本发明属于电池管理技术领域，涉及电池管理系统中的soc，具体为一种基于极大似然估计的soc优化方法。
背景技术：
电池管理系统对soc的计算方法现有内阻法﹑开路电压法和安时积分法等方法。
内阻法的缺陷受温度的影响很大，而且当电池处于不同的电量状态时，它的内阻值不一样；电池处于不同的使用寿命状态下，它的内阻值也不同，所以使用内阻法测量soc是比较困难的。
开路电压法的缺点就是需要很长的时间静置，这样电池端电压才能达到稳定值，利用稳定的开路电压才能估算出较为准确的soc值，所以这种方法只适合于汽车长时间驻车状态。
安时积分法是一种开环预测，它试用于各种电池。但是算法中存在电流积分，所以随着汽车运行时间的增加会产生误差，并且误差逐渐积累，最终使估计值越来越偏离正确的soc值。
对于目前的电池管理系统来讲，安时积分法的使用范围比较广泛，而且简单明了；但电流误差影响了该方法的使用，提高电流的精度成为了有待解决的问题。
技术实现要素：
针对上述存在问题或不足，为解决电流误差技术问题，本发明提供了一种基于极大似然估计的soc优化方法。
一种基于极大似然估计的soc优化方法，包括以下步骤：
步骤1、用一阶RC模型对电池建模，得出放电时的端电压输出方程：
V＝Voc-IRe-IRs(1-e-t/τ) (1)
τ为时间常数τ＝RsC,Voc是开路电压，Re是电池的欧姆电阻，Rs﹑C是用来模拟电池动态特性中表现出来的时间常数。
当t→0时，可得Re＝(Voc-V)/I,从电池开始放电的时候到电池稳定区这段时间内测得V1﹑V2﹑I，从而得到Re＝(V1-V2)/I。
对于Rs而言，在恒流放电的时候有一段稳定放电时期可根据式Rs＝Voc-V/I-Re得到。
由式1可得：
步骤2、令F(t)＝1-e-t/τ，在f(t)中令λ＝1/τ，可得：
F(t)＝1-e-λt (3)
根据概率的指数分布得到密度函数：
f(t)＝λe-λt (4)
步骤3、采用极大似然估计方法处理参数λ：
对式5进行求导并令函数值为0，得到：
步骤4、在对所有参数处理完之后将式2带入安时积分法中，最终求得soc的值。
极大似然估计，是一种概率论在统计学的应用，是参数估计的方法之一。参数估计是通过若干次试验，观察其结果，利用结果推出参数的值。
安时积分法适用于各种电池，但是一旦出现误差就会使误差积累。极大似然估计，是一种概率论在统计学的应用，是参数估计的方法之一。参数估计是通过若干次试验，观察其结果，利用结果推出参数的值。
本发明为了减小实际的误差，在基于安时积分方法的基础上对电池充放电开始部分进行估算；采用极大似然估计针对其参数的估算，从而使其具有更高的准确性，使测量的值更接近准确值，在实际运用中能够进一步反应真实值，为运用带来了便利。
综上所述，本发明相对现有技术，保证了方便的同时，提高了电流的精度。
附图说明
图1是一阶RC模型示意图。
具体实施方式。