CVXPY表达式非DCP报错原因及DCP合规性检测方法咨询

用户定义了以下优化变量与参数：

import cvxpy as cp

# 变量定义
m = cp.Variable(1, pos=True)
n = cp.Variable(1, pos=True)
soc = cp.Variable(T, pos=True)  # T为提前定义的整数

# 参数设置
t_step = 0.3333
ch_eff = 0.99
E_bt = m * 100  # 电池容量，由变量m决定

添加的约束条件：

constraints = []
constraints += [soc <= 0.9]
constraints += [soc >= 0.1]
constraints += [soc[0] == 0.4]

# 荷电状态递推约束
for t in range(1, T):
    constraints += [soc[t] == soc[t-1] + (((n*p_pv[t-1]-p_load[t-1])*t_step*ch_eff)/E_bt)]

优化目标与求解代码：

cost_pv = 100000  # 光伏系统单位成本
cost_battery = 50000  # 电池单位成本
objective = cp.Minimize(m * cost_battery + n * cost_pv)
prob = cp.Problem(objective, constraints)
prob.solve()

运行后触发DCP合规性报错：

The following constraints are not DCP:
var627905[1] == var627905[0] + (var627904 @ 0.0 + -0.0) @ 0.333333333 @ 0.9 / var627903 @ 100.0 , because the following subexpressions are not:
|--  (var627904 @ 0.0 + -0.0) @ 0.333333333 @ 0.9 / var627903 @ 100.0

报错核心是递推约束中的除法表达式违反了DCP（Disciplined Convex Programming）规则：

• DCP规则要求，除法操作的分母必须是正的常数，不能是优化变量（或由优化变量构成的表达式）。
• 代码中E_bt = m * 100，而m是正优化变量，因此((n*p_pv[t-1]-p_load[t-1])*t_step*ch_eff)/E_bt本质是「线性表达式除以优化变量」，这种形式既非凸函数也非凹函数，不符合DCP的凸性要求，CVXPY无法处理。

可以通过CVXPY自带工具快速检测问题或表达式的DCP合规性：

1. 检测单个约束/表达式：对目标函数或约束中的子表达式调用.is_dcp()方法，例如：

   # 检测递推项是否符合DCP
   expr = ((n*p_pv[0]-p_load[0])*t_step*ch_eff)/E_bt
   print(expr.is_dcp())  # 输出False
   

2. 检测整个优化问题：对构建好的Problem对象调用.is_dcp()方法：

   print(prob.is_dcp())  # 输出False，说明问题不符合DCP规则
   

3. 查看详细不合规原因：若prob.is_dcp()返回False，可调用prob.dcp_status()获取更详细的诊断信息，定位具体违规的表达式。

要解决问题，需消除约束中的变量除法，通过代数变形将约束转化为符合DCP规则的形式：
由于E_bt = m*100且m>0（变量定义时指定pos=True），将递推约束的等式两边同时乘以E_bt，得到：

for t in range(1, T):
    constraints += [
        soc[t] * E_bt == soc[t-1] * E_bt + (n*p_pv[t-1] - p_load[t-1]) * t_step * ch_eff
    ]

变形后的约束是二次等式约束，其中soc[t] * m属于凸函数（两个正变量的乘积，在最小化目标下符合DCP规则），可被CVXPY正确处理。

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