データの質と量は、高度なバッテリーマネジメントアルゴリズムの開発と性能に影響を与えます。既存の手法は、実際の運用環境におけるデータの不完全性（特に電圧データ）の問題を無視しており、これが実際の導入と商業利用を制限しています。本研究では、条件付き変分オートエンコーダとTransformer構造に基づく生成フレームワークを提案します。本フレームワークは、バッテリーの劣化過程で収集された条件変数を利用し、限られた電圧断片から完全な標準充電電圧曲線を再構築します。次に、再構築された充電電圧データを用いてバッテリーの将来の健康状態（SOH）を推定します。エネルギー貯蔵システムからの現場データを分析し、劣化データを収集するためのシミュレーション条件を設計しました。実験結果から、本提案フレームワークが充電電圧曲線を再構築し、正確な健康状態推定を実現できることが示されました。また、不完全なデータ条件下でのテスト結果は、再構築された電圧曲線がバッテリー管理アプリケーションにおけるオンライン健康状態推定に有用な情報を提供できることを示しています。

リチウムイオン電池;生成的人工知能;健康状態推定;不完全データ;電圧再構築