教室分配优化

教室分配优化（精选3篇）

教室分配优化 篇1

0 引言

微电网(microgrid,微型电网、微网)是小型的配电系统,连接若干用户到若干分布式电源和储能系统,它既可以与大电网联网运行,也可以在大电网出现故障时与之断开单独运行。微电网因其环境友好、建设成本低等因素已经成为大电网的有益补充,得到越来越多的重视和研究。

迄今为止,微电网及其相关技术仍然处于实验室研究阶段[1,2,3],为使其能够应用于实际的电力系统,还需要解决多方面的问题。

微电网在实际运行中首先需要解决的技术问题就是控制问题。当微电网中的负荷或网络结构发生变化时,如何通过对微电网中各个分布式电源进行有效的协调控制,保证微电网在不同运行模式下都能满足负荷对电能质量的要求,是微电网能否可靠运行的关键。针对这一问题,国内外学者进行了广泛研究,提出了多种控制策略[4,5,6,7,8,9,10]。

另一方面,微电网的经济性是其吸引用户并能在电力系统中得以推广的关键所在。微电网的经济效益是多方面的,最重要的效益是能源的高效利用和环保以及个性化电能的安全、可靠、优质供应。相比于火力发电占主导的传统大电网,微电网中大量应用了可再生能源,其环保效益非常突出。同时,根据用户对电能供给的不同需求,对负荷进行分类和细化,能够更有效地利用微电网中多样化的电能供给,使微电网系统运行经济性最优。

微电网的经济运行虽然可以从传统大电网的调度原则、电能交易原则、资源配置原则等方面借鉴众多经验,但微电网本身的许多独特之处也使其经济运行问题带有自身特点。这方面的研究也得到了各国学者的关注[11,12,13,14,15],但是国内相关研究开展得还比较少。

本文主要研究了微电网的负荷优化分配问题,即在满足系统运行约束条件下如何优化微电网中各微电源的出力,使系统总发电成本最小。微电网中的负荷优化分配问题与大电网经济负荷分配(economic load dispatch,ELD)问题的不同之处在于:与高压输电网相比,微电网的电压等级较低,系统中输电线的线路电阻起主导作用,线路损耗相对较大,不可忽略;与大电网中火电等传统发电形式占主导地位不同,微电网中新能源发电所占的比例很大,风力发电和太阳能光伏发电等可再生能源电源通常工作于最大功率点跟踪模式,其输出功率受自然条件影响,不遵循人工调度;各种微电源的功耗特性与传统火力发电机组有很大区别,不能简单应用等微增率原则;在联网模式和孤岛模式转换过程中,整个微电网的功率分布可能会发生非常大的变化。如果只考虑各个微电源自身的输出特性对其进行控制,在整个系统的运行状态发生变化时就难以最大限度地利用微电源的发电能力,还可能引起较大的额外线路损耗。因此,为了实现微电网的可靠、经济运行,有必要根据系统运行情况动态地对微电网负荷在各个微电源间进行全局优化分配。

1 微电网负荷优化分配的数学模型

1.1 目标函数

微电网负荷优化分配问题的目标是在满足系统运行约束条件下优化微电网中微电源的出力及系统总运行成本,其数学模型[13]为:

$\begin{array}{l}\min F=\min {\displaystyle \sum _{t=1}^{{\rm T}}(}{\displaystyle \sum _{i=1}^{{\rm N}}F}{}_i({\rm P}{}_i(t))+\\ E{}_{\text{b}\text{u}\text{y}}{\rm P}{}_{\text{b}\text{u}\text{y}}(t)-E{}_{\text{s}\text{e}\text{l}\text{l}}{\rm P}{}_{\text{s}\text{e}\text{l}\text{l}}(t))(1)\end{array}$

式中:F为系统总发电费用;T为微电网调度周期内的总时段数;t为时段编号;N为系统内可调度的微电源和储能装置的总数;Pi为第i台微电源或储能装置输出的有功功率;Fi(Pi)为第i台微电源或储能装置的运行成本;Pbuy为配电网向微电网中输入的功率;Psell为微电网向配电网输出的功率;Ebuy为微电网从配电网中购电的价格;Esell为微电网向配电网出售电能的价格。

