CN102945308A - Ups电池配置方法及装置 - Google Patents

Abstract

本发明公开了一种UPS电池配置方法，包括：建立包括UPS电池的冗余容量、并联支路数和重量的目标函数；根据预设的UPS电池配置约束条件，建立所述目标函数的边界条件；根据建立的所述边界条件，对所述目标函数进行求解；按照求解得到的结果，对UPS电池进行配置。此外，还公开了一种UPS电池配置装置。本发明建立了包括UPS电池的冗余容量、并联支路数和重量的目标函数，并针对所述目标函数建立边界条件。本发明针对电池容量的离散性及有限的条件，并允许UPS的逆变（直流）电压作为一个可变设计参数，综合考虑经济性、并联设计的安全可靠性以及移动性（重量要求）等因素，能够科学有效地找到UPS电池的最优或者较优配置方案。

Description

UPS电池配置方法及装置

技术领域

本发明涉及UPS电池技术领域，尤其涉及一种UPS电池配置方法和一种UPS电池配置装置。

背景技术

在设计和配置UPS电池时，同一系列电池的容量是离散的，对于给定的负载参数，如果选择单体容量（电流）较大的电池，优点是不需要太多的并联支路就可以满足要求，不足的地方是可能电池的总容量与所需能量的偏差较大（因为电池容量是离散的），经济性不好。如果选择单体容量（电流）较小的电池，优点是可以用较小的容量偏差方案实现负载要求，但需要较多的并联支路，造成方案可靠性下降。

此外，如果在UPS电池设计阶段，其逆变（直流）电压可调的情况下，其值将对电池配置方案产生重要影响：如果直流电压高，需用更多的单体电池组成一条支路供电，也意味着如果其它条件相同情况下一条支路能提供更多的能量，这样的安排有可能减少所需的并联支路数目。但是过高的直流电压会给UPS电池带来其它问题。

最后，由于电池制造的原因，同一系列不同型号的电池其能量重量比的数值并不固定，在电池数目较多的情况下这样的差值对UPS电池总重量所产生的影响也不能忽略。对于移动性要求高的保供电电源方案，设备的重量甚至会变成决定性的因素。

综上所述，在UPS电池配置时需要综合考虑电池容量、并联支路数和电池重量等多种因素。而目前的配置方案中，大多是根据经验通过人工查表的方式定性分析各参数对电池配置方案的影响，无法做到科学准确地综合分析。这种做法往往很难使配置的UPS电池达到最优或者较优的性能。

发明内容

基于此，本发明提供了一种UPS电池配置方法和一种UPS电池配置装置。

一种UPS电池配置方法，包括以下步骤：

建立包括UPS电池的冗余容量、并联支路数和重量的目标函数；

根据预设的UPS电池配置约束条件，建立所述目标函数的边界条件；

根据建立的所述边界条件，对所述目标函数进行求解；

按照求解得到的结果，对UPS电池进行配置。

与一般技术相比，本发明UPS电池配置方法，建立了包括UPS电池的冗余容量、并联支路数和重量的目标函数，并针对所述目标函数建立边界条件。本发明针对电池容量的离散性及有限的条件，并允许UPS的逆变（直流）电压作为一个可变设计参数，综合考虑经济性、并联设计的安全可靠性以及移动性（重量要求）等因素，能够科学有效地找到UPS电池的最优或者较优配置方案。

一种UPS电池配置装置，包括目标函数建立模块、边界条件建立模块、求解模块和电池配置模块；

所述目标函数建立模块，用于建立包括UPS电池的冗余容量、并联支路数和重量的目标函数；

所述边界条件建立模块，用于根据预设的UPS电池配置约束条件，建立所述目标函数的边界条件；

所述求解模块，用于根据建立的所述边界条件，对所述目标函数进行求解；

所述电池配置模块，用于按照求解得到的结果，对UPS电池进行配置。

与一般技术相比，本发明UPS电池配置装置，建立了包括UPS电池的冗余容量、并联支路数和重量的目标函数，并针对所述目标函数建立边界条件。本发明针对电池容量的离散性及有限的条件，并允许UPS的逆变（直流）电压作为一个可变设计参数，综合考虑经济性、并联设计的安全可靠性以及移动性（重量要求）等因素，能够科学有效地找到UPS电池的最优或者较优配置方案。

