《区域燃气管网系统建模与多目标优化》本科能源与动力工程专业四年级教案

《区域燃气管网系统建模与多目标优化》本科能源与动力工程专业四年级教案

  一、教学理念与课程定位

  本教学设计以《华盛顿协议》国际工程教育专业认证的“产出导向”（OBE）理念为核心框架，深度融合“新工科”建设中对复合型、创新型人才培养的内在要求。课程定位于本科能源与动力工程专业四年级的核心专业方向课，旨在引导学生从系统的、动态的、跨学科的视角，解决城市能源基础设施领域的复杂工程问题。教学全过程贯穿“以学生为中心”的建构主义学习观，强调在真实或高度仿真的工程情境中，通过项目式学习（PBL）、探究式学习和协作学习，促进学生将流体力学、工程热力学、传热学、技术经济学、运筹学及计算机编程等多学科知识进行有机整合与高阶应用。课程不仅是专业知识传授的终点，更是培养学生工程伦理、可持续发展意识、系统思维和数字化设计与优化能力的起点，为其未来从事能源系统规划、设计、运行管理或继续深造奠定坚实的综合能力基础。

  二、教学目标

  依据布鲁姆教育目标分类学修订版，从认知、技能、情感三个维度设定本单元（总计16学时）的立体化教学目标。

  （一）认知目标

  1.能够阐释区域燃气管网系统的基本构成、水力与热力工况特点，以及“优化设计”相对于传统“安全设计”的内涵延伸与价值提升。

  2.能够辨析并论述燃气管网稳态与动态模拟的数学物理基础（如连续性方程、动量方程、状态方程、管网拓扑结构矩阵表达），理解其边界条件与求解策略。

  3.能够分析并评价影响管网系统经济性（投资与运行成本）、可靠性（供气保证率、冗余度）、安全性（压力安全域、泄漏风险）及能效（输配能耗）等多目标性能的关键设计变量与运行参数。

  4.能够阐述多目标优化理论的基本思想，对比分析经典优化算法（如线性/非线性规划）与智能优化算法（如遗传算法、粒子群算法）在求解管网优化问题中的适用性、优势与局限。

  （二）技能目标

  1.能够熟练运用至少一款专业工程仿真软件（如SPS，TGNET，或开源替代工具如EPANETforgas）或自主编程（如PythonwithSciPy库），建立中等复杂度的区域枝状与环状燃气管网稳态水力计算模型，并进行工况模拟分析。

  2.能够针对给定的工程背景（如新区规划、老旧管网改造），识别关键优化目标与约束条件，并将其形式化为具体的数学模型（目标函数与约束方程组）。

  3.能够应用或改编多目标优化算法求解模块，对管网管径配置、调压站布局、储气设施容量等设计变量进行优化计算，并生成帕累托前沿（ParetoFront）。

  4.能够基于帕累托解集，综合技术、经济、政策等因素，运用恰当的决策方法（如TOPSIS，熵权法）提出推荐方案，并撰写结构完整、论证严谨、图表规范的优化设计分析报告。

  （三）情感与态度目标

  1.树立“安全、经济、可靠、绿色”协同优化的现代工程设计价值观，培养严谨求实、精益求精的工程素养。

  2.在小组项目协作中，提升沟通协调、团队合作与领导能力，学会尊重多元观点，共同应对挑战。

  3.增强对能源基础设施作为城市生命线工程重要性的认识，培养社会责任感和工程伦理意识，理解设计方案对社会、环境产生的长远影响。

  三、学情分析

  教学对象为能源与动力工程专业大四年级学生。他们已经完成了《工程流体力学》、《工程热力学》、《传热学》、《燃烧学》、《泵与风机》等专业基础课，以及《燃气输配》、《热力发电厂系统》或类似的专业核心课学习，具备了必要的流体网络分析、热力计算和能源系统基础知识。在技能层面，大部分学生已掌握MATLAB或Python的基本编程技能，以及AutoCAD等工程绘图软件的初级应用能力。然而，其知识结构仍呈现“碎片化”特征，缺乏将多门课程知识整合应用于解决复杂系统工程问题的经验。在认知层面，学生习惯于求解有标准答案的确定性问题，面对多目标、多约束、存在大量不确定性因素的开放式工程优化问题，容易产生畏难情绪或思维局限。在情感层面，四年级学生面临毕业设计、升学或就业的压力，对能够直接提升其解决实际问题能力和求职竞争力的高阶、综合性课程内容有较高的学习动机和期待。因此，本教学设计需提供清晰的“脚手架”，从已知到未知，从简单到复杂，通过成功的小项目体验激发其内在动力，并引导其完成从“知识学习者”到“问题解决者”的角色初步转变。

