Pyomo命令行求解报错：'Series'对象无'is_expression_type'属性

问题场景 #

开发大规模储能优化模型时，直接用python3 my_model.py运行脚本一切正常，但注释掉opt.solve语句改用pyomo solve my_model.py --solver='gurobi'求解时，抛出以下错误：

ERROR: Rule failed when generating expression for constraint storing_constraint with index (0, 'phs'): AttributeError: 'Series' object has no attribute 'is_expression_type'
ERROR: Constructing component 'storing_constraint' from data=None failed:
AttributeError: 'Series' object has no attribute 'is_expression_type'

排查发现两种运行方式下charge变量结构不一致：

• 直接运行：正常的MultiIndex Series，结构符合预期
• Pyomo Solve运行：变为包含多个小Series的object类型Series，顺序混乱

原因分析 #

Pyomo Solve命令在加载模型脚本时，会对全局变量进行序列化与反序列化操作。Pandas的MultiIndex Series在这个过程中无法被正确还原，导致其结构被破坏，变成了存储子Series的object类型序列，最终在约束规则中引用时触发类型错误。

解决方案 #

将存储小时级充电数据的Pandas Series替换为Pyomo原生的Param组件。Pyomo会自行管理Param的数据，避免序列化带来的结构异常问题。

修改后的完整代码 #

# -*- coding: utf-8 -*-

import pyomo.environ as pyo
from pyomo.opt import SolverFactory
import pandas as pd

model = pyo.ConcreteModel()

charge_daily = pd.read_csv("input.csv")

# 小时范围
model.h = pyo.RangeSet(0,23)
# 储能技术类型
model.str = pyo.Set(initialize=["phs"])

# 先处理输入数据转为Series（业务需求）
days=charge_daily.iloc[:,0].values
value=charge_daily.iloc[:,1].values
charge_daily = pd.Series(value, index=[days])

# 转换为小时级数据，直接构建Pyomo Param
charge_data = {}
for str_tec in model.str:
    for h in model.h:
        day = int(h/24)
        charge_data[(str_tec, h)] = charge_daily[day]/24
# 定义Pyomo Param存储充电数据
model.charge = pyo.Param(model.str, model.h, initialize=charge_data)

# 每小时存储量变量
model.stored = pyo.Var(((storage, h) for storage in model.str for h in model.h), within=pyo.NonNegativeReals, initialize=0)
# 每小时放电量变量
model.gene = pyo.Var(((tec,h) for tec in model.str for h in model.h), within=pyo.NonNegativeReals, initialize=0)

def objective_rule(model):
    """目标函数规则"""
    return (sum(sum(model.gene[tec, h] for h in model.h) for tec in model.str))
model.objective = pyo.Objective(rule=objective_rule)

def storing_constraint_rule(model, h, tec):
    """存储约束规则"""
    hPOne = h+1 if h < model.h.last() else 0
    return model.stored[tec, hPOne] == model.stored[tec, h] + model.charge[tec, h] - model.gene[tec,h]
model.storing_constraint = pyo.Constraint(model.h, model.str, rule=storing_constraint_rule)

# 注释掉直接求解的代码，改用pyomo solve命令
# opt = SolverFactory('gurobi')
# results = opt.solve(model)

关键修改点 #

1. 把原来构建charge Series的逻辑改为构建字典charge_data，键为(储能类型, 小时)的元组
2. 用pyo.Param定义model.charge，传入集合model.str和model.h以及初始化字典
3. 在约束规则storing_constraint_rule中，将charge[tec, h]替换为model.charge[tec, h]

这样修改后，无论是直接运行脚本还是用pyomo solve命令求解，Pyomo都能正确识别充电数据的类型，避免结构异常导致的报错。

内容的提问来源于stack exchange，提问作者Qnbt