リチウムイオン電池の健康状態の正確な推定は、運用の安全性と信頼性を確保する上で非常に重要です。しかし、既存の多くの健康状態推定研究は完全な充電データが入手可能であることを前提としており、実際のシナリオに直接適用することが困難です。部分的な充電条件およびセル間の劣化差は、オンラインでの健康状態推定に著しい困難をもたらします。そこで、本稿では、不確実性を重み付けしたベイズ融合逐次変分ガウス混合回帰フレームワークを提案し、部分充電条件下での健康状態推定の精度と頑健性を向上させ、過去の劣化事前情報と不完全な充電曲線を統合してモデリングします。まず、抽出された部分充電特徴量と過去の容量情報を確率的にモデル化し、逐次変分ガウス混合回帰を用いて現在のサイクル容量予測とその不確実性を得ます。次に、観測された容量系列に基づき、スライディングウィンドウを用いて過去の容量劣化傾向を表す事前分布を構築します。事前分布のオンライン更新を実現するために、不確実性を重み付けしたベイズオンライン補正法を提案します。２つの公開データセットでの比較実験により、提案したフレームワークはベースライン手法を上回り、部分充電条件下で優れた推定性能を示すことが確認されました。

リチウムイオン電池;健康状態推定;不完全充電曲線;逐次変分ガウス混合回帰;ベイズ融合;オンライン補正