的步骤之前还包括：

获取在当前预测周期内所述预测时间点之后剩余的时间间隔，所述预测周期对应的时间间隔等于所述第一预设时间间隔；

采用所述剩余的时间间隔更新所述第二预设时间间隔。

可选地，所述根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电数据的步骤之后，所述家电用电数据预测方法还包括：

比对上一预测时间点预测得到的用电数据以及当前预测时间点预测到的用电数据，以生成用电数据的比对结果；

根据比对结果分析上一预测时间点获取的习惯数据以及当前预测时间点获取的习惯数据，以获取用户习惯变化数据；

根据所述习惯变化数据以及所述比对结果生成用电习惯提示信息。

可选地，所述家电用电数据预测方法还包括：

将所述用电习惯提示信息发送至所述家电关联的移动终端；

或者，将所述用电习惯提示信息以及所述用电数据发送至所述家电关联的移动终端。

可选地，所述根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电数据的步骤包括：

根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电量；

采用各个预设的计费方式依次计算所述用电量对应的用电费用，并生成用电费用最低的计费方式的推荐信息。

此外，为实现上述目的，本发明还提出一种家电用电数据预测装置，所述家电用电数据预测装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的家电用电数据预测程序，所述家电用电数据预测程序被处理器执行时实现如以上所述的家电用电数据预测方法的步骤。

此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有家电用电数据预测程序，所述家电用电数据预测程序被处理器执行时实现如以上所述的家电用电数据预测方法的步骤。

本发明实施例提出的家电用电数据预测方法、装置以及计算机可读存储介质，根据第一时间间隔内家电的运行数据得到用户的习惯数据，并根据该习惯数据进行家电用电数据的预测，使得对用电数据的预测更加准确。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；

图2为本发明家电用电数据预测方法第一实施例的流程示意图；

图3为本发明家电用电数据预测方法第二实施例中的预测用电数据的细化流程示意图；

图4为本发明家电用电数据预测方法第三实施例中的预测用电数据的细化流程示意图；

图5为本发明家电用电数据预测方法第四实施例中的预测用电数据的细化流程示意图；

图6为本发明家电用电数据预测方法中用电预测曲线以及用户习惯提示信息的显示界面示意图；

图7为本发明家电用电数据预测方法第五实施例的流程示意图；

图8为本发明家电用电数据预测方法第六实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的主要解决方案是：

获取当前时间点之前第一预设时间间隔内满足预设条件的家电运行数据；

将满足预设条件的所述家电运行数据作为习惯数据；

根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电数据，所述第二预设时间间隔小于或等于所述第一时间间隔。

为解决现有技术对电量估算不够准确的技术问题，本发明提供一种解决方案，根据第一时间间隔内家电的运行数据得到用户的习惯数据，并根据该习惯数据进行家电用电数据的预测，使得对用电数据的预测更加准确。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例终端可为云端服务器，云端服务器获取各个家电上传的运行数据，以对用电数据进行预测，在对用电数据进行预测之后，可将预测的用户数据保存供用户查询，也可将查询的用电数据反馈至家电关联的终端，如手机。

如图1所示，该终端可以包括：处理器1001(例如cpu)、通信总线1002、网络接口1003以及存储器1004。其中，通信总线1002用于实现这些组件之间的连接通信。存储器1004可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1004可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的终端的结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1004中可以包括操作系统以及家电用电数据预测程序，该存储器1004中也可存储智能家居设备对应的运行参数集合，该运行参数集合与体表温度以及智能家居设备的信息关联保存。

在图1所示的终端的硬件架构图中，处理器1001可以用于调用存储器1004中存储的家电用电数据预测程序，并执行以下操作：

获取当前时间点之前第一预设时间间隔内满足预设条件的家电运行数据；

将满足预设条件的所述家电运行数据作为习惯数据；

根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电数据，所述第二预设时间间隔小于或等于所述第一时间间隔。

