Pyomo优化能否设置动态更新参数？含DataFrame输入需求

一、动态更新电池SoC（滚动优化） #

要实现用实时SoC作为下一次优化的输入，核心是每次求解完成后提取当前周期的最终SoC，将其作为下一轮优化的初始SoC参数，具体实现分两种场景：

1. 基于抽象模型的实例化更新 #

如果每次优化都重新创建模型实例，可将提取到的最终SoC打包成数据字典，传入create_instance()：

# 假设已求解完当前实例instance，时间集合为model.T，电池集合为model.B，SoC变量为model.Soc
# 提取每个电池的最终SoC
final_soc_dict = {b: instance.Soc[b, instance.T.last()].value for b in instance.B}

# 构建新的输入数据，替换初始SoC参数
new_input_data = {
    'init_Soc': final_soc_dict,  # init_Soc是模型中定义的初始SoC参数，维度对应电池集合B
    # 其他不变的参数可沿用之前的.dat文件或数据
}

# 创建新实例，可选warmstart=True加速求解
new_instance = model.create_instance(new_input_data, warmstart=True)

2. 直接修改现有实例的参数值 #

如果想复用现有实例，直接修改参数对应值即可，无需重新实例化：

# 提取最终SoC
final_soc_b1 = instance.Soc[1, instance.T.last()].value
final_soc_b2 = instance.Soc[2, instance.T.last()].value

# 直接更新初始SoC参数
instance.init_Soc[1] = final_soc_b1
instance.init_Soc[2] = final_soc_b2

# 重新求解
solver.solve(instance)

二、用DataFrame作为Pyomo输入参数 #

完全可以用DataFrame作为输入，核心是把DataFrame转换成Pyomo参数能识别的格式（字典或通过DataPortal加载），以下是两种常用方法：

1. 手动转换为字典赋值 #

如果你的DataFrame包含电池ID和对应参数值（比如初始SoC），可直接转成字典后更新参数：

import pandas as pd

# 假设DataFrame结构：battery_id | init_soc
soc_df = pd.DataFrame({'battery_id': [1,2], 'init_soc': [0.8, 0.75]})

# 转换为Pyomo参数需要的字典格式：{电池ID: 初始SoC}
init_soc_dict = soc_df.set_index('battery_id')['init_soc'].to_dict()

# 更新实例的参数
instance.init_Soc.update(init_soc_dict)

2. 用DataPortal加载DataFrame #

Pyomo的DataPortal支持直接从DataFrame加载数据到模型参数，适合复杂维度的参数：

from pyomo.environ import DataPortal

dp = DataPortal()
# 加载DataFrame到指定参数，index对应模型集合的索引，col对应参数值列
dp.load(
    model=instance,
    param=model.init_Soc,
    data=soc_df,
    index='battery_id',
    col='init_soc'
)

三、DataFrame更新SoC出错的常见原因排查 #

你遇到的错误大概率是以下几种情况：

• 索引不匹配：DataFrame中的电池ID类型（比如字符串'1'）和Pyomo集合B的元素类型（比如整数1）不一致，导致无法映射
• 维度不匹配：模型中的init_Soc参数是二维（比如电池×时间），但DataFrame只提供了一维数据
• 赋值方式错误：直接把整个Series/DataFrame赋值给参数，没有按索引对应（比如instance.init_Soc = soc_df['init_soc']是错误的，必须用update()或字典映射）

举个错误修复的例子：

# 错误示例：类型不匹配，DataFrame的battery_id是字符串
soc_df = pd.DataFrame({'battery_id': ['1','2'], 'init_soc': [0.8, 0.75]})
# 修复：转换为整数类型匹配集合B
soc_df['battery_id'] = soc_df['battery_id'].astype(int)
init_soc_dict = soc_df.set_index('battery_id')['init_soc'].to_dict()
instance.init_Soc.update(init_soc_dict)

内容的提问来源于stack exchange，提问作者Casentive