[英]Using Gekko in Python to run time series linear optimization
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()
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]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.