基于改进的长短时记忆神经网络的超级电容器寿命预测研究
发布时间：2021-06-20 17:09
由于化石燃料的迅速消耗和大量温室气体带来的环境问题,人们迫切寻求绿色可替代能源以及储能设备,高性能储能设备的发展对于生态友好型社会和可再生能源的发展至关重要。超级电容器因其高功率密度在能源领域具有较大的发展潜力,是储能系统中的核心器件。因此,超级电容器的健康状态对整个储能系统的安全运行意义重大,引起了极大关注。本文主要研究基于混合遗传算法优化的长短时记忆神经网络对超级电容器进行剩余使用寿命预测。首先,确定深度神经网络的输入变量。通过分析电极与溶液之间的结构特征和内部电荷的运动特点及规律,对超级电容器的储能机理进行研究,得到了超级电容器性能老化的影响因素。根据超级电容器的性能老化影响因素确定神经网络模型的输入变量,以期实现对超级电容器剩余使用寿命的精准预测。其次,设计两种测试获取超级电容器老化数据。大量的数据是实现高精度寿命预测的基础,为全面反映不同运行环境下电源的老化状况,本文基于不同的温度和电压下采用不同的充放电策略,对超级电容器进行稳态循环使用寿命测试和动态混合脉冲功率特性测试,使测量得到的数据更加真实有效。在确定神经网络的输入变量以及得到大量实验数据之后,本文建立了基于混合遗传算...
【文章来源】：青岛大学山东省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
遗传算法示意图
青岛大学硕士学位论文31第四章剩余使用寿命实验测试4.1引言无论是超级电容器的老化特性分析还是寿命预测，都离不开大量的测量数据。而实验平台的精度和测试环境，都会造成不同程度的测量误差。考虑到数据的准确实用性，本章设置了对比实验，对超级电容器不仅进行稳态循环使用寿命测试，还结合实际情况设计了非标准的动态混合脉冲功率特性测试，用来模拟电动汽车制动瞬间或其他高功率瞬态阶段时超级电容器的运行环境。另外，本章针对不同测试下得到的超级电容器老化数据，分析了老化趋势受温度电压的影响。4.2实验平台超级电容器老化实验平台主要包括以下三个部分：测试系统为LANDCT221A，超级电容器的型号为BCAP0010T01，恒温箱为超级电容器的老化测试提供恒定的环境温度，上位机CPU型号为Inteli77700用来处理数据。本实验选择麦斯威BCAP0010P270T01超级电容器，其具体规格参数如下：额定容量10F，最小容量8F，最大ESR75mΩ，额定电压2.7V，电压最大不能超过2.85V，电流最大不能超过7.2A，泄漏电流0.030mA，工作温度处在-40℃到85℃，储能温度最低-40℃，最高70℃。测试平台如图4-1所示。图4-1超级电容器老化平台4.3循环使用寿命测试实际应用中，超级电容器的老化影响因素众多，本节只研究温度、工作电压的
青岛大学硕士学位论文54超级电容器在实际应用中工况条件十分复杂，样本实验有限，本文采用HGA-LSTM对其他不同温度和电压工况下做了预测。由HGA-LSTM预测2.7V下，SOH随温度的变化趋势如图5-8所示，图中红色曲线是经过训练的预测值，其余部分是直接预测值，可见整体预测效果较好。当温度小于60℃时，该区间内预测曲面的倾斜角度较小，说明老化速度较缓慢，60℃以内对于超级电容器来说，处于正常工作温度范围。当超过该温度范围时，预测曲面下降较快，说明超出正常工作温度范围时，老化速度随温度的升高而加快。图5-8不同温度下SOH的变化趋势由LSTMRNN预测65℃下，SOH随电压的变化趋势如图5-9所示，图中红色曲线是经过训练的预测值，可以看出当工作电压在2.7V~2.9V时，预测曲面倾斜角度极小，说明该工作电压区间对老化速度的影响较校当工作电压超过该电压区间时，预测曲面倾斜角度增大，说明过电压也会影响超级电容器内部储能机理导致超级电容器加速老化。图5-9不同电压下SOH的变化趋势5.4预测的超级电容器老化趋势
【参考文献】：
期刊论文
[1]电力电子技术多元化创新型教学模式探索[J]. 王凯,周圣哲,李玉浩,齐元豪,夏国廷. 实验室研究与探索. 2019(07)
[2]边缘检测和证据理论在机器人目标识别中的应用[J]. 王凯,夏国廷,李立伟,兰勇,冯晓. 实验室研究与探索. 2019(03)
[3]基于神经网络集成学习股票预测模型的研究[J]. 谢琪,程耕国,徐旭. 计算机工程与应用. 2019(08)
[4]一步法制备三维还原氧化石墨烯/NiO超级电容器电极材料及其性能研究[J]. 曾燕飞,辛国祥,布林朝克,张邦文. 无机材料学报. 2018(10)
[5]混合编码方式的图像聚类算法[J]. 赵春晖,李雪源,崔颖. 通信学报. 2017(02)
博士论文
[1]碳基超级电容器及其电气性能研究[D]. 李琛.大连理工大学 2013
硕士论文
[1]低轨卫星通信系统用户接入控制的研究与实现[D]. 安睿琪.北京邮电大学 2019
[2]基于遗传算法的多目标柔性车间调度问题研究[D]. 靳彬锋.宁夏大学 2019
[3]照相机通信关键技术研究及应用[D]. 林春.中北大学 2019
[4]基于机器学习的航空器场面推出时刻决策研究[D]. 钱婧婧.南京航空航天大学 2019