微电网的调度周期常见取值有24 h、1个月、1个季度、1年等。调度周期内总时段数的选取原则上要保证:在一个时段内,微电网内的功率分布基本维持不变,即微电源输出功率和负荷需求功率变化不大。在此前提下,计算分析时可以认为微电网处于稳定状态,不考虑其暂态过程。

式(1)中等号右边的第1项代表了微电网中所有微电源和储能装置的运行成本;第2项和第3项分别代表了微电网和其所接入的上级电网之间的能量交换。

微电源和储能装置的运行成本Fi(Pi)由燃料成本、维护成本和启动成本等组成,可表示为:

$F{}_i({\rm P}{}_i)=C{}_i({\rm P}{}_i)+{\rm M}{}_i({\rm P}{}_i)+C{}_{\text{S}i}(2)$

式中:Ci(Pi)为第i个微电源运行的燃料成本,即其耗量特性;Mi(Pi)为保证微电源和储能装置运行的维护成本;CSi为微电源的启动成本。

微电源和储能装置运行的维护成本Mi(Pi)可以认为与其输出的电能成正比关系,取比值为KM[15],即

${\rm M}{}_i({\rm P}{}_i)={\rm K}{}_{\text{Μ}}{\rm P}{}_i(3)$

对于柴油发电机(diesel engine,DE)等传统发电机的燃料成本模型,其耗量特性函数Fi(PGi)一般用多项式函数近似表示,本文选取二次函数:

$F{}_i({\rm P})=c{}_0+c{}_1{\rm P}+c{}_2{\rm P}{}^2(4)$

式中:c0,c1,c2为参数。

燃料电池(fuel cell)和微型燃气轮机(micro-turbine,MT)等微电源运行时的燃料成本可以用下式进行计算:

$F({\rm P})=C\frac{{\rm P}}{\eta ({\rm P})}(5)$

式中:C为微电源所采用燃料的单位成本;η(P)为该时段内微电源的工作效率,随有功输出变化而变化。

微型燃气轮机的典型效率曲线见附录A图A1,其运行效率随着其输出功率的增大而上升。

太阳能光伏发电及风力发电等利用可再生能源型的微电源,一般应通过控制使其工作在最大功率输出状态。由于其输出受自然条件制约,不受微电网中其他电源和负荷的控制,因此本文将其等效为“负”负荷(negative load),不作为优化变量处理。

1.2 约束条件

微电源运行约束为:

${\rm P}{}_{\text{G}i}^{\min }\le {\rm P}{}_{\text{G}i}\le {\rm P}{}_{\text{G}i}^{\max }i=1,2,\cdots ,{\rm N}{}_{\text{G}}(6)$

式中:P${}_{\text{G}i}^{\max }$和P${}_{\text{G}i}^{\min }$分别为第i台微电源输出有功功率的上限和下限。

系统中储能装置的运行约束为:

$\begin{array}{l}{\rm P}{}_{\text{d},\text{s}\text{t},i}^{\min }\le {\rm P}{}_{\text{d},\text{s}\text{t},i}\le {\rm P}{}_{\text{d},\text{s}\text{t},i}^{\max }(7)\\ {\rm P}{}_{\text{c},\text{s}\text{t},i}^{\min }\le {\rm P}{}_{\text{c},\text{s}\text{t},i}\le {\rm P}{}_{\text{c},\text{s}\text{t},i}^{\max }(8)\\ {\rm P}{}_{\text{s}\text{t},i}(t)={\rm P}{}_{\text{d},\text{s}\text{t},i}(t)-{\rm P}{}_{\text{c},\text{s}\text{t},i}(t)(9)\end{array}$

$\begin{array}{l}E{}_{\text{s}\text{t},i}(t)=E{}_{\text{s}\text{t},i}(t-1)+\\ [\tau {}_i{\rm P}{}_{\text{c},\text{s}\text{t},i}(t)(1-d)-d\frac{{\rm P}{}_{\text{d},\text{s}\text{t},i}(t)}{\zeta {}_i}2\end{array}$tL (10)

$E{}_{\text{s}\text{t},i}^{\min }\le E{}_{\text{s}\text{t},i}\le E{}_{\text{s}\text{t},i}^{\max }(11)$

