1.一种基于EMD-GRU锂离子电池荷电状态估计方法，其特征在于，具体按照如下步骤实施：步骤1，对锂离子电池进行脉冲电流放电，直至电池电压降到放电截止电压时停止放电，采集放电电流i(t)、电池电压u(t)、温度T(t)及SOC(t)时间序列；步骤2，采用经验模态分解EMD算法对步骤1采集的采集放电电流i(t)进行分解，将电流时间序列分解成不同频率的子电流集时间序列和残差电流时间序列；所述步骤2具体为：步骤2.1，找到放电电流i(t)的所有极大值和极小值点，采用三次样条插值得到上下包络线e max (t)和e min (t)，计算上下包络线的均值m(t)：步骤2.2，将放电电流i(t)与上下包络平均值m(t)进行差值，获得剩余分量h 1 (t)：h 1 (t)＝i(t)-m(t) (2)步骤2.3，判断h 1 (t)是否满足固有模态分量的两个条件，不满足的话，用h 1 (t)作为新的时间序列返回步骤2.1，直到剩余分量h 1 (t)满足固有模态分量的两个条件为止，固有模态分量c 1 (t)记为：c 1 (t)＝h 1 (t) (3)；其中，固有模态分量的两个基本条件：1)h 1 (t)函数局部极值点和过零点的个数相等或者相差不超过一个；2)在任意时刻范围内，由局部最大值和最小值所形成的包络曲线的平均值必须为零；步骤2.4，将放电电流i(t)减去固有模态分量c 1 (t)，求出残差r 1 (t)：r 1 (t)＝i(t)-c 1 (t) (4)；步骤2.5，将残差r 1 (t)作为新的信号重复步骤2.1～2.4，分别得到c 2 (t)和r 2 (t)，如此不断循环，当残差满足终止条件后结束，得到了固有模态分量c 1 (t)、c 2 (t)、…、c n (t)即为不同频率的子电流集，最后得到的r n (t)即为残差电流；其中，终止条件为：当最后的残差r n (t)是单调递增或者单调递减信号或者残差幅值不大于信号幅度的百分之一；步骤3，将步骤2得到的子电流集时间序列和残差电流时间序列以及电池电压u(t)、温度T(t)进行归一化处理；步骤4，基于门控循环单元GRU建立子电流集、电压和温度时间序列的SOC估计模型并进行锂离子电池SOC估计。
2.根据权利要求1所述的一种基于EMD-GRU锂离子电池荷电状态估计方法，其特征在于，所述步骤1对锂离子电池进行脉冲电流放电前，将锂离子电池电量充满，即SOC＝100％，锂离子电池静置在恒温恒湿箱中，静置时间为1-3小时，然后进行脉冲电流放电。
3.根据权利要求2所述的一种基于EMD-GRU锂离子电池荷电状态估计方法，其特征在于，所述步骤1中进行采样的采样频率为脉冲电流最大频率的十倍及以上。
4.根据权利要求1所述的一种基于EMD-GRU锂离子电池荷电状态估计方法，其特征在于，所述步骤3具体为：子电流集c 1 (t)、c 2 (t)、…、c n (t)、残差电流r n (t)、电压u(t)、温度T(t)构成输入集x(t)，SOC(t)构成输出集y(t)，分别对输入集各个元素采用公式(5)进行归一化，归一化公式如下：式中，x′(t)为各元素归一化后输入集，a为各个元素的平均值，b为各个元素的标准差。
5.根据权利要求4所述的一种基于EMD-GRU锂离子电池荷电状态估计方法，其特征在于，所述步骤4具体为：步骤4.1，采用输入集x′(t)作为GRU网络的输入，输出集y(t)作为GRU网络的输出，GRU模型公式如下：式中，x′(t)为第t时刻隐含层的输入，h(t)为第t时刻当前层的输出，h(t-1)为第t-1时刻当前层的输出，z(t)和r(t)分别为更新门和重置门， 是输入x′(t)和前一时刻输出h(t-1)的汇总，σ为sigmoid激活函数，tanh为双曲正切函数，W r 为重置门训练参数矩阵，W z 为更新门训练参数矩阵，其中[]表示两个向量相连，*表示矩阵的乘积；步骤4.2，采用反向传播算法BPTT算法对GRU模型进行训练，得到误差最小的参数矩阵即最优GRU模型，误差函数如下：式中，y(t)为第t时刻实际输出，W O 为输出层参数矩阵；步骤4.3，重新按照步骤1、步骤2和步骤3方法得到后一段时间锂离子电池子电流集c′ 1 (t)、c′ 2 (t)、…、c′ n (t)、残差电流r′ n (t)、电压u′(t)、温度T′(t)作为锂离子电池SOC估计输入集，结合步骤4.2中最优GRU模型，得到模型输出即为SOC估计值。
