1.本公开涉及电池技术领域，具体地，涉及一种获取电芯放电容量的方法、装置、存储介质及电子设备。
背景技术：
2.在电芯的生产过程中，需要通过化成对注液后的电芯进行激活，通过充放电使电芯内部发生化学反应形成sei（solid electrolyte interphase，固体电解质界面）膜，保证后续电芯在充放电循环过程中的安全、可靠和长循环寿命。但是，整个化成段包含多次充电、放电、检测等一系列过程，导致电池的生产成本较高。
技术实现要素：
3.为了解决上述问题，本公开提供一种获取电芯放电容量的方法、装置、存储介质及电子设备。
4.第一方面，本公开提供一种获取电芯放电容量的方法，所述方法包括：获取电芯在化成过程中的目标时间段内的化成参数信息，所述目标时间段包括所述电芯开始化成至第一次满放之前的时间段；从所述化成参数信息中提取化成特征参数信息；根据所述化成特征参数信息，通过容量预测模型获取所述电芯化成后的放电容量，所述容量预测模型通过梯度提升回归树预先训练得到。
5.可选地，所述容量预测模型通过以下方式训练得到：获取多个样本电芯在化成过程中的预设时间段内的样本参数信息，所述预设时间段包括所述样本电芯开始化成至第一次满放结束的时间段；从所述样本参数信息中提取样本特征参数信息；通过所述样本特征参数信息对所述梯度提升回归树进行训练，得到所述容量预测模型。
6.可选地，所述化成参数信息包括所述电芯的多个化成充电容量、多个化成电压值、多个化成环境温度以及充电时长，所述化成特征参数信息包括化成特征充电容量、化成特征电压值、化成特征环境温度以及所述充电时长；所述从所述化成参数信息中提取化成特征参数信息包括：从多个所述化成充电容量中提取所述化成特征充电容量；从多个所述化成电压值中提取所述化成特征电压值；从多个所述化成环境温度中提取所述化成特征环境温度。
7.可选地，所述根据所述化成特征参数信息，通过容量预测模型获取所述电芯化成后的放电容量包括：根据所述化成特征充电容量、所述化成特征电压值、所述化成特征环境温度以及所述充电时长，通过所述容量预测模型，获取所述电芯化成后的放电容量。
8.可选地，在所述从所述化成参数信息中提取化成特征参数信息前，所述方法还包括：根据所述化成参数信息和预设参数阈值范围，确定合格化成参数信息；所述从所述化成参数信息中提取化成特征参数信息包括：从所述合格化成参数信息中提取所述化成特征参数信息。
9.可选地，所述容量预测模型的表达式为：其中，为所述电芯化成后的放电容量，f
m
(x)表示m个函数f(x)，表示第m棵回归树，为第m棵回归树的参数，m为回归树的数量，a为回归树的叶节点的数量，，l(y, f
m
‑1(x)+c)为损失函数，，y
b
为x
b
在回归树上对应的输出，r
a
为回归树的第a个区域，r
ma
为特征切分点的值，，m的取值范围为（1，m），a的取值范围为（1，a），m和a为非零实数。
10.第二方面，本公开提供一种获取电芯放电容量的装置，所述装置包括：参数信息获取模块，用于获取电芯在化成过程中的目标时间段内的化成参数信息，所述目标时间段包括所述电芯开始化成至第一次满放之前的时间段；参数信息提取模块，用于从所述化成参数信息中提取化成特征参数信息；放电容量获取模块，用于根据所述化成特征参数信息，通过容量预测模型获取所述电芯化成后的放电容量，所述容量预测模型通过梯度提升回归树预先训练得到。
11.可选地，所述装置还包括：模型训练模块，用于获取多个样本电芯在化成过程中的预设时间段内的样本参数信息，所述预设时间段包括所述样本电芯开始化成至第一次满放结束的时间段；从所述样本参数信息中提取样本特征参数信息；通过所述样本特征参数信息对所述梯度提升回归树进行训练，得到所述容量预测模型。
12.可选地，所述化成参数信息包括所述电芯的多个化成充电容量、多个化成电压值、多个化成环境温度以及充电时长，所述化成特征参数信息包括化成特征充电容量、化成特征电压值、化成特征环境温度以及所述充电时长；所述参数信息提取模块，还用于：从多个所述化成充电容量中提取所述化成特征充电容量；从多个所述化成电压值中提取所述化成特征电压值；从多个所述化成环境温度中提取所述化成特征环境温度。
13.可选地，所述放电容量获取模块，还用于：根据所述化成特征充电容量、所述化成特征电压值、所述化成特征环境温度以及所述充电时长，通过所述容量预测模型，获取所述电芯化成后的放电容量。