附图说明

图1是本发明UPS电池配置方法的流程示意图；

图2是本发明UPS电池配置装置的结构示意图。

具体实施方式

为更进一步阐述本发明所采取的技术手段及取得的效果，下面结合附图及较佳实施例，对本发明的技术方案，进行清楚和完整的描述。

请参阅图1，为本发明UPS电池配置方法的流程示意图。本发明UPS电池配置方法，包括以下步骤：

S101建立包括UPS电池的冗余容量、并联支路数和重量的目标函数；

作为其中一个实施例，所述目标函数如下：

$\mathrm{Min}{\mathrm{\ϵ}}_1\×[m\×\stackrel{\→}{x}\×{\stackrel{\→}{i}}^T-I\left(U_d\right)]+{\mathrm{\ϵ}}_2\×m+{\mathrm{\ϵ}}_3\×[m\×(U_d/U_{\mathrm{cell}})\×\stackrel{\→}{x}\×{\stackrel{\→}{G}}^T]$

其中，ε₁、ε₂和ε₃为权重系数；m为并联支路数；

其中i_k为序号为k的第k号电池的放电电流；

为索引变量，

如第k号电池被选中，则x_k=1，其余索引变量均为0；I(U_d)为满足负载需求的蓄电池组的最大放电电流；为对应型号电池的重量集合；U_d为UPS电池的整流电压；U_cell为单个蓄电池的额定电压。

设UPS直流侧的整流电流U_d，采用三相桥式全波12脉冲整流技术，若输入三相线电压有效值为380V，U_d最高可达618V，即380V≤U_d≤618V。如果用多个蓄电池串联的方式为UPS提供直流电源，则U_d取值为单个蓄电池额定电压U_cell的整数倍。

根据放电电流法，为满足负载需求而必须保证的蓄电池组的最大放电电流为

其中，S为UPS输出额定功率；

UPS输出功率因数；η：UPS输出逆变器效率（0.85至0.9）；K：蓄电池放电效率（取0.95）；E：单个蓄电池临界放电电压。

通常选用在规定的高倍率放电条件下的临界电压值，12V蓄电池临界电压为10V，2V蓄电池临界电压为1.65至1.75V。如果蓄电池后备时间较长，电池是在低倍率放电时，则12V蓄电池临界电压为10.5V，2V蓄电池临界电压为1.75V。

对应一定放电时间，温度和临界放电电压条件下，设单个蓄电池的放电电流为iA，若有若干个不同型号的蓄电池可选，则i可扩展为n维电流集合

对应型号的电池重量集合

一般一个电池配置方案只选择一个合适的电池型号，相应地，设置一组索引变量

如第k号电池被选中，则x_k=1，其余索引变量均为0。

对于电池的配置组合，在满足整流电压U_d要求下，可以采用多路电池组并联的方式，为较大负荷供电。设并联支路数为m，考虑到电池组并联会导致系统供电安全性和可靠性下降，建议1≤m≤4。

UPS的电池优化配置方案描述如下：

$\mathrm{Min}{\mathrm{\ϵ}}_1\×[m\×\stackrel{\→}{x}\×{\stackrel{\→}{i}}^T-I\left(U_d\right)]+{\mathrm{\ϵ}}_2\×m+{\mathrm{\ϵ}}_3\×[m\×(U_d/U_{\mathrm{cell}})\×\stackrel{\→}{x}\×{\stackrel{\→}{G}}^T]$

目标函数第一项

要求电池的配置方案在满足用电需求条件下节约投资，减少不必要的容量备用，为经济性指标；第二项m从安全可靠性角度出发，希望并联支路数越少越好；第三项

要求配置方案电池总重量最轻。在实际计算中对目标函数中上述三项作归一化处理。

三个子目标的相应的权重系数为ε₁、ε₂、ε₃，可根据实际需要的取值，如0.3、0.1、0.6。本文主要关注保供电方案的移动性，故可加大相应ε₃的取值。

m和U_d为优化问题的控制变量。

S102根据预设的UPS电池配置约束条件，建立所述目标函数的边界条件；

作为其中一个实施例，所述边界条件如下：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i=1,$ 且x_i为0或1；

