一种基于储能容量的超级电容寿命预测方法及系统与流程

本发明涉及超级电容，具体为一种基于储能容量的超级电容寿命预测方法及系统。

背景技术：

1、超级电容作为一种高效储能装置，其在电子、汽车等领域的应用日益广泛。随着科技的不断进步，超级电容的技术也在不断发展。在过去的几年里，超级电容的储能容量、充放电速率、循环寿命等性能都得到了显著提升。同时，随着人们对储能技术要求的不断提高，对超级电容寿命预测方法的研究也日益深入。

2、尽管超级电容具有诸多优点，但其循环寿命预测仍然是一个具有挑战性的问题。传统的寿命预测方法往往依赖于经验模型或简单的数学模型，无法准确反映超级电容储能衰减的复杂过程。同时，现有技术对超级电容寿命预测往往依赖于时间和循环次数等简单参数，缺乏对储能容量衰减特征的深入挖掘。因此，如何准确预测超级电容的寿命，成为了当前技术亟待解决的问题。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明解决的技术问题是：现有的超级电容寿命预测方法存在复杂性高，准确性不足，以及如何适用于多种工作环境的问题。

3、为解决上述技术问题，本发明提供如下技术方案：一种基于储能容量的超级电容寿命预测方法，包括采集电容数据，基于gru神经网络预测储能衰减特征参数；利用时间序列模型确定特征值的时间序列分解结果，提取体现超级电容容量的衰减因子；基于体现超级电容容量的衰减因子进行超级电容寿命预测。

4、作为本发明所述的基于储能容量的超级电容寿命预测方法的一种优选方案，其中：所述采集电容数据包括在超级电容放电的状态下，每隔一个时间周期采集一次超级电容储能容量，将容量每10%设定一个容量阈值区间并标记一个容量类别，设定十个容量类别，同时采集每个时间周期开始和结束时的电压和电流，记录数据采集的时间点，建立时间序列数据。

5、作为本发明所述的基于储能容量的超级电容寿命预测方法的一种优选方案，其中：所述基于gru神经网络预测储能衰减特征参数包括基于gru神经网络的输入门、遗忘门、更新门和候选记忆单元根据时间序列数据进行计算，更新隐藏状态，通过隐藏状态反映超级电容储能特征的演变过程，表示为：

6、,

7、其中，表示隐藏状态，表示神经网络在时间步t的输出，表示更新门，表示前一时刻隐藏状态，表示候选记忆单元；

8、输出储能衰减特征参数的预测值，表示为：

9、,

10、其中，表示输出层的权重矩阵，表示输出层的偏置向量，通过交叉熵损失函数来衡量预测值与真实值之间的差距，表示为：

11、,

12、其中，为样本数量，为类别数量，表示实际电容的标签，选择差距最小化进行参数更新，完成模型优化。

13、作为本发明所述的基于储能容量的超级电容寿命预测方法的一种优选方案，其中：所述提取体现超级电容容量的衰减因子包括对储能容量的时间序列结果分解，分解为趋势、季节性和残差，表示为：

14、,

15、,

16、,

17、其中，表示多项式拟合系数，t表示时间序列的时间点，表示误差项，和表示幅度参数，表示季节性电容数据采集周期，表示高斯核函数的幅度，表示高斯核函数的中心时间，表示标准差。

18、作为本发明所述的基于储能容量的超级电容寿命预测方法的一种优选方案，其中：所述提取体现超级电容容量的衰减因子包括基于储能容量的时间序列分解结果，容量衰减因子提取模型，通过衰减因子反映超级电容的衰减情况，表示为：

19、,

20、其中，表示时间点总数。

21、作为本发明所述的基于储能容量的超级电容寿命预测方法的一种优选方案，其中：所述基于体现超级电容容量的衰减因子进行超级电容寿命预测包括通过季节性体现超级电容的放电周期，结合容量衰减因子预测超级电容寿命，表示为：

22、,

23、其中， 表示超级电容的寿命， 表示电容负载修正系数， 表示从满载到容量耗尽储能消耗速度， 表示周期性影响的修正系数。

24、作为本发明所述的基于储能容量的超级电容寿命预测方法的一种优选方案，其中：所述基于体现超级电容容量的衰减因子进行超级电容寿命预测还包括设定寿命区间、以及，为中低寿命临界值，为寿命快速衰减临界值，为低寿命临界值；

25、当＞时，则超级电容处于正常储能和放电状态；

26、当＞＞时，视为超级电容储能能力下降，但储能容量可以设定十个容量标签，系统发出优化使用环境提示，根据工作温度、电压波动范围以及电流负载，向用户发出优化提示，当应用条件为工业，工作温度不超过85℃， 设定电压波动范围在额定电压的±5% 以内，当应用条件为车辆，根据季节变换，提醒驾驶员采取散热措施，当应用条件为其他，电流负载达到时间阈值告知用户，关闭设备或降低负载；

