PyPSA电力系统分析工具安装配置实战指南

环境适配检测清单

为什么我的PyPSA安装总是失败？ 安装前先通过以下清单检测系统兼容性：

环境兼容性矩阵

操作系统	支持版本	推荐Python版本	最低配置要求
Windows	10/11 64位	3.8-3.11	4GB内存+5GB存储
macOS	10.15+	3.8-3.11	4GB内存+5GB存储
Linux	Ubuntu 20.04+	3.8-3.11	4GB内存+5GB存储

必备依赖检测

【1/3 基础层】检查系统工具链：

#  Debian/Ubuntu系统
dpkg -l build-essential python3-dev
# 预期输出：显示已安装build-essential和python3-dev包

#  RHEL/CentOS系统
yum list installed gcc python3-devel
# 预期输出：显示已安装gcc和python3-devel包

【2/3 数据层】验证科学计算库：

python -c "import numpy, scipy, pandas"
# 预期输出：无错误信息（如有ImportError需先安装缺失库）

【3/3 图形层】确认可视化支持：

python -c "import matplotlib, plotly"
# 预期输出：无错误信息（plotly为可选依赖）

⚠️ 注意：缺少任何基础依赖都会导致安装失败，建议先通过系统包管理器解决缺失项

极速安装通道

如何选择最适合我的安装方式？ 根据网络环境和需求选择以下安装方案：

方案A：conda/mamba安装（推荐新手）

⚡️ 优势：自动解决复杂依赖，适合科学计算环境

# 创建专用环境（推荐）
conda create -n pypsa-env python=3.10 -y
conda activate pypsa-env

# 安装PyPSA主程序
conda install -c conda-forge pypsa -y

# 验证安装
python -c "import pypsa; print(f'PyPSA版本: {pypsa.__version__}')"
# 成功标志：输出类似 "PyPSA版本: 0.26.0" 的版本信息

方案B：pip安装（适合熟悉Python用户）

⚡️ 优势：轻量快速，适合已有Python环境

# 创建虚拟环境（推荐）
python -m venv pypsa-venv
source pypsa-venv/bin/activate  # Linux/macOS
# pypsa-venv\Scripts\activate  # Windows

# 安装PyPSA
pip install pypsa

# 验证安装
python -c "import pypsa; print(f'PyPSA版本: {pypsa.__version__}')"
# 成功标志：输出PyPSA版本号，无ImportError

方案C：源码安装（开发者选项）

⚡️ 优势：获取最新特性，支持修改源码

# 克隆代码仓库
git clone https://gitcode.com/gh_mirrors/py/PyPSA
cd PyPSA

# 安装开发模式
pip install -e .[all]

# 运行测试验证
pytest test/
# 成功标志：所有测试通过（出现"=== X passed in Ys ==="）

求解器功能扩展

为什么运行优化时报错"找不到求解器"？ PyPSA需要外部求解器才能进行电力系统优化计算：

求解器功能矩阵

求解器类型	适用场景	安装命令	性能评级
HiGHS	线性规划(LP)	conda install -c conda-forge highs	⭐⭐⭐⭐⭐
Cbc	混合整数规划(MIP)	conda install -c conda-forge coin-or-cbc	⭐⭐⭐
GLPK	小型LP问题	conda install -c conda-forge glpk	⭐⭐
SCIP	复杂MIP问题	conda install -c conda-forge scip	⭐⭐⭐⭐
Gurobi	大规模优化	商业许可	⭐⭐⭐⭐⭐

求解器配置验证

# 检测已安装求解器
import pypsa
solver = pypsa.Network().lopf(solver_name='highs')
print(f"使用求解器: {solver}")
# 成功标志：输出"使用求解器: highs"且无错误

⚠️ 注意：商业求解器（Gurobi/CPLEX等）需单独获取许可，学术用户可申请免费教育许可

性能调优策略

如何让PyPSA运行得更快？ 通过以下配置提升计算性能：

版本特性对比表

版本	关键优化	内存占用	速度提升	推荐场景
0.24+	稀疏矩阵优化	↓15%	↑20%	大规模网络
0.25+	并行计算支持	↑10%	↑40%	多CPU系统
0.26+	缓存机制改进	↑5%	↑30%	迭代优化

系统级优化

【内存优化】设置适当的BLAS线程数：

export OMP_NUM_THREADS=4  # 线程数不超过CPU核心数

【计算加速】启用MKL优化（conda环境）：

conda install -c conda-forge mkl

代码级调优

# 优化前：默认配置
n = pypsa.Network()
n.import_from_csv_folder("examples/networks/ac-dc-meshed/ac-dc-meshed")
n.lopf()  # 基础求解

# 优化后：性能配置
n.lopf(
    solver_name='highs',
    solver_options={
        "threads": 4,  # 使用4线程
        "time_limit": 300  # 设置超时（秒）
    }
)

图1：PyPSA模拟的交直流混合电网拓扑（红色为交流线路，绿色为直流线路）

环境迁移与离线部署

如何在无网络环境中部署PyPSA？

环境迁移指南

【1/2 导出环境】在有网络机器上：

# conda环境
conda env export > pypsa-environment.yml

# pip环境
pip freeze > requirements.txt

【2/2 导入环境】在目标机器上：

# conda环境
conda env create -f pypsa-environment.yml

# pip环境
pip install -r requirements.txt --no-index --find-links=./local-packages

离线部署方案

1. 下载离线包：

# 创建缓存目录
mkdir -p local-packages

# conda用户
conda install --download-only -c conda-forge pypsa -p ./local-packages

# pip用户
pip download pypsa -d ./local-packages

2. 离线安装：

# conda用户
conda install --offline ./local-packages/*.tar.bz2

# pip用户
pip install --no-index --find-links=./local-packages pypsa

常见问题诊疗室

安装和运行中遇到问题？ 查看以下解决方案：

安装问题

❓ 问题：ImportError: No module named 'pypsa'

✅ 解决方案：检查是否激活了正确的虚拟环境，或使用pip list | grep pypsa确认安装

❓ 问题：SolversNotFoundError

✅ 解决方案：至少安装一种优化求解器，推荐conda install -c conda-forge highs

运行问题

❓ 问题：内存溢出(MemoryError)

✅ 解决方案：1. 减少网络规模 2. 增加系统内存 3. 使用稀疏矩阵模式

❓ 问题：优化计算缓慢

✅ 解决方案：1. 升级到PyPSA 0.25+ 2. 使用商业求解器 3. 调整求解器参数

高级配置

自定义求解器路径：

import pypsa
n = pypsa.Network()
n.lopf(solver_name='gurobi', solver_options={"path": "/opt/gurobi950/linux64/bin/gurobi_cl"})

设置全局选项：

pypsa.set_options({"log_level": "INFO", "tolerance": 1e-6})

验证与学习资源

如何确认我的PyPSA环境配置正确？

运行示例网络

# 进入示例目录
cd examples/networks/ac-dc-meshed

# 运行优化示例
python -c "import pypsa; n=pypsa.Network(); n.import_from_csv_folder('ac-dc-meshed'); n.lopf(); print('优化完成')"
# 成功标志：输出"优化完成"且无错误

学习资源推荐

• 官方文档：docs/index.md
• 示例代码：examples/
• 用户指南：docs/user-guide/user-guide.md

通过以上步骤，您已完成PyPSA的完整安装与配置，可以开始电力系统分析工作了！