Pyomo电池调度优化模型中禁止同时充放电约束的报错原因排查及解决方法咨询

报错原因分析 #

你遇到的UnboundLocalError是因为在Pyomo约束规则里误用了NumPy的np.max()函数。Pyomo的约束表达式需要用自身的变量和语法来构造，而np.max()是针对数值数组的工具，它根本无法识别Pyomo的Var对象，导致内部解析时出现变量未绑定的错误。而且你写的np.max(model.Pbat_dis[t], model.Pbat_ch[t])本身也完全达不到“同一时间步不能同时充放电”的目标。

正确的约束实现方法 #

要实现电池同一时间步不同时充放电的限制，有两种常用的靠谱方式：

方法1：二元变量实现严格约束（精确控制） #

如果需要绝对禁止同时充放电的情况，可以引入二元变量标记充放电状态：

# 添加二元变量，1代表当前时间步处于充电状态，0代表放电状态
model.bat_charge_status = pyo.Var(model.timesteps, within=pyo.Binary)

def SimultaneousRule(model, t):
    # 充电时放电功率必须为0，放电时充电功率必须为0
    return pyo.And(
        model.Pbat_ch[t] <= model.b_charging_rate * model.bat_charge_status[t],
        model.Pbat_dis[t] <= model.b_charging_rate * (1 - model.bat_charge_status[t])
    )
model.cons3 = pyo.Constraint(model.timesteps, rule=SimultaneousRule)

这种方式逻辑最严谨，能彻底避免同时充放电，但会把模型变成混合整数规划（MIP），求解速度会比纯线性规划慢一点。

方法2：松弛约束实现近似控制（适合连续模型） #

如果想保持模型为连续变量类型（不引入整数变量，求解更快），可以用一个极小的正数限制充放电功率之和：

# 定义极小值，比如1e-4，数值大小根据你的功率单位调整
epsilon = 1e-4
def SimultaneousRule(model, t):
    return model.Pbat_ch[t] + model.Pbat_dis[t] <= epsilon
model.cons3 = pyo.Constraint(model.timesteps, rule=SimultaneousRule)

这种方式通过限制两者之和接近0来避免有效功率的同时充放电，模型仍为线性规划（LP），求解效率更高，工程场景中这种微小的误差通常可以接受。

额外小建议 #

顺便检查下你的功率平衡约束cons2，如果你的场景不允许向电网卖电，最好给model.Pgrid加上非负约束：

model.Pgrid = pyo.Var(model.timesteps, within=pyo.NonNegativeReals)

这样更贴合“最小化电网购电功率”的目标逻辑。

内容的提问来源于stack exchange，提问作者Kosmylo