1.一种优化用户电池充电习惯的方法，其特征在于，所述方法包括：
获取用户电池充电数据信息；
依据所述用户电池充电数据信息，获取用户电池充电习惯、电池健康程度信息；
依据所述用户电池充电习惯、电池健康程度信息，优化用户充电习惯，自动推荐用户充电方案。
2.根据权利要求1所述的方法，其特征在于，所述获取用户电池充电数据信息，包括：
bms系统实时监测用户电池状态信息及充电信息；
在bms系统上加装通讯模块；
依据所述通讯模块，接收所述bms系统的用户电池充电数据。
3.根据权利要求2所述的方法，其特征在于，所述用户电池充电数据信息包括：
电池充电时的电池剩余电量信息；
电池充电时的充电时长信息；
电池充电的充电时段信息；
电池充电前的电池使用时长信息；
电池充电的充电功率参数信息。
4.根据权利要求1所述的方法，其特征在于，所述依据所述用户电池充电数据信息，获取用户电池充电习惯、电池健康程度信息，包括：
依据用户电池充电数据，进行极值归一化处理，将归一化后的数据进行聚类，获取不同类别的用户电池充电数据标签；
依据所述用户电池充电数据标签，将获取的用户电池充电数据进行合并，作为训练输入数据；
构建svr预测模型，根据所述不同类别的用户电池充电数据标签，分别根据不同类别训练svr预测模型；
将所述训练输入数据构建虚拟变量，并进行矩阵化；
将所述矩阵化后的训练输入数据按照不同类别分别输入对应的svr预测模型，得到预测结果；
根据所述预测结果得到用户电池充电习惯、电池健康程度信息。
5.根据权利要求4所述的方法，其特征在于，所述将所述矩阵化后的训练输入数据按照不同类别分别输入对应的svr预测模型，得到预测结果，包括：
将所述矩阵化后的训练输入数据按照不同类别分别输入对应的svr预测模型后，svr预测模型的两层卷积层与两层全连接层进行卷积运算；
按照设定次数进行svr预测模型的训练，得到预测结果。
6.根据权利要求1所述的方法，其特征在于，所述依据所述用户电池充电习惯、电池健康程度信息，优化用户充电习惯，自动推荐用户充电方案，包括：
依据所述用户充电习惯、电池健康程度信息，构建用户充电习惯模型；
依据用户充电习惯模型，分析在不同条件下的用户充电最优方案；
将所述不同条件下的用户充电最优方案推荐给用户。
7.根据权利要求6所述的方法，其特征在于，所述用户充电最优方案包括：
电池充电时，最佳剩余电量；
电池充电时，最佳充电时长；
电池充电时，最佳充电功率；
在当前剩余电量情况下，电池充电的最佳充电速度；
在当前剩余电量请款下，电池最佳消耗参数。
8.一种优化用户电池充电习惯的装置，其特征在于，所述装置包括：
获取模块，用于获取用户电池充电数据信息，依据所述用户电池充电数据信息，获取用户电池充电习惯、电池健康程度信息；
推荐模块，用于依据所述用户电池充电习惯、电池健康程度信息，优化用户充电习惯，自动推荐用户充电方案。
9.一种电子设备，其特征在于，所述设备包括一个或者多个处理器和存储器，存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述处理器执行时，使得所述处理器实现如权利要求1至7中任一项所述的方法。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，该计算机程序被执行时实现如权利要求1至7中任一项所述的方法。