如何使用滚动原理修复 Gekko 优化中的“找不到解决方案”错误

Question

我的计划是优化家用电池的充电和放电，以最大限度地减少年底的电力成本。 在这种情况下，还有一个 PV，这意味着有时您向电网注入电力并收到钱。 家里的用电量每15分钟测量一次，所以我1天有96个测量点。 我想优化电池的充电和放电 2 天，以便第 1 天考虑到第 2 天的使用情况。 我写了一个 controller，它读取数据并每次给出 2 天的输入值以进行优化。 按照滚动原则，它会转到接下来的 2 天，依此类推。 下面你可以看到我的 controller 的代码。

from gekko import GEKKO
from simulationModel2_2d_1 import getSimulation2
from exportModel2 import exportToExcelModel2
import numpy as np
#import matplotlib.pyplot as plt
import pandas as pd
import time
import math

# ------------------------ Import and read input data ------------------------

file = r'Data Sim 2.xlsx'

data = pd.read_excel(file, sheet_name='Input', na_values='NaN')

dataRead = pd.DataFrame(data, columns= ['Timestep','Verbruik woning (kWh)','Netto afname (kWh)','Prijs afname (€/kWh)',
                                            'Prijs injectie (€/kWh)','Capaciteit batterij (kW)',
                                            'Capaciteit batterij (kWh)','Rendement (%)',
                                            'Verbruikersprofiel','Capaciteit PV (kWp)','Aantal dagen'])

timestep = dataRead['Timestep'].to_numpy()                                 
usage_home = dataRead['Verbruik woning (kWh)'].to_numpy()
net_offtake = dataRead['Netto afname (kWh)'].to_numpy()
price_offtake = dataRead['Prijs afname (€/kWh)'].to_numpy()
price_injection = dataRead['Prijs injectie (€/kWh)'].to_numpy()
cap_batt_kW = dataRead['Capaciteit batterij (kW)'].iloc[0]              
cap_batt_kWh = dataRead['Capaciteit batterij (kWh)'].iloc[0]
efficiency = dataRead['Rendement (%)'].iloc[0]
usersprofile = dataRead['Verbruikersprofiel'].iloc[0]
days = dataRead['Aantal dagen'].iloc[0]
pv = dataRead['Capaciteit PV (kWp)'].iloc[0]

# ------------- Optimization model & Rolling principle (2 days) --------------

# Initialise model
m = GEKKO()

# Output data
ts = []
charging = []                       # Amount to charge/decharge batterij
e_batt = []                         # Amount of energy in the battery
usage_net = []                      # Usage after home, battery and pv
p_paid = []                         # Price paid for energy of 15min

# Energy in battery to pass
energy = 0

# Iterate each day for one year
for d in range(int(days)-1):
    d1_timestep = []
    d1_net_offtake = []
    d1_price_offtake = []
    d1_price_injection = []
    d2_timestep = []
    d2_net_offtake = []
    d2_price_offtake = []
    d2_price_injection = []
    
    # Iterate timesteps
    for i in range(96):
        d1_timestep.append(timestep[d*96+i])
        d2_timestep.append(timestep[d*96+i+96])
        
        d1_net_offtake.append(net_offtake[d*96+i])
        d2_net_offtake.append(net_offtake[d*96+i+96])
        
        d1_price_offtake.append(price_offtake[d*96+i])
        d2_price_offtake.append(price_offtake[d*96+i+96])
        
        d1_price_injection.append(price_injection[d*96+i])
        d2_price_injection.append(price_injection[d*96+i+96])
    
    # Input data simulation of 2 days
    ts_temp = np.concatenate((d1_timestep, d2_timestep))
    net_offtake_temp = np.concatenate((d1_net_offtake, d2_net_offtake))
    price_offtake_temp = np.concatenate((d1_price_offtake, d2_price_offtake))
    price_injection_temp = np.concatenate((d1_price_injection, d2_price_injection))
    if(d == 7):
        print(ts_temp)
        print(energy)
    # Simulatie uitvoeren
    charging_temp, e_batt_temp, usage_net_temp, p_paid_temp, energy_temp = getSimulation2(ts_temp, net_offtake_temp, price_offtake_temp, price_injection_temp,                                                                                     cap_batt_kW, cap_batt_kWh, efficiency, energy, pv)
    
    # Take over output first day, unless last 2 days
    energy = energy_temp
    if(d == (days-2)):
        for t in range(1,len(ts_temp)):
            ts.append(ts_temp[t])
            charging.append(charging_temp[t])
            e_batt.append(e_batt_temp[t])
            usage_net.append(usage_net_temp[t])
            p_paid.append(p_paid_temp[t])
    elif(d == 0):
        for t in range(int(len(ts_temp)/2)+1):
            ts.append(ts_temp[t])
            charging.append(charging_temp[t])
            e_batt.append(e_batt_temp[t])
            usage_net.append(usage_net_temp[t])
            p_paid.append(p_paid_temp[t])
    else:
        for t in range(1,int(len(ts_temp)/2)+1):
            ts.append(ts_temp[t])
            charging.append(charging_temp[t])
            e_batt.append(e_batt_temp[t])
            usage_net.append(usage_net_temp[t])
            p_paid.append(p_paid_temp[t])
            
    print('Simulation day '+str(d+1)+' complete.')
    
