Качество и количество данных влияют на разработку и эффективность передовых алгоритмов управления батареями. Существующие методы игнорируют проблему неполных данных в реальных условиях эксплуатации (особенно данных о напряжении), что ограничивает их практическое внедрение и коммерческое применение. В этом исследовании предложена генеративная модель на основе условного вариационного автокодировщика и структуры Transformer. Эта модель использует условные переменные, собранные в процессе деградации батареи, для восстановления полного стандартного зарядного напряжения из ограниченных фрагментов напряжения. Затем восстановленные данные зарядного напряжения можно использовать для оценки будущего состояния здоровья батареи (SOH). Анализируя полевые данные систем накопления энергии, были разработаны условия симуляции для сбора данных деградации. Экспериментальные результаты показывают, что предложенная модель способна восстанавливать кривые зарядного напряжения и обеспечивать точную оценку состояния здоровья. Кроме того, тесты с неполными данными демонстрируют, что восстановленные кривые напряжения предоставляют полезную информацию для онлайн-оценки состояния здоровья в приложениях управления батареями.

Литий-ионная батарея;Генеративный искусственный интеллект;Оценка состояния здоровья;Неполные данные;Восстановление напряжения