式中:i=1,2,…,Nst,Nst为系统中储能装置的数量;Pd,st,i和Pc,st,i分别为第i台储能装置的放电功率和充电功率;P${}_{\text{c},\text{s}\text{t},i}^{\max }$,P${}_{\text{c},\text{s}\text{t},i}^{\min }$,P${}_{\text{d},\text{s}\text{t},i}^{\max }$,P${}_{\text{d},\text{s}\text{t},i}^{\min }$分别为第i台储能装置的充放电功率的上、下限;Pst,i(t)为第i台储能装置在时段t向微电网中的注入功率,当储能装置放电时Pc,st,i为0,充电时Pd,st,i为0;Est,i(t)为第i台储能装置在时段t时的容量;τ和ζ为储能装置的充放电效率,一般小于1;tL为一个优化时段的时间长度;d为时段t内储能装置放电时间所占的比例,0≤d≤1;E${}_{\text{s}\text{t},i}^{\max }$和E${}_{\text{s}\text{t},i}^{\min }$为第i台储能装置容量的上、下限,E${}_{\text{s}\text{t},i}^{\min }$≥0,保证储能装置在任意时刻的储能都不为负值。

系统功率平衡约束为:

${\displaystyle \sum _{i=1}^{{\rm N}{}_{\text{G}}}{\rm P}}{}_{\text{G}i}+{\displaystyle \sum _{i=1}^{{\rm N}{}_{\text{s}\text{t}}}{\rm P}}{}_{\text{s}\text{t},i}+{\rm P}{}_{\text{b}\text{u}\text{y}}-{\rm P}{}_{\text{s}\text{e}\text{l}\text{l}}={\rm P}{}_{\text{L}\text{o}\text{a}\text{d}}+{\rm P}{}_{\text{L}\text{o}\text{s}\text{s}}(12)$

式中:PLoad为系统的总负荷;PLoss为系统的总网损,系统网损通过潮流计算得到。

1.3 优化方法

采用粒子群优化(partical swarm optimization,PSO)算法对上文建立的微电网负荷优化数学模型进行优化计算。粒子群优化算法本质上属于迭代的随机搜索算法,具有并行处理、鲁棒性好等特点, 能以较大的概率找到问题的全局最优解,且计算效率比传统随机方法高[16,17]。其最大的优势在于简单易实现、收敛速度快、依赖的经验参数较少。

取微电网中可调度的微电源和储能装置的有功功率为优化变量,每个优化变量对应粒子的一个维度,即[PGj,Pst,k],其中j=1,2,…,Ng;k=1,2,…,Nst。

对于微电源运行约束条件(式(6))和储能装置充放电功率约束条件(式(7)、式(8)),体现为对相应的优化变量即粒子位置的限制。粒子位置越限时,取其限值。对于储能装置容量约束(式(11))和系统功率平衡约束(式(12)),以罚函数的形式将其计入目标函数中,即

$\begin{array}{l}\min F^{\prime }=F+\sigma ({\displaystyle \sum (}\max (0,-g{}_i)){}^2+\\ {\displaystyle \sum |}h{}_j|{}^2)(13)\end{array}$

式中:F为原目标函数;σ为惩罚因子;g为不等式约束;h为等式约束。

2 算例分析

根据上述理论模型,采用MATLAB M函数编写优化计算程序。式(12)中微电网的网络损耗根据潮流计算得到,潮流计算基于MATPOWER工具包[18]实现。MATPOWER作为一个比较成熟的电力系统计算工具包,其潮流计算结果可信度比较高。

本文算例基于图1所示的CIGRE 6中压基准系统[19,20,21],系统频率50 Hz,电压等级20 kV。该系统是由CIGRE C6.04.02工作组给出的用于研究分布式电源的基准系统之一。

基准系统正常工作时,MVDC耦合器保持断开状态,从而使整个系统分为2个子系统,在本文中,重点研究图1中子系统1,该子系统的峰值负荷约为3.55 MW。在计算中,将配电网等效为无穷大电源,子系统1中各微电源的位置和容量见表1。

仿真计算中,柴油发电机耗量特性为:

