1.一种基于区块链和Informer神经网络的电池组SOH预测方法，其特征在于：联盟区块链对电动车辆及其电池组的公共索引数据提取特征与标签；

对公共索引数据特征的数据集进行预处理，同标签一起构成数据集Xn，并丢弃弱相关特征，得到数据集X′n；

利用其他电动车辆的数据集X′n训练基于Informer的神经网络模型；

根据电动车辆自身的历史数据对训练后的基于Informer的神经网络模型进行重新校准，对重新校准的基于Informer的神经网络模型，设置预测序列长度，预测电池组的SOH。

2.根据权利要求1所述的电池组SOH预测方法，其特征在于，所述特征包括车辆驾驶行为特征、电池组状态特征和电动车辆所在地区的环境特征。

3.根据权利要求1所述的电池组SOH预测方法，其特征在于，所述标签为：其中：ySOH表示公共索引数据的标签，C′T表示对修正容量CT自回归处理的结果，且CT＝KTCmax，KT为温度影响因子，Cmax为电池组当前最大可用容量，CR为电池组额定容量，yN为第N个充/放电片段的SOH值。

4.根据权利要求2所述的电池组SOH预测方法，其特征在于，对公共索引数据特征的数据集进行预处理，包括：对于电池组状态特征中的SOC进行异常检测，当ΔSOCk+1‑ΔSOCk<μ时，保留当前SOC值，否则丢弃，其中，ΔSOCk是采样时间点k对应的电池SOC，μ为SOC变化率阈值；

对于数据集中除SOC之外的特征：将缺失值达到80％以上的特征所在列丢弃，对缺失值在80％以下的进行填充；再对每一列特征进行异常值检测，删除异常值所在的行；然后将剩余特征划分为连续型特征Xc和离散型特征Xd，并分别进行归一化为X′c、独热编码为X′d；

所述数据集Xn＝concat(X′c,X′d,ySOH)，concat为拼接函数，ySOH表示公共索引数据的标签。

5.根据权利要求4所述的电池组SOH预测方法，其特征在于，所述弱相关特征是指数据集Xn中相关性系数小于0.6的特征。

6.根据权利要求1所述的电池组SOH预测方法，其特征在于，所述基于Informer的神经网络模型包括依次进行通信的嵌入层、多头概率稀疏自注意力层、自注意力蒸馏层、生成式解码器网络和全连接层。

7.根据权利要求1所述的电池组SOH预测方法，其特征在于，对训练后的基于Informer的神经网络模型进行重新校准的过程为：向联盟区块链发送代币TID，若代币TID＝True，能找到属于自车的所有公共索引，校准成功。

8.一种实现权利要求1‑7任一项所述的电池组SOH预测方法的系统，其特征在于，包括：车载区块链平台，存储每个注册电动车辆的私人信息和公共信息，所述私人信息被加密并生成安全索引，所述公共信息直接生成公共索引；

地区私人链，接收车载区块链平台发送的安全索引和公共索引，并存储安全索引；

联盟区块链，存储地区私人链发送的公共索引，并对所述公共索引进行特征与标签的提取，利用其他电动车辆的公共索引训练基于Informer的神经网络模型、利用电动车辆自身的数据对训练后的基于Informer的神经网络模型进行重新校准。

9.根据权利要求8所述的系统，其特征在于，所述公共信息包括车辆所在地区、车辆驾驶行为及电池组数据。