Este artículo propone un método de evaluación y detección del estado de salud (SOH) de baterías de ion de litio que fusiona un algoritmo mejorado de optimización de ballenas con regresión de vectores de soporte (IWOA-SVR). Primero se recopilaron datos de carga y descarga bajo diferentes estrategias, y se extrajeron parámetros clave del envejecimiento de la batería; luego, se confirmó la fuerte correlación entre los parámetros y el SOH mediante análisis de correlación de Pearson. El algoritmo incorpora un mecanismo adaptativo de ajuste de pesos y una estrategia de vuelo Lévy en el algoritmo tradicional de optimización de ballenas, resolviendo eficazmente el problema de errores elevados en la evaluación en línea del SOH. Finalmente, se validó con datos experimentales bajo condiciones típicas de carga en corriente y tensión constantes y carga en corriente constante. Los resultados muestran que el método IWOA-SVR tiene mayor estabilidad y precisión, con un error máximo controlado dentro del 1,4%. Además, en los indicadores clave de evaluación, el error porcentual absoluto medio (MAPE) y el error cuadrático medio (RMSE), IWOA-SVR supera significativamente a los algoritmos comparados, demostrando su alta precisión y robustez para la detección en línea del SOH de baterías de ion de litio.

batería de ion de litio;algoritmo mejorado de optimización de ballenas;regresión de vectores de soporte;detección del estado de salud de la batería