[发明专利]一种基于极大似然估计的soc优化方法

摘要

本发明属于电池管理技术领域，具体为一种基于极大似然估计的soc优化方法。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。

主权项

1.一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＝V_oc‑IR_e‑IR_s(1‑e^‑t/τ)   (1)τ为时间常数τ＝R_sC,V_oc是开路电压，R_e是电池的欧姆电阻，R_s﹑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R_e＝(V_oc‑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R_e＝(V₁‑V₂)/I；对于R_s而言，在恒流放电的稳定放电时期根据式R_s＝(V_oc‑V)/I‑R_e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：为测量时间段的平均值；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