python批量做线性规划（每次的约束条件参数有变换）

怼烎@ 2022-11-05 04:30 14阅读 0赞

![2021030409562670.png_pic_center][]

需要用到scipy库里面的函数

scipy.optimize.linprog(c, A\_ub=None, b\_ub=None, A\_eq=None, b\_eq=None, bounds=None, method=‘simplex’, callback=None, options=None)

代码

from scipy import optimize as op
    import numpy as np
    c=np.array([2,3,-5])
    A_ub=np.array([[-2,5,-1],[1,3,1]])
    B_ub=np.array([-10,12])
    A_eq=np.array([[1,1,1]])
    B_eq=np.array([7])
    x1=(0,7)
    x2=(0,7)
    x3=(0,7)
    res=op.linprog(-c,A_ub,B_ub,A_eq,B_eq,bounds=(x1,x2,x3))
    print(res)

c指的应该是要求最大值的函数的系数数组，A\_ub是应该是不等式未知量的系数矩阵，仔细观察的人应该发现，为什么第一行里面写的是\[-2,5,-1\]而不是\[2,5,-1\]呢，应该要与图里对应才对啊，原来这不等式指的是<=的不等式，那如果是>=呢，乘个负号就行了。A\_eq就是其中等式的未知量系数矩阵了。B\_ub就是不等式的右边了，B\_eq就是等式右边了。bounds的话，指的就是每个未知量的范围了。我们看一下结果

fun: -14.571428571428571
     message: 'Optimization terminated successfully.'
         nit: 2
       slack: array([3.85714286, 0.57142857, 6.42857143, 7.        , 0.        ])
      status: 0
     success: True
           x: array([6.42857143, 0.57142857, 0.        ])

## 批量做线性规划，每次约束条件参数有变化 ##

数据部分截图  
这是一道电网经济优化调度题。这里不讲解  
![20210304095950722.png_pic_center][]

import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    from pylab import *
    mpl.rcParams['font.sans-serif'] = ['SimHei']
    mpl.rcParams['axes.unicode_minus'] = False
    from scipy.optimize import linprog#线性规划包
    #读取数据
    file=pd.read_csv('微电网日前经济调度.csv',encoding='utf-8')
    
    
    #x[0] # 风机实时接入功率
    # x[1] # 光伏实时接入功率
    # x[2] 购电实时功率
    # x[3] 售电实时功率
    
    shuju=[]#存放目标值
    PF=[]#存放风机实时功率
    PS=[]#存放光伏实时功率
    PN=[]#存放主网实时功率
    
    #遍历每一行
    for index, row in file.iterrows():
        Pbuy = row['购电价格']
        Psell = row['售电价格']
        PF_max = row['风机kW']
        PS_max = row['光伏kW']
        PL = row['负荷kW']
        "---目标函数___"
        #（风机购电成本+光伏购电成本+微电网向主网购电费用-微电网向主网售电费用）
        #c(P0.52*x[0]+0.75*x[1]+Pbuy*x[2]-Psell*x[3])
    
        c=np.array([0.52,0.75,Pbuy,-Psell])
    
        "---不等式约束___，这里放入上下限中，不在这里书写"
    
    
        #A x[0]<=PF_max风机接入实时功率小于风机的最大功率
        # -x[0]<= 0风机接入实时功率大于等于0
        # x[1]<=PS_max 光伏接入的实时功率小于光伏的最大功率
        #-x[1]<=0光伏接入的实时功率大于0
        #A_ub=np.array([[1,0,0,0],[-1,0,0,0],[0,1,0,0],[0,-1,0,0]])
        #B_ub=np.array([PF_max,0,PS_max,0])
    
        "---等式约束___"
        #风机实时接入功率 + 光伏实时接入功率 +实时售电功率 = 实时负荷+实时购电功率
        # x[0] # 风机实时接入功率
        # x[1] # 光伏实时接入功率
        # x[2] 购电实时功率
        # x[3] 售电实时功率
    
        #x[0]+x[1]+x[2]-x[3]=PL
    
        A_eq=np.array([[1,1,1,-1]])
        B_eq = np.array([PL])
    
        x0 = (0, PF_max)#风机实时接入功率
        x1 = (0, PS_max)#光伏实时接入功率
        x2 = (0, 150)#购电实时功率
        x3 = (0, 150)#售电实时功率
    
        res = linprog(c, A_ub=None, b_ub=None, A_eq=A_eq,  b_eq=B_eq,bounds=(x0,x1,x2,x3))
        x=res.x
        shuju.append(res.fun)
        PF.append(x[0])
        PS.append(x[1])
        PN.append(PL-x[0]-x[1])
        #print(res.fun)
    
    print('总的费用',np.array(shuju).sum()*0.25)
    
    plt.plot(file['负荷kW'],'b--',label='负荷')
    plt.plot(np.array(PF),'r-',label='风机实时功率')
    plt.plot(np.array(PS),'g-.',label='光伏实时功率')
    plt.plot(np.array(PN),'c:',label='与主网交换功率')
    plt.ylabel('P/kW')
    plt.xlabel('t/0.25h')
    plt.legend()
    plt.show()

更多优化算法见链接  
[python求解带约束目标优化问题（非线性规划，粒子群，遗传，差分进化）][python]  
![在这里插入图片描述][2021030410015832.jpg_pic_center]  
作者：电气-余登武。写作不容易，点个赞再走。  
![在这里插入图片描述][20210304100241725.gif_pic_center]

[2021030409562670.png_pic_center]: /images/20221023/4428886583fa45bbb8ad761b1e0c2ea5.png
[20210304095950722.png_pic_center]: /images/20221023/57c2550501b44baa855d5011452a6b4c.png
[python]: https://blog.csdn.net/KOBEYU652453/article/details/113954067
[2021030410015832.jpg_pic_center]: /images/20221023/dd3feb64a8db4eb1b7319e06382995f3.png
[20210304100241725.gif_pic_center]: /images/20221023/7a670b30dd2e46ecb88b90bcd37cf7ed.png