使用 GEKKO 的预测控制模型

我正在对 MPC 进行建模，以将建筑物的温度保持在给定的时间间隔内，同时最大限度地减少能耗。我正在使用 GEKKO 来建模我的算法。

我编写了以下代码。首先，我使用输入数据（干扰：外部温度和控制）和输出 y （温度）来确定我的模型。然后，我构建了一个 ARX 模型（使用 GEKKO 中的 arx 函数。这是我的代码：

# Import library 
import numpy as np
import pandas as pd
import time

# Initialize Model

ts = 300
t = np.arange(0,len(data_1)*ts, ts)
u_id = data_1[['T_ext','beta']]
y_id = data_1[['T_int']]

# system identification

#meas : the time-series next step is predicted from prior measurements as in ARX

na=5; nb=5 # ARX coefficients
print('Identify model')
start = time.time()
yp,p,K = m.sysid(t,u_id,y_id,na,nb,objf=100,scale=False,diaglevel=0,pred='meas')
print('temps de prediction :'+str(time.time()-start)+'s')

#%% create control ARX model

T_externel = np.array([5.450257,5.448852,5.447447,5.446042,5.444637,5.443232,5.441826,5.440421,5.439016, 
                       5.440421,5.437610,5.436205,5.434799,5.433394,5.431988,5.430583,5.429177,5.427771,
                        5.426365, 5.424959, 5.423553  ])

m = GEKKO(remote=False)
m.y = m.Array(m.CV,1)
m.u = m.Array(m.MV,2)
m.arx(p,m.y,m.u)

# rename CVs
m.T = m.y[0]

# rename MVs
m.beta = m.u[1]

# distrubance  
m.d = m.u[0] 


# distrubance and parametres 
m.d = m.Param(T_externel)   

# lower,heigh bound for MV
TL = m.Param(values = 16)
TH = m.Param(values = 18)
    

# steady state initialization
m.options.IMODE = 1
m.solve(disp=False)

# set up MPC
m.options.IMODE   = 6 # MPC
m.options.CV_TYPE = 2 # the objective is an l2-norm (squared error)
m.options.NODES   = 2 # Collocation nodes
m.options.SOLVER  = 1 # APOPT
m.time = np.arange(0,len(T_externel)*300,300) # step time = 300s


# Manipulated variables
m.beta.STATUS = 1  # calculated by the optimizer
m.beta.FSTATUS = 1 # use measured value
m.beta.DMAX = 1.0  # Delta MV maximum step per horizon interval
m.beta.DCOST = 2.0 # Delta cost penalty for MV movement
m.beta.UPPER = 1.0 # Lower bound
m.beta.LOWER = 0.0
m.beta.MEAS = 0    # set u=0


# Controlled variables
m.T.STATUS = 1        # drive to set point
m.T.FSTATUS = 1       # receive measurement
m.T.options.CV_TYPE=2 # the objective is an l2-norm (squared error)
m.T.SP = 17           # set point


TL.values = np.ones(len(T_externel))*16
TH.values = np.ones(len(T_externel))*18
m.T.value = 17 # Temprature starts at 17

for i in range(len(T_externel)):
    m.d = T_externel[i]
    m.solve(disp = False)
    
    if m.options.APPSTATUS == 1:
        # Retrieve new values
        beta  = m.beta.NEWVAL

    else:
        # Solution failed
        beta  = 0.0

我收到以下错误：

  File c:\algoritmempc\gekko_mpc.py:84
    m.arx(p,m.y,m.u)

ValueError: operands could not be broadcast together with shapes (2,) (0,) 

我还有另一个问题。由于我的输入之一是干扰，所以我不确定我声明变量的方式是否正确（我想自己提供干扰）。

错误信息表明正在尝试对具有不兼容形状的数组执行操作。具体而言，似乎在尝试将形状为 (2,) 的数组与形状为 (0,) 的数组一起使用。这表明其中一个数组为空，在尝试执行类似广播或逐元素运算的操作时，这会导致问题。

以下是的代码中可能出现此错误的一些可能原因：

1. m.sysid() 返回的 p 的形状不正确。 这可能是由于提供的输入数据 ( t 、 u_id 和 y_id ) 或选择的 na 和 nb 的值造成的。请确保的输入数据形状正确，并且为模型选择了适当的阶数。可能希望尝试使用不同的阶数值或不同的系统识别方法。
2. m.u 的初始化不正确。 正在使用 m.Array(m.MV, 2) 创建 m.u ，但这可能会创建不兼容的形状。尝试使用更明确的初始化，例如 m.u = [m.MV(value=0), m.MV(value=0)] 。
3. GEKKO 版本不兼容。 较旧版本的 GEKKO 在处理 arx 函数和多输入系统方面存在一些问题。请确保使用的是最新版本的 GEKKO。可以使用 pip install --upgrade gekko 进行更新。

对于的第二个问题，似乎正在以正确的方式声明干扰。通过将 m.d 定义为 m.Param 并为其分配外部温度值，可以在预测控制问题中将其作为已知的外部干扰。

以下是关于如何修复代码的建议：

1. 检查 p 的形状。 在调用 m.sysid() 后，打印 p 的形状并确保它与的预期相符。如果它为空或具有意外的形状，则需要调查系统识别步骤。
2. 修改 m.u 的初始化。 如上所述，尝试使用更明确的初始化来确保 m.u 具有正确的形状。
3. 更新 GEKKO。 确保使用的是最新版本的 GEKKO。

如果在尝试这些建议后仍然遇到问题，请提供以下信息的更多上下文：

• data_1 数据框的结构和内容。
• p 、 m.y 和 m.u 的形状，在调用 m.arx() 之前。
• 正在使用的 GEKKO 版本。

借助这些信息，我可以为提供更具体的帮助来解决的问题。