Pyomo无约束简单优化程序运行报错：无可行解问题排查

核心问题：遗漏约束注册 #

你定义了energy_balance约束逻辑，但没有将这个约束添加到模型实例中。此时模型没有任何约束，而目标函数是最小化sum(Pgrid)，由于Pgrid允许取任意实数，这个目标可以无限趋向负无穷，属于无界优化问题。部分求解器（比如GLPK）会将无界问题标记为“无可行解”，最终导致变量值返回None。

解决：在定义energy_balance函数后，添加约束注册代码：

model.energy_balance = Constraint(model.T, rule=energy_balance)

其他潜在排查点 #

• 时间索引类型校验：确认df的索引是datetime类型，否则df[start_date:end_date]无法正确筛选数据，导致参数初始化失败。执行df.index = pd.to_datetime(df.index)可确保索引格式正确。
• 参数键匹配检查：检查model.T中的时间元素与Pbuilding、Ppv初始化字典的键是否完全一致（比如时区、字符串格式），键不匹配会导致参数绑定异常。
• 查看求解器日志：tee=True会输出求解器详细日志，GLPK会明确提示问题是无界还是不可行，可帮助快速定位根源。

修正后的完整代码 #

start_date = '2023-06-01 00:00:00'
end_date = '2023-06-02 23:59:59'

# 确保DataFrame索引为datetime类型
df.index = pd.to_datetime(df.index)

model = ConcreteModel()

# 时间步集合
T = df[start_date:end_date].index.tolist()
model.T = Set(initialize=T)

# 初始化参数
model.Pbuilding = Param(model.T, initialize=df.loc[start_date:end_date, 'Building load [kWh]'].to_dict())
model.Ppv = Param(model.T, initialize=df.loc[start_date:end_date, 'PV load [kWh]'].to_dict())

# 定义变量
model.Pgrid = Var(model.T, domain=Reals)

# 注册能量平衡约束
def energy_balance(model, t):
    return model.Pgrid[t] == model.Pbuilding[t] - model.Ppv[t]
model.energy_balance = Constraint(model.T, rule=energy_balance)

# 定义目标函数
def objective_rule(model):
    return sum(model.Pgrid[t] for t in model.T)
model.obj = Objective(rule=objective_rule, sense=minimize)

# 求解模型
solver = SolverFactory('glpk')
solver.solve(model, tee=True)

# 提取结果
results = pd.DataFrame(index=T)
results['Pgrid'] = [model.Pgrid[t].value for t in T]
print(results)

内容的提问来源于stack exchange，提问作者b-roijers