Pyomo.dae结合Casadi求解器求解DAE系统的错误排查与替代求解器咨询

第一个错误：DAE_Error: Currently the simulator may only be applied to Pyomo models with a single ContinuousSet #

你可能误解了离散化操作的效果：虽然你用dae.finite_difference对m.r进行了离散化，但**m.r仍然是ContinuousSet类型**——这个转换只是在连续集上生成了离散的求解点，并没有改变集合本身的类型。你的模型里同时存在m.r和m.t两个ContinuousSet，这就触发了Simulator的核心限制（它目前仅支持单连续集的模型）。

第二个错误：DAE_Error: Cannot simulate a differential equation with multiple DerivativeVars #

当你把m.r改成DiscreteSet后，模型里的m.c是Var(m.r, m.t)，对应的m.dcdt = DerivativeVar(m.c, wrt=m.t)会为每个r生成一个独立的导数变量（也就是多个DerivativeVar实例）。Pyomo的Simulator组件目前不支持这种“参数化ODE”的场景——即使每个方程只依赖自身的导数，它也无法处理批量的导数变量集合。

替代方案：离散时间维度后使用常规优化求解器 #

如果你对m.t也进行离散化，整个DAE模型会转化为代数方程组，这时可以用Pyomo兼容的常规非线性求解器来求解，推荐的选项包括：

• Ipopt：Pyomo最常用的大规模非线性求解器，适合这类DAE离散后的问题
• CasADi求解器：通过Pyomo的CasADi接口调用，对非线性问题的求解效率较高
• Bonmin：如果后续模型需要加入整数变量，它支持混合整数非线性问题

具体实现步骤如下：

from pyomo.environ import *
from pyomo.dae import *

m = ConcreteModel()
m.r = ContinuousSet(bounds=(0., 1.))
m.t = ContinuousSet(bounds=(0., 5.))
m.c = Var(m.r, m.t)
m.dcdt = DerivativeVar(m.c, wrt=m.t)

# 同时离散r和t两个连续集
discretizer = TransformationFactory('dae.finite_difference')
discretizer.apply_to(m, nfe=20, wrt=m.r, scheme='BACKWARD')
discretizer.apply_to(m, nfe=100, wrt=m.t, scheme='BACKWARD')

# 设置初始条件
m.c[:, 0].fix(5)

def _dae_rule(m, r, t):
    # 离散t后，初始点t=0处没有导数定义，需要跳过
    if t == m.t.first():
        return Constraint.Skip
    return 0 == -m.c[r, t] - m.dcdt[r, t]

m.ode = Constraint(m.r, m.t, rule=_dae_rule)

# 使用Ipopt求解器，tee=True可以查看求解过程日志
solver = SolverFactory('ipopt')
result = solver.solve(m, tee=True)

# 提取并打印结果
for r in m.r:
    print(f"r={r:.2f}的浓度分布：")
    for t in list(m.t)[::10]:  # 每10个时间点打印一次
        print(f"  t={t:.2f}: c={m.c[r,t].value:.4f}")

另外，如果你想保留Simulator的积分能力，也可以将r作为独立参数，循环遍历每个r值单独求解对应的ODE，但这种方法在r的数量较多时效率会比较低。

内容的提问来源于stack exchange，提问作者Simon B