我想在请求的功率曲线上优化CHP工厂的运行。 因此，我定义了功率曲线，CHP工厂应尽可能地遵循该功率曲线。 必须应用多个界限和约束条件来代表CHP工厂的实际运行。 例如，这包括CHP可以打开或关闭，并且在打开时，其功率调制只能设置为特定百分比范围。
这是一个带有简短说明的最小工作示例：
import scipy.optimize as opt
import numpy as np
x = np.arange(200) # dummy x vector
poly_profile = np.array( # 7th degree polynome fit of profile
[-2.14104340e-11, 1.85108903e-08, -6.66697810e-06, 1.29239710e-03,
-1.45110876e-01, 9.40324129e+00, -3.24548750e+02, 4.60006330e+03])
poly_fun = np.poly1d(poly_profile) # make poly fun
profile = poly_fun(x[65:196])
x0 = np.zeros_like(profile) # all zeros as starting values
def optifun(x, profile): # define minimization fun
return - np.sum(profile * x)
bnds_hi = opt.Bounds(0.3, 1) # upper bounds
bnds_lo = opt.Bounds(0, 0) # lower bounds
res = opt.minimize(
optifun, x0, args=(profile), bounds=bnds_hi,
constraints={'type': 'eq', 'fun': lambda x: np.sum(x*40) - 2000},
method='SLSQP')
plt.plot(res.x)
plt.plot(profile)
所以这些是我要使用的界限：
-
(x == 0) or (0.3 <= x <= 1)，对于数组x中的任何值
这意味着总CHP功率的调制度x可以为0（关闭）或>0.3且<= 1。 但是我可以指定下限或上限。 仅指定上限将无法“关闭CHP”，而将下限设置为bnds_lo = opt.Bounds(0, 1)
将使热电联产工厂能够在不切实际的运行点（功率调制的0％至30％之间）下运行。
有什么方法可以按照最小工作示例中指定的范围进行这项工作？ 具体来说：是否可以同时设置两种边界，例如bounds=[bnds_lo, bnds_hi]？
我猜这是一个混合整数线性编程问题，但是COBYLA或SLSQP是否应该能够解决这个问题？ 如果不是：是否有任何解决方法？
我想使用的约束：
-
np.sum(x*40) - 450
将热量输出限制为一定的热量存储容量。 这里40是热输出功率，而450是剩余存储容量。 这相当容易实现。 限制CHP工厂的启动次数。 作为一个例子，让我们假设
bnds_lo = opt.Bounds(0, 1) # lower bounds res = opt.minimize( optifun, x0, args=(profile), bounds=bnds_lo, constraints={'type': 'eq', 'fun': lambda x: np.sum(x*40) - 1000}, method='SLSQP')这导致了热电联产工厂运行的三个阶段。 有什么办法可以限制这个？ 我正在考虑添加一个特定的约束函数，该函数在前导0之后对正差值进行计数，但是我无法进行类似的工作（例如，由于大多数
x并不完全为0，因为边界设置为(0, 1)，但其他问题也可能是原因）...- 设置CHP工厂的最小连续运行时间。 这意味着至少有5个连续的
x != 0应该是有利的。 我考虑过尝试与上一点类似的操作（限制启动次数），但也无法解决一些有用的问题。 到目前为止，这是最不重要的问题。
为了解决这些问题，我也尝试使用scipy.optimize.LinearConstraings和NonlinearConstraings但是method='trust-constr'需要一个jac（据我在github上看，这似乎是一个错误），因此我无法这行得通。
有什么办法可以使这项工作吗？ 特别是指定多个边界非常重要。
提前致谢！
真诚的，斯科蒂
