راهنمای جامع بهینه‌سازی با Pyomo و پایتون

این کتاب و جزوه آموزشی برای مهندسین، پژوهشگران و دانشجویانی طراحی شده است که قصد دارند مسائل بهینه‌سازی پیچیده صنعتی، به‌ویژه در حوزه‌های مهندسی برق و سیستم‌های قدرت را با استفاده از زبان برنامه‌نویسی پایتون و فریمورک متن‌باز Pyomo مدل‌سازی و حل کنند. اگر تازه با مفاهیم پایه‌ی مدل‌سازی بهینه‌سازی آشنا می‌شوید، دوره مدل‌سازی مسائل بهینه‌سازی پیش‌زمینه‌ی خوبی پیش از این راهنما فراهم می‌کند.

سرفصل مطالب کتاب

فصل اول: مبانی مدل‌سازی ریاضی و بهینه‌سازی

• آشنایی با مفاهیم پایه‌ای بهینه‌سازی (متغیرهای تصمیم، تابع هدف، محدودیت‌ها)
• دسته‌بندی مسائل (LP, MILP, NLP, MINLP)
• نقش سالورها (Solvers) و نحوه ارتباط آن‌ها با مدل‌ساز

فصل دوم: شروع کار با فریمورک Pyomo

• نصب و پیکربندی محیط پایتون و سالورهای CBC, GLPK, IPOPT و HiGHS
• ساختار یک اسکریپت ساده بهینه‌سازی در Pyomo
• تعریف مجموعه‌ها (Sets)، پارامترها (Parameters) و متغیرهای تصمیم (Variables)

فصل سوم: مدل‌سازی پیشرفته و توابع هدف پیچیده

• استفاده از عبارت‌پردازی‌های جبری در Pyomo
• تعریف محدودیت‌های شرطی و متغیرهای باینری (Binary Variables)
• مدیریت داده‌ها با پانداس (Pandas) و اتصال به فایل‌های اکسل و CSV

فصل چهارم: کاربرد در سیستم‌های قدرت (Optimal Power Flow - OPF)

• مدل‌سازی پخش بار بهینه خطی (DC-OPF)
• شبیه‌سازی روی شبکه نمونه استاندارد IEEE 33-bus
• تحلیل تلفات شبکه و بهینه‌سازی توان راکتیو

اگر می‌خواهید فراتر از پارامترهای قطعی بروید و عدم‌قطعیت تقاضا یا تولید تجدیدپذیر را هم در این مدل‌ها وارد کنید، دوره مدل‌سازی عدم‌قطعیت گام بعدی طبیعی است.

فصل پنجم: عیب‌یابی و بهینه‌سازی عملکرد

• شناسایی خطاهای ناپایداری و ناسازگاری مدل (Infeasible Models)
• تکنیک‌های افزایش سرعت حل در مقیاس‌های بزرگ صنعتی
• استخراج نتایج و مصورسازی با Matplotlib

---

دریافت فایل‌ها و کدهای نمونه

تمامی کدهای پایتون و اسکریپت‌های نمونه این کتاب در مخزن گیت‌هاب پروژه به آدرس زیر قابل دسترسی است: مخزن گیت‌هاب پروژه

کاربرد آموزشی و صنعتی

این پکیج پایتون در دوره پیشرفته بهینه‌سازی سیستم‌های قدرت به‌صورت پروژه‌محور آموزش داده شده است.