1.一种电池状态智能监测方法，其特征在于，该方法包括以下步骤：

获取待测锂电池的额定电荷量、当前充放电数据、当前环境温度数据以及历史充放电数据，获取若干相同型号锂电池的所有充放电数据组成充放电大数据，将充放电大数据中每个充放电数据记为第一充放电数据，对应的环境温度数据组成环境温度大数据，每个第一充放电数据的环境温度数据记为第一环境温度数据；

根据当前充放电数据及历史充放电数据进行曲线拟合并构建电池模型，将当前充放电数据对应周期记为当前充放电周期，根据当前充放电数据及历史充放电数据获取当前充放电周期的衰减程度，将每个第一充放电数据对应周期记为第一充放电周期，根据充放电大数据获取每个第一充放电周期的衰减程度；

根据当前充放电周期及所有第一充放电周期的衰减程度，以及当前环境温度数据与所有第一环境温度数据，对当前充放电周期及第一充放电周期进行聚类，获取当前充放电周期的若干参考充放电周期，将参考充放电周期对应的第一充放电数据记为参考充放电数据，根据当前充放电数据及参考充放电数据中的放电数据获取当前及参考放电趋势线，根据当前放电趋势线与参考放电趋势线获取当前放电趋势线中每个时刻的特征参数，根据当前充放电数据与参考充放电数据，以及当前放电趋势线中每个时刻的特征参数，获取当前充放电数据中每个时刻的特征参数；

根据当前充放电数据中每个时刻的特征参数对卡尔曼增益系数进行调节，根据调节后的卡尔曼增益系数对状态变量进行测量校正，完成对待测锂电池当前荷电状态的估计；

所述对当前充放电周期及第一充放电周期进行聚类，获取当前充放电周期的若干参考充放电周期，包括的具体方法为：第一环境温度数据及当前环境温度数据均为一组数据，每组数据包括若干环境温度数据，将每组环境温度数据的均值作为横坐标，衰减程度作为纵坐标，将当前充放电周期及每个第一充放电周期根据衰减程度及环境温度数据置于坐标系中，每个充放电周期对应一个坐标点，根据坐标点之间的欧式距离进行聚类，得到若干聚簇；

将当前充放电周期对应坐标点所在聚簇中其他坐标点对应的第一充放电周期，作为当前充放电周期的参考充放电周期；

所述根据当前放电趋势线与参考放电趋势线获取当前放电趋势线中每个时刻的特征参数，包括的具体方法为：

其中， 表示当前放电趋势线中第 时刻的特征参数， 表示当前放电趋势线中第 时刻和第 时刻数据的差异， 表示当前放电趋势线中所有相邻时刻数据的差异最大值，表示参考充放电周期的数量， 表示第 条参考放电趋势线中与当前放电趋势线中第 时刻经DTW得到的匹配点对数量， 表示第条参考放电趋势线中与当前放电趋势线中第 时刻经DTW得到的匹配点对中第 个匹配点对之间的欧式距离， 表示以自然常数为底的指数函数。

2.根据权利要求1所述的一种电池状态智能监测方法，其特征在于，所述根据当前充放电数据及历史充放电数据获取当前充放电周期的衰减程度，包括的具体方法为：将当前充放电周期记为待测锂电池的第 个充放电周期，获取第 个充放电周期的衰减程度 的计算方法为：

其中， 表示历史充放电周期的数量， 表示锂电池的额定电荷量， 表示第个历史充放电周期充电后的电荷量， 表示第 个历史充放电周期放电后的电荷量；第 个充放电周期的衰减程度即为当前充放电周期的衰减程度。

3.根据权利要求1所述的一种电池状态智能监测方法，其特征在于，所述获取当前充放电数据中每个时刻的特征参数，包括的具体方法为：根据当前放电趋势线中每个时刻的特征参数的计算方法，获取当前充放电数据中充电过程中每个时刻的特征参数，将充电过程中每个时刻及放电过程中每个时刻根据时间对应还原到当前充放电数据中的每个时刻，对应的特征参数即为当前充放电数据中每个时刻的特征参数。

4.根据权利要求1所述的一种电池状态智能监测方法，其特征在于，所述根据当前充放电数据中每个时刻的特征参数对卡尔曼增益系数进行调节，包括的具体方法为：其中， 表示调整后的当前充放电周期中第 时刻的卡尔曼增益系数， 表示第 时刻的特征参数， 表示调整前的当前充放电周期中第 时刻的卡尔曼增益系数。