Con el desarrollo de la inteligencia artificial y el aprendizaje profundo, las redes neuronales profundas se han convertido en un método importante para predecir la vida útil restante (RUL) de las baterías de iones de litio. En este documento, inspirados en la capacidad de transformación de la tarea secuencia a secuencia del transformador, proponemos un modelo de fusión que integra las funciones del autoencoder de eliminación de ruido apilado (SDAE) y el modelo Transformer para mejorar el rendimiento de la predicción de RUL.