1≤m≤4，且m为整数；

U_d，min/U_cell≤U_d/U_cell≤U_d，max/U_cell，且U_cell，U_d/U_cell为整数；

$m\×\stackrel{\→}{x}\×{\stackrel{\→}{i}}^T-I\left(U_d\right)\≥0;$

0＜ε₁,ε₂,ε₃＜1；

其中，ε₁、ε₂和ε₃为权重系数；m为并联支路数；

其中i_k为序号为k的第k号电池的放电电流；

为索引变量，如第k号电池被选中，则x_k=1，其余索引变量均为0；I(U_d)为满足负载需求的蓄电池组的最大放电电流；U_d为UPS电池的整流电压；U_cell为单个蓄电池的额定电压。

S103根据建立的所述边界条件，对所述目标函数进行求解；

作为其中一个实施例，在对所述目标函数进行求解之前，设定UPS电池的放电时间。

作为其中一个实施例，采用粒子群算法对所述目标函数进行求解。

粒子群算法的基本原理和求解过程如下：

首先初始化产生一群随机粒子，粒子在每次迭代过程中跟踪两个“极值”点：个体极值点pbest和全局极值点gbest，用来更新自己的速度矢量和位置矢量。

假设在一个D维的目标搜索空间中，有m个粒子组成一个群落。其中，粒子i的位置表示为X_i＝(x_i1,x_i2，...,x_iD），飞行速度表示为V_i＝(v_i1，v_i2，...,v_iD）；k为迭代次数；pbest^k _id＝(x_i1 ^pbest,x_i2 ^pbest，...,x_iD ^pbest）表示第i个粒子在过去k次迭代中所找到的最优位置；gbest^k＝(x_i1 ^gbest,x_i2 ^gbest，...,x_iD ^gbest）表示所有粒子在过去k次迭代中所找到的最优位置。粒子速度更新公式和位置更新公式分别下式所示：

v_id ^k+1=ω·v_id ^k+c₁r₁(pbest^k _id-x_id ^k)+c₂r₂(gbest^k-x_id ^k)

x_id ^k+1＝x_id ^k+v_id ^k+1

其中，i=（1,2,3,…,m）；d=（1,2,3,…,D），式中，ω为惯性权重；c₁、c₂为学习因子，为非负常数，根据经验一般取c₁=c₂=2；r₁、r₂为（0,1）上均匀分布的随机数。通过大量对速度更新公式中的惯性权重ω试验研究表明：较大的ω有利于跳出局部最优，从而进行全局寻优；而较小的ω有利于局部寻优，提高算法收敛速度。为了使ω的值更好地满足算法性能要求，传统的做法是将ω由初始值随迭代次数的增加线性递减，达到先全局搜索，使搜索空间快速收敛于某一区域，然后采用局部精细搜索获得高精度解的目的。

此外，粒子在不断根据速度调整自己的位置时，还要受到最大速度v_max（一般取变量搜索空间的20%至40%）的限制，当v_id超过v_max时，粒子速度将被限定为v_max。算法的迭代终止条件根据具体问题一般选为最大迭代次数或粒子群迄今为止搜索到的最优位置满足预定最小适应阈值。

S104按照求解得到的结果，对UPS电池进行配置。

对目标函数求解完之后，可按照求解得到的结果，对UPS电池进行配置。

下面给出本发明的两个优选实施例：

实施例一：电池型号：DEKA UNIGY；UPS容量：300kVA；功率因数：cosφ=0.9；K1=0.9、K2=0.95；直流电压380-600伏；标称电压Ue=2V；终止放电电压Us t=1.75V；最多并联支路数：4。

优化中，容量要超过负荷的要求，即最大电流偏差大于等于零为硬约束。

第一种情况：放电时间：30min：

（1）若最大电流偏差、并联支路数和重量三个子目标权重系数分别取0.3、0.1和0.6；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下表所示：

