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和稳定性。因此,本文通过超级电容器老化实验研究,分析了其参数的老化特征,构建了基于PSO-SVM的老化预测模型,对超级电容器的老化趋势进行预测。首先,根据超级电容器的储能特性,分析了电容和等效串联电阻的老化机理。搭建超级电容器老化实验平台,研究温度、电压和放电深度对电容值老化速度的影响,并通过交流阻抗谱测试量化了电容和阻抗的老化特征。全面研究了超级电容器的“容值再生现象”,通过测试“再生现象”出现之后超级电容器的循环特性,分析了电容“再生现象”对超级电容器使用寿命的影响。其次,研究了支持向量机应用在回归估计问题上的具体实现过程,分析了支持向量机各参数对其学习能力和推广能力的影响,制定了采用粒子群算法优化支持向量机参数的流程,并建立了模型预测性能的评价指标。最后,将训练集数据代入支持向量机,建立基于PSO-SVM的预测模型,并用上述模型对超级电容器电容值和等效串联电阻值的老化趋势进行预测,并采用均方根误差、平方相关系数和平均绝对百分误差等指标对预测结果的精度进行评价。预测结果表明,测试集样本电容值和ESR预测结果的平均绝对百分误差值分别为0.131%和0.339%,预测模型具有很强的学习能力和推广能力。另外,采用立方插值算法对电容值老化趋势进行外推,以三维图的形式展示了各电压和温度等级下电容值随循环次数的老化趋势,为预测更多工况条件下电容值的老化趋势提供了参考。