1.一种智能网联插电式混合动力汽车能量管理实时控制策略，其特征在于，包括以下步骤：获取汽车历史的加速踏板开度、制动踏板开度、车速、车轮需求转矩和整车需求功率，得到历史行驶数据；

实时采集汽车的车速、需求转矩、电池SOC、发动机与电机的转矩、转速和挡位，得到实时行驶数据；

基于所述历史行驶数据构建神经网络模型对所述汽车的当前行驶工况进行识别以及预测，得到预测行驶数据；

基于所述实时行驶数据和预测行驶数据对所述汽车的发动机与电机的转矩、转速、挡位和气门开度进行调整；

所述基于所述实时行驶数据和预测行驶数据对所述汽车的发动机与电机的转矩、转速、挡位和气门开度进行调整的具体方式为：以所述预测行驶数据为准，根据所述实时行驶数据对所述汽车的电量消耗成本和燃油消耗成本进行分配，得到分配数值；

基于所述分配数值对所述汽车的发动机与电机的转矩、转速和挡位进行调整；

以所述预测行驶数据为准，根据所述实时行驶数据的速度调节所述汽车的气门开度，使得所述汽车巡航达到最优速度的同时使得与前后车辆具有安全间距。

2.如权利要求1所述的智能网联插电式混合动力汽车能量管理实时控制策略，其特征在于，所述获取汽车历史的加速踏板开度、制动踏板开度、车速、车轮需求转矩和整车需求功率，得到历史行驶数据的具体的方式为：根据历史工况查找MAP图；

基于所述MAP图获取汽车历史的加速踏板开度、制动踏板开度、车速、车轮需求转矩和整车需求功率，得到历史行驶数据。

3.如权利要求1所述的智能网联插电式混合动力汽车能量管理实时控制策略，其特征在于，所述基于所述历史行驶数据构建神经网络模型对所述汽车的当前行驶工况进行识别以及预测，得到预测行驶数据的具体方式为：构建MPSO‑BP神经网络模型；

使用改进动态调节所述MPSO‑BP神经网络模型的权重值公式，得到优化网络模型；

将所述历史行驶数据输入所述优化网络模型对所述汽车的当前行驶工况进行识别以及预测，得到预测行驶数据。

4.如权利要求1所述的智能网联插电式混合动力汽车能量管理实时控制策略，其特征在于，所述以所述预测行驶数据为准，根据所述实时行驶数据的速度调节所述汽车的气门开度的具体方式为：以所述预测行驶数据为准，根据所述实时行驶数据建立汽车的速度优化目标函数；

基于所述速度优化目标函数对所述汽车的气门开度进行调节。

5.如权利要求1所述的智能网联插电式混合动力汽车能量管理实时控制策略，其特征在于，所述汽车巡航使用模糊控制基本策略。