-1

我尝试使用 MILP（混合整数线性规划）来计算单位承诺问题。（机组承诺：一个试图寻找发电机最佳调度的优化问题） 因为发电机功率和成本之间的关系是二次函数，所以我使用分段函数将功率转换为成本。

在此处输入图像描述

我修改此页面上的答案：在此处输入链接描述

简单的程序结构如下：

from docplex.mp.model import Model

mdl = Model(name='buses')
nbbus40 = mdl.integer_var(name='nbBus40')
nbbus30 = mdl.integer_var(name='nbBus30')
mdl.add_constraint(nbbus40*40 + nbbus30*30 >= 300, 'kids')

#after 4 buses, additional buses of a given size are cheaper
f1=mdl.piecewise(0, [(0,0),(4,2000),(10,4400)], 0.8) 
f2=mdl.piecewise(0, [(0,0),(4,1600),(10,3520)], 0.8) 
cost1= f1(nbbus40)
cost2 = f2(nbbus30)

mdl.minimize(cost1+ cost1)
mdl.solve()
mdl.report()

for v in mdl.iter_integer_vars():
    print(v," = ",v.solution_value)

这使

* model buses solved with objective = 3520.000
nbBus40  =  0
nbBus30  =  10.0

答案是完美的，但没有办法应用我的例子。我用分段函数制定了功率和成本之间的分段线性关系，得到了一个新的对象（cost1），然后计算出这个对象的最小值。以下是我的实际代码（简单）： 在​​此处输入图片描述(min1,miny1), (pw1_1,pw1_1y),(pw1_2,pw1_2y),(max1,maxy1)是功耗-成本曲线上的断点

pwl_func_1phase = ucpm.piecewise(0, [(0,0),(min1,miny1), (pw1_1,pw1_1y),(pw1_2,pw1_2y),(max1,maxy1)], 0)
#df_decision_vars_spinning is a dataframe store Optimization variables
df_decision_vars_spinning.at[(units,period),'variable_cost'] = pwl_func_1phase(df_decision_vars_spinning.at[(units,period),'production'] )

total_variable_cost = ucpm.sum((df_decision_vars_spinning.variable_cost))
ucpm.minimize(total_variable_cost )

我不知道是什么原因导致这个优化问题无法解决。这是我的完整代码：https ://colab.research.google.com/drive/1JSKfOf0Vzo3E3FywsxcDdOz4sAwCgOHd?usp=sharing

4

2 回答 2

0

不是答案，而是为了说明我的评论。

假设我们有成本曲线

cost = α + β⋅power^2

此外，我们正在最大限度地降低成本。

我们可以使用一些线性曲线来近似。这里我画了几张：

在此处输入图像描述

假设每条线性曲线都有以下形式

cost = a(i) + b(i)⋅power

对于i=1,...,n（n=线性曲线的数量）。

很容易看出是我们写的：

min cost
cost ≥ a(i) + b(i)⋅power   ∀i

我们对二次成本曲线有一个很好的近似。这正是我在评论中所说的。

这里没有使用二进制变量。

于 2020-05-23T04:43:46.673 回答
0

使用无限版本的 CPLEX，您的模型可以求解（尽管速度很慢）。这里有两个想法可以更好地控制solve()中发生的事情

  1. 使用 solve(log_output=True) 打印日志：你会看到差距缩小

  2. 设置 mip 间隙：将 mip 间隙设置为 5% 会在 36 秒时停止求解

    ucpm.parameters.mip.tolerances.mipgap = 0.05

    ucpm.solve(log_output=True)

于 2020-05-25T08:04:01.917 回答