  四、教学内容与重难点

  （一）教学内容模块

  模块一：现代燃气系统设计理念演进与优化问题界定（2学时）。内容：从保障安全供应到追求综合效能最优的范式转变；全生命周期成本概念；多目标优化问题的数学描述（目标空间、决策空间、约束条件）；典型燃气系统优化设计问题分类（规划阶段、运行调度阶段）。

  模块二：燃气管网系统建模理论与方法（4学时）。内容：管网拓扑的图论表示（节点-支路关联矩阵）；气体流动控制方程组（稳态、准稳态、动态）；管道摩阻系数计算（科尔布鲁克公式等）；边界条件（气源、负荷、压力、流量）设定；节点法与回路法求解原理；仿真软件实操入门。

  模块三：多目标优化理论基础与算法概览（4学时）。内容：帕累托最优性定义；凸性与非凸性；标量化方法（加权和法、约束法）及其局限；经典多目标进化算法原理（以NSGA-II为重点）；算法性能评价指标（间距、覆盖率、解集分布性）。

  模块四：综合项目实践：某工业园区燃气管网扩建优化设计（6学时，贯穿全程）。内容：以真实案例为背景，学生分组完成从数据收集与简化、模型建立、算法选择与实施、优化求解、结果分析到方案比选与报告撰写的全过程。

  （二）教学重点

  1.燃气管网水力模型的准确建立与求解验证。这是所有优化分析的基础，模型失真将导致优化结果失去工程意义。

  2.多目标优化问题从工程描述到数学模型的转化能力。培养学生抽象与形式化问题的核心技能。

  3.NSGA-II等算法的原理理解及其在具体问题中的参数调整与应用。这是实现优化计算的技术关键。

  （三）教学难点

  1.复杂管网系统多目标之间内在冲突性的理解与权衡。如何引导学生超越单一目标思维，建立系统权衡观念。

  2.优化算法“黑箱”使用的超越。理解算法参数（种群大小、交叉变异概率等）对求解性能的影响，避免盲目套用。

  3.在不确定性因素（如负荷预测误差、气源价格波动）下对优化方案进行鲁棒性分析与讨论。这是从理想模型走向工程现实的关键一步。

  五、教学策略与方法

  为实现教学目标、突破重难点，采用“理论引领-案例驱动-项目贯通-技术赋能”四位一体的混合式教学策略。

  1.混合式学习组织：利用在线课程平台（如SPOC）发布预习材料（理论微视频、文献、软件教程）、进行课前测验、提供仿真软件和编程环境资源链接。线下课堂时间主要用于重难点深度研讨、案例精讲、小组项目工作坊和即时反馈。

  2.案例教学法（CBL）：精选国内外典型工程案例（如某生态新城分布式能源燃气管网优化、某大型城市高压环网储气调峰优化），贯穿于各理论模块，使抽象概念具象化。

  3.基于项目的学习（PBL）：以“工业园区管网扩建优化设计”作为锚定项目，将整个课程的知识点有机串联。项目分阶段发布任务书，引导学生像工程师一样工作。

  4.协作学习与同伴互评：学生以3-4人小组形式完成项目，促进知识共享与技能互补。设置方案互评环节，培养批判性思维和评价能力。

  5.数字化工具深度整合：将专业仿真软件、编程平台（JupyterNotebook）、数据可视化工具、协同文档编辑等作为学习的基本环境，提升数字化设计与分析素养。

  六、教学实施过程（详细阐述，共16学时）

  本教学实施过程按照“课前准备-课中深化-课后拓展”的循环模式组织，以四次线下课（每次4学时）为主要节点展开。

  （一）第一阶段：问题导入与基础构建（第1-4学时）

  课前在线任务：

  学生通过平台观看关于“城市燃气系统面临的挑战与智能化发展趋势”的导论视频，阅读一份简化的老旧管网改造可行性研究报告摘要。完成在线问卷：列出报告中涉及的至少三个相互冲突的设计考量（如成本vs.可靠性）。预习管网水力计算基本公式。

