科研进展 | 信息学院杨恒昭课题组在超级电容健康状态预测领域取得新成果

作为一种新型储能技术，超级电容具有功率密度高、循环寿命长、温度特性好等优点，已广泛应用于电气化交通、可再生能源、国防特种装备等领域。为提高超级电容储能系统的经济性和安全性，准确估计并预测其健康状态（SOH）成为超级电容管理系统的关键技术。

近日，上海科技大学信息科学与技术学院智慧电气科学中心（CiPES）杨恒昭教授课题组（储能实验室）提出了一个适用于有轨电车的超级电容健康状态预测框架“GPR+Prophet”。首先，该框架从有轨电车实际运行数据中选取特定放电片段并识别相应的片段容值，进而整合当月所有片段容值以获得月度容值标签。对于缺失实际运行数据的月份，通过线性插值获得其月度容值标签。然后，将月度容值标签进行归一化处理以生成月度SOH标签并构建SOH轨迹。为降低实际运行数据缺失及容值辨识误差等因素对SOH轨迹的影响，使用高斯过程回归（GPR）对SOH轨迹进行平滑处理。最后，构建Prophet模型对超级电容未来月份的SOH进行预测。

使用“GPR+Prophet”框架对某一有轨电车中的四个超级电容系统（记为系统 A，B，C，和D）未来12个月的SOH进行了预测。结果显示SOH预测的平均绝对误差（MAE）不超过2.340%，均方根误差（RMSE）不超过2.608%，平均百分比误差（MAPE）不超过2.449%，从而证明了该框架的可行性和有效性。

图1. 超级电容健康状态预测框架

图2. 超级电容健康状态预测结果：(a) 系统A；(b) 系统B；(c) 系统C；(d) 系统D

该成果以“A Supercapacitor State of Health Prediction Framework Based on Tram Field Data”为题发表于国际期刊 Journal of Power Sources 。信息学院2023级硕士研究生徐彩莹为第一作者，杨恒昭教授为通讯作者。上海科技大学为第一完成单位。

论文链接：

https://doi.org/10.1016/j.jpowsour.2025.238384