14.可选地，所述装置还包括：合格信息确定模块，用于根据所述化成参数信息和预设参数阈值范围，确定合格化成参数信息；
所述参数信息提取模块，还用于：从所述合格化成参数信息中提取所述化成特征参数信息。
15.可选地，所述容量预测模型的表达式为：其中，为所述电芯化成后的放电容量，f
m
(x)表示m个函数f(x)，表示第m棵回归树，为第m棵回归树的参数，m为回归树的数量，a为回归树的叶节点的数量，，l(y, f
m
‑1(x)+c)为损失函数，，y
b
为x
b
在回归树上对应的输出，r
a
为回归树的第a个区域，r
ma
为特征切分点的值，，m的取值范围为（1，m），a的取值范围为（1，a），m和a为非零实数。
16.第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面所述方法的步骤。
17.第四方面，本公开提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
18.通过上述技术方案，通过获取电芯在化成过程中的目标时间段内的化成参数信息，所述目标时间段包括所述电芯开始化成至第一次满放之前的时间段；从所述化成参数信息中提取化成特征参数信息；根据所述化成特征参数信息，通过容量预测模型获取所述电芯化成后的放电容量，所述容量预测模型通过梯度提升回归树预先训练得到。也就是说，可以先获取该电芯开始化成至第一次满放之前的时间段的化成参数信息，从该化成参数信息中提取化成特征参数信息，将该化成特征参数信息输入该容量预测模型后，即可得到该电芯化成后的放电容量，无需等待该电芯进行满放，即可获取该电芯化成后的放电容量，这样，可以节省该电芯化成过程中所需的时间，从而可以降低电芯的生产成本。
19.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
20.附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：图1是根据一示例性实施例示出的一种获取电芯放电容量的方法的流程图；图2是根据一示例性实施例示出的另一种获取电芯放电容量的方法的流程图；图3是根据一示例性实施例示出的一种获取电芯放电容量的装置的结构示意图；图4是根据一示例性实施例示出的第二种获取电芯放电容量的装置的结构示意图；图5是根据一示例性实施例示出的第三种获取电芯放电容量的装置的结构示意图；图6是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
21.以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
22.首先，对本公开的应用场景进行说明。本公开可以应用于电芯化成阶段，在现有电芯生产工艺中，一次电芯化成包括：静置、恒流恒压充电、静置、恒流放电、静置、恒流恒压充电以及静置，其中，包括两次满充和一次满放，满放耗时大约为整个化成过程总耗时的42%。发明人发现，若使用相关方法替代化成过程中从恒流放电、静置、恒流恒压充电以及静置的过程（化成过程中的第四步至第七步），则可以将化成过程总耗时降低至现有总耗时的一半。
23.为了解决上述问题，本公开提供一种获取电芯放电容量的方法、装置、存储介质及电子设备，可以先获取该电芯开始化成至第一次满放之前的时间段的化成参数信息，从该化成参数信息中提取化成特征参数信息，将该化成特征参数信息输入该容量预测模型后，即可得到该电芯化成后的放电容量，无需等待该电芯进行满放，即可获取该电芯化成后的放电容量，这样，可以节省该电芯化成过程中所需的时间，从而可以降低电芯的生产成本。
24.下面结合具体实施例对本公开进行说明。
25.图1是根据一示例性实施例示出的一种获取电芯放电容量的方法的流程图，如图1所示，该方法可以包括：s101、获取电芯在化成过程中的目标时间段内的化成参数信息。
26.其中，该目标时间段可以包括该电芯开始化成至第一次满放之前的时间段，示例地，在该化成过程包括静置、恒流恒压充电、静置、恒流放电、静置、恒流恒压充电以及静置的情况下，该目标时间段可以是开始第一次静置至第二次静置结束后时间段；该化成参数信息可以包括该电芯的多个化成充电容量、多个化成电压值、多个化成环境温度以及充电时长。
