Pyomo：優化發電廠規模的最佳方法和 TypeError：* 不支持的操作數類型：'float' 和 'IndexedVar'

Question

我正在嘗試解決一個優化問題，其中負載需求必須由兩個發電廠來滿足。 這些發電廠的發電量不同。 例如（隨機數）

power_prod1 = [2,0,1]
power_prod2 = [0,1,1]

不同電廠的負荷需求和成本以類似的方式給出。成本參考電廠的規模，參見下面的電廠 1 和電廠 2 的大小。

load_demand = [4,4,4] 
Costs = {'power 1':60, 'power2':120}

為了解決這個問題，我試過了

def plant1_size(model,i,j):
    return(0, None)
model.PowerPlant1Size = pyo.Var(model.plants,model.periods,bounds=plant1_size)

def plant2_size(model,i,j):
    return(0, None)
model.PowerPlant2Size  = pyo.Var(model.plants,model.periods,bounds=plant2_size)


def load_balance(model,i,j):
    return (power_prod1[j]*model.PowerPlant1Size + power_prod2[j]*model.PowerPlant2Size == load_demand[j])
model.load_constraint = pyo.Constraint(model.plants,model.periods,rule=load_balance)

並且有一個目標 function，其中目標是通過為發電廠選擇合適的規模來最小化成本。 當我運行此代碼時，出現錯誤“TypeError：* 不支持的操作數類型：‘float’和‘IndexedVar’”。 我知道為什么會出現此錯誤，但我想不出解決發電廠規模的方法。 （當我嘗試以另一種方式解決問題時可能會出現一些多余的代碼，而我還沒有包含一些代碼）。

我如何以 pyomo 可以解決的方式重寫這個問題？

Answer 1

這里有幾件事很麻煩。 我不確定您的基礎數學問題是否合理。 我會放慢實施速度，並用鉛筆和紙布置所有變量和索引，以確保它有意義。 例如，您將plant size作為隨時間段索引的變量……這是否意味着 5 號發電廠可以在不同時間段內變大或變小？

在同一個變量上，您似乎將索引嵌入到名稱中，即使您是按植物編號進行索引也是如此。 我希望看到像特定工廠的生產這樣的變量：

model.production = pyo.Var(model.plants, model.time_periods)

哦，您看到的錯誤的主要來源是您使用的是索引變量，而沒有在您的目標中提供PowerPlantSize的索引...