El estado de salud (SOH) es un indicador clave del envejecimiento de las baterías de iones de litio, y su evaluación precisa es una condición necesaria para el funcionamiento fiable del sistema de propulsión de la batería. La mayoría de los métodos actuales dependen de características extraídas de un solo ciclo o ciclos de carga y descarga adyacentes, lo que les impide explorar la información oculta de los cambios entre diferentes ciclos en la señal de monitoreo. Para abordar este problema, este artículo propone un nuevo marco que utiliza características inter-ciclo de manera diferencial para la estimación del estado de salud. En primer lugar, se emplea el análisis recursivo cuantitativo cruzado (CRQA) para comparar las señales de la batería en diferentes ciclos, construyendo un conjunto de matrices de indicadores CRQA que reflejan los cambios inter-ciclo en los datos medidos originales. En segundo lugar, se toma el cambio en el estado de salud (ΔSOH) entre dos ciclos cualesquiera como objetivo de predicción, en lugar de predecir directamente el estado de salud. Posteriormente, se construye una red neuronal convolucional equipada con validación cruzada de series temporales para predecir el cambio en el estado de salud, preservando la dependencia temporal inherente de ΔSOH. Finalmente, el marco propuesto se implementa y prueba con el conjunto de datos de baterías de la NASA, completando la evaluación y comparación del desempeño predictivo. Los resultados experimentales muestran un error absoluto medio de 0,2965 % y un error cuadrático medio de 0,4156 %, validando la factibilidad y el potencial de aplicación del método indirecto basado en indicadores de salud inter-ciclo para la estimación del estado de salud de la batería.

batería de iones de litio;estado de salud;análisis recursivo cuantitativo cruzado;predicción;características inter-ciclo