1.一种变时域预测能量管理方法，其特征在于，所述方法包括：获取车辆的行驶数据；

根据所述行驶数据，预测设定数量种预测时域中每种预测时域下的若干未来车速，以及预测当前时刻与下一时刻之间的预测最佳△SOC；

根据不同预测时域的所述若干未来车速，计算各个预测时域下的当前时刻与下一时刻的SOC差值；

将所述预测最佳△SOC与各个预测时域下的SOC差值进行比较，确定最佳预测时域；

基于所述最佳预测时域，实现车辆的预测能量管理。

2.根据权利要求1所述的方法，其特征在于，所述车辆的行驶数据包括：上一时刻车速、当前时刻车速、当前时刻加速度、当前时刻车辆位置和当前时刻道路坡度；

所述根据所述行驶数据，预测设定数量种预测时域中每种预测时域下的若干未来车速，包括：将所述行驶数据输入预先训练的基于双向长短期记忆网络的车速预测网络，输出每种预测时域下的若干未来车速。

3.根据权利要求1所述的方法，其特征在于，所述行驶数据包括：当前时刻的行驶距离、SOC、车速、加速度和需求功率；

所述根据所述行驶数据，预测当前时刻与下一时刻之间的预测最佳△SOC，包括：将所述行驶数据输入预先训练的基于深度神经网络的最佳△SOC预测网络，输出所述当前时刻与下一时刻之间的预测最佳△SOC。

4.根据权利要求3所述的方法，其特征在于，所述训练基于深度神经网络的最佳△SOC预测网络的数据库通过下述方式建立：获取所述车辆不同行驶工况下的每个时刻的行驶数据；

使用动态规划算法确定各个行驶工况下的每个时刻的最佳SOC轨迹；

根据所述各个行驶工况下的每个时刻的最佳SOC轨迹，确定每个时刻的最佳△SOC；

所述每个行驶工况下的每个时刻的行驶数据与所述最佳△SOC的对应关系，构成所述数据库。

5.根据权利要求1所述的方法，其特征在于，所述将所述预测最佳△SOC与各个预测时域下的SOC差值进行比较，确定最佳预测时域，包括：将所述预测最佳△SOC与各个预测时域下的SOC差值进行比较，选取各个预测时域下的SOC差值中与所述预测最佳△SOC最接近的SOC差值；

将与所述预测最佳△SOC最接近的SOC差值所对应的预测时域，确定为所述最佳预测时域。

6.根据权利要求1所述的方法，其特征在于，所述基于所述最佳预测时域，实现车辆的预测能量管理，包括：确定所述最佳预测时域对应的若干未来车速；

根据所述若干未来车速，采用动态规划算法，确定所述最佳预测时域的最优控制序列，其中，所述最优控制序列包括若干控制量，所述控制量数量与所述最佳预测时域对应的未来车速的数量相等；

从所述最优控制序列中选取一个所述控制量作用于控制对象。

7.一种变时域预测能量管理装置，其特征在于，所述装置包括：获取模块，用于获取车辆的行驶数据；

预测模块，用于根据所述行驶数据，预测设定数量种预测时域中每种预测时域下的若干未来车速，以及预测当前时刻与下一时刻之间的预测最佳△SOC；

计算模块，用于根据不同预测时域的所述若干未来车速，计算各个预测时域下的当前时刻与下一时刻的SOC差值；

比较模块，用于将所述预测最佳△SOC与各个预测时域下的SOC差值进行比较，确定最佳预测时域；

处理模块，用于基于所述最佳预测时域，实现车辆的预测能量管理。

8.一种汽车，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑6中任一所述的变时域预测能量管理方法。

9.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑6中任一所述的变时域预测能量管理方法。