进一步地，处理器1001可以调用存储器1004中存储的家电用电数据预测程序，还执行以下操作：

满足预设条件的家电运行数据为所述第一预设时间间隔内的使用频率最高的家电运行数据。

进一步地，处理器1001可以调用存储器1004中存储的家电用电数据预测程序，还执行以下操作：

获取所述第二预设时间间隔对应的时间段；

获取第一预设时间间隔内所述时间段对应的用电需求；

根据所述习惯数据以及用电需求预测当前时间点之后第二预设时间间隔内所述家电的用电数据。

进一步地，处理器1001可以调用存储器1004中存储的家电用电数据预测程序，还执行以下操作：

获取各个所述预设第二预设时间间隔内的各个时间段，并获取第一时间间隔内各个所述时间段对应的用电需求；

根据所述习惯数据以及用电需求预测各个所述时间段内的用电数据；

根据各个所述时间段的所述用电数据形成所述第二预设时间间隔内所述家电的用电数据。

进一步地，处理器1001可以调用存储器1004中存储的家电用电数据预测程序，还执行以下操作：

根据所述第二预设时间间隔内的各个所述时间段的所述用电数据生成用电预测曲线。

进一步地，处理器1001可以调用存储器1004中存储的家电用电数据预测程序，还执行以下操作：

在到达家电数据的预测时间点时，执行所述获取当前时间点之前第一时间间隔内满足预设条件的家电运行数据的步骤；

所述根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电数据的步骤之前还包括：

获取在当前预测周期内所述预测时间点之后剩余的时间间隔，所述预测周期对应的时间间隔等于所述第一预设时间间隔；

采用所述剩余的时间间隔更新所述第二预设时间间隔。

进一步地，处理器1001可以调用存储器1004中存储的家电用电数据预测程序，还执行以下操作：

比对上一预测时间点预测得到的用电数据以及当前预测时间点预测到的用电数据，以生成用电数据的比对结果；

根据比对结果分析上一预测时间点获取的习惯数据以及当前预测时间点获取的习惯数据，以获取用户习惯变化数据；

根据所述习惯变化数据以及所述比对结果生成用电习惯提示信息。

进一步地，处理器1001可以调用存储器1004中存储的家电用电数据预测程序，还执行以下操作：

将所述用电习惯提示信息发送至所述家电关联的移动终端；

或者，将所述用电习惯提示信息以及所述用电数据发送至所述家电关联的移动终端。

进一步地，处理器1001可以调用存储器1004中存储的家电用电数据预测程序，还执行以下操作：

根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电量；

采用各个预设的计费方式依次计算所述用电量对应的用电费用，并生成用电费用最低的计费方式的推荐信息。

基于上述硬件架构提出本发明家电用电数据预测方法的各个实施例。

参照图2，图2为本发明家电用电数据预测方法第一实施例的流程示意图。

提供一种家电用电数据预测方法，家电用电数据预测方法包括步骤：

步骤s10，获取当前时间点之前第一预设时间间隔内满足预设条件的家电运行数据；

家电运行数据包括开机以及关机时间点、运行参数以及运行参数的调整时间点，例如在家电为空调器时，对应的运行参数可包括模式、温度以及风速等。

该满足预设条件的家电运行数据可为使用频率大于预设频率的家电运行数据，或者，该满足预设条件的家电运行数据可为使用频率最高的运行数据。家电可定时上传自身的家电运行数据，也可在每次关机或开机时上传家电运行数据，在上传后可删除本身存储的家电运行数据，避免过多的占用内存。

满足预设条件的家电运行数据为所述第一预设时间间隔内的使用频率最高的家电运行数据时，统计预设时间间隔内各个家电运行数据的使用频率，并根据使用频率对各个家电运行数据进行排序，以获取到使用频率最高的家电运行数据。

