电网调度优化学习笔记：不考虑经济损耗的调度方式（算例代码求解）

电气博文传送门
学好电气全靠它，个人电气博文目录（持续更新中…）
题：

例题：

python代码求解：

思路上面就有，照着敲吧。

主要是为了学习下python 求解优化问题和学习下电网调度。在这之前很少涉足这来。

工具包介绍
非线性规划（scipy.optimize.minimize）
一.背景：
现在项目上有一个用python 实现非线性规划的需求。非线性规划可以简单分两种，目标函数为凸函数 or 非凸函数。

凸函数的非线性规划，比如fun=x2+y2+x*y，有很多常用的python库来完成，网上也有很多资料，比如CVXPY

非凸函数的非线性规划（求极值），从处理方法来说，可以尝试以下几种：

1.纯数学方法，求导求极值；

2.使用神经网络，深度学习来处理，可参考反向传播算法中链式求导的过程；

3.寻找一些python库来做，本文介绍scipy.optimize.minimize的使用方法

二.库方法介绍

官方文档：https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.minimize.html

来看下改方法的入参

scipy.optimize.minimize(fun, x0, args=(), method=None, jac=None, hess=None, hessp=None, bounds=None, constraints=(), tol=None, callback=None, options=None)

解释：
fun: 求最小值的目标函数
x0:变量的初始猜测值，如果有多个变量，需要给每个变量一个初始猜测值。minimize是局部最优的解法，所以
args:常数值,后面demo会讲解，fun中没有数字，都以变量的形式表示，对于常数项，需要在这里给值
method:求极值的方法，官方文档给了很多种。一般使用默认。每种方法我理解是计算误差，反向传播的方式不同而已，这块有很大理论研究空间
constraints:约束条件，针对fun中为参数的部分进行约束限制

代码：

# coding=utf-8
from scipy.optimize import minimize
import numpy as np
#目标函数
def fun(args):a1,a2,a3,b1,b2,b3,c1,c2,c3=argsv=lambda x: (a1+a2*x[0]+a3*x[0]*x[0]+b1+b2*x[1]+b3*x[1]*x[1]+c1+c2*x[2]+c3*x[2]*x[2])return vdef con(args):# 约束条件 分为eq 和ineq#eq表示 函数结果等于0 ； ineq 表示 表达式大于等于0d1, d2, d3, d4, d5, d6 ,d7= args1cons = ({'type': 'eq', 'fun': lambda x: d1+d2*x[0]-d3-d4*x[1]},\{'type': 'eq', 'fun': lambda x: d1+d2*x[0]-d5-d6*x[2]},\{'type': 'eq', 'fun': lambda x: x[0]+x[1]+x[2]-d7})return consif __name__ == "__main__":# 定义常量值args = (300,10,0.15,200,20,0.2,100,10,0.3)  #  a1,a2,a3,b1,b2,b3,c1,c2,c3# 设置参数范围/约束条件args1 = (10, 0.3, 20, 0.4, 10, 0.6,320)  # d1, d2, d3, d4, d5, d6,d7cons = con(args1)# 设置x初始猜测值x0 = np.array((100, 50, 100))res = minimize(fun(args), x0, method='SLSQP', constraints=cons)print(res.fun)print(res.success)print(res.x)

结果：
和给出的答案一样的。

解释说明：

目标函数：使三台机组的成本曲线和最小。
args 对应原始成本曲线中的数：(300,10,0.15,200,20,0.2,100,10,0.3)
后面会传进来

def fun(args):a1,a2,a3,b1,b2,b3,c1,c2,c3=argsv=lambda x: (a1+a2*x[0]+a3*x[0]*x[0]+b1+b2*x[1]+b3*x[1]*x[1]+c1+c2*x[2]+c3*x[2]*x[2])return v

约束条件
最优情况：发电机组1成本曲线对功率求导 =发电机组2成本曲线对功率求导=发电机组3成本曲线对功率求导
为什么是求导相等。这个电分里教的有，最基本的，不想解释。
发电机组1功率+发电机组2功率+发电机组3功率=负荷功率

本文约束条件可以表达为：
1.发电机组1成本曲线对功率求导 =发电机组2成本曲线对功率求导
2.发电机组1成本曲线对功率求导 =发电机组3成本曲线对功率求导
3.发电机组1功率+发电机组2功率+发电机组3功率=负荷功率

