田金鹏，北京理工大学机械与车辆学院博士后。2016年和2021年分别于北京理工大学获得学士和博士学位。入选2021年度“博士后创新人才支持计划”，主持或参与国家自然科学基金项目、国家重点研发计划子课题、博士后面上项目等。以第一或通讯作者身份在Joule、Energy Storage Materials等能源领域高水平期刊发表论文十余篇，总被引1400余次，授权国家发明专利7件，获国际学术会议最佳论文奖。

　　主要研究方向：电化学储能系统设计与运维管理

　　论文题目： 锂离子动力电池多维老化诊断与时频特性预测

　　指导老师： 熊 瑞 教授

　　学位授予单位： 北京理工大学

　　博士论文工作：

　　动力电池性能衰退伴随其整个使用过程，精确的老化状态诊断与特性预测是车载动力电池安全和可靠应用的基础，其研究具有重要的理论意义和应用价值。然而，电池性能衰退机理复杂，其老化状态深入评价、特性精准预测极具挑战性，也是当前技术瓶颈。论文针对动力电池全寿命周期老化诊断与特性预测问题，开展了以下工作：

　　(1) 针对电极老化状态评估与开路电压曲线更新问题，提出了电极老化参数的估计及开路电压曲线重构方法。使用日常充电片段数据建立了正负极容量、正负极初始荷电状态等电极老化参数的直接估计算法，开展了电极老化程度与工作电压区间量化，实现了电极层面电池的老化状态准确诊断；进而融合电池老化机理模型提出了开路电压曲线重构方法，结果表明全寿命区间内开路电压-电量曲线重构误差小于15 mV，避免了耗时的开路电压测试。

　　(2) 针对全寿命区间内的电池关键状态估计问题，提出了片段充电数据驱动的完整充电曲线重构和状态估计方法。该方法使用实际应用中易获取的充电片段数据直接映射完整充电曲线。结果表明所提出的方法利用最少仅10分钟的充电数据即可准确重构完整充电曲线，从中提取的最大容量、最大能量误差小于4.21%，并可获取容量增量曲线用于电池老化机理分析。所提出的方法具有良好的泛化性能，使用一类电池数据开发的曲线重构模型可以辅助其它电池的充电曲线重构模型的开发。

　　(3) 针对电池老化过程中阻抗增长评价问题，提出了以常见时域充电数据作为输入的电化学阻抗谱直接预测方法，并开发了包含超1500个阻抗谱的测试数据集进行验证。验证结果表明，所提出的方法可准确预测电池充满、放光状态的阻抗谱，在100 kHz~100 mHz范围内的阻抗谱预测均方根误差小于1.862 mΩ。分数阶模型拟合结果表明，阻抗谱预测结果可用于同时、准确提取多个阻抗参数，并能准确复现弛豫时间分布中的关键特征，对解释动力学老化过程具有重要价值。所提出的方法不依赖于完整或特定电压区间的数据，仅500 mV窗口内采集的充电数据即可保证良好的预测效果。

　　(4) 针对电池衰退预测问题，使用序列到序列的高维回归方法提出了以少量近期电压、电量数据预测未来长期特性的方法，解决了电池老化过程特性预测难题。所提出的方法可以以任意循环采集的数据为输入，预测不同数量的未来恒流曲线。验证案例表明，使用1个循环的恒流数据，即可准确预测未来数百至上千循环内的恒流曲线，捕捉全电压区间内的特性演变规律。此外，所提出的方法具有数据生成的能力，利用少量测试数据即可密集生成大量未来老化恒流数据，大大减少了电池老化测试需求。