27.在本步骤中，在该电芯开始化成后，可以周期性采集该电芯对应的化成充电容量、化成电压值、化成环境温度，采集该化成充电容量和该化成电压值的周期可以是1s，采集该化成环境温度的周期可以是100ms，本公开对此不作限定。
28.s102、从该化成参数信息中提取化成特征参数信息。
29.其中，该化成特征参数信息可以包括化成特征充电容量、化成特征电压值、化成特征环境温度以及充电时长。该化成特征充电容量可以包括平均充电容量、最终充电容量（充电结束时的容量）、充电容量众数（化成参数信息中出现次数最多的充电容量）以及最大充电容量。该化成特征电压值可以包括电压众数（化成参数信息中出现次数最多的电压值）、平均电压值、最大电压值以及初始电压值（电芯开始充电时的电压值）。该化成特征环境温度可以包括初始环境温度、最终环境温度以及平均环境温度。
30.上述化成特征参数信息中所包括的参数只是举例说明，本公开也可以包括其它化成特征参数信息，例如，化成特征电压值也可以包括最小电压值，化成特征环境温度也可以包括最大环境温度、最小环境温度等，本公开对此不作限定。
31.在本步骤中，需要说明的是，在采集该电芯在化成过程中的目标时间段内的化成参数信息后，可以根据该化成参数信息和预设参数阈值范围，确定合格化成参数信息，从该合格化成参数信息中提取该化成特征参数信息，不同的化成参数信息对应的预设参数阈值
范围不同。
32.s103、根据该化成特征参数信息，通过容量预测模型获取该电芯化成后的放电容量。
33.其中，该容量预测模型可以通过梯度提升回归树预先训练得到。
34.在本步骤中，在提取该化成特征参数信息后，可以将该化成特征参数信息输入该容量预测模型，得到该电芯化成后的放电容量。
35.其中，该容量预测模型可以通过以下方式训练得到：获取多个样本电芯在化成过程中的预设时间段内的样本参数信息，该预设时间段包括该样本电芯开始化成至第一次满放结束的时间段；从该样本参数信息中提取样本特征参数信息，并通过该样本特征参数信息对该梯度提升回归树进行训练，得到该容量预测模型。
36.采用上述方法，可以先获取该电芯开始化成至第一次满放之前的时间段的化成参数信息，从该化成参数信息中提取化成特征参数信息，将该化成特征参数信息输入该容量预测模型后，即可得到该电芯化成后的放电容量，无需等待该电芯进行满放，即可获取该电芯化成后的放电容量，这样，可以节省该电芯化成过程中所需的时间，从而可以降低电芯的生产成本。
37.图2是根据一示例性实施例示出的另一种获取电芯放电容量的方法的流程图，如图2所示，该方法可以包括：s201、获取电芯在化成过程中的目标时间段内的化成参数信息。
38.其中，该目标时间段可以包括该电芯开始化成至第一次满放之前的时间段，该化成过程可以包括静置、恒流恒压充电、静置、恒流放电、静置、恒流恒压充电以及静置，该目标时间段可以是开始第一次静置至第二次静置结束的时间段；该化成参数信息可以包括该电芯的多个化成充电容量、多个化成电压值、多个化成环境温度以及充电时长。
39.示例地，该化成的具体流程可以包括：静置1分钟；恒流恒压充电75~90分钟，充电时的恒定电流为52000ma，倍率为0.5c，在达到额定电压后恒定电压充电，电流逐渐减小至5200ma，倍率为0.05c；静置1分钟；恒流放电60~120分钟，放电时的恒定电流为52000ma或104000ma，恒定电流为52000ma时的倍率为0.5c，恒定电流为104000ma时的倍率为1c；静置1分钟；恒流恒压充电75~90分钟，充电时的恒定电流为52000ma，倍率为0.5c，在达到额定电压后恒定电压充电，电流逐渐减小至5200ma，倍率为0.05c；静置1分钟。
40.s202、从多个化成充电容量中提取化成特征充电容量。
41.其中，该化成特征充电容量可以包括平均充电容量、最终充电容量（充电结束时的容量）、充电容量众数（化成参数信息中出现次数最多的充电容量）以及最大充电容量。
42.在本步骤中，在电芯化成过程中，由于电芯的内阻与该电芯的容量呈反比，即该电芯的内阻越大，容量越小，因此，在该电芯恒压恒流充电过程中，该电芯的充电容量并非随时间的增加而线性增加，在该电芯恒压恒流放电过程中，该电芯的放电容量并非随时间的增加而线性减少。该电芯在充放电时的电压曲线是近似对称的，切线斜率的大小决定了电芯达到额定电压的速度，也就是说，斜率越大电芯充满的速度越快，电芯放电时也能更快达到额定电压。基于上述理由，在一种可能的实现方式中，可以通过以下公式计算该化成特征充电容量：c
t = dc/dt（1）
