[发明专利]一种基于支持向量机的超级电容器剩余寿命预测新方法

权利要求书

1.一种基于支持向量机的超级电容器剩余寿命预测新方法，其特征在于，包括以下步骤：

步骤1：从超级电容器老化状态数据中提取表征超级电容性能退化的外特征参数H作为支持向量机SVR的输入向量，超级电容器容量C作为输出向量；

步骤2：将带有精英保留策略的快速非支配多目标优化算法NSGA-II与支持向量机SVR相结合，建立NSGA-II-SVR方法的优化目标函数1和优化目标函数2；

步骤3：根据所述的优化目标函数1和优化目标函数2，NSGA-II算法对SVR的训练集数量a、惩罚参数c和核函数参数g进行优化，输出Pareto解集；

步骤4：根据所述的Pareto解集确定SVR的训练集数量a、惩罚参数c和核函数参数g的最优解；

步骤5：根据所述的训练集数量a的最优解划分训练集和测试集；

步骤6：根据所述的惩罚参数c和核函数参数g的最优解作为支持向量机SVR的惩罚参数c和核函数参数g的大小，并输入训练集对SVR进行训练；

步骤7：根据所述的训练好得SVR对超级电容器剩余寿命进行预测。

2.根据权利要求1所述的一种基于支持向量机的超级电容器剩余寿命预测新方法，其特征在于，所述的从超级电容器老化状态数据中提取表征超级电容性能退化的外特征参数H作为支持向量机SVR的输入，超级电容器容量C作为输出，包括：

1)采用Pearson和Spearman相关性分析法分析外特征参数H与容量C之间的相关性，计算得到的Pearson和Spearman系数绝对值在(0，1)范围内且越接近1两者线性相关程度越强；

2)与超级电容器容量C具有相关性的外特征参数H可以表征超级电容器性能退化并作为SVR的输入向量，超级电容器容量C作为SVR的输出向量。

3.根据权利要求1所述的一种用基于支持向量机的超级电容器剩余寿命预测新方法，其特征在于，所述的NSGA-II-SVR方法的优化目标函数1是以SVR模型训练集的数量最少；优化目标函数2是以超级电容器的实际容量值与SVR预测容量值之间的均方差(Mean SquareError，MSE)值最小。

4.根据权利要求1所述的一种基于支持向量机的超级电容器剩余寿命预测新方法，其特征在于，所述的步骤3包括以下步骤：

1)根据SVR的输入向量外特征参数H和输出向量超级电容器容量C建立超级电容器剩余寿命预测的数据集并进行归一化处理；

2)对用于表征支持向量机SVR的训练集数量a、惩罚参数c和核函数参数g大小的种群和最大迭代次数进行初始化：

3)计算种群(N)的优化目标函数1和优化目标函数2，根据所述的优化目标函数对种群(N)中每个粒子进行非支配排序和拥挤度计算；

4)根据所述的进行非支配排序和拥挤度计算后的种群进行选择、交叉和变异操作，产生子代种群(N)；

5)将子代种群和父代种群合并生成新种群(2N)后进行非支配排序和拥挤度计算；根据所述的进行非支配排序和拥挤度计算的新种群(2N)选择最优种群(N)；

6)判断是否满足终止条件，若不满足终止条件，迭代次数加1，重复上4)-5)的操作；若满足终止条件，输出Pareto解集。

5.根据权利要求1所述的一种基于支持向量机的超级电容器剩余寿命预测新方法，其特征在于，所述的步骤4最优解的选取兼顾优化目标函数1和2，选择距离原点近的解作为优化目标函数1和2的最优组合，其对应的变量为支持向量机SVR的训练集数量a、惩罚参数c和核函数参数g的最优解。

6.根据权利要求2所述的一种用基于支持向量机的超级电容器剩余寿命预测新方法，其特征在于，所述的外特征参数H可以是在超级电容器老化过程中任意与超级电容器容量C具有线性相关性的外特征参数，本发明选用的是超级电容器充放电次数n和充放电阶段所需时间平均值t。

7.根据权利要求4所述的一种用基于支持向量机的超级电容器剩余寿命预测新方法，其特征在于，所述的终止条件为假设两个Pareto优解集是相隔GAP(表示相隔代数)代得到的，则称这两个种群为相邻GAP代种群。如果相邻GAP代的种群距离小于可接受相邻GAP代种群最小距离，称结果开始趋于稳定，且连续T次保持这种稳定则算法停止。