我正在尝试使用pyomo包优化python中的发电并将成本降至最低。我从Matpower案例中获取参数，现在我正在尝试案例5。
所以通常，我会说：
m.Gen=Var(m.N, domain = NonNegativeReals)
m.Pg=Var(m.N, domain = Reals)
m.N = Set(initialize=[i for i in range(bus_number)])
def obj_rule(m):
cost = sum(Cg[n]*m.Gen[n] for n in m.N )
return cost
m.obj = Objective(rule = obj_rule, sense=minimize)
def loadbal_rule(m, n):
return Sb* m.pg[n] == -m.gen[n] + Pd[n]
m.loadbal_rule = Constraint(m.N, rule = loadbal_rule)
这里，n是系统中的节点。负载平衡确保有足够的功率输送到每个节点。Pd[n]是节点n处的功率需求。n是节点的总数。Sb是基本功率，pg[n]是注入节点n的功率(可以来自连接到它的任何其他节点(我也有从一个节点到另一个节点的功率流的约束，但我没有在这里显示它们(这就是为什么我不能只把sum(gen[n]用于m.n中的n(==sum(Pd[n]用于m.n中的n(
现在我的问题是：在情况5中，有5个节点，在节点1有两个生成器，但在节点2没有生成器。因此，我想我需要一个生成器的索引，以m为单位？
但是，我不知道如何制定目标函数和负载平衡。应该是m.gen[g，n]吗？
这就是我尝试的：
def obj_rule(m):
cost = sum(Cg[g]*(m.gen[g,n]) for g in m.G for n in m.N)
return cost
m.obj = Objective(rule = obj_rule, sense=minimize)
def loadbal_rule(m, n,g):
return Sb* m.pg[n] == sum(m.gen[n,g] for g in m.G) - Pd_matrix[n] # ??
m.loadbal_rule = Constraint(m.N, m.G, rule = loadbal_rule)
好的，所以如果不能将节点1上的两个生成器分组在一起(正如我在评论中所建议的(，我认为您有两个选择。。。。
您可以在尝试对节点x生成器[n，g]的决策变量进行双重索引。如果您这样做，您可以使用应该从数据中生成的[n，g]的稀疏合法组合来初始化变量。然后，在负载平衡中，您需要为每个节点制定，而不是像现在这样为每个节点的生成组合。你仍然希望在节点上保持功率平衡，所以在内部对发电机进行求和。。。。类似于：
def node_load_bal(m, n):
return m.pg[n] == sum(m.gen[n, g] for g in m.G) - m.pd[n]
m.load_bal = Constraint(m.N, rule=node_load_bal)
另一种选择可能更聪明、更简单，因为它避免了双重索引，那就是引入一个假(或合成(节点来容纳额外的生成器。称之为节点"；1B〃；或者什么，并将其逻辑地连接到"；真实的"；节点1，然后只运行N+1节点上已有的所有内容。