[發(fā)明專利]一種超級(jí)電容器的剩余使用壽命預(yù)測(cè)方法、裝置及電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201910737649.4
• 申請(qǐng)日: 2019-08-12
• 公開（公告）號(hào): CN110750852B
• 公開（公告）日: 2023-10-17
• 發(fā)明（設(shè)計(jì)）人: 王凱;黃一諾;周艷婷;張明;李立偉;劉含筱;李西
• 申請(qǐng)（專利權(quán)）人: 青島大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/0442;G06N3/086;G01R31/64
• 代理公司: 長(zhǎng)沙新裕知識(shí)產(chǎn)權(quán)代理有限公司 43210
• 代理人: 劉熙

本申請(qǐng)實(shí)施例公開了一種超級(jí)電容器的剩余使用壽命預(yù)測(cè)方法、裝置及電子設(shè)備，所述方法包括將混合遺傳算法HGA與長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)LSTM相結(jié)合，計(jì)算LSTM的隱藏層單元數(shù)量和隨機(jī)失活Dropout概率的最優(yōu)解；將所述最優(yōu)解作為L(zhǎng)STM的隱藏層單元的數(shù)量和Dropout概率的大小，對(duì)LSTM進(jìn)行訓(xùn)練；采用訓(xùn)練好的LSTM對(duì)超級(jí)電容器的剩余使用壽命進(jìn)行預(yù)測(cè)。采用本申請(qǐng)實(shí)施例所提供的技術(shù)方案具有以下優(yōu)點(diǎn)：由于超級(jí)電容器的實(shí)驗(yàn)數(shù)據(jù)是基于時(shí)間序列的，而LSTM易于學(xué)習(xí)長(zhǎng)期依賴，是一種適應(yīng)時(shí)間序列較好的神經(jīng)網(wǎng)絡(luò)將混合遺傳算法HGA與長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)LSTM相結(jié)合，為L(zhǎng)STM設(shè)計(jì)適當(dāng)?shù)木W(wǎng)絡(luò)參數(shù)，即尋求隱藏層單元數(shù)量和隨機(jī)失活Dropout概率的最優(yōu)解。

技術(shù)領(lǐng)域

本申請(qǐng)涉及超級(jí)電容器技術(shù)領(lǐng)域，特別是涉及一種超級(jí)電容器的剩余使用壽命預(yù)測(cè)方法、裝置及電子設(shè)備。

背景技術(shù)

超級(jí)電容器是指介于傳統(tǒng)電容器和充電電池之間的一種新型儲(chǔ)能裝置，它既具有電容器快速充放電的特性，同時(shí)又具有電池的儲(chǔ)能特性，是一種高效、實(shí)用、環(huán)保的新型儲(chǔ)能元件。

超級(jí)電容器單體電壓和能量密度較低，在大規(guī)模儲(chǔ)能系統(tǒng)中需要大量單體串并聯(lián)組合工作，但是超級(jí)電容器存在單體參數(shù)不一致的問題，這將導(dǎo)致模塊內(nèi)部溫度分布不均以及單體之間充電電壓不均衡，上述一系列問題共同作用于超級(jí)電容器的老化過程。當(dāng)超級(jí)電容器以模塊成組的形式作為復(fù)雜電子系統(tǒng)的電源或者輔助電源系統(tǒng)的時(shí)候，其剩余使用壽命(Remaining Useful Life，RUL)將直接影響著整個(gè)系統(tǒng)的可靠性和安全性。

因此，研究超級(jí)電容器的老化特征，預(yù)測(cè)其老化趨勢(shì)進(jìn)而估算它的RUL，這將成為超級(jí)電容器應(yīng)用技術(shù)的研究重點(diǎn)之一。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例中提供了一種超級(jí)電容器的剩余使用壽命預(yù)測(cè)方法、裝置及電子設(shè)備，以滿足現(xiàn)有技術(shù)中超級(jí)電容器剩余使用壽命預(yù)測(cè)的需求。

第一方面，本申請(qǐng)實(shí)施例提供了一種超級(jí)電容器的剩余使用壽命預(yù)測(cè)方法，所述方法包括：

將混合遺傳算法HGA與長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)LSTM相結(jié)合，計(jì)算LSTM的隱藏層單元數(shù)量和隨機(jī)失活Dropout概率的最優(yōu)解；

將所述最優(yōu)解作為L(zhǎng)STM的隱藏層單元的數(shù)量和Dropout概率的大小，對(duì)LSTM進(jìn)行訓(xùn)練；

采用訓(xùn)練好的LSTM對(duì)超級(jí)電容器的剩余使用壽命進(jìn)行預(yù)測(cè)。

優(yōu)選地，所述將混合遺傳算法HGA與長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)LSTM相結(jié)合，計(jì)算LSTM的隱藏層單元數(shù)量和隨機(jī)失活Dropout概率的最優(yōu)解，包括：

對(duì)染色體進(jìn)行編碼，初始化種群,所述染色體用于表征長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)LSTM的隱藏層單元的數(shù)量和隨機(jī)失活Dropout概率的大小；

計(jì)算種群中每個(gè)染色體的適應(yīng)度函數(shù)值；

根據(jù)所述適應(yīng)度函數(shù)值進(jìn)行選擇、交叉和變異操作，產(chǎn)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(guī)劃SQP算法進(jìn)行局部尋優(yōu)，將SQP算法尋優(yōu)所得的結(jié)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(jì)算種群中每個(gè)染色體的適應(yīng)度函數(shù)值；

若滿足終止條件，則根據(jù)當(dāng)前種群中每個(gè)染色體的適應(yīng)度函數(shù)值，確定最優(yōu)染色體，所述最優(yōu)染色體對(duì)應(yīng)LSTM的隱藏層單元的數(shù)量和Dropout概率的大小的最優(yōu)解。

優(yōu)選地，所述計(jì)算種群中每個(gè)染色體的適應(yīng)度函數(shù)值，具體為：

將LSTM的均方根誤差RMSE作為適應(yīng)度函數(shù)，計(jì)算種群中每個(gè)染色體的適應(yīng)度函數(shù)值。

優(yōu)選地，所述終止條件為迭代次數(shù)。