You need to enable JavaScript to run this app. Pyomo潮流模型中如何声明节点网络(基于GAMS代码迁移场景)
优惠活动
大模型
产品
解决方案
定价
更多

Pyomo潮流模型中如何声明节点网络(基于GAMS代码迁移场景)

Pyomo实现电力潮流网络拓扑声明的方法

针对从GAMS迁移电力潮流模型的场景,Pyomo中实现节点-支路关联的逻辑可以完全对标GAMS的集合声明能力,具体实现步骤如下:

核心组件的映射关系(对应GAMS语法)

Pyomo没有内置的电力网络拓扑组件,所有关联逻辑都通过Set、Param组件组合实现,和GAMS的声明逻辑一一对应:

  • 节点集合:对应GAMS的基础母线集合声明
  • 支路集合:对应GAMS中独立的输电线路/变压器集合
  • 支路端点参数:对应GAMS中为每个支路绑定的起端、终端节点属性
  • 邻接关联集合:对应GAMS中手动定义的节点-支路邻接配对集合

第一步:定义基础拓扑实体

首先按照五母线网络的结构完成基础集合和参数的初始化,不需要手动枚举所有节点间的配对关系:

import pyomo.environ as pyo

# 1. 定义基础母线集合,等价于GAMS的 `Sets b /1*5/;`
model = pyo.ConcreteModel()
model.Buses = pyo.Set(initialize=[1, 2, 3, 4, 5])

# 2. 定义支路数据集:每个条目包含支路ID、起端节点、终端节点
BRANCH_RAW_DATA = [
    ("L1", 1, 2),
    ("L2", 1, 3),
    ("L3", 2, 3),
    ("L4", 2, 4),
    ("L5", 2, 5),
    ("L6", 3, 4),
    ("L7", 4, 5),
]
# 支路ID集合,等价于GAMS的 `Sets l /L1*L7/;`
model.Branches = pyo.Set(initialize=[row[0] for row in BRANCH_RAW_DATA])
# 为每个支路绑定关联节点,等价于GAMS的 `Parameters b_from(l), b_to(l);`
model.branch_from_bus = pyo.Param(model.Branches, initialize={row[0]: row[1] for row in BRANCH_RAW_DATA})
model.branch_to_bus = pyo.Param(model.Branches, initialize={row[0]: row[2] for row in BRANCH_RAW_DATA})

第二步:构建节点-支路的邻接关联

这部分对应GAMS中声明节点间连接关系的核心逻辑,有两种常用实现方式:

方式1:预生成邻接集合(适配中等规模模型)

提前为每个节点生成对应的所有关联支路、相邻节点、功率方向标识,后续构建方程时可以直接遍历调用,和GAMS中预定义邻接边集合的性能、逻辑完全一致:

def connected_branch_rule(model, bus):
    adjacency_list = []
    for br in model.Branches:
        # 支路从当前节点流出的场景
        if model.branch_from_bus[br] == bus:
            adjacency_list.append((br, model.branch_to_bus[br], 1))
        # 支路流入当前节点的场景
        if model.branch_to_bus[br] == bus:
            adjacency_list.append((br, model.branch_from_bus[br], -1))
    return adjacency_list
# 每个节点对应的邻接支路集合,等价于GAMS的 `Set Edges(i,j) /1.2, 1.3, 2.1.../;`
model.BusAdjacentBranches = pyo.Set(model.Buses, initialize=connected_branch_rule)

后续写潮流平衡方程时,直接遍历model.BusAdjacentBranches[当前节点]即可完成功率流的累加,和GAMS中循环邻接集合的逻辑没有差异。

方式2:方程构建时动态关联(适配小规模模型)

对于100节点以下的小型潮流模型,不需要预生成邻接集合,直接在方程的规则函数中遍历支路判断节点关联关系即可,代码更简洁:

# 定义支路有功功率变量
model.Pf = pyo.Var(model.Branches, initialize=0)
# 节点有功平衡方程
def nodal_active_balance(model, bus):
    # 计算当前节点的净注入功率
    net_injection = model.PG[bus] - model.PL[bus]
    # 遍历所有支路累加关联的功率流
    total_flow = 0
    for br in model.Branches:
        if model.branch_from_bus[br] == bus:
            total_flow += model.Pf[br]
        if model.branch_to_bus[br] == bus:
            total_flow -= model.Pf[br]
    return net_injection == total_flow
model.NodalActiveBalance = pyo.Constraint(model.Buses, rule=nodal_active_balance)

迁移注意事项

  • 不要直接将(起端节点, 终端节点)作为支路集合的索引值,当后续需要添加支路参数(阻抗、电导、极限值)时,单支路对应一对索引的写法会大幅增加维护成本,和GAMS中独立支路集合的可扩展性相比差距很大。
  • 潮流的方向符号要和关联逻辑严格对齐,避免在方程中临时判断功率流向导致的符号错误。
  • Pyomo不会自动生成无向边的双向对称关系,需要在邻接集合初始化时显式声明双向连接关系,和GAMS中手动枚举邻接边的逻辑保持一致。

内容的提问来源于stack exchange,提问作者ViviAaron

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.16 09:57:04