[发明专利]一种基于神经网络的超级电容器循环寿命和容量衰减的早期预测方法

权利要求书

1.一种基于神经网络的超级电容器循环寿命和容量衰减的早期预测方法，其特征在于，包括如下步骤：

S1、对超级电容器进行恒流充放电循环测试步骤；

S2、根据现有电容与额定电容的比值来定义寿命的步骤；

S3、建立回归误差评价体系的步骤；

S4、选取不同阈值，以得到不同成本下的不同精度结果的模型；

S5、选取与电压降、电容、IRdrop相关的物理量作为特征，以及由这些物理量进一步衍生出的特征；

S6、将步骤S5中得到的特征作为输入，使用人工神经网络进行模型调整超参数，以及训练并预测。

2.根据权利要求1所述的一种基于神经网络的超级电容器循环寿命和容量衰减的早期预测方法，其特征在于，还包括步骤S7,重复步骤S4-S6，选取不同的相关系数阈值得到不同的早期循环数。

3.根据权利要求1所述的一种基于神经网络的超级电容器循环寿命和容量衰减的早期预测方法，其特征在于，步骤S1中，以等间隔1秒的时间间隔记录电压、电流、温度。

4.根据权利要求1所述的一种基于神经网络的超级电容器循环寿命和容量衰减的早期预测方法，其特征在于，步骤S4中，基于训练集，建立不同循环中电压降与寿命的对数、电容与寿命的对数之间的线性关系，用皮尔逊相关系数进行描述；根据精度需求，选择合适的皮尔逊相关系数阈值，并以此定义早期循环。

5.根据权利要求1所述的一种基于神经网络的超级电容器循环寿命和容量衰减的早期预测方法，其特征在于，步骤S6中，通过网格搜索和K折交叉验证，选取在训练集上表现最好的模型，用测试集进行测试。

6.根据权利要求4所述的一种基于神经网络的超级电容器循环寿命和容量衰减的早期预测方法，其特征在于，不同循环中电压降是每个循环开始放电10秒至20秒内的电压降。

7.根据权利要求6所述的一种基于神经网络的超级电容器循环寿命和容量衰减的早期预测方法，其特征在于，步骤S5中的电容是指每个循环的平均放电电容。