基于BO-BiLSTM的超级电容器剩余寿命预测

作     者：沈伟豪 林文文 楼功茂 SHEN Weihao;LIN Wenwen;LOU Gongmao

作者机构：宁波大学机械工程与力学学院浙江宁波315211 宁波大学先进储能技术与装备研究院浙江宁波315211 

出 版 物：《电工电能新技术》 (Advanced Technology of Electrical Engineering and Energy)

年 卷 期：2023年第42卷第4期

页      面：59-67页

核心收录：

学科分类：12[管理学] 080801[工学-电机与电器] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(22078164) 

主　　题：超级电容器 剩余使用寿命 长滑窗 贝叶斯优化 双向长短时记忆神经网络 

摘      要：为了提高超级电容器剩余使用寿命的预测精度,本文提出了一种贝叶斯优化与双向长短时记忆神经网络结合的预测模型(BO-BiLSTM),利用长滑动窗口处理容量数据来提高模型对容量衰退趋势的学习能力,达到对超级电容器剩余寿命精确预测的目的。通过对输入特征的研究和对比,选定了容量和循环数作为模型的输入,随后对滑窗大小、模型步长进行研究,发现长滑窗是模型成功的关键因素。实验模型的精度可以达到AEP=1.02%、RMSE=2.57%。在使用贝叶斯优化算法优化模型参数后,最终预测精度可以达到AEP=0.59%、RMSE=2.16%,具有较高的预测精度。