Este artigo propõe um método de avaliação e detecção do estado de saúde (SOH) de baterias de íon de lítio que integra um algoritmo aprimorado de otimização de baleias com regressão por vetores de suporte (IWOA-SVR). Primeiramente, foram coletados dados de carga e descarga sob diferentes estratégias, extraindo-se parâmetros chave do envelhecimento da bateria; em seguida, a forte correlação entre os parâmetros e o SOH foi verificada por análise de correlação de Pearson. O algoritmo incorpora um mecanismo adaptativo de ajuste de pesos e uma estratégia de voo Lévy no algoritmo tradicional de otimização de baleias, superando eficazmente o problema de grandes erros na avaliação online do SOH. Por fim, foi validado com dados experimentais em condições típicas de carregamento em corrente constante e tensão constante e carregamento em corrente constante. Os resultados mostram que o método IWOA-SVR apresenta maior estabilidade e precisão, com erro máximo controlável dentro de 1,4%. Além disso, nos dois indicadores principais de avaliação — erro percentual absoluto médio (MAPE) e erro quadrático médio da raiz (RMSE) — o IWOA-SVR superou significativamente os algoritmos comparados, demonstrando alta precisão e forte robustez na detecção online do SOH de baterias de íon de lítio.

bateria de íon de lítio;algoritmo aprimorado de otimização de baleias;regressão por vetores de suporte;detecção do estado de saúde da bateria