电池型号序号越大，容量和质量越大。其中，最大电流偏差即电池的冗余容量，下同。

（2）若最大电流偏差、并联支路数、重量三个子目标的权重系数分别取0.1、0.1和0.8；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下表所示：

（3）若最大电流偏差、并联支路数、重量三个子目标的权重系数分别取0.3、0.4和0.3；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下所示：

有上述仿真结果可知，在放电时间为30min的条件下，对于测试的每一组子目标权重系数，根据总目标函数值大小排序可以得到几组较优的解，每个解对应的电池型号均不同，其对应的最大电流偏差和重量大小在特定的权重系数下呈现不同的情况，但总的来说是排在越前的解总体效果越好。

在不同的权重系数下，反映了在选择电池时决策的主观因素，即对最大电流偏差、并联支路数、重量三个子目标的偏好程度，理论上所有权重系数的最优解集合是该优化模型的Parato最优曲面。因此，可以根据不同的偏好选择不同的解，如要求重量尽可能轻，那么应该选择重量权重系数较大的最优解；如要求最大电流偏差尽可能小，则应该选择最大电流偏差权重系数较大的最优解。

在放电时间为30min的条件下，对于不同的权重系数组合，该算法在求解过程中具有较好的适应性和鲁棒性，上述三组不同权重系数下得到的最优解一致，即最优的电池型号为附录一序号15的电池，直流电压选择为382V，其次为电池型号为序号13的电池，直流电压选择为436V。此外，并联支路数为1的解为较优解（这种情况下基本可以排除选择并联支路数为2的设计）。

第二种情况：放电时间：15min：

（1）若最大电流偏差、并联支路数、重量三个子目标的权重系数分别取0.3、0.1和0.6；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下所示：

（2）若最大电流偏差、并联支路数、重量三个子目标的权重系数分别取0.1、0.1和0.8；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下所示：

（3）若最大电流偏差、并联支路数、重量三个子目标的权重系数分别取0.3、0.4和0.3；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下所示：

在放电时间为15min的条件下，对于测试的每一组子目标权重系数，根据总目标函数值大小排序可以得到几组较优的解，每个解对应的电池型号均不同，其对应的最大电流偏差和重量大小在特定的权重系数下呈现不同的情况，但总的来说是排在越前的解总体效果越好。

在放电时间为15min的条件下，对于不同的权重系数组合，该算法在求解过程中具有较好的适应性和鲁棒性，如上述三组不同权重系数下得到的最优解一致，即最优的电池型号为附表一中序号11的电池，直流电压选择为386V，其次为电池型号为序号为10的电池，直流电压选择为422V。此外，并联支路数为1的解为较优解（这种情况下基本可以排除选择并联支路数为2的设计方案）。

在15min和30min不同的供电时间要求下，该方法都能找到潜在的最优解，证明该方法的可行性和有效性。

实施例二：电池型号：Sonnenschein A600；UPS容量：300kVA；功率因数：cosφ=0.9；K1=0.9、K2=0.95；直流电压380-600伏；标称电压Ue=2V；终止放电电压Ust=1.75V；最多并联支路数：4。

优化目标中，容量要超过负荷的要求，即最大电流偏差大于等于零为硬约束。

第一种情况：放电时间：15min：

（1）若最大电流偏差、并联支路数、重量三个子目标的权重系数分别取0.3、0.1和0.6；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下所示：

电池型号序号越大，容量和质量越大。其中，最大电流偏差即电池的冗余容量，下同。

（2）若最大电流偏差、并联支路数、重量三个子目标的权重系数分别取0.3、0.4和0.3；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下所示：

（3）若最大电流偏差、并联支路数、重量三个子目标的权重系数分别取0.45、0.05和0.5；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下所示：

