期望目标

2024-10-13

期望目标（精选4篇）

期望目标篇1

传统ERP正在发生转变, SAP这家全球企业应用软件厂商将大力推进移动应用。

“如今, 通过移动终端接入互联网的用户已经超过了通过PC接入的用数。OnDevice Research数据显示, 中国有38%的互联网登录是通过移动终端实现的, 而在中国农村地区, 这一比例高达45%。”SAP亚太及日本区商务解决方案事业部高级副总裁柯德泰在向记者介绍移动应用市场状况时引用了了上述数字。

Forrester数据显示, 2016年全球范围内与移动相关的总支出将达1.3万亿美元, 包括通信数据、终端设备和移动应用等方面。其中移动应用将有近550亿美元的市场。对于投身企业级移动应用市场的SAP而言, 目前无疑是其开发移动应用的最佳良机。

端到端跨平台

柯德泰很爱谈及数据和例子来证明SAP目前在市场上的重要地位和发展预期。他表示, SAP已经制定了一个战略性的目标, 即到2015年, SAP将成为营业额达200亿欧元的企业, 将实现35%的利润率, 并且确保全球范围内SAP产品和服务的使用者达到10亿。为了达到这一目标, SAP最主要的方式就是大力地推进移动应用。

与此同时, SAP认为, 目前市场使用SAP移动应用产品的用户会自然形成一个群体, 在之后会继续寻求其他的SAP产品来使用。

柯德泰表示, SAP提供的移动应用产品与其竞争对手有显著的不同。他告诉记者, “SAP能够实现端到端的整合, 并且支持所有操作平台的设备。”后者需要通过SAP所提供的Sybase Unwired Platform平台进行开发开发。此外, SAP还同时提供移动终端管理工具和系统产品Afaria。“企业可以通过该系统管理内部所有移动终端, 以更好地控制通信服务所产生的成本。”

不会进军终端市场

此前有消息称, SAP将与三星合作开发安全性更高的谷歌安卓平台移动设备, 其目标客户是商用环境。但是, 柯德泰否认了SAP进军移动终端市场, 而是要与终端厂商保持合作伙伴关系, 并且表示, 接下来还会与更多的终端厂商进行合作。

对于安全性, 柯德泰认为, 没有安全性就没有移动性。他表示, 安全并不仅是企业能够远程删除遗失终端上的数据, 同时还存在于移动终端层面、数据层面和身份认证三个方面对于与云计算的结合, 柯德泰表示, 随着云计算、内存计算和移动应用这三大技术之间的界限正在越来越模糊, 电信运营商都在通过云管理的移动应用平台来推出他们自己的移动应用, “这实际上就是移动应用和云计算的结合”。

此外, SAP的并购策略并没有较大的改变。柯德泰表示, SAP依然对那些对SAP有吸引力的并购目标保持高度兴趣。而所谓有吸引力的目标, 是指收购这家目标企业能够增添SAP的实力和价值, 但不会为市场份额而收购。

期望目标篇2

电力系统中的多元利益主体之间可能涉及的经济、环境等多种因素, 导致传统制定发电调度计划的实用做法和理论模型均不同程度地受到限制。2007年国家发改委等部门联合发布的《节能发电调度办法 (试行) 》[1]改变了传统的发电调度模式, 要求实行节能减排, 但却忽略了市场的主体意愿, 有必要进一步将节能发电调度与电力市场结合起来[2], 在综合能耗、污染物排放和购电费用等指标的基础上, 实现更大范围的资源优化配置。

文献[3]构建了煤耗最低优先、兼顾购电成本最低的月度发电计划双目标模型, 并提出了一种启发式算法。文献[4]以煤耗和成本加权函数进行排序, 并通过省间交换使得总加权指标的节约量最大。对于这类多目标优化问题的求解, 还包括随机权系数法[5]、模糊决策理论[6]、智能算法[7,8]等。上述各方法的计算结果依赖于不同目标之间的权重或优先次序, 且在计算结束之前无法得知各目标优化程度。与这种方式对应的数学模型和计算方法, 不适应具有事先设定各目标期望控制需求的问题。

