在Python中使用Gekko运行时间序列线性优化

Question

我正在尝试在 Gekko 进行电力套利 model。 我有一个一年中每个小时（总小时数为 8760 小时）的电价数组，一个能量大小为 E 的电池，每个小时我想根据最小化电费来决定是对电池充电还是放电，以及跟踪电池中的能量，限制为保持不少于 0 能量且不超过 E。

我尝试了很多次，最近得到优化方程超出限制的错误

from gekko import Gekko

m = Gekko()

#variables
E_battery = m.Var(lb=0, ub=366.2, value=0) #energy in battery at time t, battery size 366 MWh
Pc = m.Var(lb=0, ub=50) #charge power, 50 MW max
Pd = m.Var(lb=0, ub=36.6)  #discharge power, max 36 MW
E_price = m.Param(electricity_price[:,1])
m.time = np.linspace(0,8759, 8760)

m.Equation(E_battery.dt() == (1-delta)*E_battery + roundtrip_eff*(Pc - Pd))

m.Obj(sum(E_price[i]*Pc for i in range(8760)))
m.options.IMODE = 7
m.solve()

Answer 1

如果您在整个时间范围内进行优化，那么您需要切换到IMODE=6 。 您可能遇到以下问题：

m.Obj(sum(E_price[i]*Pc for i in range(8760)))

因为它创造了一个很长的客观表达。 对于IMODE=6的动态优化问题，您可以使用以下代码：

m.Obj(E_price*Pc)

Gekko 自动对该表达式中的所有时间点进行求和。 该脚本不是一个完整的示例，因此很难验证什么不起作用。 如果您可以发布一个显示问题的最小且完整的示例，那么提供有用的反馈会更容易。 机器学习和动态优化课程中还有其他示例，尤其是经济优化或其他一些基准问题。

求和

您可以将诸如E_battery之类的变量与以下内容相加：

from gekko import GEKKO
import numpy as np
import matplotlib.pyplot as plt  
m = GEKKO(remote=False)
m.time = [0,1,2,3,4,5]
x = m.Param(value=m.time)
E_battery = m.Var()
m.Equation(E_battery.dt()==x)
m.options.IMODE = 4
m.solve(disp=False)
print('x = ' + str(x.value))
print('E_battery = ' + str(E_battery.value))

这产生了解决方案：

x = [0.0, 1.0, 2.0, 3.0, 4.0, 5.0]
E_battery = [0.0, 1.0, 3.0, 6.0, 10.0, 15.0]