创建 Pyomo 约束的性能

Question

我正在用pyomo设置一个更大的能量优化问题。正如其他问题中提到的，设置花费了不合理的时间，但是我设法加快了大多数有问题的线路，除了能量流约束。

与所有其他约束相反，流包括所有元素的总和。因此，我决定重写创建流变量的方式，以便它们包含所有元素的索引，希望这会改善这种情况。我的代码现在如下所示：

def flows(model, et, t):
return pyo.quicksum(model.in_flow[:, et, t], 
linear=True,
start=pyo.quicksum(model.out_flow[:, et, t], 
linear=True)
) == 0
model.add_component("flows", 
pyo.Constraint(model.energy_type, 
model.t, 
rule=flows)
)

但是，这仍然占用了我模型设置时间的 65%。

我把它分解成一个嵌套的 for 循环，看看谁花时间：

for t in model.t:
for et in model.energy_type:
e = model.in_flow[:, et, t]
f = model.out_flow[:, et, t]
es = pyo.quicksum(e)
fs = pyo.quicksum(f)

这需要大致相同的运行时间，并且"全部"花费在最后两行中。链接快速和并设置线性标志提供了一些小的改进，但没有实质性的改进。来自 PyPSA 的共享代码仍然使用旧的 coopr3 表达式生成器，因此它不再起作用。我也无法弄清楚它将如何使用。

关于如何提高模型生成性能的任何建议？

Answer 1

好吧，事实证明问题出在切片上。

def flows(model, et, t):
vars = [model.in_flow[obj, et, t] for obj in model.objects_index]
vars.extend([model.out_flow[obj, et, t] for obj in model.objects_index])
return pyo.quicksum(vars) == 0

这种约束规则的重新构建使我的模型创建速度加快了大约 60%。我发现了另外两个地方，在那里我做了类似的重新表述。我现在从优化前的 120 秒下降到大约 7 秒。