我希望模拟挪威的水力发电,考虑到所有的梯级依赖性(每小时一次的解决方案)。首先,我在Pyomo设置了一个优化问题,针对一天中的三个工厂和三个水库。目前,我想最大限度地提高所有时间和所有发电厂/水库的利润,计算公式如下:电价[$/MWh]*水轮机出力[MW]*3600[s=1h]+容积[m3]*能源当量[MWh/m3]*电价[$/MWh]
我的限制是:
小时负荷=发电量必须等于每小时的负荷
水平衡=在每个时间步正确更新存储水平
开始和结束蓄水位=模拟期开始和结束时最大蓄水量的60%(这处于水平衡限制条件下)
问题:
1)为什么print语句为cascade_inflow和excleded_flow打印0.0:因为这是在创建模型时打印的,而不是在求解模型时打印的?在
2A)终止条件是最优的,我对目标函数有一个值,但解的数目是0:我认为问题在于约束水平衡,我将把结果再发布6小时。我是否需要设置水平衡的上限和下限限制? 编辑:如果我从命令行使用pyomo solve--solver=glpk运行脚本脚本.py输入.dat我得到了一个解决方案。。?!在
2B)水约束功能不正常。如果我看一下结果,那么从时间步骤1到2的数量跳跃是不可行的。怎么了?我添加级联流的方式是不正确的,还是变量m.volume只是做它想要的?在
3)创建网络流问题是否是一个更好的主意?在Pyomo Gallery中有这类问题的示例代码。但我还不确定如何将节点建模为水库。(我很可能会在尝试实现一个脚本后立即为此发布一个新的帖子)。在
(这是我的第一篇博文:我做错了什么或者下次应该做得更好吗?)在
代码(读取忽略的参数)
from pyomo.environ import *
from pyomo.opt import SolverFactory
opt = SolverFactory("glpk")
# Initiate model instance
m = AbstractModel()
# Define the variable power for each time step
m.turbine = Var(m.stage, m.res, initialize=0, bounds=turbine_bounds, within=NonNegativeReals)
# Define the variable volume for each time step
m.volume = Var(m.stage, m.res, initialize=volume_Init, bounds=volume_bounds, within=NonNegativeReals)
# Define the variable spill flow for each time step
m.spilledFlow = Var(m.stage, m.res, initialize=0, bounds=spill_bounds, within=NonNegativeReals)
# Constrain total power generated over day
def hourly_load_rule(model, t):
return model.P_load*model.hourly_demand[t] <= sum(model.turbine[t, res] for res in model.res) <= model.P_load*model.hourly_demand[t]
m.hourly_load = Constraint(m.stage, rule=hourly_load_rule)
# Water balance equation
def water_balance_rule(model, t, r):
if t == model.T: # final volume is same as initial volume at 60%
return model.volume[t, r] == model.max_Vol[r]*0.6
elif t > 1:
cascade_inflow = 0
for stor in model.res:
# connectMat is a matrix that has a 1 where there is a connection and 0 where there is not
cascade_inflow = cascade_inflow + model.connectMat[stor, r]*(model.turbine[t, stor]/model.slope[stor]+model.spilledFlow[t, stor])
if model.connectMat[stor, r] == 1:
print(stor, r, t, value(cascade_inflow)) # this always prints out 0.0 for cascade_inflow
discharged_flow = model.turbine[t, r]/model.slope[r] # model.turbine is in MW: divide by slope to get discharge flow [m3/s]
print(value(discharged_flow)) # this always prints out 0.0
return model.volume[t, r] == model.volume[t-1, r]+(cascade_inflow+model.inflow[t, r]-model.spilledFlow[t, r]-discharged_flow)*model.secPerTimeStep
else:
# start volume constrained to 60% of max volume
return model.volume[t, r] == model.max_Vol[r]*0.6
m.water_balance = Constraint(m.stage, m.res, rule=water_balance_rule)
# Revenue = Objective function (sum over all hours and all plants/reservoirs)
def revenue_rule(model):
return sum(sum(model.el_price[i]*model.turbine[i, j]*model.secPerTimeStep+model.volume[i, j]*model.energy_stored[j]*model.el_price[i] for i in model.stage) for j in model.res)
m.obj = Objective(rule=revenue_rule, sense=maximize)
instance = m.create("three_input_stack.dat")
results = opt.solve(instance)
instance.display()
results.write()
结果
^{pr2}$输入文件
param secPerTimeStep:=3600;
param T:=6;
param numReservoirs:=3;
param connectMat:=
1 1 0
1 2 1
1 3 0
2 1 0
2 2 0
2 3 1
3 1 0
3 2 0
3 3 0;
param el_price:=
1 242.16
2 242.09
3 239.3
4 231.52
5 224.25
6 219.77;
param inflow:=
1 1 5
2 1 5
3 1 5
4 1 5
5 1 5
6 1 5
1 2 5
2 2 5
3 2 5
4 2 5
5 2 5
6 2 5
1 3 5
2 3 5
3 3 5
4 3 5
5 3 5
6 3 5;
param min_Vol:=
1 0.0
2 0.0
3 0.0;
param max_Vol:=
1 66000000.0
2 16700000.0
3 2100000.0;
param min_Turb_gen:=
1 0
2 0
3 0;
param max_Turb_gen:=
1 3.31
2 5.9
3 9.0;
param min_spill:=
1 0.0
2 0.0
3 0.0;
param max_spill:=
1 10000.0
2 10000.0
3 10000.0;
param min_discharge:=
1 0.0
2 0.0
3 0.0;
param max_discharge:=
1 20.0
2 15.0
3 8.0;
param slope:=
1 0.1655
2 0.3933
3 1.125;
param energy_stored:=
1 0.000046
2 0.000109
3 0.00031;
param hourly_demand:=
1 0.0351
2 0.0335
3 0.0328
4 0.0325
5 0.0331
6 0.0357;
param P_load:=200;
1)总是打印零,因为
m.tubine
被初始化为0。在模型构造期间(即执行print语句时),表达式的值为0。在2A)调用解算器后,结果会自动加载回模型中,因此命令
instance.display()
正在打印结果。results
对象仅在您想延迟加载解决方案时使用(这是在调用解算器时可以设置的选项)。在2B)不确定。您可以始终运行命令
instance.water_balance.pprint()
,以确认约束表达式是您所期望的。在相关问题 更多 >
编程相关推荐