Pyomo DAE动态优化报错：变量未关联至活动块问题求助

这个报错的核心原因是未对DAE模型进行离散化处理，且大概率未用ContinuousSet定义时间维度。Pyomo的DerivativeVar用于表示连续时间下的微分变量，而GLPK这类求解器仅能处理离散的代数方程，无法直接求解连续微分方程模型；同时，Pyomo DAE要求时间索引必须是ContinuousSet类型，否则无法识别连续时间变量并完成离散化转换。

解决步骤 #

1. 用ContinuousSet定义连续时间维度，替代普通的Set
2. 导入Pyomo DAE的离散化转换工具，将微分变量转化为可求解的代数约束
3. 选择离散化方法（如正交配置法、有限差分法）处理模型
4. 调用求解器求解离散后的模型

修改后的完整代码 #

from pyomo.environ import ConcreteModel, Var, Constraint, Objective, SolverFactory
from pyomo.dae import DerivativeVar, ContinuousSet, TransformationFactory

# 创建模型与连续时间集合（替换为你的实际时间范围）
m = ConcreteModel()
m.Time = ContinuousSet(bounds=(0, 1))

# 定义状态变量与导数变量
m.state_var = Var(m.Time, initialize=0)
m.derivative_var = DerivativeVar(m.state_var, wrt=m.Time)

# 定义微分约束
def calc_my_state(m,i):
   return m.derivative_var[i] == m.state_var[i]*2
m.calc_my_state = Constraint(m.Time, rule=calc_my_state)

# 虚拟目标函数
m.obj = Objective(expr=1)

# 关键步骤：离散化DAE模型
# 可选'dae.collocation'（正交配置法）或'dae.finite_difference'（有限差分法）
discretizer = TransformationFactory('dae.collocation')
# nfe为有限元数量，ncp为每个单元的配置点数，可根据精度需求调整
discretizer.apply_to(m, nfe=5, ncp=3)

# 求解模型
opt = SolverFactory("glpk")
results = opt.solve(m)

# 查看求解结果
m.state_var.display()

额外说明 #

• 离散化参数nfe（有限元数量）和ncp（配置点数）直接影响模型精度与求解速度，可根据需求调整
• 若你参考的示例可正常运行，大概率是示例中包含了离散化步骤与ContinuousSet定义，而你遗漏了这些关键环节

内容的提问来源于stack exchange，提问作者smcg