[5]基于神经网络和活动轮廓的图像分割研究[D]. 王恩奇.哈尔滨工业大学 2018
[6]面向传感器活动识别的改进的深度循环网络研究[D]. 李亚峤.燕山大学 2018
[7]超级电容器参数老化趋势预测[D]. 时洪雷.大连理工大学 2017
[8]导电高分子碳源包覆LiFePO4的性能研究[D]. 孙少阳.燕山大学 2017
[9]基于双层规划的城市轨道交通接驳公交线路研究[D]. 陈雪珍.华东交通大学 2016
[10]铁基超级电容器电极材料的研究[D]. 彭晓阳.东北大学 2015
本文编号：3239599
【文章来源】：青岛大学山东省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
遗传算法示意图
青岛大学硕士学位论文31第四章剩余使用寿命实验测试4.1引言无论是超级电容器的老化特性分析还是寿命预测，都离不开大量的测量数据。而实验平台的精度和测试环境，都会造成不同程度的测量误差。考虑到数据的准确实用性，本章设置了对比实验，对超级电容器不仅进行稳态循环使用寿命测试，还结合实际情况设计了非标准的动态混合脉冲功率特性测试，用来模拟电动汽车制动瞬间或其他高功率瞬态阶段时超级电容器的运行环境。另外，本章针对不同测试下得到的超级电容器老化数据，分析了老化趋势受温度电压的影响。4.2实验平台超级电容器老化实验平台主要包括以下三个部分：测试系统为LANDCT221A，超级电容器的型号为BCAP0010T01，恒温箱为超级电容器的老化测试提供恒定的环境温度，上位机CPU型号为Inteli77700用来处理数据。本实验选择麦斯威BCAP0010P270T01超级电容器，其具体规格参数如下：额定容量10F，最小容量8F，最大ESR75mΩ，额定电压2.7V，电压最大不能超过2.85V，电流最大不能超过7.2A，泄漏电流0.030mA，工作温度处在-40℃到85℃，储能温度最低-40℃，最高70℃。测试平台如图4-1所示。图4-1超级电容器老化平台4.3循环使用寿命测试实际应用中，超级电容器的老化影响因素众多，本节只研究温度、工作电压的
青岛大学硕士学位论文54超级电容器在实际应用中工况条件十分复杂，样本实验有限，本文采用HGA-LSTM对其他不同温度和电压工况下做了预测。由HGA-LSTM预测2.7V下，SOH随温度的变化趋势如图5-8所示，图中红色曲线是经过训练的预测值，其余部分是直接预测值，可见整体预测效果较好。当温度小于60℃时，该区间内预测曲面的倾斜角度较小，说明老化速度较缓慢，60℃以内对于超级电容器来说，处于正常工作温度范围。当超过该温度范围时，预测曲面下降较快，说明超出正常工作温度范围时，老化速度随温度的升高而加快。图5-8不同温度下SOH的变化趋势由LSTMRNN预测65℃下，SOH随电压的变化趋势如图5-9所示，图中红色曲线是经过训练的预测值，可以看出当工作电压在2.7V~2.9V时，预测曲面倾斜角度极小，说明该工作电压区间对老化速度的影响较校当工作电压超过该电压区间时，预测曲面倾斜角度增大，说明过电压也会影响超级电容器内部储能机理导致超级电容器加速老化。图5-9不同电压下SOH的变化趋势5.4预测的超级电容器老化趋势
【参考文献】：
期刊论文
[1]电力电子技术多元化创新型教学模式探索[J]. 王凯,周圣哲,李玉浩,齐元豪,夏国廷. 实验室研究与探索. 2019(07)
[2]边缘检测和证据理论在机器人目标识别中的应用[J]. 王凯,夏国廷,李立伟,兰勇,冯晓. 实验室研究与探索. 2019(03)
[3]基于神经网络集成学习股票预测模型的研究[J]. 谢琪,程耕国,徐旭. 计算机工程与应用. 2019(08)
[4]一步法制备三维还原氧化石墨烯/NiO超级电容器电极材料及其性能研究[J]. 曾燕飞,辛国祥,布林朝克,张邦文. 无机材料学报. 2018(10)
[5]混合编码方式的图像聚类算法[J]. 赵春晖,李雪源,崔颖. 通信学报. 2017(02)
博士论文
[1]碳基超级电容器及其电气性能研究[D]. 李琛.大连理工大学 2013
硕士论文
[1]低轨卫星通信系统用户接入控制的研究与实现[D]. 安睿琪.北京邮电大学 2019
[2]基于遗传算法的多目标柔性车间调度问题研究[D]. 靳彬锋.宁夏大学 2019
[3]照相机通信关键技术研究及应用[D]. 林春.中北大学 2019
[4]基于机器学习的航空器场面推出时刻决策研究[D]. 钱婧婧.南京航空航天大学 2019
[5]基于神经网络和活动轮廓的图像分割研究[D]. 王恩奇.哈尔滨工业大学 2018
[6]面向传感器活动识别的改进的深度循环网络研究[D]. 李亚峤.燕山大学 2018
[7]超级电容器参数老化趋势预测[D]. 时洪雷.大连理工大学 2017
[8]导电高分子碳源包覆LiFePO4的性能研究[D]. 孙少阳.燕山大学 2017
[9]基于双层规划的城市轨道交通接驳公交线路研究[D]. 陈雪珍.华东交通大学 2016
[10]铁基超级电容器电极材料的研究[D]. 彭晓阳.东北大学 2015
本文编号：3239599
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3239599.html