就今后的发展态势看, 可能达成的温室气体减排指标协议或节能减排指标规划, 均会分解到不同阶段 (如不同规划年度) 。如何在不同行业的不同领域 (如电力行业的发电调度领域) 贯彻分解后的节能减排指标, 就属于一种新型的多目标期望控制问题, 即它具有事先设定各目标期望控制需求的特征。在新的问题下, 节能减排指标以阶段性期望控制值的形式出现, 计算过程追求的不是各目标的最优值或加权综合目标的最优值[9]。

基于上述分析, 本文就能源与环境领域出现的新型的多目标期望控制问题, 建立了考虑能耗、排放、购电费用等指标的多目标期望控制模型, 并提出了一种根据各目标完成率偏差信息预估调整相对权重的计算方法。该方法选择的权重初值与对各目标的重视或偏好程度无关, 且不影响最终的计算结果, 可以快速求得满足不同目标期望控制需求的节能发电调度方案。

1 节能发电调度问题的多目标期望控制建模

设某一实际应用问题优化建模过程除了需要考虑多个约束条件外, 还包括可能需要考虑的多个目标函数。若记多个目标为L1, L2, …, Lm, 它们是关于多变量向量X的函数, 则对多目标期望控制问题, 所建的优化模型应该具有如下形式:

目标函数:

式中:L1des, L2des, …, Lmdes分别为各目标的期望控制值, 由不同目标的控制需求决定。

约束条件:包括可能的若干等式和/或不等式约束。

为简化分析, 本文暂以单时段发电负荷分配问题为研究对象, 探讨什么样的节能发电调度方案可以使系统总能耗、总污染物排放和电网公司总购电费用3个目标同时达到其设定的期望控制值。

设系统中的燃煤火电机组共有NG台, 其煤耗特性函数f1i、污染物排放特性函数f2i分别为:

$\begin{array}{l} f_{1 i} = a_{1 i} Ρ_{G i}^{2} + b_{1 i} Ρ_{G i} + c_{1 i} (2) \\ f_{2 i} = a_{2 i} Ρ_{G i}^{2} + b_{2 i} Ρ_{G i} + c_{2 i} (3) \end{array}$

式中:a1i, b1i, c1i为第i台机组煤耗特性二次函数的系数, 单位分别为t/ (MW2·h) , t/ (MW·h) , t/h;a2i, b2i, c2i为第i台机组污染物排放特性二次函数的系数, 单位分别为t/ (MW2·h) , t/ (MW·h) , t/h;PGi为第i台机组在研究时段输出的上网有功功率, 单位MW。

又设第i台机组的上网电价为p3i, 单位千元/ (MW·h) , 则某一时段电网公司从该机组购电所需的费用为:

$f_{3 i} = p_{3 i} Ρ_{G i} Δ Τ (4)$

式中:ΔT为时段长度, 单位h。

当NG台火电机组共同承担系统某一时段的总负荷为PL时, 系统总燃煤量函数F1、污染物总排放量函数F2、电网公司总购电费用函数F3分别为:

$\begin{array}{l} F_{1} = \sum_{i = 1}^{Ν_{G}} f_{1 i} (Ρ_{G i}) Δ Τ = \\ Δ Τ \sum_{i = 1}^{Ν_{G}} (a_{1 i} Ρ_{G i}^{2} + b_{1 i} Ρ_{G i} + c_{1 i}) (5) \\ F_{2} = \sum_{i = 1}^{Ν_{G}} f_{2 i} (Ρ_{G i}) Δ Τ = \\ Δ Τ \sum_{i = 1}^{Ν_{G}} (a_{2 i} Ρ_{G i}^{2} + b_{2 i} Ρ_{G i} + c_{2 i}) (6) \\ F_{3} = \sum_{i = 1}^{Ν_{G}} f_{3 i} (Ρ_{G i}) = Δ Τ \sum_{i = 1}^{Ν_{G}} (p_{3 i} Ρ_{G i}) (7) \end{array}$

于是, 建立的负荷分配问题的多目标期望控制模型为:

目标函数:

${\begin{cases} F_{1} (Ρ_{G}) \to F_{1 d e s} \\ F_{2} (Ρ_{G}) \to F_{2 d e s} \\ F_{3} (Ρ_{G}) \to F_{3 d e s} \end{cases} (8)$

约束条件:

$\begin{array}{l} \sum_{i = 1}^{Ν_{G}} Ρ_{G i} = Ρ_{L} + Ρ_{L o s s} (9) \\ Ρ_{G m i n i} \leq Ρ_{G i} \leq Ρ_{G m a x i} (10) \\ Y V = Ι (11) \end{array}$