FDE(PDE)=150+0.12PDE+0.000 85P${}_{\text{D}\text{E}}^2$(15)

微型燃气轮机的运行成本根据其典型效率曲线和式(5)求得,取单位燃气成本CMT=0.4,得到微型燃气轮机的耗量特性曲线如图2所示。

如表1所示,子系统1中的光伏发电(PV)电源分布于多个节点上,假设其均工作在最大功率点跟踪模式,每个单元的有功输出都遵循如图3所示的典型曲线。

为了使测试系统更接近实际情况,将系统中的负荷分为工业负荷和家庭负荷2类,其典型日分布曲线如图4所示。

测试系统中采用蓄电池作为储能装置,在本文的研究中暂时不考虑微电网在孤岛和联网状态间的切换过程以及微电网启动的过程,在仿真计算中给定所有电池的初始储能为其额定容量。

应用本文的负荷优化程序进行计算。图5所示为以配电网作为平衡节点时,子系统1中的柴油发电机和微型燃气轮机的日有功输出曲线,同时,节点5和节点10处电池的输出有功曲线如图6所示。

可以看到,当系统负荷或不可控微电源输出发生较大变化,其他微电源的输出不足以满足负荷需求时,储能装置能够起到暂时性的支撑作用。由于微电网中微电源的容量裕度一般不大,运行在孤岛状态下时,容易发生有功容量不足的情况。因此,微电网中需要配置一定容量的储能装置,以保证其可靠运行。

3 结语

本文研究了微电网的负荷优化分配问题,优化目标是在满足系统运行约束条件下优化微电网中各微电源的出力,使系统总运行成本最小。本文首先建立了微电网负荷优化分配问题的数学模型,并基于粒子群优化算法对其进行了数值求解。通过算例求解验证了这一方法的正确性,为进一步研究微电网的组网结构及微电源和储能装置容量的最优化配置提供了有价值的参考。

附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。

动态武器目标分配优化 篇2

数据链技术发展, 防空导弹及发射平台之间实现实时信息交互, 该技术将来可能应用多个制导武器的协同制导规划。当前防空导弹武器系统的应用通常采用一对一的交战模式, 不同武器系统间不能够实时进行信息交互, 由其分配规则可能导致对目标齐射过度杀伤或对目标的遗漏。因而, 对编队武器的协同制导提出了强烈需求。协同制导的其中一个关键因素是武器目标分配, 而武器—目标分配的主要任务是确保敌方目标到达我方之前全部被拦截。

武器—目标分配的难点之一是目标的机动是不可预测的。敌方目标通常在飞行初始段进行佯攻一个目标, 而在末端改变攻击航路, 以达到诱骗防空系统的目的。本文根据武器—目标间的几何关系提出最早拦截结合和安全区的概念。最早拦截几何应用敌方目标能够攻击的边界, 在该区域内的防御资源可能遭到攻击。安全区可定义为拦截区域和防御对象最小距离的边缘。安全边界随着分配策略和防空系统的性能而改变。因而, 武器—目标分配则是试图找到优化分配策略产生最大的安全边界。由于最早拦截几何和安全边界是在目标能够瞬间改变方向的假设条件下得到, 武器目标分配能够处理目标机动的不确定性。

1 动态武器—目标分配的定义

武器—目标分配是指挥控制辅助决策系统所研究的重要课题。多武器、多目标战场环境中, 可能由多种武器—目标分配方案, 武器—目标分配方案属于非确定性多项式完全问题[1], 其研究的主要目的是针对多个威胁目标有效分配防空武器系统, 最大限度拦截来袭目标。武器目标分配分为两类, 一类是静态武器—目标分配, 一类是动态武器目标分配。这两类问题中, 期望目标要么是使目标生存概率最小, 要么是防御对象整体生存概率最大。静态武器目标分配的主要特征是基于某一时段, 考虑分配时刻所有提供的信息, 对有限资源分配问题。动态武器目标分配问题, 考虑时空的约束, 是一个多阶段的分配问题, 对每个阶段的结果进行评估, 然后用新空中态势对下一阶段进行分配[2]。动态武器目标分配也可表述为连续的静态武器目标分配, 由于实现过程如同贪婪优化过程, 因而不能保证整体优化。

