线性规划分式约束线性化求助：大规模场景下功率因数约束转化

问题拆解 #

你需要处理的约束为 PF(g,t) = Gen(g,t) / S(t)，其中 S(t) = Σ_{g} Gen(g,t)（时段t内所有发电机的总发电量），这是典型的分式非线性约束，核心需求是在不引入整数变量的前提下完成线性化，适配大规模问题的求解效率。

可行线性化方案 #

1. 变量替换与双线性约束处理 #

首先定义总发电量变量 S(t) = Σ_{g} Gen(g,t)（每个时段t单独定义），原约束可改写为双线性形式：

PF(g,t) * S(t) = Gen(g,t)

针对这个双线性约束，有两种高效处理方式：

• 固定范围的凸松弛：
  若能根据机组特性确定 PF_min(g,t) ≤ PF(g,t) ≤ PF_max(g,t) 和 S_min(t) ≤ S(t) ≤ S_max(t)，可将双线性项替换为一组线性不等式松弛：
  • Gen(g,t) ≥ PF_min(g,t)*S(t) + S_min(t)*PF(g,t) - PF_min(g,t)*S_min(t)
  • Gen(g,t) ≥ PF_max(g,t)*S(t) + S_max(t)*PF(g,t) - PF_max(g,t)*S_max(t)
  • Gen(g,t) ≤ PF_max(g,t)*S(t) + S_min(t)*PF(g,t) - PF_max(g,t)*S_min(t)
  • Gen(g,t) ≤ PF_min(g,t)*S(t) + S_max(t)*PF(g,t) - PF_min(g,t)*S_max(t)
    这种松弛完全线性，无整数变量，精度取决于变量上下界的合理性，适合大规模场景。
• PF参数化（场景适配）：
  如果实际调度中发电机功率因数可预先设定为固定值（比如机组额定功率因数或典型运行值），则 PF(g,t) 变为已知参数，约束直接简化为线性形式 Gen(g,t) = PF(g,t)*S(t)，这是效率最高的方案。

2. 分段线性近似（无整数变量） #

将 PF(g,t) 的取值区间划分为多个连续线性段，用连续权重变量（凸组合）表示PF的取值，比如将区间 [PF_min, PF_max] 分为k个点 pf_1, pf_2, ..., pf_k，引入权重 λ_i(g,t) ≥ 0，满足 Σλ_i(g,t) = 1，则：

PF(g,t) = Σλ_i(g,t)*pf_i
Gen(g,t) = PF(g,t)*S(t) = Σλ_i(g,t)*pf_i*S(t)

这里的权重是连续变量，无需整数变量，精度随分段数量提升，可根据求解效率需求调整分段数。

3. 目标函数转化（若约束可软化） #

如果功率因数是优化目标而非硬约束，可将原约束转化为目标函数的偏差最小化，比如：

min Σ_{g,t} |PF(g,t) - Gen(g,t)/S(t)|

引入松弛变量 ε(g,t) ≥ 0，将绝对值约束线性化为：

• PF(g,t) - Gen(g,t)/S(t) ≤ ε(g,t)
• Gen(g,t)/S(t) - PF(g,t) ≤ ε(g,t)
  再结合变量替换后的双线性松弛，将整个目标转化为线性形式，避免硬约束的非线性。

参考方向 #

• 电力系统优化教材：重点关注大规模电力调度中的非线性约束线性化章节，很多经典教材会详细讲解分式、双线性约束的连续近似方法。
• 运筹学凸优化资料：针对双线性约束的凸松弛技术，以及逐次线性规划（SLP）这类迭代式线性化方法，适合大规模问题的逐步逼近求解。

内容的提问来源于stack exchange，提问作者J_Smith