1.一种基于等压升能量和改进GRU的锂电池健康状态估计方法，其特征在于，所述方法包括如下步骤：S1、获取锂电池每个充放电循环的健康状态数据和充电能量数据；

S2、从每个充放电循环的充电能量数据中提取等压升间隔能量序列，绘制等压升能量充电曲线，并计算出每个充放电周期所对应的等压升能量充电曲线的峰值序列；

S3、将等压升能量充电曲线的峰值序列与健康状态序列进行归一化预处理后作为输入数据；

S4、在GRU网络中增加翻转层和概率层，改进GRU网络，构建锂电池健康状态的网络估计模型；

S5、应用构建的锂电池健康状态网络估计模型对锂电池健康状态进行估计，其中，在所述的步骤S4中：

翻转层反转输入数据序列顺序，同时读取正向和反向数据，翻转计算公式如下：l＝size(x

其中，l为一个常数，代表输入序列的长度大小，size为维度函数，概率层对输入数据按照一定的概率进行保留和删除，概率计算公式如下：g

其中，p为一个概率值，0

r

其中，更新门z

取峰值序列和健康状态序列的前k(k＝1,…,n-1)个样本值

2.根据权利要求1所述的基于等压升能量和改进GRU的锂电池健康状态估计方法，其特征在于，在所述步骤S1中：充放电循环过程的锂电池健康状态数据序列为H

3.根据权利要求2所述的基于等压升能量和改进GRU的锂电池健康状态估计方法，其特征在于，所述的步骤S2的过程包括：通过固定电压升值所对应的能量序列E

4.根据权利要求3所述的基于等压升能量和改进GRU的锂电池健康状态估计方法，其特征在于，所述的步骤S3的过程包括：采用最大最小值归一化预处理数据，将数据归一化在区间[-1,1]之间；其中，归一化公式为

5.根据权利要求4所述的基于等压升能量和改进GRU的锂电池健康状态估计方法，其特征在于，所述步骤S5的过程包括：用峰值序列的第k+1,…,n充放电循环数据