本文动态武器—目标分配的研究不同于一般文献定义的动态武器目标分配[3], 而是基于几何概念进行优化, 采用的分配模型是适合飞行中导弹武器的目标分配问题。

2 最早拦截几何

由于空袭目标航路是不知道的, 其航向角可能随时改变, 且目标飞行加速度很难预测, 因而目标拦截点是不确定的。为了全面描述所有可能的拦截点, 考虑来袭目标所有可能航向, 推导可能拦截点的集合。为了推导最早拦截点集合, 假定防空导弹和目标航向和速度保持不变。导弹—目标拦截三角形如图1所示。M点表示导弹发射位置, T为目标起始位置, I为拦截点, 坐标为 (x, y) 。

拦截点I随着目标航路角的变化而变化。根据图1中三角形MIN和三角形TIN可得:

速度比定义为:

式 (2) 代入 (1) 可得

整理为:

则方程 (4) 为所有拦截点的轨迹, 即最找拦截几何, 用于评估制导策略。

速度比是求解最早拦截几何的重要参数。为了简化, 我们只考虑导弹的速度大于目标的速度。

上述最早拦截几何可推广应用多导弹、多目标交战场景。图3给出两枚导弹交战两批目标的一种拦截几何示意图[4]。

由图3可知, 防空武器系统的任务是在防空安全区域之外拦截来袭目标。因而, 武器—目标分配的策略就是确保所有的交战资源在该区域之外。

3 武器目标优化分配建模

根据上述分析, 所有防御资源应当在最早拦截几何之外, 而最早拦截几何及拦截几何和防御资源之间的距离与武器目标分配方案的变化而改变, 拦截几何与防御对象的距离定义为安全距离d。显然, 安全距离越大, 所采用的制导算法的性能越好。为了充分发挥导弹的拦截性能, 提高拦截目标的命中率, 最优武器目标分配方案为使得安全边界最大化。武器—目标分配模型表述如下:

其中, p表示防御对象的个数, q表示所有可能的分配方案个数, m表示目标的个数, n表示导弹的个数。dijk表示第k个分配方案的资源i与第j个拦截几何之间的距离。p i表示第i个防御资源的位置矢量, cjk表示第j个目标的位置矢量。

4结语

空袭战术的快速性、灵活性, 使得防空系统的反应速度很难与之相匹配, 打乱了指挥决策周期。采用基于最早拦截几何的武器—目标分配方式, 考虑目标的机动性, 在防空导弹飞行过程实时进行目标分配, 将更能有效发挥防空导弹的作战效能。后续工作将根据所建立的模型, 研究合适的优化算法对其进行仿真验证。

参考文献

[1]Lloyd S P, Witsenhausen H S.Weapon Allocation is NP—Complete[C].Proc.1986 Summer Comput.Simulation Conference, 1986.

[2]王士同, 刘征.动态武器目标分配问题的DWTA—GA算法[J].华东船舶工业学院学报, 1999, 13 (5) :17—22.

[3]刘传波, 邱志明, 吴玲, 等.动态武器目标分配问题的研究现状与展望[J].电光与控制, 2010, 17 (11) :43—48.

辅助生产费用分配体系优化 篇3

(一) 辅助生产费用分配方法体系

辅助生产费用分配方法体系包括五种分配方法, 分别是直接分配法、一次交互分配法、顺序分配法、计划分配法、代数分配法。这五种分配方法学校都在学习, 没有明显的重点非重点之分。而会计教学的内容和方式, 决定了会计人员的知识结构, 会计人员的知识结构又决定了其在工作中的思维及工作习惯。所以, 在企业中, 会计人员并未对五种方法认真进行比较, 而是哪个简单用哪个, 或者沿袭师傅传承下来的某一种方法, 并未考虑其合理性和改革的必要性。

