基于Mogrifier LSTM-SVR的超级电容寿命预测 |
| |
引用本文: | 王福忠,任淯琳,张丽.基于Mogrifier LSTM-SVR的超级电容寿命预测[J].电源技术,2023(7):935-939. |
| |
作者姓名: | 王福忠 任淯琳 张丽 |
| |
作者单位: | 河南理工大学电气工程与自动化学院 |
| |
基金项目: | 国家自然科学基金项目(U1804143);;河南省科技攻关项目(212102210146); |
| |
摘 要: | 超级电容是储能系统中常用的储能元件,为了解决在对其使用寿命预测时,影响因子考虑不全面,预测精度不高的问题,提出基于支持向量机回归算法与改进的长短期记忆网络算法(Mogrifier LSTM-SVR)相结合的超级电容的使用寿命预测模型。通过引入温度、电压和电流三种超级电容寿命影响因子,建立更贴近实际的超级电容寿命模型,选取剩余容量作为特征参数。构建Mogrifier LSTM网络,在传统的LSTM中增加Mogrifier门机制,并利用支持向量机回归(SVR)对Mogrifier LSTM网络预测误差回归预测,修正误差。通过仿真实验和模型的预测结果对比分析表明,Mogrifier LSTM-SVR对超级电容寿命预测的准确性更高,误差波动量级更小。
|
关 键 词: | 超级电容 寿命预测 长短期记忆网络 支持向量机回归 剩余容量 |
|