其中，c
t
为该化成特征充电容量，c为化成充电容量。
43.s203、从多个化成电压值中提取化成特征电压值。
44.其中，该化成特征电压值可以包括电压众数（化成参数信息中出现次数最多的电压值）、平均电压值、最大电压值以及初始电压值（电芯开始充电时的电压值）。
45.在本步骤中，可以通过以下公式计算该特征化成电压值：v
t = dv/dt（2）其中，v
t
为该化成特征电压值，v为化成电压值。
46.s204、从多个化成环境温度中提取化成特征环境温度。
47.其中，该化成特征环境温度可以包括初始环境温度、最终环境温度以及平均环境温度。
48.在本步骤中，可以通过以下公式计算该化成特征环境温度：t
t = dt/dt（3）其中，t
t
为该化成特征环境温度，t为化成环境温度。
49.需要说明的是，在执行上述步骤s202~步骤s204之前，可以先获取预设容量阈值范围、预设电压阈值范围以及预设温度阈值范围，之后，可以根据多个该化成充电容量和该预设容量阈值范围，确定合格化成充电容量，根据多个该化成电压值和该预设电压阈值范围，确定合格化成电压值，根据多个该化成环境温度和该预设温度阈值范围，确定合格化成环境温度。示例地，可以将多个该化成充电容量中在该预设容量阈值范围内的化成充电容量作为该合格化成充电容量，将多个该化成电压值中在该预设电压阈值范围内的化成电压值作为该合格化成电压值，将多个该化成环境温度中在该预设温度阈值范围内的化成环境温度作为该合格化成环境温度。
50.进一步地，在确定该合格化成充电容量、该合格化成电压值以及该合格化成环境温度后，可以从该合格化成充电容量中提取化成特征充电容量、从该合格化成电压值提取该化成特征电压值，从该合格化成环境温度提取该化成特征环境温度。这样，可以滤除采集的化成参数信息中的不合格数据，从而可以提高容量预测的准确率。
51.s205、根据该化成特征充电容量、该化成特征电压值、该化成特征环境温度以及该充电时长，通过该容量预测模型，获取该电芯化成后的放电容量。
52.在本步骤中，在得到该化成特征充电容量、该化成特征电压值、该化成特征环境温度以及该充电时长后，可以将该化成特征充电容量、该化成特征电压值、该化成特征环境温度以及该充电时长输入该容量预测模型，得到该电芯化成后的放电容量。
53.其中，该容量预测模型可以通过以下方式训练得到：获取多个样本电芯在化成过程中的预设时间段内的样本参数信息，该预设时间段包括该样本电芯开始化成至第一次满放结束的时间段，并通过该样本参数信息对该梯度提升回归树进行训练，得到该容量预测模型。
54.示例地，在获取该样本参数信息后，从该样本参数信息中提取样本特征参数信息，提取该样本特征参数信息的方式可以参考步骤s202~步骤s204中提取化成特征参数信息的方式，此处不再赘述。对该样本特征参数信息进行预处理，并按照预设比例将预处理后的样本特征参数信息划分为训练集和测试集，该预设比例可以是9:1，本公开对此不作限定。该梯度提升回归树的损失函数为l(y,c)，输出的梯度提升回归树为f(x)，将梯度提升回归树
进行初始化，得到只有一个根节点的数f
m
(x)，其中，（4）之后，可以令m=1，2，3，
…
，m，令n=1，2，3，
…
，n进行求解，m和n为非零实数，计算得到当前模型的损失函数的负梯度值，并将计算得到的负梯度值作为残差的估计值，其中，m为回归树的数量，n为样本特征参数信息的数量，计算得到的负梯度值为：（5）进一步地，可以对拟合回归树进行线性搜索，得到第m棵树的叶节点r
ma
，通过以下公式估计叶节点的值c
ma
：（6）其中，，y
b
为x
b
在回归树上对应的输出，r
a
为回归树的第a个区域，a的取值范围为（1，a）。
55.重复上述步骤，最终得到该容量预测模型的表达式为：（7）其中，为该电芯化成后的放电容量，表示第m棵回归树，f
m
(x)表示m个函数f(x)，，r
ma
为特征切分点的值，为第m棵回归树的参数，m为回归树的数量，a为回归树的叶节点的数量，，m的取值范围为（1，m），m和a为非零实数。
56.示例地，如表1所述，列举了5个实施例对应的数据，每一个实施例中包括计算得到的平均充电容量、最终充电容量、充电容量众数、最大充电容量、电压众数、平均电压值、最大电压值、初始电压值、初始环境温度、最终环境温度、平均环境温度、充电时长，根据每一个实施例的数据通过该容量预测模型获取的该电芯化成后的预测放电容量以及该电芯的真实放电容量。