(二) 各辅助生产费用分配方法瑕疵评述

辅助生产费用分配方法体系改革的主要动力, 是因为各辅助方法本身存在瑕疵。 (1) 直接分配法。直接分配法的最大优点是简单, 使会计工作因此轻松简易, 但是却抹杀了辅助生产车间之间相互提供劳务及产品的客观事实。无论辅助生产车间之间的紧密程度如何, 但相互之间不提供劳务的情况几乎是不存在的。这种方法很容易放松对辅助生产车间的成本控制, 也有违于会计的真实性和准确性原则。可见这种方法属于粗放型、低层次的管理方法。目前这种方法的使用还很广泛, 大大降低了企业成本管理工作的水准。 (2) 一次交互分配法。与直接分配法相比, 一次交互分配法加强了对辅助生产车间消耗其他辅助生产车间所产劳务及产品的考核, 成本管理水准应是提高了一个档次。然而, 其交互分配的费用分配率是以交互前的待分配费用为依据计算的, 故分配结果也不准确。此外, 由于需要交互分配, 导致需要两次计算分配率并进行账务处理, 由此拉长了会计处理的过程, 增加了成本计算和账务处理的工作量。 (3) 顺序分配法。与前两种方法相比, 顺序分配法本质上是有选择地对辅助生车间使用其他辅助生产车间所产劳务及产品的考核, 即只对受惠较多的、排在后面的辅助车间进行较严格的考核, 而对于排在前面的不考核。这种方法摈弃了直接分配法不考核辅助生产车间消耗辅助生产劳务及产品的缺点, 同时也不像一次交互分配法那样, 对所有辅助生产车间消耗辅助生产劳务及产品都予以考核。故从管理的疏严程度而言, 严于直接分配法, 疏于一次交互分配法;从会计工作量而言, 高于直接分配法, 低于一次交互分配法。但由于是有选择地对辅助车间消耗辅助生产劳务及产品进行考核, 故分配结果的准确性有所下降。更需要注意的是, 该方法要求预先对辅助生产车间进行排序, 这样不仅增加了工作量, 还导致分配结果增加了更多的主观任意性。 (4) 计划分配法。与前几种方法相比, 计划分配法省略了分配率的计算, 而采取了较稳定的“计划分配率” (亦称计划价格) 。其实, 这种方法的弊端很多。首先, 在该方法下, 将所有的差异计入“管理费用”, 使“管理费用”账户起到了“成本蓄水池”的作用, 掩盖了分配结果在准确性方面存在的不足。其次, 因为须将实际与计划分配间的差异计入“管理费用”, 也拉长了会计处理过程。再次, 由于“计划价格” (计划分配率) 的制定带有很大的主观随意性, 进一步导致了分配结果的不准确和“管理费用成本蓄水池”的滥用, 长此下去, 成本核算不仅在准确性方面存在不足, 而且使成本核算工作的责任心逐渐变得麻木, 因为所有差异都会计入“管理费用”这个“成本蓄水池”。 (5) 代数分配法。代数分配法是通过联立方程组并对其求解来获取分配率和完成辅助生产费用分配的。这种方法的逻辑最为严谨, 分配结果最为准确, 同时对辅助生产车间消耗辅助生产劳务及产品进行了较严格的考核。这种方法唯一的“缺点”是“计算量大”, 提高了分配工作的“难度”。

二、辅助生产费用分配体系优化指导思想及设计

(一) 辅助生产费用分配体系优化指导思想

包括: (1) 成本信息“准确性”优先。企业核算生产成本的根本目的, 是为控制成本及经营决策工作提供依据———准确的成本信息。若为了达到降低会计工作量和工作难度, 以及提高所谓的“及时性”等目的, 以牺牲“准确性”为代价, 则“及时性”就失去任何意义, 极度扭曲的成本信息“假情报”不仅没有任何价值, 还容易误导企业决策。提供这样的成本信息其危害甚于不提供成本信息。长期以来, 会计工作的“及时性”甚至已成为某些会计部门及会计人员掩饰其会计工作粗放浮浅的经典借口, 以糊弄不具备会计专业知识的企业高层决策者。 (2) 在保证成本信息“准确性”的前提下, 尽量降低工作量和提高“及时性”。在确保成本信息的前提下, 辅助生产费用分配过程应尽量降低工作量, 从而提高会计信息的“及时性”, 并可使会计人员将精力从价值较低的、简单化的计算工作, 向价值更高和更富有智力含量的成本分析、成本决策等方面的工作转移。这也是对会计人员精力和智慧的优化使用。

