L'état de santé (SOH) est un indicateur clé du vieillissement des batteries lithium-ion, et son évaluation précise est une condition nécessaire à un fonctionnement fiable du système d'entraînement de la batterie. La plupart des méthodes existantes reposent sur des caractéristiques extraites de cycles de charge-décharge uniques ou adjacents, incapables d'extraire les informations sur les variations cachées entre différents cycles dans le signal de surveillance. Pour résoudre ce problème, cet article propose un cadre novateur qui utilise des caractéristiques inter-cycles de manière différentielle pour estimer l'état de santé. Tout d'abord, l'analyse récursive croisée quantitative (CRQA) est employée pour comparer les signaux de batterie de différents cycles, construisant un ensemble de matrices d'indicateurs CRQA reflétant les variations inter-cycles des données mesurées originales. Ensuite, la variation d'état de santé (ΔSOH) entre deux cycles quelconques est prise comme cible de prédiction, plutôt que l'état de santé lui-même. Puis, un réseau de neurones convolutifs équipé d'une validation croisée en séries temporelles est mis en place pour prédire la variation d'état de santé, en préservant la dépendance temporelle intrinsèque de ΔSOH. Enfin, le cadre proposé est déployé et testé sur le jeu de données des batteries NASA, avec une évaluation et une comparaison des performances de prédiction réalisées. Les résultats expérimentaux montrent une erreur absolue moyenne de 0,2965 % et une racine de l'erreur quadratique moyenne de 0,4156 %, confirmant la faisabilité et le potentiel d'application de la méthode indirecte basée sur les indicateurs inter-cycles pour l'estimation de l'état de santé des batteries.

batterie lithium-ion;état de santé;analyse récursive croisée quantitative;prédiction;caractéristiques inter-cycles