一种基于深度Q网络学习的SOC均衡控制方法、设备及介质

本申请公开了一种基于深度Q网络学习的SOC均衡控制方法、设备及介质，方法包括：利用仿真软件构建电池阵列仿真模型；根据当前时刻的荷电状态利用ε‑贪婪算法确定当前时刻的放电策略；以此与电池阵列仿真模型进行环境交互，并将当前时刻的荷电状态、当前时刻的放电策略、下一时刻的荷电状态和当前时刻的奖励作为当前时刻的经验，并放入经验回放池中更新积累；利用经验回放池中的经验样本以损失函数最小为目标对深度Q网络模型进行训练，并利用决策网络对待均衡电池阵列进行动态可重构电池SOC均衡控制。本申请能够在系统层面上实现电池单元的快速均衡，实现了动态可重构电池SOC的全局均衡优化，提高了动态可重构电池SOC的均衡效率。