参数：
d1, d2, d3, d4, d5, d6 表示各发电机组成本曲线求导后的系数。
d7 为负荷功率

def con(args):# 约束条件 分为eq 和ineq#eq表示 函数结果等于0 ； ineq 表示 表达式大于等于0d1, d2, d3, d4, d5, d6 ,d7= args1cons = ({'type': 'eq', 'fun': lambda x: d1+d2*x[0]-d3-d4*x[1]},\{'type': 'eq', 'fun': lambda x: d1+d2*x[0]-d5-d6*x[2]},\{'type': 'eq', 'fun': lambda x: x[0]+x[1]+x[2]-d7})return cons

主函数：
要定义一些数值=
等于说前面在定义目标函数和约束时全用字母代替，不能出现具体数
。具体数在后面传入。
x0 = np.array((100, 50, 100)) 定义x初始解
res.fun 目标函数值
res.success 是否求得值
res.x 未知数的值

if __name__ == "__main__":# 定义常量值args = (300,10,0.15,200,20,0.2,100,10,0.3)  #  a1,a2,a3,b1,b2,b3,c1,c2,c3# 设置参数范围/约束条件args1 = (10, 0.3, 20, 0.4, 10, 0.6,320)  # d1, d2, d3, d4, d5, d6,d7cons = con(args1)# 设置x初始猜测值x0 = np.array((100, 50, 100))res = minimize(fun(args), x0, method='SLSQP', constraints=cons)print(res.fun)print(res.success)print(res.x)

电网调度优化学习笔记：不考虑经济损耗的调度方式（算例代码求解）相关推荐

嵌入式算法移植优化学习笔记5——CPU,GPU,TPU,NPU都是什么
嵌入式算法移植优化学习笔记5--CPU,GPU,TPU,NPU都是什么一.什么是CPU? 二.什么是GPU? 三.什么是NPU? 四.什么是TPU? 附: 随着AI的广泛应用,深度学习已成为当前AI ...
发展规划可视化电网_智能电网调度优化及可视化设计
智能电网调度优化及可视化设计摘要:调度自动化作为保障经济运行可靠性和电网安全性的支柱,随着电网快速发展,电网管理需求和运行也在不断变化:作为重要支撑的调度自动化为了适应这些要求,升级.改革已经成 ...
mysql性能优化-学习笔记
mysql性能优化-学习笔记
数学不好是原罪——凸优化学习笔记（个人学习记录汇总）
中科大凸优化课程学习笔记中科大凌青老师的课(现中山大学教授):中科大-凸优化形而上学,不行退学,共勉!博客为个人手写笔记整理存档,不喜勿看. 凸优化学习笔记(一) 持续更新--
Python+cplex运筹优化学习笔记（三）-营养膳食选择
Python+cplex运筹优化学习笔记(三)-营养膳食选择前言首先呢,说明一下,本文只是自己在学习过程中运用到的例子,然后规整总结一下,随便写写自己所做的一些笔记.小白学习,有不对的地方还望大家 ...
凸优化学习笔记 11：对偶原理拉格朗日函数
前面讲了凸优化问题的定义,以及一些常见的凸优化问题类型,这一章就要引入著名的拉格朗日函数和对偶问题了.通过对偶问题,我们可以将一些非凸问题转化为凸优化问题,还可以求出原问题的非平凡下界,这对复杂优化问 ...
凸优化学习笔记：QP及SOCP问题
凸优化学习笔记:QP及SOCP问题 QP问题定义是什么几何意义 QP.QCQP.LP之间的关系例子最小二乘及回归问题多面体间距离方差定界问题基于随机费用的线性规划(考虑随机变量的优化问 ...
凸优化学习笔记 15：梯度方法
前面的章节基本上讲完了凸优化相关的理论部分,在对偶原理以及 KKT 条件那里我们已经体会到了理论之美!接下来我们就要进入求解算法的部分,这也是需要浓墨重彩的一部分,毕竟我们学习凸优化就是为了解决实际当 ...
吴恩达《机器学习》学习笔记四——单变量线性回归（梯度下降法）代码
吴恩达<机器学习>学习笔记四--单变量线性回归(梯度下降法)代码一.问题介绍二.解决过程及代码讲解三.函数解释 1. pandas.read_csv()函数 2. DataFrame ...

电网调度优化学习笔记：不考虑经济损耗的调度方式（算例代码求解）

电网调度优化学习笔记：不考虑经济损耗的调度方式（算例代码求解）相关推荐

最新文章

热门文章