1.一种蓄电池快速充电安全控制方法，其特征在于，包括以下步骤：

对蓄电池的等效电路和热等效电路进行建模，得到虚拟电路模型，并对所述虚拟电路模型进行热状态和电化学状态解耦，得到动态解耦矩阵；

将充电电流和电压采样数据输入所述虚拟电路模型，利用所述动态解耦矩阵进行状态分离，通过并行计算得到电池安全状态数据；

基于所述电池安全状态数据进行异常模式识别，得到异常模式识别结果；具体包括：对所述电池安全状态数据进行时间序列分段，采用长度为600秒、步长为300秒的滑动窗口，对电池核心温度、表面温度、荷电状态和极化电压进行分段处理，得到多维时间序列数据集；

对所述多维时间序列数据集进行特征提取，计算每个时间窗口内的均值、标准差、峰度、偏度的统计特征，以及最大上升速率、最大下降速率的时域特征，构建48维特征向量；对所述

48维特征向量进行相关性分析，计算特征间的皮尔逊相关系数，构建相关系数矩阵，并基于所述相关系数矩阵选择相关系数绝对值大于0.8的特征对；对所选择的特征对进行主成分分析，计算特征协方差矩阵，求解特征值和特征向量，选取累积贡献率达到95%的主成分，得到降维后的特征数据；基于所述降维后的特征数据，构建内外部测量点分离的传感器拓扑结构，将特征划分为内部特征和外部特征，分别进行异常检测；对所述内部特征和所述外部特征分别应用局部异常因子算法，计算每个数据点的局部可达密度和局部异常因子，得到内部异常得分和外部异常得分；将所述内部异常得分和外部异常得分进行加权融合，得到综合异常得分，并利用Otsu阈值法确定最优异常阈值，并基于所述综合异常得分和所述最优异常阈值进行异常模式分类，得到异常模式识别结果；

将所述异常模式识别结果输入异构图门循环单元，通过异构图卷积和GRU结构提取时空特征，得到深度故障特征；

根据所述深度故障特征计算充电安全容量，并对电池热管理和荷电状态进行多重约束控制，得到充电功率分配方案；

将所述充电功率分配方案输入两阶段模型预测控制器进行分布式功率重分配，得到充电控制指令。

2.根据权利要求1所述的蓄电池快速充电安全控制方法，其特征在于，所述对蓄电池的等效电路和热等效电路进行建模，得到虚拟电路模型，并对所述虚拟电路模型进行热状态和电化学状态解耦，得到动态解耦矩阵，包括：对蓄电池的开路电压、内阻和极化特性进行参数化处理，通过测量不同荷电状态下的电压响应曲线，利用最小二乘法拟合得到开路电压函数、内阻函数和极化阻抗函数，构建电化学等效电路模型；

对蓄电池的热容和热阻进行参数化处理，通过恒流充放电测试和温度响应曲线，利用热平衡方程和有限元分析，计算得到电池的比热容和各层结构的热阻，构建热等效电路模型；

将所述电化学等效电路模型和所述热等效电路模型进行串联连接，建立电流、电压、温度之间的耦合关系，得到虚拟电路模型，其中所述电化学等效电路模型的焦耳热作为所述热等效电路模型的输入，温度反作用于所述电化学等效电路模型的参数；

对所述虚拟电路模型进行状态空间表示，选取荷电状态、极化电压、核心温度和表面温度作为状态变量，构建状态方程和输出方程，得到包含热状态和电化学状态的状态向量；

构建正交变换矩阵，对所述状态向量进行线性变换，将状态空间分解为热子空间和电化学子空间，并根据充电阶段的特性变化，引入时变参数，构造自适应正交变换矩阵；

利用所述自适应正交变换矩阵对所述热子空间和所述电化学子空间进行投影，得到解耦后的热状态和电化学状态，并将所述解耦后的热状态和电化学状态组合，构建动态解耦矩阵。

3.根据权利要求2所述的蓄电池快速充电安全控制方法，其特征在于，所述将充电电流和电压采样数据输入所述虚拟电路模型，利用所述动态解耦矩阵进行状态分离，通过并行计算得到电池安全状态数据，包括：对充电电流和电压进行高频采样，采样频率设置为10kHz，利用长度为100个数据点的滑动窗口进行中值滤波，去除离群值和高频噪声，然后应用Savitzky‑Golay滤波器进行平滑处理，滤波器阶数为3，窗口长度为51，得到降噪后的电流电压数据序列；

将所述降噪后的电流电压数据序列输入所述虚拟电路模型，采用四阶龙格库塔法进行数值积分，得到初始状态估计值，并对所述初始状态估计值应用所述动态解耦矩阵，进行正交变换，得到解耦后的热状态分量和解耦后的电化学状态分量；

基于所述解耦后的热状态分量，构建热状态观测方程，利用无迹卡尔曼滤波算法进行状态更新，通过时间更新和量测更新两个步骤迭代计算，得到电池核心温度和表面温度；

基于所述解耦后的电化学状态分量，构建电化学状态观测方程，利用扩展卡尔曼滤波算法进行状态更新，通过线性化处理得到雅可比矩阵，预测误差协方差矩阵和卡尔曼增益随时间迭代更新，得到电池荷电状态和极化电压；

将所述电池核心温度、所述表面温度、所述荷电状态和所述极化电压组合，得到电池状态向量；

基于所述电池状态向量，利用热失控概率模型计算热失控风险指数，利用库仑效率模型计算电池健康状态指数，并将所述热失控风险指数和所述电池健康状态指数进行加权融合，得到综合电池安全状态数据。

