1.一种退役电池模组容量预测方法,其特征在于,包括:
2.根据权利要求1所述的退役电池模组容量预测方法,其特征在于,获取若干退役动力电池模组在第一次充放电测试后的剩余容量,包括:
3.根据权利要求1所述的退役电池模组容量预测方法,其特征在于,获取所述若干退役动力电池模组第二次充放电测试的ic曲线,并选取符合预设条件的电压区间作为限制电压区间段,包括:
4.根据权利要求1所述的退役电池模组容量预测方法,其特征在于,在所述限制电压区间段内,获取所述若干退役动力电池模组在短时间充放电测试下的短时间充放电曲线、短时间充放电时间和短时间充放电容量值,包括:
5.根据权利要求4所述的退役电池模组容量预测方法,其特征在于,所述第一充放电能力倍率为0.3c~1c,所述第一温度为15℃~35℃。
6.根据权利要求1所述的退役电池模组容量预测方法,其特征在于,获取所述若干退役动力电池模组中两两电池模组之间的短时间充放电曲线的弗雷歇距离,包括:
7.根据权利要求1所述的退役电池模组容量预测方法,其特征在于,所述初始神经网络模型为elman神经网络模型;所述elman神经网络模型结构属于前馈连接,其包括输入层、隐含层、输出层,所述隐含层的传递函数为非线性函数,输出层为线性函数。
8.一种退役电池模组容量预测装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器和处理器,其中,
10.一种计算机可读存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程序或指令被处理器执行时能够实现上述权利要求1至7中任意一项所述的退役电池模组容量预测方法中的步骤。