1.基于深度学习的动力电池荷电续航预测方法，其特征是，包括以下步骤：获取目标车辆的实时导航信息以及目标车辆所配置目标电池的初始剩余电量；

获取目标电池在车辆行驶过程中进行放电的历史状态数据，并依据历史状态数据训练构建深度神经网络模型；

采集目标电池在实时导航信息所对应导航路径的起始阶段中的实时状态数据，并将实时状态数据输入深度神经网络模型估算得到目标车辆完成起始阶段行驶的过程中目标电池的实时消耗电量；

从数据库中筛选出与实时导航信息具有同一导航路径的参考车辆所对应的参考电池，并依据所有参考电池在导航路径中随里程变化的历史消耗电量确定导航路径中各个路段的电量消耗差异参数；

依据实时消耗电量和电量消耗差异参数计算得到目标电池在导航路径中各个路段的预测消耗电量，并结合初始剩余电量预测得到目标电池供应目标车辆进行导航行驶的续航结果。

2.根据权利要求1所述的基于深度学习的动力电池荷电续航预测方法，其特征是，所述历史状态数据包括电池电流、电池电压、电池温度以及电池消耗电量随时间变化的数据；

其中，电池电流、电池电压和电池温度构成输入向量，电池消耗电量为标签。

3.根据权利要求1所述的基于深度学习的动力电池荷电续航预测方法，其特征是，所述实时消耗电量的估算过程具体为：实时状态数据包括电池电流、电池电压以及电池温度随时间变化的数据；

实时状态数据输入深度神经网络模型后，输出得到起始阶段各个时刻的估算消耗电量；

对各个时刻的估算消耗电量进行累计求和，得到目标电池在起始阶段的实时消耗电量。

4.根据权利要求1所述的基于深度学习的动力电池荷电续航预测方法，其特征是，所述电量消耗差异参数的确定过程具体为：针对单个参考电池，依据历史消耗电量确定导航路径中各个路段的路段消耗电量；

以各个路段的路段消耗电量与第一个路段的路段消耗电量之比计算得到各个路段的电量消耗差异比值；

依据所有参考电池在同一路段的电量消耗差异比值的均值确定对应路段的电量消耗差异参数。

5.根据权利要求4所述的基于深度学习的动力电池荷电续航预测方法，其特征是，所述电量消耗差异参数的计算公式具体为：；

其中， 表示第 个路段的路段消耗电量； 表示历史消耗电量中位于 里程数处的消耗电量，为单个路段的里程数； 表示历史消耗电量中位于里程数处的消耗电量； 表示第 个路段的路段消耗电量； 表示第 个路段的电量消耗差异比值； 表示第 个路段的电量消耗差异参数； 表示参考电池的数量； 表示第 个参考电池中第 个路段的电量消耗差异比值。

6.根据权利要求4所述的基于深度学习的动力电池荷电续航预测方法，其特征是，所述电量消耗差异参数的计算公式具体为：；

其中， 表示第 个路段的路段消耗电量； 表示历史消耗电量中位于 里程数处的消耗电量，为单个路段的里程数； 表示历史消耗电量中位于里程数处的消耗电量； 表示第 个路段的路段消耗电量； 表示第 个路段的电量消耗差异比值； 表示参考电池的数量； 表示第 个参考电池中第 个路段的电量消耗差异比值； 表示所有参考电池在第 个路段的电量消耗差异比值的均值； 表示第 个路段的电量消耗差异参数； 表示比值波动幅度阈值； 表示满足比值波动幅度阈值的参考电池数量； 表示第 个参考电池中第 个路段的电量消耗差异比值。

7.根据权利要求1所述的基于深度学习的动力电池荷电续航预测方法，其特征是，所述预测消耗电量的计算过程具体为：确定起始阶段中所覆盖路段的段数，并以目标电池的实时消耗电量与段数之比确定起始阶段中单路段的实时消耗电量；

依据起始阶段中所覆盖路段的电量消耗差异参数进行加权平均计算，得到起始阶段中单路段的电量消耗差异参数；

以各个路段的电量消耗差异参数与起始阶段中单路段的电量消耗差异参数之比计算得到参数比值；

以起始阶段中单路段的电量消耗差异参数与参数比值之积计算得到各个路段的预测消耗电量。

8.根据权利要求1所述的基于深度学习的动力电池荷电续航预测方法，其特征是，所述续航结果的预测分析过程具体为：若各个路段的预测消耗电量以及实时消耗电量之和大于或等于初始剩余电量，则输出目标电池供应目标车辆进行导航行驶所能达到的地点；

若各个路段的预测消耗电量以及实时消耗电量之和小于初始剩余电量，则输出目标电池供应目标车辆完成导航行驶后的最终剩余电量。

9.基于深度学习的动力电池荷电续航预测系统，其特征是，包括：信息获取模块，用于获取目标车辆的实时导航信息以及目标车辆所配置目标电池的初始剩余电量；

模型构建模块，用于获取目标电池在车辆行驶过程中进行放电的历史状态数据，并依据历史状态数据训练构建深度神经网络模型；

数据采集模块，用于采集目标电池在实时导航信息所对应导航路径的起始阶段中的实时状态数据，并将实时状态数据输入深度神经网络模型估算得到目标车辆完成起始阶段行驶的过程中目标电池的实时消耗电量；

差异参考模块，用于从数据库中筛选出与实时导航信息具有同一导航路径的参考车辆所对应的参考电池，并依据所有参考电池在导航路径中随里程变化的历史消耗电量确定导航路径中各个路段的电量消耗差异参数；

续航预测模块，用于依据实时消耗电量和电量消耗差异参数计算得到目标电池在导航路径中各个路段的预测消耗电量，并结合初始剩余电量预测得到目标电池供应目标车辆进行导航行驶的续航结果。

10.一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1‑8中任意一项所述的基于深度学习的动力电池荷电续航预测方法。