式中:PG为各机组有功功率向量;F1des, F2des, F3des分别为3个目标的期望控制值;PLoss为网络有功损耗;PGmini和PGmaxi分别为PGi的下限和上限。

式 (11) 为节点导纳矩阵形式的潮流方程。

F1des, F2des, F3des通常可依据如下信息确定:设某一比照发电方案 (可以是由传统等容量利用小时数分配的方案或由其他发电调度方式确定的方案) 对应的3个目标值分别为F10, F20, F30, 待求方案的目标期望降低 (或提高) 率分别为η1, η2, η3, 则F1des, F2des, F3des可以按如下关系求得:

$\begin{array}{l} F_{1 d e s} = (1 - η_{1}) F_{10} (12) \\ F_{2 d e s} = (1 - η_{2}) F_{20} (13) \\ F_{3 d e s} = (1 + η_{3}) F_{30} (14) \end{array}$

式 (12) 和式 (13) 求得的期望目标值相对于F10和F20有所下降, 而式 (14) 求得的期望目标值相对于F30有所上升, 这是因为在实际电力系统中, 高性能大机组均是比较新的机组, 还本付息负担较重, 其上网电价容易偏高, 而低性能小机组运行年限已经较长, 还本付息负担较轻甚至没有, 故其上网电价通常较低。当要求F1和F2下降 (节能减排) 时, 其结果会导致电网公司购电行为发生“舍低价买高价”的现象, 即F3伴随F1和F2的下降呈不降反升的态势。所以, 为合理保护电网公司的经济利益, 需要对F3的上升率加以控制。

2 多目标期望控制形式的节能发电调度问题求解

对多目标优化问题, 通常的简单做法是将不同目标加权形成一个综合目标, 从而使问题变成单一目标最优化问题求解。对式 (8) ～式 (11) 描述的问题, 包含3个目标, 具有各自的期望控制值。那么, 对于这种多目标期望控制形式的优化问题, 如果仍然采用多目标加权的方式求解, 如何才能通过权重的适当调整保证所求的解使不同目标能够同时达到期望控制值或达到相同的期望目标完成率。以下给出解决方案。

考虑总燃煤量、污染物总排放量、电网公司总购电费用3个指标加权后的综合目标函数为:

$F = w_{1} F_{1} + w_{2} F_{2} + w_{3} F_{3} (15)$

式中:w1, w2, w3为权重。

式 (15) 采取固定F1权重w1为1.0的做法, 目的在于使确定的权重由3个减少到2个。

本文多目标期望控制优化迭代过程, 是通过选择或不断调整权重w (k) =, 然后求F最小值的方法实现的。在某一选择或调整后的权重w (k) 的条件下, F取得最小值, 往往不能同时保证F1, F2, F3分别达到F1des, F2des, F3des, 但可以利用某一次迭代结果提供的信息, 再次 (预估) 调整权重, 重新求取F的最小值, 使F1, F2, F3偏离F1des, F2des, F3des的程度逐步得到缩小。经若干次权重 (预估) 调整后的F最小化计算过程, 会使F1, F2, F3最终同时达到F1des, F2des, F3des。

定义煤耗、污染物排放量和电网公司购电成本期望目标完成率分别为:

$\begin{array}{l} σ_{1}^{(k)} = \frac{F_{10} - F_{1}^{(k)}}{F_{10} - F_{1 d e s}} \times 100 % (16) \\ σ_{2}^{(k)} = \frac{F_{20} - F_{2}^{(k)}}{F_{20} - F_{2 d e s}} \times 100 % (17) \\ σ_{3}^{(k)} = \frac{F_{3 d e s} - F_{30}}{F_{3}^{(k)} - F_{30}} \times 100 % (18) \end{array}$

下面给出通过不断缩小目标之间完成率差距的思想, 利用权值预估调整的方式求解多目标期望控制问题的步骤:

