关于在Modelica模型中对PDE时间导数项进行离散化的可行性咨询

当然可以手动离散化时间导数项！Modelica虽然原生支持连续时间的der()算子，但也提供了明确的机制来访问变量在不同时间点的取值，完全能满足全离散PDE建模的需求。下面我会结合具体方法和例子帮你解决问题：

• 核心工具：pre()函数访问上一时间步值
  Modelica中的pre(var)函数可以获取变量var在当前时间步之前的取值（也就是t时刻的值，当前则是t+Δt时刻）。对于时间导数的向前差分离散化，我们通常用：

  dQ/dt ≈ (Q - pre(Q)) / Δt
  

  其中Δt可以是你定义的固定时间步长参数，或者用time - pre(time)自动获取当前求解器的时间步长（适合自适应步长场景）。

• 显式离散化的实现示例
  以一维热传导PDE为例，假设我们已经完成了空间维度的离散化，现在要把时间导数也手动离散：

  model FullyDiscreteHeatConduction
    // 模型参数
    parameter Real L = 1.0;          // 导热杆长度
    parameter Integer gridNum = 10; // 空间网格数
    parameter Real dx = L/gridNum;
    parameter Real dt = 0.01;       // 固定时间步长
    parameter Real k = 0.8;         // 导热系数
    parameter Real rhoCp = 1000.0;  // 密度×比热容
  
    // 离散变量：每个网格节点的热量（或温度）
    discrete Real Q[1:gridNum];
  
  initial equation
    // 初始条件：所有节点初始温度对应热量
    Q = fill(293.15, gridNum);
  algorithm
    // 每隔dt时间步更新一次变量（显式递推）
    when sample(0, dt) then
      // 内部节点的离散方程（时间+空间离散）
      for i in 2:gridNum-1 loop
        Q[i] := pre(Q[i]) + dt * (k/rhoCp) * (pre(Q[i+1]) - 2*pre(Q[i]) + pre(Q[i-1]))/dx^2;
      end for;
      // 边界条件示例：第一类固定温度边界
      Q[1] := 373.15;
      Q[gridNum] := 293.15;
    end when;
  end FullyDiscreteHeatConduction;
  

  这里用pre(Q[i])获取t时刻的Q值，通过递推计算得到t+dt时刻的Q[i]，完全替代了连续时间的der(Q)算子。

• 其他进阶方法

  • 如果你需要访问更早时间点的变量值（比如t-2Δt），可以使用delay(Q, dt)函数，它能返回变量在t-dt时刻的取值，适合多步离散格式（如二阶向后差分）。
  • 对于大规模离散系统，也可以借助Modelica的Discrete库组件，比如Discrete.FirstOrderHold来处理离散变量的采样与保持，不过手动写算法的灵活性更高。

需要注意的是，当你手动离散时间导数时，建议将相关变量声明为discrete类型，这样Modelica求解器会明确将其视为离散变量处理，避免连续/离散混合带来的求解问题。

内容的提问来源于stack exchange，提问作者Jack