1.一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法，其特征在于，包括如下步骤：
s1、构建电池的等效模型，所述等效模型包括极化部分、电池内阻、电池内部电动势和电池输出电压；
s2、采集电池的负载电流、负载电压，经所述等效模型得到极化电压和等效模型的锂电池内部电动势，经自适应卡尔曼滤波得到soc百分比最大值和最优电压；
s3、采集电池温度，温度经卡尔曼滤波得到温度估计值；
s4、所述最优电池soc、最优电压和温度估计值经模糊控制生成电池安全度。
2.根据权利要求1所述一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法，其特征在于，所述等效电路模型为：
其中，up为极化电压，il为负载电流，uocv为电池电路模型的开路电压，ul为终端电压。
3.根据权利要求2所述一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法，其特征在于，步骤s2所述经卡尔曼滤波得到最优电池soc和最优电压的方法包括如下步骤：
s21、根据锂电池内部电动势建立电池soc关系，进而得到k+1时刻的电池soc值；
uocv(k)＝asoc(k)+b；
其中，soc(k0)为初始soc，η为锂电池受到温度、放电速率影响的修正因数，qn为锂电池的额定容量；
s22、构建卡尔曼滤波系统方程，将锂离子电池的电流作为控制信号输入卡尔曼滤波的系统状态方程中，得到k时刻的工作电压估计值，所述状态方程为：
其中，d为过程噪声矩阵，q为过程噪声均值；
s23、通过下式得到k时刻系统电压的测量值；
z(k)＝h·x(k)+g·u(k)+b+v(k)；
s24、根据所述k时刻系统电压的测量值进行状态估计协方差pk预估；
pk＝akpk-1atk+dqk-1dt；
其中，q为过程噪声的方差；
s25、计算卡尔曼增益kg(k)，输出k+1时刻的电池soc估计值，并对误差协方差进行更新，具体为：
kgk＝pkhtk(hkpkhtk+rk-1)-1；
其中，r为测量噪声的方差，r为测量噪声的均值；
s26、步骤s25所述修正的soc估计值作为步骤s21中所述的电池soc初始值，重复进行步骤s21-s25，得到最优温度估计值；
s27、将单次充电最大soc值与电池额定容量比较，得出当前电池状态的soc老化程度，用百分比表示，即为soc百分比最大值。
4.根据权利要求3所述一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法，其特征在于，所述过程噪声均值qk为：
过程噪声的方差为qk：
qk＝(1-dk-1)qk-1+dk-1m(lkykytkltk+pk-apk/k-1at)mt；
测量噪声的均值为rk：
测量噪声的方差rk为
rk＝(1-dk-1)rk-1+dk-1(ykytk-hpk/k-1ht)。
5.根据权利要求1所述一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法，其特征在于，步骤s3所述温度经卡尔曼滤波得到温度估计值的具体步骤包括：
s31、根据预设的温度初始值得到k-1时刻的温度估计值；
s32、根据k-1时刻的温度估计值得到k时刻的温度估计值，具体为：
s33、通过下式计算k时刻温度测量值：
z(k)＝h[k,x(k)]+v(k)：
s34、根据下式计算卡尔曼增益：
s35、结合所述步骤s33所述的k时刻温度测量值和步骤s34所述的卡尔曼增益，根据下式得到k时刻优化的温度，并输出；
s36，所述k时刻优化温度值最优值作为步骤s31中所述的温度初始值，重复进行步骤s31-s35，得到最优温度估计值。
6.根据权利要求1所述一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法，其特征在于，所述基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法包括建立安全度对照表，所述安全度对照表由若干安全区间构成，安全区间对应当前时刻的电池安全情况；将得到的安全度数值与所述安全区间匹配，得到当前时刻的电池安全情况。。
7.一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算装置，其特征在于，包括：
估算模块，用以根据权利要求1-6任意权利要求所述的基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法估算电池当前状态的安全度；
显示模块，用以显示电池当前状态下的安全度信息。
8.根据权利要求6所述一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算装置，其特征在于，所述一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算装置包括区间匹配模块，用以建立安全度对照表，所述安全度对照表由若干安全区间构成，安全区间对应当前时刻的电池安全情况；将估算模块得到的安全度数值与所述安全区间匹配，得到当前时刻的电池安全情况。