点击次数：

论文类型：期刊论文

发表时间：2018-07-15

发表刊物：电子测量与仪器学报

期号：07

页面范围：187-191

ISSN号：1000-7105

关键字：超级电容器;老化趋势;支持向量机;粒子群优化

摘要：超级电容器的老化状态直接影响着储能系统的寿命。通过预测超级电容器性能参数的老化趋势,为系统的控制和管理提供预测性维护信息,将有利于提高系统的可靠性。首先在不同工况下对超级电容器进行了老化实验,并通过阻抗谱分析对其容值和等效串联电阻的变化趋势进行了分析。为了利用有限的实验数据预测超级电容器的老化趋势,提出一种基于支持向量机(SVM)的超级电容器老化预测方法,进一步采用粒子群算法(PSO)优化SVM预测模型的参数,从而完善超级电容器老化趋势的预测模型。结果表明预测值与实验值基本吻合,预测误差小于0.046,验证了基于PSO-SVM的超级电容器老化趋势预测方法的有效性。