[發明專利]一種超級電容器的剩余使用壽命預測方法、裝置及電子設備

有效

• 申請號: 201910737649.4
• 申請日: 2019-08-12
• 公開（公告）號: CN110750852B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 王凱;黃一諾;周艷婷;張明;李立偉;劉含筱;李西
• 申請（專利權）人: 青島大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/0442;G06N3/086;G01R31/64
• 代理公司: 長沙新裕知識產權代理有限公司 43210
• 代理人: 劉熙

1.一種超級電容器的剩余使用壽命預測方法，其特征在于，包括：

將混合遺傳算法HGA與長短時記憶神經網絡LSTM相結合，計算LSTM的隱藏層單元數量和隨機失活Dropout概率的最優解；

將所述最優解作為LSTM的隱藏層單元的數量和Dropout概率的大小，對LSTM進行訓練；

采用訓練好的LSTM對超級電容器的剩余使用壽命進行預測。

2.根據權利要求1所述的方法，其特征在于，將混合遺傳算法HGA與長短時記憶神經網絡LSTM相結合，計算LSTM的隱藏層單元數量和隨機失活Dropout概率的最優解，包括：

對染色體進行編碼，初始化種群,所述染色體用于表征長短時記憶神經網絡LSTM的隱藏層單元的數量和隨機失活Dropout概率的大小；

計算種群中每個染色體的適應度函數值；

根據所述適應度函數值進行選擇、交叉和變異操作，產生新一代種群；

將所述新一代種群作為初始值，采用序列二次規劃SQP算法進行局部尋優，將SQP算法尋優所得的結果作為新一代種群；

判斷是否滿足終止條件，若不滿足終止條件，則重新計算種群中每個染色體的適應度函數值；

若滿足終止條件，則根據當前種群中每個染色體的適應度函數值，確定最優染色體，所述最優染色體對應LSTM的隱藏層單元的數量和Dropout概率的大小的最優解。

3.根據權利要求2所述的方法，其特征在于，所述計算種群中每個染色體的適應度函數值，具體為：

將LSTM的均方根誤差RMSE作為適應度函數，計算種群中每個染色體的適應度函數值。

4.根據權利要求2所述的方法，其特征在于，所述終止條件為迭代次數。

5.一種超級電容器的剩余使用壽命預測裝置，其特征在于，包括：

最優解計算模塊，用于采用混合遺傳算法HGA計算長短時記憶神經網絡LSTM的隱藏層單元的數量和隨機失活Dropout概率的大小的最優解；

訓練模塊，用于將所述最優解作為LSTM的隱藏層單元的數量和Dropout概率的大小，對LSTM進行訓練；

預測模塊，用于采用訓練好的LSTM對超級電容器的剩余使用壽命進行預測。

6.根據權利要求5所述的裝置，其特征在于，所述最優解計算模塊，包括：

編碼模塊，用于對染色體進行編碼，初始化種群,所述染色體用于表征長短時記憶神經網絡LSTM的隱藏層單元的數量和隨機失活Dropout概率的大小；

適應度計算模塊，用于計算種群中每個染色體的適應度函數值；

遺傳算法模塊，用于根據所述適應度函數值進行選擇、交叉和變異操作，產生新一代種群；

序列二次規劃算法模塊，用于將所述新一代種群作為初始值，采用序列二次規劃SQP算法進行局部尋優，將SQP算法尋優所得的結果作為新一代種群；

判斷模塊，用于判斷是否滿足終止條件，若不滿足終止條件，則重新計算種群中每個染色體的適應度函數值；

確定模塊，用于若滿足終止條件，則根據當前種群中每個染色體的適應度函數值，確定最優染色體，所述最優染色體對應LSTM的隱藏層單元的數量和Dropout概率的大小的最優解。

7.根據權利要求6所述的裝置，其特征在于，所述適應度計算模塊，具體用于：

將LSTM的均方根誤差RMSE作為適應度函數，計算種群中每個染色體的適應度函數值。

8.根據權利要求6所述的裝置，其特征在于，所述終止條件為迭代次數。

9.一種電子設備，其特征在于，包括：

處理器；

用于存儲處理器的執行指令的存儲器；

其中，所述處理器被配置為執行權利要求1-4任一項所述的方法。