一种基于感知物理信息深度强化学习的锂离子电池多状态估计方法

本发明涉及一种基于感知物理信息深度强化学习的锂离子电池多状态估计方法，属于电池管理系统技术领域。针对现有方法因单状态估计局限、手动调参适配性差及核心温度忽略导致的精度不足和鲁棒性低问题，技术方案包括：首先建立多输入多输出电热耦合模型；其次对系统进行可观测性分析；接着构造比例积分微分观测器联合估计电池温度状态、荷电状态和能量状态；然后制定多约束峰值功率状态估计策略；将多状态估计框架转化为多智能体深度强化学习控制问题；最终通过实验数据、硬件在环测试及实车运行数据验证方法有效性。技术效果为提升多状态协同估计精度、智能控制增强系统鲁棒性、确保电池安全并延长使用寿命、在多样化动态场景下实现高适应性验证。