1.一种考虑电池损耗的电动汽车充放电控制方法，其特征在于，包括：获取电动汽车状态数据，所述电动汽车状态数据包括电价、用户设定的充电完毕时间、当前周期的电池电量预测值和用户期望充电完毕时的电池电量；将电动汽车状态数据输入强化学习模型，得到电动汽车充放电功率；输出电动汽车的充放电功率；其中，当前周期的电池电量预测值通过以下步骤获得：获取当前周期放电数据、电池历史健康度真实值和累计容量损失，所述当前周期放电数据包括当前周期的电池放电电压、电池放电电流和电池工作温度；将当前周期放电数据、电池历史健康度真实值和累计容量损失带入训练好的电池健康度预测模型得到当前周期电池健康度预测值；通过当前周期电池健康度预测值获得当前周期的电池电量预测值；所述获取当前周期放电数据、电池历史健康度真实值和累计容量损失的步骤，具体包括：获取每个周期放电结束后的电池最大容量值，通过每个周期放电结束后的电池最大容量值获得每个周期的电池健康度真实值，电池历史健康度真实值包括每个周期的电池健康度真实值；电池健康度真实值的计算公式如下：式中： 代表电池健康度真实值； 表示第t个周期放电结束后电池最大容量值； 代表第t个周期电池初始容量值；获取上一周期的电池健康度真实值，根据上一周期的电池健康度真实值计算累计容量损失；累计容量损失的计算公式如下：式中： 为累计容量损失； 为上一周期的电池健康度真实值；所述训练好的电池健康度预测模型通过以下步骤获得：获取电池历史放电数据和每个周期放电结束后的电池最大容量值，所述电池历史放电数据包括每一周期的电池历史平均放电电压、电池历史平均放电电流和电池历史平均工作温度；根据每个周期放电结束后的电池最大容量值计算电池历史健康度真实值和历史累计容量损失；通过电池历史放电数据、电池历史健康度真实值和历史累计容量损失，获得电池健康度预测模型；对电池健康度预测模型进行训练，得到训练好的电池健康度预测模型；所述通过电池历史放电数据、电池历史健康度真实值和历史累计容量损失，获得电池健康度预测模型的步骤，具体包括：根据电池历史放电数据和历史累计容量损失计算电池预测容量损失值 ：其中： 表示电池历史平均放电电压； 表示电池历史平均放电电流； 表示电池历史平均工作温度； 表示神经网络；参数 、 和 的公式如下：其中：A是常数； 表示反应活化能；R表示通用气体常数；z表示幂律系数；将m个周期的电池历史健康度真实值 输入LSTM网络算法，获得非受迫动态系统状态值 ，公式如下：获得的电池健康度预测模型如下： 。
2.根据权利要求1所述的一种考虑电池损耗的电动汽车充放电控制方法，其特征在于：所述通过当前周期电池健康度预测值获得当前周期的电池电量预测值的步骤如下：获取电池的电量百分比 ，电池电量预测值的计算公式如下：式中， 为电池健康度预测值。
3.根据权利要求1所述的一种考虑电池损耗的电动汽车充放电控制方法，其特征在于：所述对电池健康度预测模型进行训练，得到训练好的电池健康度预测模型的步骤，具体包括：计算均方误差作为损失值，将得到的损失值在模型中进行反向传播，并使用随机梯度下降法对电池健康度预测模型参数进行优化，得到训练好的电池健康度预测模型；其中，均方误差的计算公式如下：其中： 为一个训练批次的大小； 表示一个训练批次中第i个数据批次的电池健康度预测值； 表示一个训练批次中第i个数据批次的电池健康度真实值。
4.一种考虑电池损耗的电动汽车充放电控制系统，其特征在于，包括：数据获取模块，用于获取电动汽车状态数据，所述电动汽车状态数据包括电价、用户设定的充电完毕时间、当前周期的电池电量预测值和用户期望充电完毕时的电池电量；数据处理模块，用于将电动汽车状态数据输入强化学习模型，得到电动汽车充放电功率；输出模块，用于输出电动汽车充放电功率；其中，数据处理模块中当前周期的电池电量预测值通过以下步骤获得：获取当前周期放电数据、电池历史健康度真实值和累计容量损失，所述当前周期放电数据包括当前周期的电池放电电压、电池放电电流和电池工作温度；将当前周期放电数据、电池历史健康度真实值和累计容量损失带入训练好的电池健康度预测模型得到当前周期电池健康度预测值；通过当前周期电池健康度预测值获得当前周期的电池电量预测值；所述获取当前周期放电数据、电池历史健康度真实值和累计容量损失的步骤，具体包括：获取每个周期放电结束后的电池最大容量值，通过每个周期放电结束后的电池最大容量值获得每个周期的电池健康度真实值，电池历史健康度真实值包括每个周期的电池健康度真实值；电池健康度真实值的计算公式如下：式中： 代表电池健康度真实值； 表示第t个周期放电结束后电池最大容量值； 代表第t个周期电池初始容量值；获取上一周期的电池健康度真实值，根据上一周期的电池健康度真实值计算累计容量损失；累计容量损失的计算公式如下：式中： 为累计容量损失； 为上一周期的电池健康度真实值；所述训练好的电池健康度预测模型通过以下步骤获得：获取电池历史放电数据和每个周期放电结束后的电池最大容量值，所述电池历史放电数据包括每一周期的电池历史平均放电电压、电池历史平均放电电流和电池历史平均工作温度；根据每个周期放电结束后的电池最大容量值计算电池历史健康度真实值和历史累计容量损失；通过电池历史放电数据、电池历史健康度真实值和历史累计容量损失，获得电池健康度预测模型；对电池健康度预测模型进行训练，得到训练好的电池健康度预测模型；所述通过电池历史放电数据、电池历史健康度真实值和历史累计容量损失，获得电池健康度预测模型的步骤，具体包括：根据电池历史放电数据和历史累计容量损失计算电池预测容量损失值 ：其中： 表示电池历史平均放电电压； 表示电池历史平均放电电流； 表示电池历史平均工作温度； 表示神经网络；参数 、 和 的公式如下：其中：A是常数； 表示反应活化能；R表示通用气体常数；z表示幂律系数；将m个周期的电池历史健康度真实值 输入LSTM网络算法，获得非受迫动态系统状态值 ，公式如下：获得的电池健康度预测模型如下： 。
5.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至3中任意一项所述的一种考虑电池损耗的电动汽车充放电控制方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至3中任意一项所述的一种考虑电池损耗的电动汽车充放电控制方法。