57.表1 实施例1实施例2实施例3实施例4实施例5平均充电容量（单位：mah）12.62612.63312.66512.64812.562最终充电容量（单位：mah）58959.41859352.36859983.34759273.8858902.365充电容量众数（单位：mah）14.44414.44414.44414.44514.444最大充电容量（单位：mah）14.44514.44514.44514.44514.444电压众数（单位：mv）0.1330.10.10.10.133平均电压值（单位：mv）0.1160.1150.1140.1140.116最大电压值（单位：mv）11.31.11.50.95初始电压值（单位：mv）3657.63659.53658.33662.33656.3初始环境温度（单位：℃）22.425.519.924.324.6最终环境温度（单位：℃）23.326.421.225.425平均环境温度（单位：℃）23.13325.91621.01624.9525.05
充电时长（单位：秒）46564697473546854666预测放电容量（单位：mah）104386.754104703.78105789.39104772.229103548.086真实放电容量（单位：mah）104795.758104733.445105744.628104983.673103665.623
采用上述方法，可以先获取该电芯开始化成至第一次满放之前的时间段的化成参数信息，从该化成参数信息中提取化成特征参数信息，将该化成特征参数信息输入该容量预测模型后，即可得到该电芯化成后的放电容量，无需等待该电芯进行满放，即可获取该电芯化成后的放电容量，这样，可以节省该电芯化成过程中所需的时间，从而可以降低电芯的生产成本。
58.图3是根据一示例性实施例示出的一种获取电芯放电容量的装置的结构示意图，如图3所示，该装置可以包括：参数信息获取模块301，用于获取电芯在化成过程中的目标时间段内的化成参数信息，该目标时间段包括该电芯开始化成至第一次满放之前的时间段；参数信息提取模块302，用于从该化成参数信息中提取化成特征参数信息；放电容量获取模块303，用于根据该化成特征参数信息，通过容量预测模型获取该电芯化成后的放电容量，该容量预测模型通过梯度提升回归树预先训练得到。
59.可选地，图4是根据一示例性实施例示出的第二种获取电芯放电容量的装置的结构示意图，如图4所示，该装置还包括：模型训练模块304，用于获取多个样本电芯在化成过程中的预设时间段内的样本参数信息，该预设时间段包括该样本电芯开始化成至第一次满放结束的时间段；从该样本参数信息中提取样本特征参数信息；通过该样本特征参数信息对该梯度提升回归树进行训练，得到该容量预测模型。
60.可选地，该化成参数信息包括该电芯的多个化成充电容量、多个化成电压值、多个化成环境温度以及充电时长，该化成特征参数信息包括化成特征充电容量、化成特征电压值、化成特征环境温度以及该充电时长；该参数信息提取模块302，还用于：从多个化成充电容量中提取该化成特征充电容量；从多个化成电压值中提取该化成特征电压值；从多个化成环境温度中提取该化成特征环境温度；可选地，该放电容量获取模块303，还用于：根据该化成特征充电容量、该化成特征电压值、该化成特征环境温度以及该充电时长，通过该容量预测模型，获取该电芯化成后的放电容量。
61.可选地，图5是根据一示例性实施例示出的第三种获取电芯放电容量的装置的结构示意图，如图5所示，该装置还包括：合格信息确定模块305，用于根据该化成参数信息和预设参数阈值范围，确定合格化成参数信息；该参数信息提取模块302，还用于：从该合格化成参数信息中提取该化成特征参数信息。
62.可选地，该容量预测模型的表达式为：
其中，为该电芯化成后的放电容量，f
m
(x)表示m个函数f(x)，表示第m棵回归树，为第m棵回归树的参数，m为回归树的数量，a为回归树的叶节点的数量，，l(y, f
m
‑1(x)+c)为损失函数，，y
b
为x
b
在回归树上对应的输出，r
a
为回归树的第a个区域，r
ma
为特征切分点的值，，m的取值范围为（1，m），a的取值范围为（1，a），m和a为非零实数。