该第一预设时间间隔可根据需要进行设定，例如该预设时间间隔可为一年、一个月或者一个季度等均可。

步骤s20，将满足预设条件的所述家电运行数据作为习惯数据；

步骤s30，根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电数据，所述第二预设时间间隔小于或等于所述第一时间间隔。

该用电数据可包括电量以及电费中的至少一个，根据该习惯数据可确定家电各个时间点的运行参数，根据该运行参数即可计算该第二预设时间间隔内的耗电量。可以理解的是，不同型号的家电的功率可能不同，此时可根据习惯数据以及家电型号结合来计算第二预设时间间隔内的用电量，在计算得到用电量之后可计算得到用电数据。

在本实施例中，用电数据对应的电量或者电费可为第二预设时间间隔内总的用电数据，也可为第二预设时间间隔内各个时间段对应的用电数据，也可为用电预测曲线等。

在得到用电数据之后可根据对应的计费方式来计算电费，该计费方式可由用户预设，也可根据家电所在的地区确定，一般的计费方式可包括分时计费、阶梯计费以及分时计费和阶梯计费结合的计费方式，在采用分时计费时计算得到的用电量需要分为多个时间段对应的用电量，并根据该分时计费方式计算电费，而阶梯计费时仅需要通过用电量进行计算。

在得到用电数据时可保存供用户查询，也可发送至家电绑定的终端，该绑定的终端可为手机等。

本实施例公开的方案中，根据第一时间间隔内家电的运行数据得到用户的习惯数据，并根据该习惯数据进行家电用电数据的预测，使得对用电数据的预测更加准确。

进一步地，参照图3，基于第一实施例提出本发明家电用电数据预测方法第二实施例，在本实施例中，步骤s30包括：

步骤s31，获取所述第二预设时间间隔对应的时间段；

步骤s32，获取第一预设时间间隔内所述时间段对应的用电需求；

步骤s33，根据所述习惯数据以及用电需求预测当前时间点之后第二预设时间间隔内所述家电的用电数据。

例如，在第二预设时间间隔为一个月时，获取该第二预设时间间隔对应的月份，如11月，则可获取第一预设时间间隔内11月对应的用户需求，根据该用电需要以及得到的习惯数据计算当前时间点之后第二预设时间间隔内所述家电的用电数据。

该用电需求可为用电时长，可统计第一间隔内对应时间段的用电时长以对根据所述习惯数据得到的用电时长进行调整，得到最终的用电时长。例如，在家电为空调器时，习惯数据为26度以及低档风速，而每天的用电需求为10h，则可根据该用电需求计算该时间段对应的用电量。

本实施例公开的技术方案中，通过对应时间段内的用电需求辅助预测用电数据，以使得到的用电数据更加准确。

进一步地，参照图4，基于第一实施例提出本发明家电用电数据预测方法第三实施例，在本实施例中，步骤s30包括：

步骤s34，获取各个所述预设第二预设时间间隔内的各个时间段，并获取第一时间间隔内各个所述时间段对应的用电需求；

步骤s35，根据所述习惯数据以及用电需求预测各个所述时间段内的用电数据；

步骤s36，根据各个所述时间段的所述用电数据形成所述第二预设时间间隔内所述家电的用电数据。

第二时间间隔可分为多个时间段，例如第二时间间隔为一年时，对应的时间为1月、2月……12月，每个月均对应一个用电数据。

针对不同的时间段家电的使用时长可能不同，则对应的用电需求可能不同，则根据所述习惯数据预测各个所述时间段内的用电数据时，可结合第一预设时间间隔内各个时间段对应的用电需求进行计算，例如，在家电为空调器时，习惯数据为26度以及低档风速，而每天的用电需求为10h，则可根据该用电需求计算该时间段对应的用电量，在得到用电量时可进一步计算电费。

可以理解的是，可将每个时间段的初始时间点或者结束时间点作为预测时间点，在预测时间点到达时，即可获取预测时间点之后各个时间段内的用电数据，使得得到的用电用数据更加准确。

