El reciente éxito del aprendizaje automático ha acelerado el desarrollo de la estimación y predicción del estado de las baterías de ion litio basadas en datos. La falta de datos de operación de baterías accesibles es una de las principales preocupaciones con el enfoque basado en datos. Sin embargo, la investigación sobre la ampliación de datos de operación de baterías es escasa. Al enfrentarse a la escasez de datos, un enfoque popular es ampliar el conjunto de datos produciendo datos sintéticos. En este artículo, proponemos un nuevo método de fusión para la generación de datos sintéticos de operación de baterías. Combina un módulo de generación basado en una red generativa adversarial y un estimador de estado de carga. El módulo de generación genera características de operación de baterías, es decir, el voltaje, la corriente y la temperatura. Estas características luego se alimentan al estimador de estado de carga, que calcula el estado de carga relevante. Los resultados de la evaluación revelan que nuestro método puede producir datos sintéticos con distribuciones similares al conjunto de datos real y tener un buen rendimiento en tareas posteriores.