本技术涉及电池，尤其涉及一种电池容量检测方法及其装置、终端设备、可读存储介质。
背景技术：
1、电池是一种能够将化学能转化为电能的装置，利用电池作为能量来源，可以得到具有稳定电压，受外界影响较小的稳定供电，并且电池的结构简单，携带方便，充放电操作简便易行，性能稳定可靠，在现代社会生活中的各个方面发挥有很大作用。此外，随着人们环保意识的显著增强，以及对绿色健康生活环境追求的提高，电池在新能源汽车中得到了越来越广泛的应用，同时，人们对电池的性能也提出了更高的要求。为了保证电池的续航里程,在电池的生产过程中，需要对每个电池进行容量检测，从而进行合理分容。
2、本技术的发明人在研究和实践过程中发现，现有技术中对电池的分容工序耗时长,能耗高，效率低，且容量检测的精度较低。
技术实现思路
1、本技术提供了一种电池容量检测方法及其装置、终端设备、可读存储介质，可提高电池容量检测的准确度，且操作简单，适用性高。
2、第一方面，本技术提供了一种电池容量检测方法，包括：
3、基于电池的制造工艺确定电池容量检测的关键因子，上述关键因子中至少包括上述电池的剩余电量为预设电量时上述电池的开路电压，以及上述电池的端电压变化至变化值为预设变化值所用的第一时间；
4、获取电池容量检测的各个样本电池的制造数据，并从上述各个样本电池的制造数据中选取上述关键因子关联的上述各个样本电池的样本制造数据；
5、根据上述各个样本电池的样本制造数据和上述各个样本电池的样本电池容量构建容量预测模型；
6、获取待测电池的制造数据，并通过上述容量预测模型基于上述待测电池的制造数据检测上述待测电池的容量，以得到上述待测电池的检测容量。
7、在一种可能的实施方式中，上述基于电池的制造工艺确定电池容量检测的关键因子包括：
8、基于上述电池的制造工艺，获取上述电池在剩余电量为第一电量值至第二电量值的电量范围中至少一个电量值时上述电池对应的至少一个开路电压，并将上述至少一个开路电压确定为上述电池容量检测的关键因子；
9、基于上述电池的制造工艺，获取上述电池的端电压由第一电压值上升至第二电压值所用的第一时间，并将上述第一时间确定为上述电池容量检测的关键因子。
10、在一种可能的实施方式中，上述方法还包括：
11、基于上述电池的制造工艺，获取上述电池首次放电效率关联的第一可选关键因子、上述电池内阻关联的第二可选关键因子、上述电池内阻差异关联的第三可选关键因子中的至少一种，并将上述第一可选关键因子、第二可选关键因子以及第三可选关键因子中的至少一种添加至上述电池容量检测的关键因子中以作为更新后的上述电池容量检测的关键因子；
12、其中，上述第一可选关键因子包括高温老化温度和/或高温老化时间；上述第二可选关键因子包括注液量、高温浸润时间、高温浸润温度和/或充电初始温度；上述第三可选关键因子包括充电工序中每工步的结束电压、结束时间、结束容量和/或总充电容量。
13、在一种可能的实施方式中，上述获取电池容量检测的各个样本电池的制造数据，并从上述各个样本电池的制造数据中选取上述关键因子关联的上述各个样本电池的样本制造数据包括：
14、获取电池容量检测的上述各个样本电池的制造数据，并按照电池条码对上述各个样本电池的制造数据进行对齐，按照上述电池的制造工艺的标准对上述各个样本电池的制造数据进行数据清洗，以得到上述各个样本电池的处理制造数据；
15、从上述各个样本电池的处理制造数据中选取上述关键因子关联的上述各个样本电池的样本制造数据。
16、在一种可能的实施方式中，上述根据上述各个样本电池的样本制造数据和上述各个样本电池的样本电池容量构建容量预测模型包括：
17、将上述各个样本电池的样本制造数据和上述各个样本电池的样本电池容量输入给轻量梯度提升lgbm回归模型或者误差逆传播bp神经网络模型；
18、基于上述lgbm回归模型或者上述bp神经网络模型对上述各个样本电池的样本制造数据和上述样本电池容量进行学习，以使上述lgbm回归模型或者上述bp神经网络模型获得基于输入的任一电池的制造数据得到上述任一电池的容量的能力。
19、第二方面，本技术还提供了一种电池容量检测装置，上述装置包括:
20、确定单元，用于基于上述电池的制造工艺确定电池容量检测的关键因子，上述关键因子中至少包括上述电池的剩余电量为预设电量时上述电池的开路电压，以及上述电池的端电压变化至变化值为预设变化值所用的第一时间；
21、数据选取单元，用于获取电池容量检测的多个样本电池的制造数据，并从各个样本电池的制造数据中选取上述确定单元确定的上述关键因子关联的上述各个样本电池的样本制造数据；
22、模型构建单元，用于根据上述数据选取单元选取的上述各个样本电池的样本制造数据和上述各个样本电池的样本电池容量构建容量预测模型；
23、容量检测单元，用于获取待测电池的制造数据，并通过上述容量预测模型基于上述待测电池的制造数据检测上述待测电池的容量，以得到上述待测电池的检测容量。
24、在一种可能的实施方式中，上述确定单元用于：
25、基于上述电池的制造工艺，获取上述电池在剩余电量为第一电量值至第二电量值的电量范围中至少一个电量值时上述电池对应的至少一个开路电压，并将上述至少一个开路电压确定为上述电池容量检测的关键因子；
26、基于上述电池的制造工艺，获取上述电池的端电压由第一电压值上升至第二电压值所用的第一时间，并将上述第一时间确定为上述电池容量检测的关键因子。
27、在一种可能的实施方式中，上述数据选取单元用于：
