如何排查Gurobi求解美国2022年OPF模型的不可行约束？

运行基于2022年美国实际数据的OPF模型时，出现WARNING:pypsa.linopf:Optimization failed with status warning and termination condition infeasible or unbounded警告，可按以下步骤排查问题约束：

• 定位故障时段
  你的代码循环处理第35到40小时的快照，先单独运行每个时段的lopf，比如执行network.lopf(network.snapshots[35:36])，逐个验证，锁定触发问题的具体小时，排除其他时段干扰。

• 生成并分析IIS文件
  调用lopf时添加keep_files=True参数，PyPSA会将生成的LP/MPS模型文件保留在临时目录。用Gurobi命令行工具加载该文件，执行不可行子系统分析：

  gurobi_cl --computeIIS your_model_file.lp
  

  工具会生成.ilp文件，里面列出了导致模型不可行的核心约束集合，直接指向冲突根源。

• 核查基础数据合理性

  • 负荷数据：检查目标时段的负荷值是否存在异常（如数值过大、负数，或与电网整体供电容量严重失衡）
  • 发电机参数：确认p_min_pu/p_max_pu、p_nom等参数设置合理，无停机发电机被强制出力、备用容量为0但负荷突增的情况
  • 电网拓扑：排查是否存在孤岛区域（某片区无电源连接），线路sn_nom（额定容量）是否设置过低

• 验证约束配置

  • 检查手动添加的约束是否存在冲突（如强制节点电压在不合理区间、固定发电机出力与负荷需求矛盾）
  • 确认lopf的constraint_options参数是否意外修改了默认约束逻辑，比如关闭必要的约束松弛、开启过严的限制条件

• 通过松弛约束定位问题
  调用lopf时设置slack=True，给模型添加微小松弛变量，若模型恢复可行，查看松弛变量的取值，对应找到被过度约束的模块；也可逐步关闭非核心约束（如备用约束、电压约束），观察模型是否恢复可行，以此缩小问题范围。

内容的提问来源于stack exchange，提问作者shqu