准确的电池健康状态估算对于钠离子电池的可靠运行及大规模应用至关重要。然而，钠离子电池在不同充电方案下的复杂且非稳定的退化行为，给实现高精度估算与强泛化能力带来了极大挑战。为解决这一问题，本研究提出了一种用于钠离子电池健康状态估算的核化交互图学习框架（K-Ginter）。具体而言，从充放电信号中提取了28个与退化相关的特征，从时间、温度、能量、电压/电流动态以及容量变化等方面来描述电池的老化情况。随后构建了一个考虑交互作用的特征筛选框架，以选出既能保留各特征重要性又能维持其交互结构的简洁特征子集。基于选定的特征，通过位置感知的可变尺度窗口和考虑退化特性的切比雪夫度量，构建出能够反映电池老化过程中特征间动态依赖关系的交互图。进一步开发了核化交互图编码器，用于保持交互拓扑结构，并从生成的图中学习出稳健的非线性退化表示。在自构建的钠离子电池数据集上的实验结果表明，K-Ginter的性能始终优于各类基准方法，在数据集内的估算中均方根误差低于0.8%，而在不同充电方案下的泛化评估中则低于1.0%。此外，Shapley加性解释分析还揭示了关键退化特征之间的可解释交互模式。这些研究结果表明，在所研究的实验条件下，考虑交互作用的图学习方法为钠离子电池健康状态估算提供了一种高效且具有可解释性的框架。