  课中实施：

  1.情境导入与认知冲突创设（30分钟）。教师展示两张图片：一张是传统单一气源枝状管网图，一张是互联互通的环状多气源智慧管网示意图。提问：“如果您的任务是设计第二张图中的系统，您会考虑哪些方面的性能？这些性能要求之间可能存在什么矛盾？”通过小组讨论和分享，引出“多目标优化”的核心课题。随后介绍一个因优化设计不当导致运行成本高昂或可靠性不足的实际工程教训案例，强化学习价值。

  2.核心理论精讲：从单目标到多目标（60分钟）。首先快速回顾单目标优化（如最短路径）的数学模型。然后，以一个极度简化的“两管段管网设计”为例，仅考虑管径选择，目标为“投资成本最小”和“末端压力最高”。通过枚举几个可行方案，在成本-压力坐标图上描点，直观展示“此消彼长”的关系，引出“帕累托最优解”“支配关系”“帕累托前沿”等核心概念。强调多目标优化并非寻找唯一最优，而是寻找一组最优折衷方案。

  3.软件工具初探与基础建模实操（90分钟）。教师演示使用选定软件（如Python+pandapipes库）建立一个包含3个节点、2条管道的微型枝状管网模型。步骤包括：定义气体属性、创建节点（设置压力或流量）、创建管道（设置长度、直径、粗糙度）、运行稳态计算、查看结果。学生跟随操作。随后发布第一个小型挑战任务：在模型中增加一条管道形成简单环网，调整参数，观察压力分布的变化，并记录下软件计算的原始方程组形式。目的是让学生初步感受“建模”过程，并建立软件计算与理论方程之间的关联。

  4.项目启动与分组（30分钟）。发布“工业园区燃气管网扩建优化设计”项目总任务书。介绍园区背景、现有管网简图、预测新增负荷分布及数据。学生自由组队，选举组长。课后任务：小组讨论，初步识别本项目可能涉及哪些优化目标（至少两个）和主要约束条件，形成初步问题框架报告（在线提交）。

  （二）第二阶段：建模深化与算法初识（第5-8学时）

  课前在线任务：

  学习“管网图论与矩阵表示”微视频，完成相关习题。小组根据教师反馈的问题框架，开始收集建模所需的具体参数（如钢材价格公式、电价、设计规范中的压力限制等）。

  课中实施：

  1.项目中期研讨与难点突破（60分钟）。各小组简要汇报初步问题框架和参数收集进展。教师与其他小组提问。共性难点集中讲解：如何将“可靠性”这类定性目标量化？（引入冗余度指标、负荷损失期望值LOLE等概念）；如何处理规范中的压力范围约束？教师提供关键参数的经验取值范围和计算公式索引。

  2.核心理论精讲：管网水力数学模型深度解析（70分钟）。从质量守恒和能量守恒出发，严格推导节点流量方程和环压力方程。重点讲解非线性方程组的线性化方法（如牛顿-拉夫逊法原理）。结合上一阶段的软件实操结果，反向解析软件内部求解流程。引入“节点-支路关联矩阵”A，展示如何用矩阵形式优雅地表示管网拓扑和守恒定律，为后续可能的自主编程实现奠定基础。

  3.多目标进化算法原理剖析（50分钟）。以NSGA-II为范例，采用动画图示，生动讲解其“快速非支配排序”、“拥挤度计算”、“锦标赛选择”、“模拟二进制交叉与多项式变异”等核心操作步骤。强调其“同时处理多个目标”、“探索全局解空间”、“生成均匀分布的帕累托前沿”的优势。对比讲解简单的加权和法，并通过一个简单算例展示加权和法在处理非凸前沿时可能遗漏最优解的问题。

  4.算法工具应用入门（40分钟）。教师提供一段使用Python的PyGMO或DEAP库实现NSGA-II求解一个标准测试函数（如ZDT1）的示例代码。带领学生阅读理解代码结构：如何定义决策变量范围、如何编写目标函数、如何调用算法、如何输出结果。学生修改参数（如种群数、迭代次数），运行代码，观察对求解结果的影响。课后任务：小组根据确定的优化目标和约束，尝试编写本项目的目标函数评估代码（调用已建好的水力模型进行计算），并初步尝试运行现成的NSGA-II库求解一个极简化的版本（如只优化2-3根管道直径）。

  （三）第三阶段：综合优化与决策分析（第9-12学时）

  课前在线任务：

  小组完成项目优化模型的初步求解，获得一组帕累托解。学习关于“多属性决策方法”的在线材料。

  课中实施：

  1.项目攻坚与个性化指导（90分钟）。课堂化身“工程设计工作坊”。各小组集中精力处理项目遇到的具体问题，如：模型不收敛、算法参数设置不当导致寻优效果差、计算时间过长等。教师在巡视中提供一对一或小组指导。鼓励小组间交流“踩坑”经验。共性问题（如如何加速水力计算）可召集临时微讲座。

