1.一种插电式混合动力汽车能量管理方法，其特征在于，该管理方法包括以下步骤：

1)获取与当前车辆所使用的相同型号在役或退役电池历史运行数据；

2)建立动力电池寿命预测模型，并利用步骤1)获取的历史运行数据对该预测模型进行训练，获取当前车辆的电池运行数据，计算出对应的车辆使用末期的电池特征参数，将其输入到该预测模型中得到车辆使用末期的电池预测寿命；

3)根据车辆使用末期的电池预测寿命建立全寿命周期成本模型；

4)以全寿命周期成本最小作为优化目标，并将该优化目标作为MPC控制器的代价函数，建立MPC预测控制模型，根据车辆工况预测的需求转矩求解该MPC预测控制模型，确定出对应的发动机转矩和电机转矩，并将MPC预测控制模型的结果输出到PHEV模型中，并将实际结果反馈给对MPC控制器进行更新。

2.根据权利要求1所述的插电式混合动力汽车能量管理方法，其特征在于，所述全寿命周期成本模型为：c＝cop+cbat

cop＝F·Pfuel+E·Pelec

cbat＝γQPbat/tlife

其中c为综合成本，cop表示能耗成本，cbat表示电池更换成本，F和E分别为油耗和电耗，Pfuel和Pelec分别为燃油价格和电能价格，Q为电池容量，Pbat为电池单位成本系数，tlife为车辆总使用时间，γ为电池更换系数，由电池预测寿命确定。

3.根据权利要求1或2所述的插电式混合动力汽车能量管理方法，其特征在于，所述步骤4)使用指数函数进行车辆工况的需求转矩的预测。

4.根据权利要求1所述的插电式混合动力汽车能量管理方法，其特征在于，在利用历史运行数据对动力电池寿命预测模型进行训练时，还包括从历史运行数据中进行特征参数的提取和对提取的特征参数进行主成分分析的步骤；所述历史运行数据包括数据采集时间、电池荷电状态SOC、电池健康状态SOH、电池总电压、电池总电流、电池温度、累计充放电容量、累计充放电次数、额定电池容量、车辆行驶状态、车辆行驶里程；提取的特征参数包括累计放出电量、放电最低SOC、最大回馈电流、平均回馈电流、最大放电电流、平均放电电流。

5.根据权利要求1或2所述的插电式混合动力汽车能量管理方法，其特征在于，所述步骤2)中的动力电池寿命预测模型采用径向基神经网络模型。

6.根据权利要求5所述的插电式混合动力汽车能量管理方法，其特征在于，所述径向基神经网络模型中心值、初始权值和阈值采用遗传优化算法确定。

7.根据权利要求3所述的插电式混合动力汽车能量管理方法，其特征在于，所述的指数函数为：其中t为采样时间，τ为决策衰变率，Td(k+i)为k+i时刻的车辆需求转矩，Td(k)为k时刻的车辆需求转矩。