# ------------------------ Export output data to Excel -----------------------

a = exportToExcelModel2(ts, usage_home, net_offtake, price_offtake, price_injection, charging, e_batt, usage_net, p_paid, cap_batt_kW, cap_batt_kWh, efficiency, usersprofile, pv)
print(a)

Gekko 的优化发生在以下代码中：

from gekko import GEKKO

def getSimulation2(timestep, net_offtake, price_offtake, price_injection, 
                   cap_batt_kW, cap_batt_kWh, efficiency, start_energy, pv):
    
    # ---------------------------- Optimization model ----------------------------
       
    # Initialise model
    m = GEKKO(remote = False)
    
    # Global options
    m.options.SOLVER = 1
    m.options.IMODE  = 6
    
    # Constants
    speed_charging = cap_batt_kW/4
    m.time = timestep
        
    max_cap_batt = m.Const(value = cap_batt_kWh)
    min_cap_batt = m.Const(value = 0)
    max_charge = m.Const(value = speed_charging)                                    # max battery can charge in 15min
    max_decharge = m.Const(value = -speed_charging)                                 # max battery can decharge in 15min
    
    # Parameters
    usage_home = m.Param(net_offtake)
    price_offtake = m.Param(price_offtake)
    price_injection = m.Param(price_injection)
    
    # Variables
    e_batt = m.Var(value=start_energy, lb = min_cap_batt, ub = max_cap_batt)  # energy in battery
    price_paid = m.Var()                                              # price paid each 15min
    charging = m.Var(lb = max_decharge, ub = max_charge)              # amount charge/decharge each 15min
    usage_net = m.Var(lb=min_cap_batt)
    
    # Equations
    m.Equation(e_batt==(m.integral(charging)+start_energy)*efficiency)
    m.Equation(-charging <= e_batt)
    m.Equation(usage_net==usage_home + charging)
    price = m.Intermediate(m.if2(usage_net*1e6, price_injection, price_offtake))
    price_paid = m.Intermediate(usage_net * price / 100)
    
    # Objective 
    m.Minimize(price_paid)
    
    # Solve problem
    m.options.COLDSTART=2
    m.solve()
    
    m.options.TIME_SHIFT=0
    m.options.COLDSTART=0
    m.solve()
          
    # Energy to pass
    energy_left = e_batt[95]
    
    #m.cleanup()
    
    return charging, e_batt, usage_net, price_paid, energy_left

您需要输入的数据可以在这个 Excel 文档中找到： https://docs.google.com/spreadsheets/d/1S40Ut9-eN_PrftPCNPoWl8WDDQtu54f0/edit?usp=sharing&ouid=104786612700360067470&rtpof=true&rtpof=true

使用此代码，它总是在第 17 天以“找不到解决方案”错误结束。 我已经尝试将默认迭代限制扩展到 500，但它没有用。 我也尝试过其他求解器，但也没有改善。 通过使用 COLDSTART 预求解，它已经达到了第 17 天，如果没有它，它会在第 8 天结束。

我解决了我的优化单独结束的日子，然后总是使用相同的代码立即找到解决方案。 有人可以向我解释一下并找到解决方案吗？ 提前致谢！

Answer 1

这对于故障排除来说有点大，但这里有一些可能有帮助的一般想法。 正如您所说，这假设 model 在第 1-2 天、第 3-4 天和第 5-6 天等问题上解决得很好。并且这些结果通过了检查（也就是基本的 model 按您所说的那样工作）。

然后在第 17 天左右（显然）有些不对劲。需要注意和尝试的一些事情：

• 在第16-17天启动model，看看它是否独立运行
• 收集你的结果，你 go 并做一个时间序列 plot 的关键变量，也许其中之一是一个明显的坏趋势，导致不可行......也许e_batt变量正在缓慢下降，因为没有足够的光伏能源可用并在第 17 天达到最低
• 从根本上改变变量的上限/下限以测试它们以查看它们是否可能涉及不可行性（假设有一个）
• 制作一个不同的（假的）数据集，其中解决方案是确定的并且有点明显......所有常量或您知道的模式都会产生一些已知结果并测试 model 输出。