在生成每个时间段对应的用电数据后可通过表格、队列、曲线或柱状态等方式进行保存以及呈现，使得用户可查询每个时间段内的用电数据。

在本实施例中，该第一时间间隔可为一年，时间段可为每个月。可以理解的是，在得到各个时间段对应的用电数据后，可计算第二时间间隔内总的用电数据，同时保存总的用电数据以及各个时间段对应的用电数据。

本实施例公开的技术方案，可生成每个时间段对应的用电数据，以使得到的用电数据更加直观和准确。

进一步地，参照图5，基于第三实施例提出本发明家电用电数据预测方法第四实施例，在本实施例中，步骤s36之后，步骤s30还包括：

步骤s37，根据所述第二预设时间间隔内的各个所述时间段的所述用电数据生成用电预测曲线。

如图6所示，各个时间段对应一个用电数据，根据各个时间段对应的用电数据生成用电预测曲线，该用电预测曲线可之间作为第二时间间隔内的用电数据。

在生成用电预测曲线之后可发送至移动终端，也可在接收到移动终端发送的查询指令时，将该预测曲线发送至移动终端。可以理解的是，在发送用电预测曲线的同时可发送第二预设时间间隔内的总用电数据。

本实施例公开的技术方案中，通过用电曲线展示各个时间段对应的用电数据，使得显示的用电数据更加直观。

进一步地，参照图7，基于第一至第四实施例提出本发明家电用电数据预测方法第五实施例，在本实施例中，所述该家电用电数据预测方法还包括：

在到达家电数据的预测时间点时，执行步骤s10，即所述获取当前时间点之前第一时间间隔内满足预设条件的家电运行数据；

步骤s30之前还包括：

步骤s40，获取在当前预测周期内所述预测时间点之后剩余的时间间隔，所述预测周期对应的时间间隔等于所述第一预设时间间隔；

步骤s50，采用所述剩余的时间间隔更新所述第二预设时间间隔。

在本实施例中公开的技术方案中，每个预测周期内设置多个预测时间点，该预测周期对应的时间间隔可等于第一预设时间间隔。例如预测周期对应的时间间隔为一年，对每个预测周期设置多个预测时间点，每个预测时间点均进行预测一次。在预测周期对应的时间间隔为一年时，预设时间点可为一年内每个月份的起始时间点(即每个月的1号)，则每年1月时开始一个预测周期，该预测周期的每个月份开始时均预测之后第二时间间隔内的用电数据，例如在1月1号，预测1-12月的用电数据，2月1号预测2-12月的用电数据，依次类推，11月1号预测11-12月的用电数据，12月1号预测12月的用电数据，即第二时间间隔在不断变化，以使得到的用电数据不断更新，预测的用电数据更加准确。

进一步地，可预测第二时间间隔内各个时间段的用电数据，两个预测时间点形成一个时间段，即获取各个所述预设第二预设时间间隔内的各个时间段，并获取第一时间间隔内各个所述时间段对应的用电需求；根据所述习惯数据以及用电需求预测各个所述时间段内的用电数据；根据各个所述时间段的所述用电数据形成所述第二预设时间间隔内所述家电的用电数据。

在生成各个时间段的用电数据后，根据各个时间段的用电数据生成用电预测曲线，在生成用电预测曲线后可采用生成的用电预测曲线更新上一预测时间点生成的用电预测曲线，同时采用预测时间点之前的实际用电数据更新当前预测时间点之前的用电预测曲线段，以实际体现用电变换。

