提问者:小点点

创建Pyomo约束的性能


我用pyomo设置了一个更大的能量最佳化问题。设置花费了不合理的时间,如其他问题中提到的,但是我设法加快了大多数有问题的线路,除了能量流限制。

与所有其他约束相反,流包括所有元素的总和。所以我决定重写流变量的创建方式,这样它们就包括了所有元素的索引,希望这能改善这种情况。我的代码现在看起来像这样:

def flows(model, et, t):
return pyo.quicksum(model.in_flow[:, et, t], 
                    linear=True,
                    start=pyo.quicksum(model.out_flow[:, et, t], 
                                       linear=True)
                    ) == 0

model.add_component("flows", 
                    pyo.Constraint(model.energy_type, 
                                   model.t, 
                                   rule=flows)
                   )

然而,这仍然需要65%的模型设置时间。

我将其分解为一个嵌套的for循环,只是为了看看谁花时间:

for t in model.t:
    for et in model.energy_type:
        e = model.in_flow[:, et, t]
        f = model.out_flow[:, et, t]
        es = pyo.quicksum(e)
        fs = pyo.quicksum(f)

这需要大约相同的运行时间,并且“全部”都花费在最后两行中。将quicksums链接起来并设置线性标志会带来一些小的改进,但没有实质性的改进。PyPSA的共享代码仍然使用旧的coopr3表达式生成器,因此不再工作。我也不知道如何使用它。

关于如何提高模型生成性能的任何建议?


共1个答案

匿名用户

原来问题出在切片上。

def flows(model, et, t):
    vars = [model.in_flow[obj, et, t] for obj in model.objects_index]
    vars.extend([model.out_flow[obj, et, t] for obj in model.objects_index])
    return pyo.quicksum(vars) == 0

这种约束规则的重新模拟将我的模型创建速度提高了大约60%。我找到了另外两个地方,在那里我做了类似的重新表述。我现在从优化前的120秒下降到大约7秒。