  2.核心理论精讲：从帕累托前沿到工程决策（60分钟）。展示一个典型的项目帕累托前沿图（成本vs.可靠性vs.压降最小值）。提问：“现在我们有上百个非支配解，哪个才是‘最好’的？”引出多属性决策的必要性。讲解主观赋权法（如AHP层次分析法）和客观赋权法（如熵权法），以及TOPSIS逼近理想解排序法。通过一个简化算例，演示如何综合运用熵权法与TOPSIS从帕累托解集中选出推荐方案。强调决策中需融入工程经验、政策导向（如碳减排权重）等非技术因素。

  3.结果可视化与鲁棒性讨论（30分钟）。讲解如何有效可视化多维优化结果：二维/三维散点图、平行坐标图、雷达图。引导学生思考优化结果的敏感性：如果负荷预测有10%的误差，推荐方案是否仍然较优？引入鲁棒性优化的基本思想，即寻找对参数波动不敏感的解。

  课后任务：各小组完善优化计算，进行决策分析，确定1-2个推荐方案，并开始撰写最终项目报告。

  （四）第四阶段：成果展示、评价与迁移（第13-16学时）

  课前在线任务：

  各小组提交最终项目报告终稿和汇报PPT。每位学生需匿名评审其他至少一个小组的报告（使用线上互评工具）。

  课中实施：

  1.项目成果答辩会（120分钟）。每个小组进行15分钟汇报（10分钟展示+5分钟问答）。汇报需涵盖：问题描述、数学模型、优化方法与参数、结果分析（帕累托前沿展示）、决策过程与推荐方案、创新点与不足。由教师和邀请的行业专家（或由研究生助教扮演）组成评审团提问，问题侧重工程实践意义、模型假设的合理性、方案的可行性。其他小组观众亦参与提问。答辩过程全程录制，供学生回看反思。

  2.课程总结与知识图谱构建（30分钟）。教师带领学生回顾从“问题界定”到“建模”、“优化”、“决策”的完整技术路线图。利用思维导图工具，师生共同构建本课程与先修课程（流体力学、热经济学等）的知识联结网络，强化“系统集成”观念。总结在项目中体现的现代工程师核心能力。

  3.迁移拓展与未来展望（30分钟）。提出几个更前沿或更复杂的挑战性问题供学有余力的学生思考，如：如何将可再生能源制氢（绿氢）掺混纳入燃气系统优化模型？如何考虑极端天气事件下的管网韧性优化？介绍数字孪生、人工智能在燃气系统优化中的应用前沿。提供相关的学术论文、行业标准、专业软件进阶学习资源列表。

  课后任务：学生根据答辩反馈和互评意见，修改完善个人学习档案中的项目报告部分。完成课程最终反思日志，总结收获、不足及未来学习计划。

  七、教学评价与反馈

  建立“过程性评价与终结性评价相结合、定量与定性相结合、多元主体参与”的综合评价体系。

  1.过程性评价（占总评40%）：

  （1）在线学习表现（10%）：包括视频观看完成度、课前测验正确率、在线讨论参与度。

  （2）个人与小组作业（15%）：包括各阶段提交的建模练习代码、问题框架报告、目标函数代码、算法测试结果等。注重迭代改进的过程。

  （3）课堂参与度（15%）：包括提问、回答问题、小组讨论贡献、工作坊参与积极性。教师利用课堂互动工具记录。

  2.终结性评价（占总评60%）：

  （1）综合项目成果（45%）：评价标准包括：①技术深度与模型准确性（15%）；②优化方法的恰当性与创新性（10%）；③结果分析的全面性与决策的合理性（10%）；④报告与演示的专业性、规范性（10%）。采用教师评价（60%）、同行互评（20%）、行业专家评价（20%）相结合的方式。

  （2）课程期末考试/大作业（15%）：侧重于考察对核心概念、原理和方法的理解与应用能力，可能以开卷分析设计题或小型案例研究的形式进行。

  3.反馈机制：在线平台提供即时自动反馈（如测验题）。教师对作业和项目阶段成果提供书面或口头针对性反馈，强调建设性。项目答辩提供实时专家反馈。课程结束后，通过问