[發明專利]一種基于LSTM-SVR的超級電容器剩余使用壽命預測方法

在審

• 申請號: 202210572695.5
• 申請日: 2022-05-25
• 公開（公告）號: CN114781277A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 劉曉明;任宇朋;陳海;姜文濤
• 申請（專利權）人: 河北工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于LSTM-SVR的超級電容器剩余使用壽命預測方法，包括以下步驟：

步驟1：模擬實際工況下超級電容器的工作方式，對超級電容器進行循環壽命測試；

步驟2：將改進粒子群算法IPSO分別優化長短時記憶神經網絡LSTM與支持向量機SVR，計算LSTM的隱藏層單元數量和隨機失活Dropout概率的最優解與支持向量機SVR的懲罰參數C和核參數g的最優解；

步驟3：根據所述的LSTM的隱藏層單元數量和隨機失活Dropout概率的最優解作為LSTM的最優參數，對LSTM進行訓練；

步驟4：根據所述的支持向量機SVR的懲罰參數C和核參數g的最優解作為SVR的最優參數，對SVR進行訓練

步驟5：利用最小二乘法確定LSTM與SVR的權重系數，建立LSTM-SVR組合預測模型并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所述的一種基于LSTM-SVR的超級電容器剩余使用壽命預測方法，其特征在于，所述的實際工況可以是任意一種超級電容器的工作場景，本發明選用的是應用于NB網絡大電流脈沖通信場景。

3.根據權利要求1所述的一種基于LSTM-SVR的超級電容器剩余使用壽命預測方法，其特征在于，所述的超級電容器循環壽命測試的步驟如下：

1)對超級電容器進行預充放電處理，再測量電容靜電容量的初始值；

2)在預充放電處理后，將超級電容器的電壓放電至最低電壓U_min，靜置24h；

3)在70℃高溫下，使用模擬實際電流對超級電容器進行充放電循環；

4)當超級電容器的當前靜電容量值小于初始靜電容量值的80％時停止測試，并記錄實驗過程中的充放電電壓、電流以及充放電對應的循環次數等數據。

4.根據權利要求1所述的一種基于LSTM-SVR的超級電容器剩余使用壽命預測方法，其特征在于，所述的改進粒子群算法IPSO是將遺傳算法GA中的交叉、變異操作引入粒子群算法PSO中，構成改進粒子群算法IPSO。

5.根據權利要求1所述的一種基于LSTM-SVR的超級電容器剩余使用壽命預測方法，其特征在于，所述的利用IPSO算法分別計算尋找LSTM的隱藏層單元數量和隨機失活Dropout概率的最優解與支持向量機SVR的懲罰參數C、核參數g的最優解，包括：

1)對表征LSTM的隱藏層單元的數量和隨機失活Dropout概率的大小的粒子與支持向量機SVR的懲罰參數C、核參數g的大小的粒子的位置、速度和迭代次數分別進行初始化：

2)計算種群中每個粒子的適應度函數值；根據所述適應度函數值進行交叉和變異操作，產生新一代種群；

3)將粒子群中每個粒子的當前位置與其歷史最優位置的適應值進行比較，如果優于歷史最優位置，用當前位置作為新的歷史最優位置；

4)對于每個粒子，將其歷史最優位置與粒子群內或鄰域內所經歷的最優位置的適應值進行比較，若更好，將其作為當前的全局最優位置；

5)更新粒子的速度和位置；

6)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粒子的適應度函數值，重復上2)-5)的操作；

若滿足終止條件，則根據當前種群中每個粒子的適應度函數值，確定最優粒子，所述最優粒子分別對應LSTM的隱藏層單元的數量、Dropout概率的最優解與支持向量機SVR的懲罰參數C、核參數g的最優解。

6.根據權利要求1所述的一種基于LSTM-SVR的超級電容器剩余使用壽命預測方法，其特征在于，所述的利用最小二乘法分配權重系數，建立LSTM-SVR組合預測模型并對超級電容器的剩余使用壽命進行預測，包括：

1)以訓練好的LSTM和SVR的訓練容量預測值與超級電容器容量實際值誤差平方和最小為準則，利用最小二乘法確立組合預測模型權重。

2)根據所述的LSTM-SVR組合預測模型權重建立LSTM-SVR組合預測模型，輸入測試集對超級電容器的剩余使用壽命進行預測。