Pyomo实现AC最优潮流：电压偏差目标函数正确性及收敛问题咨询

你的代码存在几个关键错误，导致目标函数无法正确定义：

1. 表达式定义位置错误：model.new_rule_V_f = pyo.Expression(...)写在new_rule_V函数的return语句之后，这行代码永远不会被执行，电压偏差表达式根本没被创建。必须把这行移到函数外部，和函数定义同级的位置。
2. 绝对值引入额外非凸性：ACOPF本身就是非凸优化问题，目标函数中使用abs()会进一步增加求解难度，建议改用平方项(model.V_mag_2[k, s, t] - V_nom ** 2) ** 2，既保留电压偏差的度量，又保证函数光滑性，更利于求解器处理。
3. 目标函数规则不完整：你给出的Objective_rule函数仅展示了返回求和的部分，需确保这个函数是完整定义的，且在创建model.obj前已完成定义。

修正后的代码示例：

# 定义电压偏差的表达式规则
def new_rule_V(model, k, s, t):
    total_V = 0
    if k != 'slack':
        V_nom = Bus_Vnom.loc[k, 'Vnom_pn']
        # 用平方项替代绝对值，降低非凸性
        total_V = (model.V_mag_2[k, s, t] - V_nom ** 2) ** 2
    return total_V

# 在函数外部创建全局表达式
model.new_rule_V_f = pyo.Expression(model.Buses, model.Phases_abc, model.time, rule=new_rule_V)

# 完整定义目标函数规则
def Objective_rule(model):
    return sum(model.new_rule_V_f[k, s, t] 
               for k in model.Buses 
               for s in model.Phases_abc 
               for t in model.time)

# 创建目标函数
model.obj = pyo.Objective(rule=Objective_rule, sense=pyo.minimize)

迭代次数达到上限通常是问题收敛难度大导致的，结合ACOPF特性，可从以下方向调整：

• 修正目标函数非凸性：按上述建议替换绝对值为平方项，减少求解器收敛阻力。
• 调整求解器参数：
  • 增大最大迭代次数：以Ipopt为例，可设置更大的max_iter值，示例：

    solver = pyo.SolverFactory('ipopt')
    solver.options['max_iter'] = 200000  # 根据实际情况调整
    solver.solve(model)
    

  • 放宽收敛容差：适当调大tol参数（如从默认1e-8改为1e-6），降低收敛要求。
  • 更换专用求解器：优先选择适配非线性规划的求解器，如Ipopt、KNITRO，或电力系统专用的优化求解器。
• 检查模型约束合理性：确认母线标称电压V_nom取值正确，网络拓扑、功率/电压约束符合实际运行范围，避免因约束过严导致可行域过小或无解。
• 提供合理初始点：给V_mag_2、相角、功率等变量设置接近实际运行值的初始值，帮助求解器快速定位可行域：

  for k in model.Buses:
      for s in model.Phases_abc:
          for t in model.time:
              model.V_mag_2[k, s, t].value = Bus_Vnom.loc[k, 'Vnom_pn'] ** 2
  

• 简化问题规模：先通过小规模测试案例验证代码正确性，再扩展到完整系统；或先求解直流最优潮流（DCOPF）得到初始点，再以此为基础求解ACOPF。

内容的提问来源于stack exchange，提问作者user27619501