Incolla il codice seguente e fai clic sul pulsante Salva
classe TransientDecisionParameter (parametro):
ยซ"ยป Restituisce uno dei due valori in base alla fase temporale corrente
Questo `Parametro` puรฒ essere usato per modellare un evento decisionale discreto
ciรฒ accade in una determinata data. Prima di questa data il ยซprimaยป
viene restituito il valore e dopo questa data viene restituito il valore ยซdopoยป.
Parametri
----------
decision_date: stringa o pandas.timestamp
La data di inizio della decisione.
before_parameter: Parametro
Il valore da utilizzare prima della data della decisione.
after_parameter: Parametro
Il valore da utilizzare dopo la data della decisione.
earliest_date: string o pandas.Timestamp o None
Prima data in cui รจ possibile impostare la variabile. Il valore predefinito รจ `model.timestepper.start`
latest_date: string o pandas.Timestamp o None
Ultima data in cui รจ possibile impostare la variabile. Il valore predefinito รจ `model.timestepper.end`
decision_freq: stringa di frequenza panda (impostazione predefinita 'AS')
La risoluzione delle date possibili. Ad esempio ยซASยป creerebbe date fattibili ogni
anno compreso tra il ยซprimoยป_data` e `ultima_data`. Vengono utilizzate le funzioni `pandas`
internamente per il calcolo della data delta.
ยซ"ยป
def __init__(sรฉ, modello, decisione_data, prima_parametro, dopo_parametro, il primo_data=nessuna, ultima_data=Nessuno, decisione_freq='as', **kwargs):
super (TransientDecisionParameter, self).__init__(modello, **kwargs)
sรฉ stesso._decisione_data = Nessuna
decisione personale_data = decisione_data
se non รจ istanza (before_parameter, Parameter):
raise ValueError ('Il valore `before` dovrebbe essere un'istanza di Parameter. ')
before_parameter.parents.add (self)
se stesso. prima_parametro = prima_parametro
se non รจ istanza (after_parameter, Parameter):
raise ValueError ('Il valore `after` dovrebbe essere un'istanza di Parameter. ')
after_parameter.parents.add (sรฉ)
se stesso dopo_parametro = dopo_parametro
# Questi parametri vengono utilizzati principalmente se questa classe viene utilizzata come variabile.
sรฉ stesso._il piรน presto possibile_data = Nessuna
sรฉ stesso. Il piรน presto_data = prima_data
sรฉ stesso._piรน recente_data = Nessuna
auto.piรน recente_data = piรน recente_data
decisione personale_freq = decisione_frequenza
sรฉ stesso._fattibile_date = Nessuna
self.dimensione_intero = 1 # Questo parametro ha una singola variabile intera
def data_decisione ():
def fget (auto):
restituire se stessi._decisione_data
def fset (self, valore):
if isinstance (value, pd.timestamp):
sรฉ stesso._decisione_data = valore
altro:
sรฉ stesso._decisione_date = pd.to_datetime (valore)
restituisci locali ()
decisione_data = proprietร (**data_decisione ())
def data_precedente ():
def fget (auto):
se stesso._il piรน presto possibile_la data non รจ Nessuna:
restituire se stessi._il piรน presto possibile_data
altro:
return self.model.timestepper.start
def fset (self, valore):
if isinstance (value, pd.timestamp):
sรฉ stesso._il piรน presto possibile_data = valore
altro:
sรฉ stesso._il piรน presto possibile_date = pd.to_datetime (valore)
restituisci locali ()
il piรน presto possibile_data = proprietร (**data_piรน recente ()
def data_ultima ():
def fget (auto):
se stesso._piรน recente_la data non รจ Nessuna:
restituire se stessi._piรน recente_data
altro:
restituisce self.model.timestepper.end
def fset (self, valore):
if isinstance (value, pd.timestamp):
sรฉ stesso._piรน recente_data = valore
altro:
sรฉ stesso._piรน recente_date = pd.to_datetime (valore)
restituisci locali ()
piรน recente_data = proprietร (**data_ultima ())
impostazione def (self):
super (transientDecisionParameter, self) .setup ()
# Ora imposta le date possibili per l'utilizzo di questo oggetto come variabile.
sรฉ stesso._fattibile_date = pd.date_intervallo (self._data, self.latest_date,
freq=self.decision_freq)
valore def (self, ts, scenario_index):
se ts รจ Nessuno:
v = sรฉ stesso. prima_parametro.get_valore (scenario_index)
elif ts.datetime >= self.decision_date:
v = auto.dopo_parametro.get_valore (scenario_index)
altro:
v = sรฉ stesso. prima_parametro.get_valore (scenario_index)
ritorno v
def get_intero_lower_bounds (self):
restituisce np.array ([0,], dtype=np.int)
def get_intero_upper_bounds (auto):
restituisce np.array ([len (self._fattibile_date) - 1,], dtype=np.int)
impostazione def_intero_variabili (self, valori):
# Aggiorna la data della decisione con la data possibile corrispondente
decisione personale_data = sรฉ._feasible_dates [valori [0]]
def get_intero_variabili (self):
restituisce np.array ([self._fattibile_date.get_loc (decisione autonoma)_data),], dtype=np.int)
def dump (auto):
dati = {
ยซprima_data': self.earliest_data.isoformat (),
'piรน recente_data': self.latest_data.isoformat (),
ยซdecisione_data': decisione personale_data.isoformat (),
ยซdecisione_frequenza': decisione personale_frequenza
}
dati di ritorno
@classmethod
def load (cls, modello, dati):
prima_parametro = carico_parametro (model, data.pop ('before_parameter'))
dopo_parametro = carico_parametro (model, data.pop ('after_parameter'))
return cls (model), prima_parametro=prima_parametro, dopo_parametro=dopo_parametro, **dati)
TransientDecisionParameter.register ()
Ora, quando si esegue questa rete in WaterStrategy, verrร registrato un TranscientDecisionParameter.
Assicurati che dopo aver salvato la tua regola personalizzata, sia visualizzata sul lato sinistro, in questo caso sotto Parametro sezione
Utilizzo del parametro TranscientDecision
In questo caso, raddoppieremo il volume massimo di Nuovo serbatoio storage node a partire da 2045-01-01
Vai a Nuovo serbatoio storage node e ModificaVolume massimo
TranscientDecisionParameter include gli attributi before_parametro e dopo_parametro che dovremo creare come segue:
Si aprirร una piccola casella di testo, quando potremo scrivere il nome del nostro nuovo PWR_PARAMETER, in questo caso
__Nuovo serbatoio__:massimo_volume precedente. Fare clic Entra. \
WaterStrategy aprirร la finestra dei parametri, incollerร il seguente codice e Salva
Come ultimo passaggio, TranscientDecisionParameter deve Proporzione iniziale del volume per il storage node poichรฉ il parametro eredita i valori iniziali dal nodo, in questo caso imposteremo 0.99
Risultati
Come possiamo vedere nella figura seguente, stiamo combinando scenari pywr utilizzando Climate Change e aumentando il volume del nostro serbatoio selezionato da 120.000 Ml a 240.000 Ml il 1ยฐ gennaio 2045.
