Cet article propose une méthode d'évaluation de l'état de santé (SOH) des batteries lithium-ion basée sur la fusion de l'algorithme d'optimisation des baleines amélioré avec la régression par support vectoriel (IWOA-SVR). Tout d'abord, les données de charge et décharge sous différentes stratégies ont été collectées et les paramètres caractéristiques clés du vieillissement de la batterie extraits ; ensuite, une analyse de corrélation de Pearson a été utilisée pour vérifier la forte corrélation entre les paramètres caractéristiques et le SOH. L'algorithme intègre un mécanisme d'ajustement adaptatif des poids et une stratégie de vol de Lévy dans l'algorithme d'optimisation des baleines traditionnel, ce qui surmonte efficacement le problème des grandes erreurs lors de l'évaluation en ligne du SOH. Enfin, la méthode a été validée avec des données expérimentales sous conditions typiques de charge en courant constant-tension constante et de charge en courant constant. Les résultats montrent que la méthode IWOA-SVR présente une plus grande stabilité et précision, avec une erreur maximale contrôlée en dessous de 1,4%. De plus, sur les deux indicateurs clés d'évaluation, l'erreur absolue moyenne en pourcentage (MAPE) et l'erreur quadratique moyenne (RMSE), l'IWOA-SVR surpasse significativement les algorithmes comparés, démontrant ainsi une grande précision et une forte robustesse pour la détection en ligne du SOH des batteries lithium-ion.

batterie lithium-ion;algorithme d'optimisation des baleines amélioré;régression par support vectoriel;détection de l'état de santé de la batterie