时间戳

首页 > 解决方案 > 创建 Pyomo 约束的性能

python - 创建 Pyomo 约束的性能

问题描述

我正在用 pyomo 设置一个很大的能量优化问题。正如其他问题中提到的那样，设置花费了不合理的时间，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，该流程包括所有元素的总和。所以我决定重写流变量的创建方式，使它们包含所有元素的索引，希望这会改善这种情况。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，这仍然需要我的模型设置时间的 65%。

我把它分解成一个嵌套的 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”花费在最后两行。链接快速总和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，因此它不再工作了。我也无法弄清楚它会如何使用。

关于如何提高模型生成性能的任何建议？

标签： pythonpyomo

解决方案

好吧，事实证明问题出在切片上。

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制定将我的模型创建速度提高了大约 60%。我发现了另外两个地方我做了类似的重新制定。我现在从优化前的 120s 下降到 7s 左右。

推荐阅读