Python 如何在最优控制中限制SoC？

我正试图建立这个生理模型。我想模拟运动员的恢复，这类似于电动汽车的充电状态。 我不确定如何限制100%SoC

我遇到的问题是，问题变得非常严重，因为我需要获得以前的SoC来测量当前的SoC。此外，我不确定如何模拟放电率与充电率不相同的事实。 多谢各位

#卸料
W'Exp=（P-CP）*dt
soc=soc-W'Exp
#如果数据点的功率低于CP或CV，则W'重新组合：
W'Rec=（CP-P）*dt
费率=（W'-W'Bal）/W'
soc=soc+W'Rec*速率

对于第一个问题，我想SOC是一个变量。变量的上限和下限可设置如下：

m = GEKKO()    
SOC = m.Var(10, lb=0, ub=100)

10是SOC的初始值。

---

对于第二个问题，是否给出了

P，CP，W'Bal

？

查看一个Gekko实现的简单能量存储模型，该模型被发现为一个。您可以为运动员修改此模型

将numpy导入为np
将matplotlib.pyplot作为plt导入
将matplotlib.ticker作为mtick导入
从gekko进口gekko
m=GEKKO（远程=False）
t=np.linspace（0,24,24*3+1）
m、 时间=t
m、 options.SOLVER=1
m、 options.IMODE=6
m、 options.NODES=3
m、 options.CV_TYPE=1
m、 options.MAX_ITER=300
p=m.FV（）#生产
p、 状态=1
s=m.Var（100，磅=0）#存储库存
存储=m.SV（）#存储能量率
vy=m.SV（lb=0）#存储松弛变量
恢复=m.SV（）#恢复能量率
vx=m.SV（lb=0）#恢复松弛变量
每股收益=0.7
d=MV（-20*np.sin（np.pi*t/12）+100）
m、 定期的
m、 方程（[p+恢复/eps-存储>=d，
p-d==vx-vy，
商店==p-d+vy，
恢复==d-p+vx，
s、 dt（）==存储-恢复/eps，
存储*恢复