本实施例公开的技术方案中设置多个预测时间点不断更新预测得到的用电数据，以使预测得到的用电数据更加准确。

进一步地，参照图8，基于第五实施例提出本发明家电用电数据预测方法第六实施例，在本实施例中，所述步骤s30之后还包括：

步骤s60，比对上一预测时间点预测得到的用电数据以及当前预测时间点预测到的用电数据；

步骤s70，比对上一预测时间点获取的习惯数据以及当前预测时间点获取的习惯数据，以获取用户习惯变化数据；

步骤s80，根据所述习惯变化数据以及比对结果生成用电习惯提示信息。

上一预测时间点预测得到的用电数据以及当前预测时间点预测到的用电数据比对时，可比对同一用电时间段的对应的用电数据，例如比对10月1号预测得到10月份用电数据以及9月1号预测得到的10月份用电数据，得到的比对结果可为相同、小于以及大于，在本次10月1号预测得到10月份用电数据小于9月1号预测得到的10月份用电数据时，说明用户使用家电时省电了，可获取应的用户习惯变化数据生成用电习惯提示信息，例如在用电高峰期未开启空调器；在本次10月1号预测得到10月份用电数据大于9月1号预测得到的10月份用电数据时，说明用户使用家电时费电了，可获取应的用户习惯变化数据生成用电习惯提示信息，例如在用电高峰期开启空调器；在本次10月1号预测得到10月份用电数据等于9月1号预测得到的10月份用电数据时，可检测习惯数据是否变化，以提醒用户。

该习惯数据可为各个时间段的用电量，也可为各个时间段开启空调器的时长。

在用电数据为电费，且该电费由分时计价的方式得到时，可比对各个时间段开启空调器的时长，该时间段可分为高峰时间段和低谷时间段，通过比对该时间段的时长得到用户习惯变化，例如在本次10月1号预测得到10月份用电数据大于9月1号预测得到的10月份用电数据时，且高峰时间段的用点时长较长，此时提醒用户减少高峰时间段用电。

可以理解的是，在其它变形实施例中，也可比对预测用电数据以及实际用电数据以确定用户的习惯变化数据，并提醒用户。

本实施时例公开的技术方案中，通过生成用电习惯提示信息来提醒用户进行省电，提高终端与用户的交互性。

进一步地，基于第六实施例提出本发明家电用电数据预测方法第七实施例，在本实施例中，所述家电用电数据预测方法还包括：

将所述用电习惯提示信息发送至所述家电关联的移动终端；

或者，将所述用电习惯提示信息以及所述用电数据发送至所述家电关联的移动终端。

本实施例公开的技术方案中通过将用电习惯提示信息发送之后用户，使得用户及时纠正用电习惯，更好的省电以提高用户体验。

在发送用电习惯提示信息以及所述用电数据时对应的提示界面可如图6所示，该用户数据可包括第二时间间隔内的用电数据以及各个时间段对应的用电数据，各个时间段对应的用电数据可通过用电预测曲线的方式实现。

进一步地，基于第七实施例提出本发明家电用电数据预测方法第八实施例，在本实施例中，所述步骤s30还包括：

根据所述习惯数据预测当前时间点之后第二预设时间间隔内所述家电的用电量；

采用各个预设的计费方式依次计算所述用电量对应的用电费用，并生成用电费用最低的计费方式的推荐信息。

由于大部分城市可能对应有多种计费方式，可通过多种计费方式计算电费，以得到最优惠的计费方式，将最优惠的用电费用推荐给用户以使得用户根据推荐进行缴费，该推荐信息可与用电习惯提示信息同时发送给用户。

本实施例公开的技术方案中，通过推荐计费方式使得用户体验更佳。

本发明还提供一种家电用电数据预测装置，家电用电数据预测装置包括麦克风、存储器、处理器及存储在存储器上并可在处理器上运行的家电用电数据预测程序，家电用电数据预测程序被处理器执行时实现如以上实施例的家电用电数据预测方法的步骤。

本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有家电用电数据预测程序，家电用电数据预测程序被处理器执行时实现如以上实施例的家电用电数据预测方法的各个步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，电视机，或者网络设备等)执行本发明各个实施例的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。