一种基于深度Q网络的电池状态智能调控方法

本发明公开了一种基于深度Q网络的电池状态智能调控方法，包括如下步骤：采集电池电压、电流、温度和空间分布数据，生成时空工况序列；基于序列构建电芯拓扑耦合图，得到邻接矩阵和拉普拉斯矩阵形成输入集；提取持久同调特征，在不同时间窗口生成拓扑条码并映射为嵌入向量，形成跨尺度集合；建立Katyusha三序列参数集合并输入跨尺度集合；计算一致性损失约束拓扑参数；在主参数更新中引入分布匹配正则修正分布差异；在动量参数更新中生成受限对抗扰动梯度修正动量参数；完成迭代后修正深度Q网络模型，输出电池充放电和热管理指令。本发明结合拓扑特征、分布匹配与对抗扰动，提高了电池系统在复杂工况下的调控精度与稳定性。