63.通过上述装置，可以先获取该电芯开始化成至第一次满放之前的时间段的化成参数信息，从该化成参数信息中提取化成特征参数信息，将该化成特征参数信息输入该容量预测模型后，即可得到该电芯化成后的放电容量，无需等待该电芯进行满放，即可获取该电芯化成后的放电容量，这样，可以节省该电芯化成过程中所需的时间，从而可以降低电芯的生产成本。
64.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
65.图6是根据一示例性实施例示出的一种电子设备600的框图。如图6所示，该电子设备600可以包括：处理器601，存储器602。该电子设备600还可以包括多媒体组件603，i/o接口604，以及通信组件605中的一者或多者。
66.其中，处理器601用于控制该电子设备600的整体操作，以完成上述的获取电芯放电容量的方法中的全部或部分步骤。存储器602用于存储各种类型的数据以支持在该电子设备600的操作，这些数据例如可以包括用于在该电子设备600上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器602可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器（static random access memory，简称sram），电可擦除可编程只读存储器（electrically erasable programmable read
‑
only memory，简称eeprom），可擦除可编程只读存储器（erasable programmable read
‑
only memory，简称eprom），可编程只读存储器（programmable read
‑
only memory，简称prom），只读存储器（read
‑
only memory，简称rom），磁存储器，快闪存储器，磁盘或光盘。多媒体组件603可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器602或通过通信组件605发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口604为处理器601和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件605用于该电子设备600与其他设备之间进行有线或无线通信。无线通信，例如wi
‑
fi，蓝牙，近场通信（near field communication，简称nfc），2g、3g、4g或5g，nb
‑
iot（narrow band internet of things，窄带物联网），或者它们中一种或者多种的组合，因此相应的该通信组件605可以包括：wi
‑
fi模块，蓝牙模块，nfc模块。
67.在一示例性实施例中，电子设备600可以被一个或多个应用专用集成电路（application specific integrated circuit，简称asic）、数字信号处理器（digital signal processor，简称dsp）、数字信号处理设备（digital signal processing device，
简称dspd）、可编程逻辑器件（programmable logic device，简称pld）、现场可编程门阵列（field programmable gate array，简称fpga）、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的获取电芯放电容量的方法。
68.在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的获取电芯放电容量的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器602，上述程序指令可由电子设备600的处理器601执行以完成上述的获取电芯放电容量的方法。
69.在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的获取电芯放电容量的方法的代码部分。
70.以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
71.此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。