基于Mogrifier LSTM-SVR的超级电容寿命预测

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。