Optimization 用于预冷的cvxpy优化？ 基于扩展温度设定点的实时价格预冷 费率=（df_jul1rate[‘费率’）#实时价格（RTP） C_reg_s=pd.系列（df_夏季负荷['冷却终端使用能源]）#冷却负荷曲线 C_precool=cp.Variable（len（C_reg_s）） 成本费用=总和（C费用*费率） 打印（总和（C_reg_s））#kwh/天RTP冷却不受控 打印（成本登记）#RTP成本/天 s=10#预冷/加热极限（kwh） 小时=24小时 班次=pd.系列（[s]*小时） 成本_opt _s=（总和（cp.multiply（C_precool，Rate _s））） 目标=成本最小化（成本选择） 约束=[] 对于范围（0，len（C_reg_s））内的i： 约束+=[ C#U预冷[i]=C#U reg#U s[i]-移位[i]，#延迟冷却 C_precool[i]>=0， sum（C_precool）=sum（C_reg_s）#最佳延迟/预冷却必须等于常规冷却 prob=cp.问题（目标、约束） 问题解决 打印（总和（C_预冷）） 打印（C_预冷值） 打印（成本选择价值）

代码返回以下值，而不是为每个时间步优化最小值。费率变量是一系列成本值。有人能帮忙吗

var0[0]+var0[1]+var0[2]+var0[3]+var0[4]+var0[5]+var0[6]+var0[8]+var0[9]+var0[10]+var0[11]+var0[12]+var0[13]+var0[14]+var0[15]+var0[16]+var0[17]+var0[18]+var0[21]+var0[22]+var0[23] 没有一个 没有

#PRE COOLING FOR REAL TIME PRICE BASED ON EXPANDED TEMPERATURE SETPOINT (s)
Rate_s = (df_jul1rate['Rate']) #real time price (RTP)
C_reg_s = pd.Series(df_summerloads['Cooling end-use energy']) #load profile for cooling

C_precool = cp.Variable(len(C_reg_s))
Cost_reg_s = sum(C_reg_s*Rate_s)
print(sum(C_reg_s)) #kwh/day cooling uncontrolled for RTP
print(Cost_reg_s) #cost/day cooling uncontrolled for RTP

s = 10 #pre-cooling/heating limit in kwh
hours = 24 
Shift = pd.Series([s]*hours)

Cost_opt_s = (sum(cp.multiply(C_precool, Rate_s)))

objective = cp.Minimize(Cost_opt_s)

constraints = []

for i in range (0,len(C_reg_s)):
     constraints += [
         C_precool[i] <= C_reg_s[i] + Shift[i], #pre cooling
         C_precool[i] >= C_reg_s[i] - Shift[i], #delay cooling
         C_precool[i] >= 0,
         sum(C_precool) == sum(C_reg_s)] #optimal delayed/pre cooling must equal regular cooling

prob = cp.Problem(objective, constraints)
prob.solve

print(sum(C_precool))
print(C_precool.value)
print(Cost_opt_s.value)