O estado de saúde (SOH) é um indicador chave do envelhecimento das baterias de íon-lítio, e sua avaliação precisa é uma condição necessária para o funcionamento confiável do sistema de acionamento da bateria. A maioria dos métodos existentes depende de características extraídas de um único ciclo ou ciclos adjacentes de carga e descarga, não conseguindo explorar as informações de variação ocultas entre diferentes ciclos no sinal de monitoramento. Para resolver esse problema, este artigo propõe uma nova estrutura que utiliza características interciclos de forma diferencial para estimar o estado de saúde. Primeiramente, utiliza-se a análise quantitativa de recorrência cruzada (CRQA) para comparar os sinais da bateria em diferentes ciclos, construindo um conjunto de matrizes de indicadores CRQA que refletem as variações interciclos nos dados medidos originais. Em seguida, a variação do estado de saúde (ΔSOH) entre quaisquer dois ciclos é usada como alvo de previsão, em vez da previsão direta do estado de saúde. Depois, é construída uma rede neural convolucional equipada com validação cruzada de séries temporais para prever a variação do estado de saúde, preservando a dependência temporal inerente à ΔSOH. Por fim, a estrutura proposta foi implementada e testada com o conjunto de dados de baterias da NASA, concluindo a avaliação e comparação do desempenho preditivo. Os resultados experimentais mostraram erro absoluto médio de 0,2965% e raiz do erro quadrático médio de 0,4156%, validando a viabilidade e o potencial de aplicação do método indireto baseado em indicadores de saúde interciclos para a estimativa do estado de saúde da bateria.

bateria de íon-lítio;estado de saúde;análise quantitativa de recorrência cruzada;previsão;características interciclos