Pyomo两阶段随机规划中风场景参数的正确索引方法

核心问题 #

如何定义风场景参数，为场景集S（10个场景，每个概率0.1）和时间步t（48个时间步）构建(s*t)矩阵，解决报错ERROR: index '0' not valid for indeed component 'wind'，并正确索引风场景参数？

错误原因分析 #

1. 参数初始化格式错误：你构建的park_data_dict_2是嵌套字典（场景对应时间步字典），但Pyomo的二维Param需要以(场景ID, 时间步ID)为键的扁平字典，嵌套结构会导致索引匹配失败。
2. 索引顺序颠倒：在GridBalance约束中，你用了m.wind[t, s]，但m.wind的定义是(m.SCENARIO, m.HORIZON)，正确索引顺序应为m.wind[s, t]。
3. 概率参数初始化问题：m.prob直接用numpy数组初始化，Pyomo无法正确匹配集合索引，应使用提前构建好的prob_dict。

正确解决方案 #

步骤1：构建扁平的风场景参数字典 #

将wind_matrix转换为Pyomo二维Param支持的扁平字典，键为(场景ID, 时间步ID)，值为对应风速：

# 构建扁平的风场景字典
wind_data_dict = {}
for s in range(1, m.S + 1):
    for t in range(1, m.N + 1):
        # numpy数组索引从0开始，集合索引从1开始，需做下标转换
        wind_data_dict[(s, t)] = wind_matrix[s-1, t-1]

步骤2：修正风参数定义 #

用扁平字典初始化m.wind：

# Wind park data
m.wind = pyo.Param(m.SCENARIO, m.HORIZON, initialize=wind_data_dict, domain=pyo.Reals, mutable=True)

步骤3：修正概率参数初始化 #

使用提前构建的prob_dict替代numpy数组：

# Scenario probability
m.prob = pyo.Param(m.SCENARIO, initialize=prob_dict, domain=pyo.Reals)

步骤4：修正约束中的索引顺序 #

修改GridBalance约束里的风参数索引：

def GridBalance(m, t, s):
    return m.grid[t] == m.wind[s, t] + m.G_im[t] - m.G_ex[t]

完整修正后的关键代码片段 #

# 省略其他不变代码...

# Repeat the wind data to a matrix for 10 similar scenario's
wind_matrix = np.tile(park_calc, (10, 1))

# 构建扁平的风场景字典
wind_data_dict = {}
for s in range(1, m.S + 1):
    for t in range(1, m.N + 1):
        wind_data_dict[(s, t)] = wind_matrix[s-1, t-1]

# Price data
m.price = pyo.Param(m.HORIZON, initialize=price_data_dict, domain=pyo.Reals, mutable=True)

# Load data
m.Load = pyo.Param(m.HORIZON, initialize=load_data_dict, domain=pyo.Reals, mutable=True)

# Wind park data
m.wind = pyo.Param(m.SCENARIO, m.HORIZON, initialize=wind_data_dict, domain=pyo.Reals, mutable=True)

# Scenario probability
m.prob = pyo.Param(m.SCENARIO, initialize=prob_dict, domain=pyo.Reals)

# 省略其他不变代码...

def GridBalance(m, t, s):
    return m.grid[t] == m.wind[s, t] + m.G_im[t] - m.G_ex[t]

# 省略其他约束定义...

额外说明 #

• Pyomo的多维参数（如二维Param）必须使用扁平的元组键字典初始化，嵌套字典会导致索引解析错误。
• 集合SCENARIO和HORIZON的索引从1开始，而numpy数组索引从0开始，构建字典时需做s-1和t-1的下标转换。
• 目标函数中的m.wind[s, t]索引顺序正确，无需修改。

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