27、当＞时，超级电容处于寿命快速衰减状态，系统告知用户寿命不足，并识别是否存在冗余电容或备用电容，当不存在时告知用户准备进行替换或维修，当存在冗余电容或备用电容，l=时告知用户准备进行替换或维修。

28、本发明的另外一个目的是提供一种基于储能容量的超级电容寿命预测系统，其能通过采用基于gru神经网络的预测模型，解决了目前的超级电容寿命预测准确性不高的问题。

29、作为本发明所述的基于储能容量的超级电容寿命预测系统的一种优选方案，其中：包括特征提取模块，衰减因子提取模块，寿命预测模块；所述特征提取模块用于采集电容数据，基于gru神经网络预测储能衰减特征参数；所述衰减因子提取模块用于利用时间序列模型确定特征值的时间序列分解结果，提取体现超级电容容量的衰减因子；所述寿命预测模块用于基于体现超级电容容量的衰减因子进行超级电容寿命预测。

30、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序是实现基于储能容量的超级电容寿命预测方法的步骤。

31、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于储能容量的超级电容寿命预测方法的步骤。

32、本发明的有益效果：本发明提供的基于储能容量的超级电容寿命预测方法通过gru神经网络的特征提取和学习能力，实现了对超级电容储能衰减特征参数的准确预测，从而提高了寿命预测的精度和可靠性。其次，通过时间序列模型确定特征值的时间序列分解结果，能够更全面地分析超级电容的容量衰减因子，使得预测结果更加可信。此外，采用多项式拟合和时间序列分解相结合的方法，不仅增强了对电容容量衰减趋势的捕捉能力，还提高了预测模型的稳定性和可靠性。本发明在准确性、可靠性以及适应性方面都取得更加良好的效果。

技术特征：

1.一种基于储能容量的超级电容寿命预测方法，其特征在于，包括：

2.如权利要求1所述的基于储能容量的超级电容寿命预测方法，其特征在于：所述采集电容数据包括在超级电容放电的状态下，每隔一个时间周期采集一次超级电容储能容量，将容量每10%设定一个容量阈值区间并标记一个容量类别，设定十个容量类别，同时采集每个时间周期开始和结束时的电压和电流，记录数据采集的时间点，建立时间序列数据。

3.如权利要求2所述的基于储能容量的超级电容寿命预测方法，其特征在于：所述基于gru神经网络预测储能衰减特征参数包括基于gru神经网络的输入门、遗忘门、更新门和候选记忆单元根据时间序列数据进行计算，更新隐藏状态，通过隐藏状态反映超级电容储能特征的演变过程，表示为：

4.如权利要求3所述的基于储能容量的超级电容寿命预测方法，其特征在于：所述提取体现超级电容容量的衰减因子包括对储能容量的时间序列结果分解，分解为趋势、季节性和残差，表示为：

5.如权利要求4所述的基于储能容量的超级电容寿命预测方法，其特征在于：所述提取体现超级电容容量的衰减因子包括基于储能容量的时间序列分解结果，容量衰减因子提取模型，通过衰减因子反映超级电容的衰减情况，表示为：

6.如权利要求5所述的基于储能容量的超级电容寿命预测方法，其特征在于：所述基于体现超级电容容量的衰减因子进行超级电容寿命预测包括通过季节性体现超级电容的放电周期，结合容量衰减因子预测超级电容寿命，表示为：

7.如权利要求6所述的基于储能容量的超级电容寿命预测方法，其特征在于：所述基于体现超级电容容量的衰减因子进行超级电容寿命预测还包括设定寿命区间、以及，为中低寿命临界值，为寿命快速衰减临界值，为低寿命临界值；

8.一种采用如权利要求1~7任一所述的基于储能容量的超级电容寿命预测方法的系统，其特征在于：包括特征提取模块，衰减因子提取模块，寿命预测模块；

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于储能容量的超级电容寿命预测方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于储能容量的超级电容寿命预测方法的步骤。

技术总结
本发明公开了一种基于储能容量的超级电容寿命预测方法及系统，涉及超级电容技术领域，包括采集电容数据，基于GRU神经网络预测储能衰减特征参数；利用时间序列模型确定特征值的时间序列分解结果，提取体现超级电容容量的衰减因子；基于体现超级电容容量的衰减因子进行超级电容寿命预测。本发明提供的基于储能容量的超级电容寿命预测方法通过GRU神经网络的特征提取和学习能力，实现了对超级电容储能衰减特征参数的准确预测，从而提高了寿命预测的精度和可靠性。其次，通过时间序列模型确定特征值的时间序列分解结果，能够更全面地分析超级电容的容量衰减因子，使得预测结果更加可信。

技术研发人员：严弢,邱逢涛,赵亚东,罗威,李诗林,李志鹏,王华卫
受保护的技术使用者：西安热工研究院有限公司
技术研发日：
技术公布日：2024/7/15