4.根据权利要求1所述的蓄电池快速充电安全控制方法，其特征在于，所述将所述异常模式识别结果输入异构图门循环单元，通过异构图卷积和GRU结构提取时空特征，得到深度故障特征，包括：将所述异常模式识别结果构建为异构图结构，其中节点表示电池参数，边表示参数间关系，得到初始异构图，并对所述初始异构图进行多头注意力机制处理，计算不同类型节点间的注意力权重，得到注意力增强的异构图；

将所述注意力增强的异构图输入异构图卷积层，该异构图卷积层包含3个并行的图卷积子层，分别处理节点自身特征、同类型节点间关系和不同类型节点间关系，得到局部空间特征；

对所述局部空间特征进行跳跃连接处理，将原始节点特征与卷积后特征拼接，通过全连接层融合，得到增强空间特征，并将所述增强空间特征输入门控图神经网络层，该门控图神经网络层包含更新门和重置门，通过门控机制对节点信息进行选择性更新，得到时序感知的节点表示；

对所述时序感知的节点表示应用双向GRU结构，前向GRU捕获正向时序依赖，反向GRU捕获反向时序依赖，得到双向时序特征，并将所述双向时序特征通过自注意力机制进行全局信息交互，计算不同时间步的重要性权重，得到深度故障特征。

5.根据权利要求4所述的蓄电池快速充电安全控制方法，其特征在于，所述根据所述深度故障特征计算充电安全容量，并对电池热管理和荷电状态进行多重约束控制，得到充电功率分配方案，包括：将所述深度故障特征转换为64维向量，通过三层全连接神经网络进行处理，第一层使用128个神经元，第二层使用64个神经元，第三层使用32个神经元，每层后接ReLU激活函数和0.5概率的Dropout层，最后一层使用Sigmoid激活函数输出0到1之间的充电安全容量系数；

利用所述充电安全容量系数，结合电池额定容量和当前荷电状态，计算最大允许充电电流和最大允许充电功率，构建充电安全容量约束条件；

基于热‑电耦合模型，建立电池温度动态方程，通过有限差分法离散化，得到温度预测模型，并设定最大温升率、最高温度限制和温度均匀性要求，构建温度约束条件；

建立荷电状态动态方程，结合电压动态方程，设定最大充电电压和荷电状态上限，构建荷电状态约束条件；

将充电安全容量约束条件、温度约束条件和荷电状态约束条件组合，构建多目标优化问题，第一目标函数包括充电时间最小化和电池寿命最大化，决策变量为充电电流；

采用非支配排序遗传算法求解多目标优化问题，种群规模设为100，迭代次数为200，交叉概率为0.9，变异概率为0.1，通过拥挤度距离计算进行个体选择，得到一组非支配解集；

对非支配解集应用模糊综合评价方法，为每个目标函数设计隶属度函数，通过层次分析法确定权重向量，计算综合评分，并选择评分最高的解作为最优充电策略；

基于最优充电策略，考虑充电站总功率限制和负载均衡需求，构建二次规划问题，使用内点法求解，得到充电功率分配方案。

6.根据权利要求5所述的蓄电池快速充电安全控制方法，其特征在于，所述将所述充电功率分配方案输入两阶段模型预测控制器进行分布式功率重分配，得到充电控制指令，包括：将所述充电功率分配方案转换为初始充电功率序列，构建充电站级模型预测控制问题，第二目标函数为最小化充电站总功率偏差和功率波动，约束条件包括充电站总功率上限和功率变化率限制；

利用增广拉格朗日法求解所述充电站级模型预测控制问题，得到优化后的充电站总功率序列；

基于所述优化后的充电站总功率序列，构建分布式共识算法，设计通信拓扑矩阵，使相邻充电设备之间交换局部信息，更新局部功率分配值；

对每个充电设备，基于更新后的局部功率分配值，构建充电设备级模型预测控制问题，第三目标函数为最小化功率跟踪误差和充电时间，约束条件包括电池热管理约束和荷电状态约束；

采用快速梯度法求解所述充电设备级模型预测控制问题，得到优化后的充电电流序列，并利用所述优化后的充电电流序列，预测未来N个时间步的电池状态，包括电压、温度和荷电状态；

基于所述预测的电池状态，计算安全裕度指标，并根据安全裕度指标对充电电流进行修正，得到修正后的充电电流序列；

将所述修正后的充电电流序列的第一个时间步作为当前控制周期的充电控制指令，并将充电控制指令下发至相应的充电设备。

7.一种蓄电池快速充电安全控制装置，其特征在于，用于实现权利要求1至6中任一项所述方法的步骤，所述装置包括：解耦模块，用于对蓄电池的等效电路和热等效电路进行建模，得到虚拟电路模型，并对所述虚拟电路模型进行热状态和电化学状态解耦，得到动态解耦矩阵；

分离模块，用于将充电电流和电压采样数据输入所述虚拟电路模型，利用所述动态解耦矩阵进行状态分离，通过并行计算得到电池安全状态数据；

识别模块，用于基于所述电池安全状态数据进行异常模式识别，得到异常模式识别结果；

提取模块，用于将所述异常模式识别结果输入异构图门循环单元，通过异构图卷积和GRU结构提取时空特征，得到深度故障特征；

控制模块，用于根据所述深度故障特征计算充电安全容量，并对电池热管理和荷电状态进行多重约束控制，得到充电功率分配方案；

分配模块，用于将所述充电功率分配方案输入两阶段模型预测控制器进行分布式功率重分配，得到充电控制指令。

8.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。