在放电时间为15min的条件下，对于不同的权重系数组合，该算法在求解不同权重系数下的最优解时，得到不一样的情况，如权重系数分别取ε₁=0.3、ε₂=0.1、ε₃=0.6时，最优的电池型号为附表二序号9的电池，直流电压选择为406V，其次为电池型号为序号8的电池，直流电压选择为508V；权重系数分别取ε₁=0.3、ε₂=0.4、ε₃=0.3或ε₁=0.45、ε₂=0.05、ε₃=0.5时，最优的电池型号为序号为7的电池，直流电压选择为570V，其次为电池型号为序号为9的电池，直流电压选择为406V。

通过对这些足够好的解进行分析发现，并联支路数为2的解虽然排在并联支路数为1的解之后，但是由于这种排序是根据总目标函数值的大小来判断，再加上各个子目标的离散特征，因此虽然某些并联支路数为2的解其总目标函数值较大，但是其最大电流偏差和重量两个子目标均比并联支路数为1的解来的好，如电池型号为序号为2的电池，直流电压选择为598V，或者电池型号为序号4的电池，直流电压选择为464V。因此，这种情况下如对最大电流偏差和重量要求较高，也可以考虑选择上述解。如果只对重量有特殊要求，则电池型号为序号为3的电池，直流电压选择为500V的并联方案最好。

第二种情况：放电时间：30min：

（1）若最大电流偏差、并联支路数、重量三个子目标的权重系数分别取0.3、0.1和0.6；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下所示：

（2）若最大电流偏差、并联支路数、重量三个子目标的权重系数分别取0.3、0.4和0.3；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下所示：

（3）若最大电流偏差、并联支路数、重量三个子目标的权重系数分别取0.45、0.05和0.5；优化结果（独立运行1000次，选取优化结果较优的前几个解）如下所示：

在放电时间为30min的条件下，对于测试的每一组子目标权重系数，根据总目标函数值大小排序可以得到几组较优的解。对于不同的权重系数组合，该算法得到不一样最优解集，如权重系数分别取0.3、0.1和0.6时，最优的电池型号为序号10的电池，直流电压选择为390V，其次为电池型号为序号9的电池，直流电压选择为468V；权重系数分别取0.3、0.4和0.3或0.45、0.05和0.5时，最优的电池型号为序号9的电池，直流电压选择为468V，其次为电池型号为序号8的电池，直流电压选择为584V。

并联支路数为2的解虽然排在并联支路数为1的解之后，但是由于这种排序是根据总目标函数值的大小来判断，再加上各个子目标的离散特征，因此虽然某些并联支路数为2的解其总目标函数值较大，但是其最大电流偏差和重量两个子目标均比并联支路数为1的解来的好，如电池型号为序号6的电池，直流电压选择为430V，或者电池型号为序号5的电池，直流电压选择为502V。因此，这种情况下如对最大电流偏差和重量要求较高，也可以考虑选择上述解。通过对不同权重系数组合的最优解集比较分析，容易找到决策偏好相应的解，使得方案具有代表性。

与一般技术相比，本发明UPS电池配置方法，建立了包括UPS电池的冗余容量、并联支路数和重量的目标函数，并针对所述目标函数建立边界条件。本发明针对电池容量的离散性及有限的条件，并允许UPS的逆变（直流）电压作为一个可变设计参数，综合考虑经济性、并联设计的安全可靠性以及移动性（重量要求）等因素，能够科学有效地找到UPS电池的最优或者较优配置方案。

请参阅图2，为本发明UPS电池配置装置的结构示意图。本发明UPS电池配置装置，包括目标函数建立模块201、边界条件建立模块202、求解模块203和电池配置模块204；

所述目标函数建立模块201，用于建立包括UPS电池的冗余容量、并联支路数和重量的目标函数；

作为其中一个实施例，所述目标函数建立模块201建立如下目标函数：

$\mathrm{Min}{\mathrm{\ϵ}}_1\×[m\×\stackrel{\→}{x}\×{\stackrel{\→}{i}}^T-I\left(U_d\right)]+{\mathrm{\ϵ}}_2\×m+{\mathrm{\ϵ}}_3\×[m\×(U_d/U_{\mathrm{cell}})\×\stackrel{\→}{x}\×{\stackrel{\→}{G}}^T]$

