需要用到scipy庫里面的函數(shù)

scipy.optimize.linprog(c, A_ub=None, b_ub=None, A_eq=None, b_eq=None, bounds=None, method=‘simplex’, callback=None, options=None)

代碼

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指的應(yīng)該是要求最大值的函數(shù)的系數(shù)數(shù)組，A_ub是應(yīng)該是不等式未知量的系數(shù)矩陣，仔細(xì)觀察的人應(yīng)該發(fā)現(xiàn)，為什么第一行里面寫的是[-2,5,-1]而不是[2,5,-1]呢，應(yīng)該要與圖里對(duì)應(yīng)才對(duì)啊，原來這不等式指的是<=的不等式，那如果是>=呢，乘個(gè)負(fù)號(hào)就行了。A_eq就是其中等式的未知量系數(shù)矩陣了。B_ub就是不等式的右邊了，B_eq就是等式右邊了。bounds的話，指的就是每個(gè)未知量的范圍了。我們看一下結(jié)果

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

批量做線性規(guī)劃，每次約束條件參數(shù)有變化

數(shù)據(jù)部分截圖
這是一道電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度題。這里不講解

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#線性規(guī)劃包 #讀取數(shù)據(jù) file=pd.read_csv('微電網(wǎng)日前經(jīng)濟(jì)調(diào)度.csv',encoding='utf-8')#x[0] # 風(fēng)機(jī)實(shí)時(shí)接入功率 # x[1] # 光伏實(shí)時(shí)接入功率 # x[2] 購電實(shí)時(shí)功率 # x[3] 售電實(shí)時(shí)功率shuju=[]#存放目標(biāo)值 PF=[]#存放風(fēng)機(jī)實(shí)時(shí)功率 PS=[]#存放光伏實(shí)時(shí)功率 PN=[]#存放主網(wǎng)實(shí)時(shí)功率#遍歷每一行 for index, row in file.iterrows():Pbuy = row['購電價(jià)格']Psell = row['售電價(jià)格']PF_max = row['風(fēng)機(jī)kW']PS_max = row['光伏kW']PL = row['負(fù)荷kW']"---目標(biāo)函數(shù)___"#（風(fēng)機(jī)購電成本+光伏購電成本+微電網(wǎng)向主網(wǎng)購電費(fèi)用-微電網(wǎng)向主網(wǎng)售電費(fèi)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])"---不等式約束___，這里放入上下限中，不在這里書寫"#A x[0]<=PF_max風(fēng)機(jī)接入實(shí)時(shí)功率小于風(fēng)機(jī)的最大功率# -x[0]<= 0風(fēng)機(jī)接入實(shí)時(shí)功率大于等于0# x[1]<=PS_max 光伏接入的實(shí)時(shí)功率小于光伏的最大功率#-x[1]<=0光伏接入的實(shí)時(shí)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])"---等式約束___"#風(fēng)機(jī)實(shí)時(shí)接入功率 + 光伏實(shí)時(shí)接入功率 +實(shí)時(shí)售電功率 = 實(shí)時(shí)負(fù)荷+實(shí)時(shí)購電功率# x[0] # 風(fēng)機(jī)實(shí)時(shí)接入功率# x[1] # 光伏實(shí)時(shí)接入功率# x[2] 購電實(shí)時(shí)功率# x[3] 售電實(shí)時(shí)功率#x[0]+x[1]+x[2]-x[3]=PLA_eq=np.array([[1,1,1,-1]])B_eq = np.array([PL])x0 = (0, PF_max)#風(fēng)機(jī)實(shí)時(shí)接入功率x1 = (0, PS_max)#光伏實(shí)時(shí)接入功率x2 = (0, 150)#購電實(shí)時(shí)功率x3 = (0, 150)#售電實(shí)時(shí)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.xshuju.append(res.fun)PF.append(x[0])PS.append(x[1])PN.append(PL-x[0]-x[1])#print(res.fun)print('總的費(fèi)用',np.array(shuju).sum()*0.25)plt.plot(file['負(fù)荷kW'],'b--',label='負(fù)荷') plt.plot(np.array(PF),'r-',label='風(fēng)機(jī)實(shí)時(shí)功率') plt.plot(np.array(PS),'g-.',label='光伏實(shí)時(shí)功率') plt.plot(np.array(PN),'c:',label='與主網(wǎng)交換功率') plt.ylabel('P/kW') plt.xlabel('t/0.25h') plt.legend() plt.show()

更多優(yōu)化算法見鏈接
python求解帶約束目標(biāo)優(yōu)化問題（非線性規(guī)劃，粒子群，遺傳，差分進(jìn)化）

作者：電氣-余登武。寫作不容易，點(diǎn)個(gè)贊再走。

總結(jié)

以上是生活随笔為你收集整理的python批量做线性规划（每次的约束条件参数有变换）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。