创建自定义规则-TranscientDesicionParameter
注册自定义规则-TranscientDesicionParameter
粘贴以下代码，然后单击 “保存” 按钮 
类瞬态决策参数（参数）：
“"” 根据当前的时间步返回两个值之一
这个 “参数” 可以用来对离散决策事件进行建模
那发生在给定的日期。在此日期之前，“之前”
返回值，并在此日期之后返回 “之后” 值。
参数
----------
decision_date：字符串或 Pandas.Timestamp
决定的触发日期。
before_parameter
在决策日期之前使用的值。
after_parameter：参数
决策日期之后要使用的值。
earliest_date：字符串或 Pandas.Timestamp 或 None
可以将变量设置为的最早日期。默认为 model.timestepper.start
latest_date：字符串或 Pandas.Timestamp 或 None
可以将变量设置为的最新日期。默认为 model.timestepper.end
decision_freq：熊猫频率字符串（默认为 'AS'）
确定可行日期。例如，“AS” 每隔一段时间都会创建可行的日期
介于 “最早” 之间的年份_日期`和`最新_日期`。使用了 `pandas` 函数
内部用于增量日期计算。
“”
def __初始化__（自我、模特、决策_日期，之前_参数，之后_参数，最早_日期 = 无，最新_日期=无，决定_freq='as'，**kwargs）：
super（瞬态决策参数，自我）。__初始化__（型号，**kwargs）
自我。_决定_日期 = 无
自我决定_日期 = 决定_约会
如果不是 isinstance（before_parameter，参数）：
raise ValueError（'之前的值应该是参数实例。'）
before_parameter.parameter.parameter.p
自我。之前_参数 = 之前_参数
如果不是 isinstance（after_parameter，参数）：
raise ValueError（'之后值应该是参数实例。'）
after_parameter.parameter.parameter.param
自我。之后_参数 = 之后_参数
# 如果将该类用作变量，则主要使用这些参数。
自我。_最早_日期 = 无
最早的自己_日期 = 最早_约会
自我。_最新_日期 = 无
自我。最新_日期 = 最新_约会
自我决定_频率 = 决定_频率
自我。_可行_日期 = 无
self.integer_size = 1 # 此参数只有一个整数变量
def decision_date ():
def fget（自我）：
回归自我。_决定_约会
def fset（自我，价值）：
if 是实例（值，PD.Timestamp）：
自我。_决定_日期 = 值
否则：
自我。_决定_日期 = pd.to_datetime（值）
返回本地人 ()
决定_日期 = 属性 (**决策日期 ()
def earliest_date ():
def fget（自我）：
如果是自我。_最早_日期不是 “无”：
回归自我。_最早_约会
否则：
返回 self.model.timestepper.start
def fset（自我，价值）：
if 是实例（值，PD.Timestamp）：
自我。_最早_日期 = 值
否则：
自我。_最早_日期 = pd.to_datetime（值）
返回本地人 ()
最早_日期 = 属性 (**earliest_date ())
def latest_date ():
def fget（自我）：
如果是自我。_最新_日期不是 “无”：
回归自我。_最新_约会
否则：
返回 self.model.timestepper.end
def fset（自我，价值）：
if 是实例（值，PD.Timestamp）：
自我。_最新_日期 = 值
否则：
自我。_最新_日期 = pd.to_datetime（值）
返回本地人 ()
最新_日期 = 属性 (**latest_date ())
def 设置（自我）：
super（瞬态决策参数，自我）.setup ()
# 现在设置此对象用作变量的可行日期。
自我。_可行_日期 = pd.date_范围（self.earliest_日期，self.latest_date，
freq=self.decision_freq)
def 值（self、ts、scenario_index）：
如果 ts 为无：
v = self.before_参数.get_值（场景索引）
elif ts.datetime >= self.decision_date:
v = self.after_参数.get_值（场景索引）
否则：
v = self.before_参数.get_值（场景索引）
返回 v
def get_整数_lower_bounds（自我）：
返回 np.array ([0,], dtype=np.int)
def get_整数_upper_bounds（自我）：
返回 np.array ([len (self._可行_日期)-1,], dtype=np.int)
def 设置_整数_变量（自我、值）：
# 使用相应的可行日期更新决策日期
自我决定_日期 = 自我._feasible_dates [值 [0]]
def get_整数_变量（自我）：
返回 np.array ([self._可行_dates.get_loc (self.decision)_日期),], dtype=np.int)
def dump（自身）：
数据 = {
'最早_日期': self.earliess_date.isoformat ()，
'最新_日期': self.latest_date.isoformat ()，
'决定_日期': self.decision_date.isoformat ()，
'决定_频率': self.decision_频率
}
返回数据
@classmethod
def 负载（cls、模型、数据）：
以前_参数 = 加载_参数（模型，data.pop（'before_parameter'））
之后_参数 = 加载_参数（模型，data.pop（'after_parameter'））
返回 cls（模型，之前_参数=之前_参数，之后_参数=之后_参数，**数据）
瞬态决策参数 .register ()
现在，在 WaterStrategy 中运行这个网络时，将注册 TranscientDecisionParameter。
保存自定义规则后，请确保它显示在左侧，在本例中为 参数 部分
使用 TranscientDesicion 参数
在这种情况下，我们将把最大音量增加一倍 新水库 storage node 从 2045-01-01-01-01开始
前往 新水库 storage node 和 “编辑” 最大音量
在里面选择 选项 选项卡 PYWR_参数
粘贴以下代码，然后单击 保存
{
“类型”：“瞬态决策参数”，
“之后_参数”:”__新水库__:max_之后的音量”，
“之前_参数”:”__新水库__:max_之前的音量”，
“决策日期”：“2045-01-01-__1234567890____”，
“最新日期”：“2045-01-01-__1234567890____”
}TranscientDesicion参数包含 “之前” 的属性_参数和之后_参数`我们必须按如下方式创建：
当我们可以写下新名字时，会打开一个小文本框 PWR_参数，在本例中为 __新水库__:max_之前的音量。 点击 输入。\
WaterStrategy 将打开参数窗口，粘贴以下代码然后 保存
__新水库__:max_之前的音量：
{
“类型”：“常量参数”，
“值”：120000
}
重复操作以创建参数后的最大音量
__新水库__:max_之后的音量：
{
“类型”：“常量参数”，
“值”：240000
}作为最后一步，TranscientDesicion参数需要 初始体积比例 对于 storage node 作为参数继承节点的初始值，在这种情况下，我们将设置为 0.99
结果
正如我们在下图中看到的那样，我们正在使用气候变化合并pywr情景，并在1月1日将所选水库的体积从120.000增加到240.2__1234567890__________ml 2045。
Last updated
Was this helpful?