我们想发布一个开放源代码，以将强化学习与Smartgrid优化集成在一起。 我们使用OpenModelica作为GUI，使用PyFMI导入Python和Gym。
几乎所有东西都在运行，但是缺少在仿真过程中连接或断开附加负载的可能性。我们现在所能做的就是改变现有负载的参数，这提供了一定的灵活性，但远不及开关负载的可能性。
使用OpenModelica中已实现的开关并不是真正的选择。他们只是在该位置放置一个电阻，使其具有非常低或非常高的电阻。首先，它并没有真正解耦，其次，高电阻使ODE系统变得僵硬，这使得解决它确实非常困难（且成本很高）。在测试中，我们的LSODA求解器（在较硬的情况下，基本上是BDF）经常遇到数值错误，而无论jacobian的计算方式如何（通过定向导数或有限差分来分析）。
有人知道我们如何实现真正的“转换效果”吗？
最诚挚的问候，
亨里克
答案 0 :(得分：0)
仿真期间理想的组件连接和断开 需要结构可变性，不能完全支持 由Modelica（尚）。另请参见此答案https://stackoverflow.com/a/30487641/8725275
此问题的一种解决方案是翻译所有可能的 预先建立模型并在满足某些条件的情况下切换仿真模型。由于涉及一些开销，因此这种方法仅在模型不经常切换时才有意义。
有一个python框架可以支持以下过程：DySMo。该工具是由Alexandra Mehlhase撰写的，他就结构变异性发表了许多有趣的著作，例如An example of beneficial use of variable-structure modeling to enhance an existing rocket model。
Moritz Stueber的论文Simulating a Variable-structure Model of an Electric Vehicle for Battery Life Estimation Using Modelica/Dymola and Python也值得一看。它很好地介绍了可变结构系统和可用的解决方案。