Я пытаюсь использовать Gekko для оптимизации (разряда) зарядки аккумуляторной системы хранения энергии. Цены на электроэнергию в час EP, производство энергии с помощью солнечных панелей PV и спрос на энергию Dem учитываются на всем горизонте (0-24 часа), чтобы минимизировать общие затраты TC. Арбитраж должен происходить по мере того, как аккумулятор (Pbat_ch & Pbat_dis) заряжается (разряжается) в / из сети (Pgrid_in & Pgrid_out) в оптимальные моменты.
В отличие от большинства примеров в Интернете, проблема не формулируется как модель в пространстве состояний, а в основном опирается на экзогенные данные о цене, потреблении и производстве. Ниже описаны 3 конкретных проблемы со ссылкой на Gurobi, весь код, приводящий к следующей ошибке, можно найти внизу этого сообщения.
Exception: @error: Inequality Definition
invalid inequalities: z > x < y
at0x0000016c6b214040>
STOPPING . . .
- Целевая функция - это сумма затрат, связанных с покупкой / продажей электроэнергии в сеть за весь горизонт. Я привык к Gurobi, который позволяет ссылаться на управляемые переменные (
PowerGridOutиPowerGridIn = m.MV(...)) в определенных временных интервалах таким образом ([t]).
m.Obj(sum(ElectricityPrice[t]*PowerGridOut[t] - ElectricityPrice[t]*PowerGridIn[t]) for t in range(25))
Возможно ли это также в Gekko, или это суммирование следует преобразовать в интеграл? Правильный ли следующий код?
ElectricityPrice = m.Param([..])
.
.
.
TotalCosts = m.integral(ElectricityPrice*(PowerGridOut - PowerGridIn))
m.Obj(TotalCosts)
m.options.IMODE = 6
m.solve()
- Gurobi допускает такую формулировку ограничения на изменение состояния заряда батареи:
m.addConstrs(SoC[t+1] == (SoC[t] - ((1/(DischargeEfficiency*BatteryCapacity)) * (PowerBattery
Discharge[t+1]) * Delta_t - ChargeEfficiency/BatteryCapacity * (PowerBatteryCharge[t+1]) * Delta_t)) for t in range(24))
Основываясь на вопросе о stackoverflow относительно аналогичной проблемы, я постоянно переформулировал это следующим образом:
m.Equation(SoC.dt() == SoC - 1/(DischargeEfficiency*BatteryCapacity) * Pbattdis - (ChargeEfficiency/BatteryCapacity) * Pbattch)
- Последним ключевым ограничением должен быть баланс сил, где
Demand[t]&PV[t]- экзогенные векторы, а другие переменныеm.MV():
m.Equation(((Demand[t] + Pbat_ch + Pgrid_in) == (PV[t] + Pgrid_out + Pbat_dis)) for t in range(25))
К сожалению, все это пока не работает. Я был бы очень признателен, если бы кто-нибудь мог мне подсказать. В идеале я хотел бы сформулировать как целевую функцию, так и ограничения в дискретных терминах.
весь код
m = GEKKO()
# horizon
m.time = list(range(0,25))
# data vectors
EP = m.Param(list(Eprice))
Dem = m.Param(list(demand))
PV = m.Param(list(production))
# constants
bat_cap = 13.5
ch_eff = 0.94
dis_eff = 0.94
# manipulated variables
Pbat_ch = m.MV(lb=0, ub=4)
Pbat_ch.DCOST = 0
Pbat_ch.STATUS = 1
Pbat_dis = m.MV(lb=0, ub=4)
Pbat_dis.DCOST = 0
Pbat_dis.STATUS = 1
Pgrid_in = m.MV(lb=0, ub=3)
Pgrid_in.DCOST = 0
Pgrid_in.STATUS = 1
Pgrid_out = m.MV(lb=0, ub=3)
Pgrid_out.DCOST = 0
Pgrid_out.STATUS = 1
#State of Charge Battery
SoC = m.Var(value=0.5, lb=0.2, ub=1)
#Battery Balance
m.Equation(SoC.dt() == SoC - 1/(dis_eff*bat_cap) * Pbat_dis - (ch_eff/bat_cap) * Pbat_ch)
#Energy Balance
m.Equation(((Dem[t] + Pbat_ch + Pgrid_in) == (PV[t] + Pbat_dis + Pgrid_out)) for t in range(0,25))
#Objective
TC = m.Var()
m.Equation(TC == sum(EP[t]*(Pgrid_out-Pgrid_in) for t in range(0,25)))
m.Obj(TC)
m.options.IMODE=6
m.options.NODES=3
m.options.SOLVER=3
m.solve()