28、获取电池容量检测的上述各个样本电池的制造数据，并按照电池条码对上述各个样本电池的制造数据进行对齐，按照上述电池的制造工艺的标准对上述各个样本电池的制造数据进行数据清洗，以得到上述各个样本电池的处理制造数据；
29、从上述各个样本电池的处理制造数据中选取上述确定单元确定的上述关键因子关联的上述各个样本电池的样本制造数据。
30、在一种可能的实施方式中，上述确定单元还用于：
31、基于上述电池的制造工艺，获取上述电池首次放电效率关联的第一可选关键因子、上述电池内阻关联的第二可选关键因子、上述电池内阻差异关联的第三可选关键因子中的至少一种，并将上述第一可选关键因子、第二可选关键因子以及第三可选关键因子中的至少一种添加至上述电池容量检测的关键因子中以作为更新后的上述电池容量检测的关键因子；
32、其中，上述第一可选关键因子包括高温老化温度和/或高温老化时间；上述第二可选关键因子包括注液量、高温浸润时间、高温浸润温度和/或充电初始温度；上述第三可选关键因子包括充电工序中每工步的结束电压、结束时间、结束容量和/或总充电容量。
33、在一种可能的实施方式中，上述模型构建单元用于：
34、将上述各个样本电池的样本制造数据和上述各个样本电池的样本电池容量输入给轻量梯度提升lgbm回归模型或者误差逆传播bp神经网络模型；
35、基于上述lgbm回归模型或者上述bp神经网络模型对上述各个样本电池的样本制造数据和上述样本电池容量进行学习，以使上述lgbm回归模型或者上述bp神经网络模型获得基于输入的任一电池的制造数据得到上述任一电池的容量的能力。
36、第三方面，本技术还提供了一种终端设备，上述终端设备包括处理器和存储器，上述处理器和上述存储器相互连接，其中，上述存储器用于存储计算机程序，上述计算机程序包括程序指令，上述处理器被配置用于调用上述程序指令，执行上述第一方面提供的方法。
37、第四方面，本技术还提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序包括程序指令，上述程序指令当被处理器执行时使上述处理器执行上述第一方面提供的方法。
38、在本技术实施例中，基于电池的制造工艺确定电池容量检测的关键因子，并根据关键因子对各个样本电池的样本制造数据进行筛选，以获得与关键因子参数相关联的样本制造数据。进一步的，关键因子至少包括电池的剩余电量为预设电量时电池的开路电压，以及电池的端电压变化至变化值为预设变化值所用的第一时间(电池的sei膜形成时间)，该开路电压与第一时间的数值均与电池容量具有线性关系。可选的，关键因子还可以包括与电池首次放电效率关联的第一可选关键因子、与电池内阻关联的第二可选关键因子、与电池内阻差异关联的第三可选关键因子中的至少一种，将第一可选关键因子、第二可选关键因子以及第三可选关键因子中的至少一种添加至电池容量检测的关键因子中以作为更新后的电池容量检测的关键因子；其中，第一可选关键因子包括高温老化温度和/或高温老化时间；第二可选关键因子包括注液量、高温浸润时间、高温浸润温度和/或充电初始温度；第三可选关键因子包括充电工序中每工步的结束电压、结束时间、结束容量和/或总充电容量。可以理解的是，获取样本制造数据中与上述关键因子相关联的制造数据，并根据样本电池容量与样本制造数据构建电池的容量预测模型。进一步的，在将样本制造数据和样本电池容量输入至模型训练之前，为了提高模型训练的效率和精度，本技术实施例按照电池条码对各个样本电池的制造数据进行对齐，按照电池的制造工艺的标准对各个样本电池的制造数据进行数据清洗，以得到处理制造数据；从各个样本电池的处理制造数据中选取关键因子关联的各个样本电池的样本制造数据。将获得的样本制造数据和样本电池容量输入至给轻量梯度提升lgbm回归模型或者误差逆传播bp神经网络模型；基于lgbm回归模型或者bp神经网络模型对各个样本电池的样本制造数据和样本电池容量进行学习，以使lgbm回归模型或者bp神经网络模型获得基于输入的任一电池的制造数据得到任一电池的容量的能力。本技术实施例中电池容量检测方法通过基于电池的制造工艺确定电池容量检测的关键因子，并收集与该关键因子相应的多个样本电池的样本制造数据，以及样本电池的样本电池容量，能够构建精确度较高的容量预测模型，且实现方式简单有效，可有效降低电池的检测成本，适用性高。
1.一种电池容量检测方法，其特征在于，包括：
2.根据权利要求1所述的电池容量检测方法，其特征在于，所述基于电池的制造工艺确定电池容量检测的关键因子包括：
3.根据权利要求2所述的电池容量检测方法，其特征在于，所述方法还包括：
4.根据权利要求1-3任一项所述的电池容量检测方法，其特征在于，所述获取电池容量检测的各个样本电池的制造数据，并从所述各个样本电池的制造数据中选取所述关键因子关联的所述各个样本电池的样本制造数据包括：
5.根据权利要求4所述的电池容量检测方法，其特征在于，所述根据所述各个样本电池的样本制造数据和所述各个样本电池的样本电池容量构建容量预测模型包括：
6.一种电池容量检测装置，其特征在于，包括：
7.根据权利要求6所述的电池容量检测装置，其特征在于，所述确定单元用于：
8.根据权利要求6或7所述的电池容量检测装置，其特征在于，所述数据选取单元用于：
9.一种终端设备，其特征在于，所述终端设备包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-5任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。