其中，ε₁、ε₂和ε₃为权重系数；m为并联支路数；其中i_k为序号为k的第k号电池的放电电流；

为索引变量，

如第k号电池被选中，则x_k=1，其余索引变量均为0；I(U_d)为满足负载需求的蓄电池组的最大放电电流；为对应型号电池的重量集合；U_d为UPS电池的整流电压；U_cell为单个蓄电池的额定电压。

目标函数第一项

要求电池的配置方案在满足用电需求条件下节约投资，减少不必要的容量备用，为经济性指标；第二项m从安全可靠性角度出发，希望并联支路数越少越好；第三项

要求配置方案电池总重量最轻。在实际计算中对目标函数中上述三项作归一化处理。

三个子目标的相应的权重系数为ε₁、ε₂、ε₃，可根据实际需要的取值，如0.3、0.1、0.6。本文主要关注保供电方案的移动性，故可加大相应ε₃的取值。

m和U_d为优化问题的控制变量。

所述边界条件建立模块202，用于根据预设的UPS电池配置约束条件，建立所述目标函数的边界条件；

作为其中一个实施例，所述边界条件建立模块202建立如下边界条件：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i=1,$ 且x_i为0或1；

1≤m≤4，且m为整数；

U_d，min/U_cell≤U_d/U_cell≤U_d，max/U_cell，且U_cell，U_d/U_cell为整数；

$m\×\stackrel{\→}{x}\×{\stackrel{\→}{i}}^T-I\left(U_d\right)\≥0;$

0＜ε₁,ε₂,ε₃＜1；

其中，ε₁、ε₂和ε₃为权重系数；m为并联支路数；

其中i_k为序号为k的第k号电池的放电电流；

为索引变量，

如第k号电池被选中，则x_k=1，其余索引变量均为0；I(U_d)为满足负载需求的蓄电池组的最大放电电流；U_d为UPS电池的整流电压；U_cell为单个蓄电池的额定电压。

所述求解模块203，用于根据建立的所述边界条件，对所述目标函数进行求解；

作为其中一个实施例，所述求解模块203还用于在对所述目标函数进行求解之前设定UPS电池的放电时间。

作为其中一个实施例，所述求解模块203采用粒子群算法对所述目标函数进行求解。

所述电池配置模块204，用于按照求解得到的结果，对UPS电池进行配置。

对目标函数求解完之后，可按照求解得到的结果，对UPS电池进行配置。

与一般技术相比，本发明UPS电池配置装置，建立了包括UPS电池的冗余容量、并联支路数和重量的目标函数，并针对所述目标函数建立边界条件。本发明针对电池容量的离散性及有限的条件，并允许UPS的逆变（直流）电压作为一个可变设计参数，综合考虑经济性、并联设计的安全可靠性以及移动性（重量要求）等因素，能够科学有效地找到UPS电池的最优或者较优配置方案。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种UPS电池配置方法，其特征在于，包括以下步骤：

建立包括UPS电池的冗余容量、并联支路数和重量的目标函数；

根据预设的UPS电池配置约束条件，建立所述目标函数的边界条件；

根据建立的所述边界条件，对所述目标函数进行求解；

按照求解得到的结果，对UPS电池进行配置。

2.根据权利要求1所述的UPS电池配置方法，其特征在于，在所述对所述目标函数进行求解的步骤之前，包括以下步骤：

设定UPS电池的放电时间。

3.根据权利要求1所述的UPS电池配置方法，其特征在于，在所述建立包括UPS电池的冗余容量、并联支路数和重量的目标函数的步骤中，所述目标函数如下：

$\mathrm{Min}{\mathrm{\ϵ}}_1\×[m\×\stackrel{\→}{x}\×{\stackrel{\→}{i}}^T-I\left(U_d\right)]+{\mathrm{\ϵ}}_2\×m+{\mathrm{\ϵ}}_3\×[m\×(U_d/U_{\mathrm{cell}})\×\stackrel{\→}{x}\×{\stackrel{\→}{G}}^T]$

