리튬 이온 배터리의 건강 상태를 정확하게 추정하는 것은 운행 안전성과 신뢰성을 보장하는 데 매우 중요합니다. 그러나 기존의 대부분 건강 상태 추정 연구는 완전한 충전 데이터를 가정하므로 실제 시나리오에 직접 적용하기 어렵습니다. 부분 충전 조건 및 셀 간 열화 차이는 온라인 건강 상태 추정에 큰 어려움을 초래합니다. 이를 위해 본 논문에서는 부분 충전 조건에서 건강 상태 추정의 정확성과 강인성을 향상시키기 위해 불확실성 가중치 베이지안 융합 순차 변분 가우시안 혼합 회귀 프레임워크를 제안하며, 이력 열화 사전 정보와 불완전한 충전 곡선을 공동으로 모델링에 포함시킵니다. 먼저 추출된 부분 충전 특성과 이력 용량 정보를 확률적으로 모델링하고, 순차 변분 가우시안 혼합 회귀를 활용하여 현재 사이클 용량 예측 및 불확실성을 얻습니다; 이후 관측된 용량 시퀀스를 기반으로 이동 윈도우를 사용해 이력 용량 열화 추세를 대표하는 사전을 구성합니다; 사전의 온라인 업데이트를 위해 불확실성 가중치 베이지안 온라인 보정 방법을 제안합니다. 두 개의 공개 데이터 세트에서 수행된 비교 실험 결과, 제안한 프레임워크가 기준 방법보다 우수하며 부분 충전 조건에서 뛰어난 추정 성능을 보임을 확인하였습니다.

리튬 이온 배터리; 건강 상태 추정; 불완전한 충전 곡선; 순차 변분 가우시안 혼합 회귀; 베이지안 융합; 온라인 보정