带指数问题的Pyomo优化问题

Question

我试图优化发电和尽量减少成本的python与pyomo包。我从Matpower获取参数，现在我正在尝试case5。

所以通常，我会说：

m.Gen=Var(m.N, domain = NonNegativeReals) 
m.Pg=Var(m.N, domain = Reals)
m.N  = Set(initialize=[i for i in range(bus_number)])

def obj_rule(m):
    cost =  sum(Cg[n]*m.Gen[n] for n in m.N )
    return    cost 
m.obj = Objective(rule = obj_rule, sense=minimize)

def loadbal_rule(m, n):
    return Sb*  m.pg[n] == -m.gen[n] + Pd[n] 
m.loadbal_rule = Constraint(m.N, rule = loadbal_rule)

这里，n是系统中的节点。负载平衡确保有足够的能量传递给每个节点.Pdn是节点n的功率需求，n是节点的总个数。Sb是基功率，pgn是节点n中注入的功率(可以来自连接到它的任何其他节点)，我对从一个节点到另一个节点的功率流也有限制，但我没有在这里显示它们(这就是为什么我不能将sum( n在M.N中)) ==和(在M.N中为n)

现在到我的问题:在案例5，有5个节点，两个生成器在节点1，但没有生成器在节点2。因此，我认为我需要一个发电机的索引，g在m.G？

但是，我不知道如何制定目标函数和负载平衡。应该是m.geng，n

这就是我试过的：

def obj_rule(m):
    cost =  sum(Cg[g]*(m.gen[g,n]) for g in m.G for n in m.N) 
    return    cost  
m.obj = Objective(rule = obj_rule, sense=minimize)

def loadbal_rule(m, n,g):
    return Sb*  m.pg[n] == sum(m.gen[n,g] for g in m.G) - Pd_matrix[n] # ??  
m.loadbal_rule = Constraint(m.N, m.G, rule = loadbal_rule)

Answer 1

好的，如果你不能把节点1上的两个生成器分组在一起(正如我在评论中建议的那样)，我认为你有两个选择.

您可以对节点x生成器n，g的决策变量进行双索引，就像您试图做的那样。如果这样做，就可以使用从数据生成的合法组合n，g的稀疏集合初始化变量。然后，在负载平衡中，您需要为每个节点，而不是像现在所做的那样，为每个节点-gen组合制定这一方法。你仍然可以在节点上保持平衡，所以在发电机内部.类似于：

def node_load_bal(m, n):
    return m.pg[n] == sum(m.gen[n, g] for g in m.G) - m.pd[n]
m.load_bal = Constraint(m.N, rule=node_load_bal)

另一个选项可能更聪明、更简单，因为它避免了双重索引，那就是引入一个假的(或合成的)节点来容纳额外的生成器。将其称为节点"1B“或其他什么，并将其从逻辑上连接到(不需要，适当地连接到节点1，等等)到“真正的”节点1，然后运行N+1节点上已经拥有的所有内容。