Question

我正在优化结合太阳能光伏电池的存储方式，以产生尽可能高的收入来源。我现在想增加一个收入来源：削峰（或减少需求费用）

我的方法如下：

在每千瓦时的价格旁边，工业客户支付了他在一个时期（i = 1：end）内从电网汲取的最大功率（kW），即所谓的需求费用
可以在向量P_Grid = P_GridLoad（自消耗的能量）+ P_GridBatt（用于给电池充电的能量）中找到最大数量
存在一个价格向量，可以告诉所有时间点每千瓦的价格
我现在想生成一个矢量P_GridMax，该矢量对于所有时间点都是零，但在发生P_Grid最大值的那一刻（那时它等于max（P_Grid））。
因此，向量P_GridMax由零和一个非零元素组成（不多！）
这样做，我现在可以将此向量与价格向量相乘，对所有时间点求和，并接收计费的需求费用
通过将此向量包含在模型的目标中，可以使这些费用最小化

现在，有没有人看到如何制定这样的约束的解决方案（P_GridMax）？我已经更新了目标函数并定义了P_Grid。任何其他方法也将受到欢迎。

这是我模型的相关部分，其中P_xxx =潮流矢量，C_xxx =价格矢量，...

m.P_Grid = Var(m.i_TIME, within = NonNegativeReals)
m.P_GridMax = Var(m.i_TIME, within = NonNegativeReals)


# Minimize electricity bill
def Total_cost(m):
    return ... + sum(m.P_GridMax[i] * m.C_PowerCosts[i] for i in m.i_TIME) - ...
m.Cost = Objective(rule=Total_cost)


## Peak Shaving constraints
def Grid_Def(m,i):
    return m.P_Grid[i] = m.P_GridLoad[i] + m.P_GridBatt[i]
m.Bound_Grid = Constraint(m.i_TIME,rule=Grid_Def)

def Peak_Rule(m,i):
    ????
    ????
    ????
    ????
m.Bound_Peak = Constraint(m.i_TIME,rule=Peak_Rule)

非常感谢您！请注意，我对python / pyomo编码的经验很少，非常感谢您提供详尽的解释：）

最好， Mathias

Answer 1

这里是执行此操作的一种方法：

引入一个二进制帮助变量ismax[i] for i in i_TIME。如果在周期i中获得最大值，则此变量为1，否则为0。那么显然您有一个约束sum(ismax[i] for i in i_TIME) == 1：最大值必须在一个周期内达到。

现在您需要两个附加约束：

如果ismax[i] == 0，然后是P_GridMax[i] == 0。
如果ismax[i] == 1，那么对于所有j in i_TIME，我们必须拥有P_GridMax[i] >= P_GridMax[j]。

表达这一点的最好方法是使用指标约束，但是我不认识Pyomo，所以我不知道它是否支持（我想是的，但是我不知道如何编写）。因此，我将改为使用big-M公式。

对于此公式，您需要定义一个常量M，以使P_Grid[i]不能超过任何i的值。这样，第一个约束变为

P_GridMax[i] <= M * ismax[i]

该约束将P_GridMax[i]强制为0，除非ismax[i] == 1。对于ismax[i] == 1，这是多余的。第二个约束是针对所有j in i_TIME

P_GridMax[i] + M * (1 - ismax[i]) >= P_Grid[j]

如果ismax[i] == 0，则此约束的左侧至少为M，因此，根据M的定义，无论{{1 }}是（在这种情况下，第一个约束力P_GridMax[i]）。对于P_Grid[i] == 0，约束的左侧就变成了ismax[i] == 1，正是我们想要的。

Answer 2

另一个想法是，您实际上不需要随时间索引P_GridMax变量。

如果您要处理需求成本，它们往往会在一段时间内固定下来，或者在您的情况下，它们似乎在整个问题范围内都是固定的（因为您只是在寻找一个最大值）。

在这种情况下，您只需要执行以下操作即可：

m.P_GridMax = pyo.Var(domain=pyo.NonNegativeReals)

def Peak_Rule(m, i):
    return m.P_GridMax >= m.P_Grid[i]

m.Bound_Peak = pyo.Constraint(m.i_TIME,rule=Peak_Rule)

如果您真的想将向量乘以元素，还可以只创建一个代表该索引乘积的新变量，并应用相同的原理来提取最大值。

Pyomo：最小化向量中的最大值

2 个答案: