线性优化场景下电池储能优化的光伏(PV)过剩产量约束编写问题

实现逻辑 #

你需要的核心规则是excess_pv[t] = max(model.pv[t] - model.demand[t], 0)，在规划类求解框架中无法直接使用决策变量作为判断条件，可通过变量边界+不等式约束组合线性化实现该逻辑。

操作步骤 #

1. 调整excess_pv变量定义，指定非负域，从根源避免负值问题：

# 定义过剩光伏变量时添加domain参数，要求取值≥0
model.excess_pv = Var(model.t, domain=NonNegativeReals)

2. 替换原有过剩产量约束为两个不等式约束：

def pv_overproduction_lower(model, t):
    # 过剩量至少为光伏出力减负荷，保证光伏出力足够时过剩量刚好等于差值
    return model.excess_pv[t] >= model.pv[t] - model.demand[t]
model.pv_overproduction_lower = Constraint(model.t, rule=pv_overproduction_lower)

def pv_overproduction_upper(model, t):
    # 过剩量不超过光伏总出力，避免出现弃电大于发电量的逻辑错误
    return model.excess_pv[t] <= model.pv[t]
model.pv_overproduction_upper = Constraint(model.t, rule=pv_overproduction_upper)

3. 原有负荷覆盖约束无需修改，可直接保留使用。

生效说明 #

在常规储能优化目标（最小化用电成本、最小化光伏弃电量等）的引导下，约束会自动触发对应场景逻辑：

• 当model.pv[t] > model.demand[t]时，excess_pv[t]会取最小可行值model.pv[t] - model.demand[t]，符合过剩产量计算规则
• 当model.pv[t] <= model.demand[t]时，excess_pv[t]会取最小可行值0，符合无过剩的场景要求

内容的提问来源于stack exchange，提问作者saschav