其中，ε₁、ε₂和ε₃为权重系数；m为并联支路数；

其中i_k为序号为k的第k号电池的放电电流；

为索引变量，

如第k号电池被选中，则x_k=1，其余索引变量均为0；I(U_d)为满足负载需求的蓄电池组的最大放电电流；

为对应型号电池的重量集合；U_d为UPS电池的整流电压；U_cell为单个蓄电池的额定电压。

4.根据权利要求1所述的UPS电池配置方法，其特征在于，在所述建立所述目标函数的边界条件的步骤中，所述边界条件如下：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i=1,$ 且x_i为0或1；

1≤m≤4，且m为整数；

U_d,min/U_cell≤U_d/U_cell≤U_d，max/U_cell，且U_cell，U_d/U_cell为整数；

$m\×\stackrel{\→}{x}\×{\stackrel{\→}{i}}^T-I\left(U_d\right)\≥0;$

0＜ε₁,ε₂,ε₃＜1；

其中，ε₁、ε₂和ε₃为权重系数；m为并联支路数；

其中i_k为序号为k的第k号电池的放电电流；为索引变量，

如第k号电池被选中，则x_k=1，其余索引变量均为0；I(U_d)为满足负载需求的蓄电池组的最大放电电流；U_d为UPS电池的整流电压；U_cell为单个蓄电池的额定电压。

5.根据权利要求3所述的UPS电池配置方法，其特征在于，在所述对所述目标函数进行求解的步骤中，采用粒子群算法对所述目标函数进行求解。

6.一种UPS电池配置装置，其特征在于，包括目标函数建立模块、边界条件建立模块、求解模块和电池配置模块；

所述目标函数建立模块，用于建立包括UPS电池的冗余容量、并联支路数和重量的目标函数；

所述边界条件建立模块，用于根据预设的UPS电池配置约束条件，建立所述目标函数的边界条件；

所述求解模块，用于根据建立的所述边界条件，对所述目标函数进行求解；

所述电池配置模块，用于按照求解得到的结果，对UPS电池进行配置。

7.根据权利要求6所述的UPS电池配置装置，其特征在于，所述求解模块还用于在对所述目标函数进行求解之前设定UPS电池的放电时间。

8.根据权利要求6所述的UPS电池配置装置，其特征在于，所述目标函数建立模块建立如下目标函数：

$\mathrm{Min}{\mathrm{\ϵ}}_1\×[m\×\stackrel{\→}{x}\×{\stackrel{\→}{i}}^T-I\left(U_d\right)]+{\mathrm{\ϵ}}_2\×m+{\mathrm{\ϵ}}_3\×[m\×(U_d/U_{\mathrm{cell}})\×\stackrel{\→}{x}\×{\stackrel{\→}{G}}^T]$

其中，ε₁、ε₂和ε₃为权重系数；m为并联支路数；其中i_k为序号为k的第k号电池的放电电流；

为索引变量，

如第k号电池被选中，则x_k=1，其余索引变量均为0；I(U_d)为满足负载需求的蓄电池组的最大放电电流；

为对应型号电池的重量集合；U_d为UPS电池的整流电压；U_cell为单个蓄电池的额定电压。

9.根据权利要求6所述的UPS电池配置装置，其特征在于，所述边界条件建立模块建立如下边界条件：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i=1,$ 且x_i为0或1；

1≤m≤4，且m为整数；

U_d，min/U_cell≤U_d/U_cell≤U_d，max/U_cell，且U_cell，U_d/U_cell为整数；

$m\×\stackrel{\→}{x}\×{\stackrel{\→}{i}}^T-I\left(U_d\right)\≥0;$

0＜ε₁,ε₂,ε₃＜1；

其中，ε₁、ε₂和ε₃为权重系数；m为并联支路数；

其中i_k为序号为k的第k号电池的放电电流；为索引变量，

如第k号电池被选中，则x_k=1，其余索引变量均为0；I(U_d)为满足负载需求的蓄电池组的最大放电电流；U_d为UPS电池的整流电压；U_cell为单个蓄电池的额定电压。

10.根据权利要求8所述的UPS电池配置装置，其特征在于，所述求解模块采用粒子群算法对所述目标函数进行求解。

Images