摘要: 钠离子电池因其经济性和材料来源丰富而成为有巨大潜力的储能设备。准确评估电池健康状态对于确保其高效、安全运行至关重要。结合循环神经网络和扩展卡尔曼滤波技术，提出一种新颖的健康状态估计框架。利用循环神经网络对时间序列数据的处理能力为健康状态估计提供强大的支持，而扩展卡尔曼滤波则用于确保状态估计的鲁棒性。通过对3个钠离子电池的试验验证，该方法显示了出色的估计效果，其中估计值与实际值的平均绝对误差约为1.79%，均方根误差约为1.38%，模型拟合度高达96.28%。此研究不仅提供了一种钠离子电池健康状态的高效估计方法，还为实际应用中的电池管理和维护提供了宝贵的参考。