1.一种基于工况预测的船舶启停控制方法，其特征在于，包括：从船舶的动力系统中获取当前船舶运行数据；

根据所述当前船舶运行数据，通过动态模型进行工况预测，得到船舶的预测工况；其中，所述动态模型是根据历史船舶运行数据，对所述动力系统的网络状态进行编码，以及通过量子计算捕捉网络动态特征而建立；

根据所述预测工况建立功率分配的目标函数和约束集；

根据所述目标函数和约束集，结合量子退火算法，在所述动力系统的拓扑结构中找到最优功率分配路径；

对所述最优功率分配路径进行路径解码与设备功率映射，得到功率分配结果，并根据所述功率分配结果控制所述船舶的启停操作；

其中，所述目标函数是通过最小化全局能量损耗数值，以及最大化网络拓扑熵并抑制目标节点过载而建立，具体为：以最小化全局能量损耗为目标，根据所述当前船舶运行数据中的节点量子态重叠度，建立第一子目标函数；

以最大化网络拓扑熵为目标，根据节点度和介数中心性参数抑制高数节点的负载，建立第二子目标函数；

根据所述预测工况对目标风险节点施加非线性惩罚，建立第三子目标函数；

根据所述第一子目标函数、所述第二子目标函数和所述第三子目标函数建立所述目标函数；

所述第一子目标函数，具体为：

;

其中，为边的功率流，边代表功率流或能量传输的通道；为边的容量；为节点的量子态重叠度，节点代表功率流或能量传输的起点或终点；E为边的集合。

2.如权利要求1所述的一种基于工况预测的船舶启停控制方法，其特征在于，根据所述当前船舶运行数据，通过动态模型进行工况预测，得到船舶的预测工况，具体为：根据所述动态模型对所述当前船舶运行数据进行数据聚合和加权计算，得到时序增强嵌入和动态权重矩阵；

通过量子技术使所述船舶运行数据中的高介数节点进入叠加态，并根据所述时序增强嵌入和所述动态权重矩阵控制所述高介数节点进行量子跃迁和经典转移，得到转移概率矩阵；

根据所述转移概率矩阵进行路径采样，结合路径采样所得数据和所述时序增强嵌入计算得到所述船舶的预测工况。

3.如权利要求2所述的一种基于工况预测的船舶启停控制方法，其特征在于，根据所述动态模型对所述当前船舶运行数据进行数据聚合和加权计算，得到时序增强嵌入和动态权重矩阵，具体为：根据所述动态模型聚合所述当前船舶运行数据中每个节点的相邻节点数据，得到节点嵌入向量；

根据所述节点嵌入向量，结合预设的可学习参数矩阵，计算得到查询向量、键向量和值向量；

根据所述查询向量、键向量和值向量，通过时序注意力算法计算得到所述动力系统中所有节点的时序增强嵌入；

对原始边权重进行注意力加权和归一化处理，得到动态权重矩阵；其中，所述原始边权重是所述动力系统中机械组件之间连接关系被赋予的动态权重值。

4.如权利要求2所述的一种基于工况预测的船舶启停控制方法，其特征在于，根据所述转移概率矩阵进行路径采样，结合路径采样所得数据和所述时序增强嵌入计算得到所述船舶的预测工况，具体为：根据所述转移概率矩阵进行路径采样，得到路径分布和节点访问频率；

根据所述时序增强嵌入和所述路径分布，通过高斯过程回归融合路径相似度与时序嵌入特征，得到船舶的初始预测工况；

根据所述节点访问频率对所述初始预测工况进行节点标记和路径加粗，得到拥有动态拓扑图的预测工况。

5.如权利要求2所述的一种基于工况预测的船舶启停控制方法，其特征在于，所述转移概率矩阵，具体为：;

其中，为概率值，为量子幺正算符；表示在时间时，从节点到节点的经典转移权重；为节点所有出边的权重之和。

6.如权利要求1所述的一种基于工况预测的船舶启停控制方法，其特征在于，所述动态模型包括输入层、游走层和输出层；

其中，所述输入层是通过时序图卷积编码和注意力机制捕获船舶运行数据的时序增强嵌入和动态权重矩阵而建立；

所述游走层是根据所述时序增强嵌入和动态权重矩阵计算得到混合概率，并通过所述混合概率执行量子跃迁与经典转移，生成带时序标记的游走路径序列而建立；

所述输出层是根据所述游走路径序列，通过高斯过程回归融合路径相似度与嵌入特征预测未来工况概率而建立。

7.如权利要求1所述的一种基于工况预测的船舶启停控制方法，其特征在于，所述约束集由硬约束和软约束构成；

其中，所述硬约束是根据负载功率限制功率变化值以及根据节点功率限制设备容量而建立；

所述软约束是根据预设的拓扑熵变化阈值限制所述动力系统的时序熵变化值而建立。

8.如权利要求1所述的一种基于工况预测的船舶启停控制方法，其特征在于，对所述最优功率分配路径进行路径解码与设备功率映射，得到功率分配结果，具体为：对所述最优功率分配路径进行二进制解码和功率映射，得到初始功率分配结果；

按照预设方式，通过拓扑依赖校验调整所述初始功率分配结果中冲突节点的功率分配，并根据所述动力系统当前的总负载对所述初始功率分配结果进行比例缩放或降载，得到所述功率分配结果。