데이터의 품질과 양은 첨단 배터리 관리 알고리즘의 개발 및 성능에 영향을 미칩니다. 기존 방법들은 실제 운용 환경에서 데이터 불완전성(특히 전압 데이터) 문제를 무시하여 실제 배치 및 상업적 적용에 제한이 있습니다. 본 연구에서는 조건부 변분 오토인코더와 Transformer 구조 기반의 생성 프레임워크를 제안합니다. 이 프레임워크는 배터리 열화 과정에서 수집된 조건 변수를 활용하여 제한된 전압 조각으로부터 완전한 표준 충전 전압 곡선을 재구성합니다. 이후 재구성된 충전 전압 데이터를 사용하여 배터리의 미래 건강 상태(SOH)를 추정할 수 있습니다. 에너지 저장 시스템의 현장 데이터를 분석하여 열화 데이터를 수집하기 위한 시뮬레이션 조건을 설계했습니다. 실험 검증 결과, 제안된 프레임워크가 충전 전압 곡선을 재구성하고 정확한 건강 상태 추정을 수행할 수 있음이 입증되었습니다. 또한 불완전한 데이터 조건에서의 테스트 결과는 재구성된 전압 곡선이 배터리 관리 응용에서 온라인 건강 상태 추정에 유용한 정보를 제공함을 보여줍니다.

리튬 배터리;생성형 인공지능;건강 상태 추정;불완전한 데이터;전압 재구성