摘要:锂电池健康状态（SOH）的准确估算对电池系统的健康管理起着重要作用，为提高SOH的估算精度，提出一种将参数优化后的多元变分模态分解（MVMD）和随机配置网络（SCN）相结合的SOH估算方法。从锂电池充放电过程中提取多个健康因子（HF)作为SOH估算模型的输入，在斑马优化算法（ZOA)全局阶段引入自适应权重和最优领域波动策略，提高其全局搜索能力，得到改进全局的斑马优化算法(IGZOA)，利用它对MVMD和SCN参数进行寻优，最后在9个基准函数测试IGZOA性能，在NASA和CALCE数据集上将所提方法与不同方法进行锂电池SOH的估算对比，结果表明，所提方法的均方根误差和绝对误差的平均值分别为0.84%，0.93%，具有更高的预测精度和泛化性。