Pyomo变量迭代动态上下限设置问题求解

问题描述 #

需要根据另一变量的结果调整pyo.Var()的范围，要求在第i次迭代中，model.inverter_power[i]满足：

• 大于model.inverter_power[i].lb + model.fcr_power[i]
• 小于model.inverter_power[i].ub - model.fcr_power[i]

原实现代码无法运行，使用IPOPT求解器时抛出错误：

原约束代码 #

def fcr_inverter_reduction(model, i):
        return (model.inverter_power[i] >= model.inverter_power[i].lb + model.fcr_power[i],
                model.inverter_power[i] <= model.inverter_power[i].ub - model.fcr_power[i])

model.fcr_inverter_rule = pyo.Constraint(model.i, rule = fcr_inverter_reduction)

报错信息 #

File "D:\.conda\envs\PythonEnviromentV2\lib\site-packages\pyomo\opt\base\solvers.py", line 596, in solve
    raise ApplicationError(
pyomo.common.errors.ApplicationError: Solver (ipopt) did not exit normally

解决方案 #

核心问题分析 #

不能直接在约束中引用变量的.lb和.ub属性——这些是Pyomo变量的静态属性，求解器优化过程中不会动态更新它们。你的需求本质是给inverter_power[i]添加依赖其他变量的动态范围约束，而非修改变量本身的上下限。

修正后的代码 #

def fcr_inverter_reduction(model, i):
    # 定义动态计算的上下界表达式
    dynamic_lower = model.inverter_power[i].lb + model.fcr_power[i]
    dynamic_upper = model.inverter_power[i].ub - model.fcr_power[i]
    # 返回合并的范围约束（Pyomo支持这种简洁写法）
    return dynamic_lower <= model.inverter_power[i] <= dynamic_upper

model.fcr_inverter_rule = pyo.Constraint(model.i, rule=fcr_inverter_reduction)

额外排查要点 #

如果仍报错，需检查以下内容：

• 确保model.fcr_power[i]是合法的变量/参数，且值非负——若fcr_power[i]过大，会导致dynamic_lower > dynamic_upper，形成不可行约束，直接导致IPOPT退出
• 给model.inverter_power[i]设置满足动态约束的初始值：IPOPT对初始点敏感，初始值违反约束可能导致求解失败
• 若fcr_power是变量，确认模型是凸优化问题：IPOPT作为非线性规划求解器，在非凸问题中可能出现收敛困难

内容的提问来源于stack exchange，提问作者Lars K