如何用Gekko优化电动汽车充电成本？代码报错求解

你遇到的错误是代码里几个关键的Gekko使用逻辑错误导致的，包括变量赋值、方程传递、索引逻辑和目标函数的问题，下面是具体修复步骤和修正后的代码：

核心错误点 #

• 不能直接给Gekko变量赋值：SOC_t[0,0] = 30 这种写法错误，必须用m.fix()固定初始值
• 方程传递方式错误：m.Equation()不能直接传列表，要用m.Equations()（复数形式）接收方程列表
• 变量索引错误：当Num_car=1时，SOC_t[tt]和p_i[tt]是一维数组，应该用SOC_t[tt,0]和p_i[tt,0]取单个变量
• SOC目标逻辑错误：原代码想让最终SOC达到最大值，不是所有时刻SOC之和，应该取最后时刻的SOC值
• 目标函数变量索引错误：p_i[i]是数组，需要指定具体的车辆索引p_i[i,0]

修正后的代码 #

from gekko import GEKKO
import numpy as np              
import matplotlib.pyplot as plt 

m = GEKKO()         
m.options.SOLVER = 1  # APOPT求解器
m.options.IMODE = 3   # 稳态优化模式

Num_car = 1
# 24小时分时电价
TOU = [64.9,64.9,64.9,64.9,64.9,64.9,64.9,64.9,152.6,239.8,239.8,152.6,239.8,239.8,239.8,239.8,152.6,152.6,152.6,152.6,152.6,152.6,152.6,64.9]
n = len(TOU)

# 放电功率变量：[时间,车辆]，下限0
p_i = m.Array(m.Var, (n, Num_car), lb=0)
# 充电功率变量：整数型，0-7kW
input = m.Array(m.Var, n, value=0.0, lb=0.0, ub=7.0, integer=True)
# SOC状态变量：[时间,车辆]
SOC_t = m.Array(m.Var, (n, Num_car))

# 设置SOC上下限
for tt in range(n):
    for i in range(Num_car):
        SOC_t[tt,i].lower = 30  
        SOC_t[tt,i].upper = 70  

# 固定初始SOC为30
m.fix(SOC_t[0,0], 30)

# 构建SOC变化方程：下一刻SOC = 当前SOC + 充电功率 - 放电功率
eq_car_bat = []
for tt in range(n-1):  # n个时刻对应n-1个状态变化方程
    eq_car_bat.append(SOC_t[tt+1,0] == SOC_t[tt,0] + input[tt] - p_i[tt,0])
# 添加最终SOC约束：最后时刻SOC达到最大值90
eq_car_bat.append(SOC_t[-1,0] == 90)

# 批量添加方程
m.Equations(eq_car_bat)

# 目标函数：最小化总充电成本（若p_i是需付费的功率，可改为TOU[i]*p_i[i,0]）
for i in range(n):
    m.Minimize(TOU[i] * input[i])

# 求解优化问题
m.solve(disp=True)

# 输出结果
print("充电功率：", [input[i].value[0] for i in range(n)])
print("SOC变化：", [SOC_t[i,0].value[0] for i in range(n)])

# 可视化结果
plt.figure(figsize=(12,6))
plt.subplot(2,1,1)
plt.plot(TOU, label='分时电价')
plt.ylabel('电价')
plt.legend()
plt.subplot(2,1,2)
plt.plot([input[i].value[0] for i in range(n)], label='充电功率')
plt.plot([SOC_t[i,0].value[0] for i in range(n)], label='SOC')
plt.xlabel('小时')
plt.ylabel('数值')
plt.legend()
plt.show()

额外说明 #

• 原代码的方程逻辑不符合SOC变化的物理意义，修正为下一时刻SOC = 当前SOC + 充电功率 - 放电功率，如果你的p_i是充电功率，需要调整方程逻辑
• 目标函数默认按充电成本最小化设置，可根据实际需求替换为对应付费功率项
• 使用m.Equations()（复数形式）是Gekko批量添加方程的正确方式
• Gekko变量的初始值固定必须用m.fix()，不能直接赋值

内容的提问来源于stack exchange，提问作者LAP1040400