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。