Pyomo求解光伏水泵调度优化问题无可行解求助

核心排查方向 #

• 基础负荷覆盖检查：先确认所有时段的光伏出力power_m_pyomo[m][i]是否都≥90kW的基础负荷。如果存在任意时段光伏出力连基础负荷都满足不了，哪怕水泵全停，总需求也会超过光伏出力，直接导致无可行解。
• 变量与约束验证：
  • 检查model.Id是否正确覆盖8-17时（共10个小时），总和约束sum(model.P[i] for i in model.Id) == 9是否对应正确的时段数量。
  • 确认model.P的整数约束和上下限设置正确：domain=Integers，且0 ≤ model.P[i] ≤3。
• 目标函数线性化与除零问题：原需求用max函数属于非线性，改为比值平均值时，要确保表达式线性。另外如果存在光伏出力为0的时段，会触发除零错误，需添加约束过滤这类时段或做特殊处理。

代码修正示例（针对常见问题） #

假设你的代码缺失了总负荷不超过光伏出力的关键约束，且未明确水泵单台功率，以下是修正后的核心片段：

import pyomo.environ as pyo

# 假设已加载power_m_pyomo数据，格式为分月份的小时出力字典
# 示例：power_m_pyomo = {'1': {8:100, 9:120, ..., 17:95}, '2': {...}, ...}

model = pyo.ConcreteModel()

# 定义索引：月份m，小时Id（8-17共10小时）
model.m = pyo.Set(initialize=power_m_pyomo.keys())
model.Id = pyo.Set(initialize=range(8, 18))

# 变量：每小时运行水泵数量，0-3的整数
model.P = pyo.Var(model.Id, domain=pyo.Integers, bounds=(0, 3))

# 参数：光伏出力、基础负荷
model.pv_output = pyo.Param(model.m, model.Id, initialize=lambda m, i: power_m_pyomo[m][i])
model.base_load = pyo.Param(model.Id, initialize=90)
# 补充：水泵单台功率（需替换为实际值，比如每台50kW）
PUMP_POWER = 50

# 约束1：每日水泵总运行等效时长为9小时
def total_runtime_rule(model):
    return sum(model.P[i] for i in model.Id) == 9
model.total_runtime = pyo.Constraint(rule=total_runtime_rule)

# 约束2：每小时总负荷（基础+水泵）不超过光伏出力（关键约束，缺失会导致无约束或冲突）
def load_limit_rule(model, m, i):
    return model.base_load[i] + model.P[i] * PUMP_POWER <= model.pv_output[m][i]
model.load_limit = pyo.Constraint(model.m, model.Id, rule=load_limit_rule)

# 约束3：可选，确保光伏出力至少覆盖基础负荷，避免无可行解
def pv_min_base_rule(model, m, i):
    return model.pv_output[m][i] >= model.base_load[i]
model.pv_min_base = pyo.Constraint(model.m, model.Id, rule=pv_min_base_rule)

# 目标函数：最小化各时段过剩功率与光伏出力比值的平均值
def objective_rule(model):
    total_excess = 0
    total_pv = 0
    for m in model.m:
        for i in model.Id:
            pv = model.pv_output[m][i]
            load = model.base_load[i] + model.P[i] * PUMP_POWER
            total_excess += max(pv - load, 0)  # 过剩功率非负
            total_pv += pv
    # 避免除零
    if total_pv == 0:
        return 0
    return total_excess / total_pv
model.obj = pyo.Objective(rule=objective_rule, sense=pyo.minimize)

# 使用整数规划求解器（如CBC，需提前安装）
solver = pyo.SolverFactory('cbc')
result = solver.solve(model)

# 输出结果
print(result)
if result.solver.status == pyo.SolverStatus.ok and result.solver.termination_condition == pyo.TerminationCondition.optimal:
    print("最优运行方案：")
    for i in model.Id:
        print(f"小时{i}：运行{pyo.value(model.P[i])}台水泵")
else:
    print("无可行解或求解失败，建议检查约束冲突")

关键注意事项 #

• 水泵单台功率：你未明确给出该参数，这是计算水泵总负荷的核心，必须替换为实际值。
• 年度优化调整：如果目标是年度过剩最小化，需将月份维度纳入总运行时长约束（比如每月按30天计算，全年总时长=93012）。
• 求解器选择：整数规划必须用支持整数变量的求解器（如CBC、Gurobi），不要用仅支持线性规划的求解器。

内容的提问来源于stack exchange，提问作者Owen Sgbd