使用scipy.optimize做电池优化时遇numpy布尔减法TypeError求助

错误根源 #

你遇到的TypeError是因为约束函数返回了布尔值，而scipy.optimize.minimize对约束函数的返回值有明确要求：

• 'ineq'类型约束：需返回≥0的数值（满足约束时≥0，不满足时<0）
• 'eq'类型约束：需返回=0的数值（满足约束时=0，不满足时≠0）

你的constraint1返回True/False，constraint2返回布尔判断结果，当Scipy用数值法计算约束的雅可比矩阵时，会尝试对这些布尔值做减法，而Numpy不支持布尔值的减法运算，直接触发报错。

修正后的完整代码 #

import numpy as np
from scipy.optimize import minimize

TIME = 2
MAX_BATTERY_CHARGE_RATE = 4  # kwh
MAX_BATTERY_CAPACITY = 12    # kw
INITIAL_BATTERY_CHARGE = 5 
BUY_RATE = [0.1, 0.3]
SELL_RATE = [0, 0]
L = [2, 5]
S = [1, 1]

def objective(B): 
    cost = 0
    for i in range(TIME): 
        isum = (L[i] - S[i] + B[i])
        if isum > 0 : 
            cost += BUY_RATE[i] * isum
        else:
            cost += SELL_RATE[i] * isum
    return cost

# 充电/放电速率边界
b = (-MAX_BATTERY_CHARGE_RATE, MAX_BATTERY_CHARGE_RATE)
bnds = [b for _ in range(TIME)]

# 修正约束条件
# 约束1：任意时刻累计充放电量在0到电池容量之间
def constraint1(x):
    constraints = []
    for i in range(1, TIME+1):
        current_sum = np.sum(x[:i])
        constraints.append(current_sum)  # 确保累计量 ≥ 0
        constraints.append(MAX_BATTERY_CAPACITY - current_sum)  # 确保累计量 ≤ 最大容量
    return np.array(constraints)

# 约束2：初始充放电量等于设定值（eq约束返回0时满足）
def constraint2(x):
    return x[0] - INITIAL_BATTERY_CHARGE

con1 = {'type': 'ineq', 'fun': constraint1}
con2 = {'type': 'eq', 'fun': constraint2}
cons = [con1, con2]

# 求解优化问题
B0 = np.ones(TIME)
sol = minimize(objective, B0, method='SLSQP', bounds=bnds, constraints=cons)

print(sol)

核心修正说明 #

1. 约束函数返回值类型修正：
   • 把返回布尔值的逻辑改成返回数值数组，符合Scipy约束函数的要求
   • 对于ineq约束，每个子约束返回值≥0时表示满足约束
   • 对于eq约束，返回值等于0时表示满足约束
2. 补充缺失依赖：添加了numpy和scipy.optimize.minimize的导入语句
3. 逻辑优化：约束1中从i=1开始遍历，避免空数组求和的冗余判断

内容的提问来源于stack exchange，提问作者evieeangeline