(二) 辅助生产费用分配体系优化设计

辅助生产费用“代数法”是最准确的辅助生产费用分配方法, 那么, 为了优先保证成本信息的“准确性”, 就应在分配辅助生产费用时普及使用这种方法。同时, 由于某些企业自身的特殊原因, 直接分配法、一次交互分配法还有一定存在价值。结合以上考虑, 提出以下优化设想。 (1) 优化后的辅助生产费用分配方法体系。优化后的辅助生产费用分配方法体系包括代数分配法、直接分配法、一次交互分配法等三种方法。其中, 代数分配法为普遍推广的主要方法, 直接分配法、一次交互分配法为特殊环境下的辅助方法。与以前相比, 其体系结构大为简约。简约的体系不仅突出了分配方法的应用价值, 还节约了学习精力和智力, 客观上也使学习者的精力、智力得到优化分配。 (2) 体系内各种方法的地位及应用指导。一是普及“代数法”应用并提高其应用技术和效果。首先, 条件较好的企业直接使用“代数法”。对这类企业, 建议其成本会计人员积极使用“代数法”并熟练操作会计软件。当辅助生产车间数量增加以后, 亦能及时地将会计软件升级, 提高成本信息的“及时性”。此外, 成本会计人员应将节约的时间用来加强成本分析的学习, 借以提高成本分析能力, 为企业决策工作当好参谋。其次, 会计部门配备计算机, 但尚未实行电算化、或电算化软件功能未包括“代数法”的企业。相当一部分小企业, 会计部门配备了计算机, 但由于经费原因, 尚未实行电算化, 或者虽实行电算化, 但电算化水准很低, 其会计软件功能里未设置“代数法”功能。对此类企业的成本会计人员, 建议利用EXCEL软件自行开发设计“代数法”的简易电算化程序。小企业的辅助生产车间较少, 短时间内其数量变化的可能性也不大, 所以针对自己企业量体裁衣设计的简易“代数法”EXCEL应用软件, 反而更具有较强的实用性和稳定性。二是将直接分配法、一次交互分配法作为辅助方法。直接分配法、一次交互分配法仍可作为辅助方法使用。比如, 有些企业的某些基本生产车间规模较大, 内部门类比较齐全, 即基本生产车间内也设有机修工段和锅炉工段等内部辅助生产部门, 内部也需要辅助生产费用的分配。基于其成本核算条件及管理目标定位。可以选择“直接分配法”、“一次交互分配法”等辅助方法。

三、辅助生产费用分配方法教学改革建议

(一) 加强辅助生产费用分配意义与正确理念的学习

让学生对辅助生产费用的意义、目的有一个正确的认识, 以正确的理念指导其学习和未来的工作。使学生明白, 目前会计数据处理已经以电子手段代替了手工手段, 成本信息“及时性”已无虞, 则辅助生产费用分配工作应完全围绕其工作的核心价值———“准确性”展开。

(二) 突出“代数法”的学习

既然“代数法”有无可替代的准确性, 且在在会计数据处理电子化条件下, “代数法”的“计算难”已经不是问题, 那么, 可将“代数法”作为主要方法进行学习。对其他方法, 仅出于拓宽知识面的需要, 作为一般了解即可。可采取教师简要介绍、学生课余自学的方法进行学习。

(三) 加强“代数法”所需的数学知识学习

“代数法”需要准确联立“一次方程组”并能准确求解。虽然这是初中数学知识, 但仍有少数会计学习人员不能熟练掌握。此外, 当辅助生产车间个数达到三个及三个以上, 相信有更多的人感到不习惯。因为人们更习惯于解二元方程组。这就需要教师具有较扎实的初、高中数学知识及耐心, 让学生掌握这一知识点并熟练运用。

(四) 强化设计“代数法”电算化软件所需的EXCEL知识学习

学生毕业后未必都能进条件较好的企业。若就业企业条件较差, 企业没有可供现成使用的“代数法”电算化软件, 可开发简易“代数法”电算化软件。教师应加强EXCEL简单编程知识的讲授, 并指导学生完成简单程序的设计练习。

(五) 加强对企业生产实践的观摩与学习