1.一种基于分数阶微积分的超级电容器存储能量估计方法，其特征在于，包括：S10基于分数阶微积分理论构建超级电容器分数阶模型并确定其模型参数；

S20在所述超级电容器分数阶模型中施加电压激励阶跃信号，得到超级电容器的动态特性；

S30根据所述超级电容器的动态特性及其分数阶模型建立超级电容器端电压估计的受约束最小化问题，并基于遗传算法求解得到超级电容器端电压的估计值；

S40基于所述超级电容器端电压建立超级电容器的存储能量模型，进而得到超级电容器存储能量的估计值。

2.如权利要求1所述的超级电容器存储能量估计方法，其特征在于，在步骤S10中，超级电容器分数阶模型中包括：限流电阻、分阶数电容器、串联电阻及并联电阻，其中，所述分阶数电容器与串联电阻串联后进一步与所述并联电阻并联得到并联支路，所述限流电阻串联于并联支路的一端；

所述超级电容器分数阶模型的模型参数为：阶数α、分数阶电容器容量Cα、串联电阻阻值rS及并联电阻阻值rp。

3.如权利要求2所述的超级电容器存储能量估计方法，其特征在于，在步骤S20中，往超级电容器分数阶模型施加电压激励阶跃信号后，拉普拉斯域中所述超级电容器分数阶模型的传递函数G(sα)为：其中，K＝R/rP+1，T1＝Cα(RrS/rP+R+rS)，T2＝rSCα，R为限流电阻的阻值，rp为并联电阻的阻值，Cα为分数阶电容器的容量，rS为串联电阻的阻值，sα为分数阶拉普拉斯算子；

在时域中，超级电容器的动态特性为：

其中，dα/dtα为α阶微分算子，uC(t)为t时刻的超级电容器端电压，u(t)为t时刻的电压激励阶跃信号。

4.如权利要求3所述的超级电容器存储能量估计方法，其特征在于，在步骤S30中，超级电容器端电压估计的受约束最小化问题为寻找一个模型参数向量θ∈Θad以最小化平方准则J，得到其最小值Y：其中，模型参数向量θ＝[α,Cα,rS,rP]，Θad为模型参数允许参数值的集合，N为样本总数； uC(k)为实验测得的超级电容器端电压的第k次采样值， 为超级电容器分数阶模型在电压激励阶跃信号u(k)下的超级电容器端电压的第k次采样值。

5.如权利要求4所述的超级电容器存储能量估计方法，其特征在于，在步骤S40中，在时间间隔[t1,t2]内超级电容器的总存储能量Etot为：其中，iC(t)为t时刻超级电容器电流，且 将其带入后总存储能量Etot为：