步骤1:赋权重初值w (0) =, 解综合目标F最小化问题, 求得σ (0) 1, σ (0) 2, σ (0) 3。

步骤2:赋另一组权重初值w (1) =, 解综合目标F最小化问题, 求得σ (1) 1, σ (1) 2, σ (1) 3。

步骤3:赋k=2及最大迭代次数Mmax。

步骤4:为缩小第2个和第3个目标与第1个目标完成率之间的差距, 可使第k次的第2个和第3个目标的完成率向第1个目标的完成率趋近, 趋近的幅度 (步长) 设为第k-1次完成率差距的一半, 即要使第2个和第3个目标的完成率分别为:

$\begin{array}{l} \hat{σ}_{2}^{(k)} = \frac{1}{2} (σ_{1}^{(k - 1)} + σ_{2}^{(k - 1)}) (19) \\ \hat{σ}_{3}^{(k)} = \frac{1}{2} (σ_{1}^{(k - 1)} + σ_{3}^{(k - 1)}) (20) \end{array}$

利用第k-2次的结果坐标点 (σ (k-2) , w (k-2) ) 和第k-1次的结果坐标点 (σ (k-1) , w (k-1) ) , 线性预估完成率等于式 (19) 、式 (20) 时的权值:

$\begin{array}{l} w_{2}^{(k)} = w_{2}^{(k - 1)} + \frac{w_{2}^{(k - 1)} - w_{2}^{(k - 2)}}{σ_{2}^{(k - 1)} - σ_{2}^{(k - 2)}} (\hat{σ}_{2}^{(k)} - σ_{2}^{(k - 1)}) (21) \\ w_{3}^{(k)} = w_{3}^{(k - 1)} + \frac{w_{3}^{(k - 1)} - w_{3}^{(k - 2)}}{σ_{3}^{(k - 1)} - σ_{3}^{(k - 2)}} (\hat{σ}_{3}^{(k)} - σ_{3}^{(k - 1)}) (22) \end{array}$

步骤5:解综合目标F最小化问题, 求得σ (k) 1, σ (k) 2, σ (k) 3。

步骤6:判断|σ (k) 1-100%|<ε, |σ (k) 2-100%|<ε和|σ (k) 3-100%|<ε是否同时满足?若同时满足, 输出结果, 结束计算;否则, k=k+1, 当k≤Mmax时返回步骤4继续, 当k>Mmax时结束迭代。

算法中解综合目标F最小化问题的过程, 采用计及网损修正系数的综合目标等微增率方法实现;ε是F1, F2, F3偏离目标期望控制值的最大允许不完成率, 作为寻优结束判据。

上述算法中的权重调整, 目的在于控制迭代过程中不同目标趋向各自期望控制值的速度, 就此含义而言, 这里的权重更多地表现为控制迭代速度的一种加速因子, 它与传统加权综合目标中的权重反映对各目标的重视或偏好程度的含义有所不同。

需要说明, 当3个目标的期望控制值给得过于苛刻 (互相之间矛盾性较大) 或宽松时, 计算结果不能保证3个目标完全达到各自设定的期望控制值, 此时, 当Mmax足够大时, 3个目标最终趋向于某一相同的期望目标完成率 (小于或大于100%) ;对其他情形, 计算结果应该使3个目标同时100%地完成期望控制要求。

3 算例分析

算例网络取自IEEE 39节点10机系统, 其网络拓扑结构和线路参数均保持原始数据不变, 而机组煤耗、污染物排放及上网电价以表1模拟数据为准。计算中, 设系统某时段总负荷PL=3 470 MW, 时段长度ΔT选为1 h;第2节算法中的最大允许不完成率ε=1%。

设按照某发电调度方案得到的总煤耗量F10=1 578.05 t、污染物总排放量F20=4 075.54 t、电网公司总购电费用F30=193.031万元。若待求方案要求煤耗和污染物排放目标期望降低率分别为η1=1.25%, η2=4.7%, 电网公司总购电成本增加率η3=4.0%, 则可求得3个目标的期望控制值分别为F1des=1 558.324 t, F2des=3 883.990 t, F3des=200.752 2万元。

运用第2节方法, 结合权重系数的预估调整, 可得到满足目标期望控制值的分配方案如表2所示。此时, F1=1 558.316 t, F2=3 885.116 t, F3=200.767 3万元。迭代过程中各目标完成率及权重系数的调整情况分别如图1、图2所示。

由图1、图2可以看出, 迭代计算6次后各目标完成率同时趋近100%, 此后各相对权重系数大小基本保持不变。

当然, 如果目标期望控制值给得比较苛刻, 如η1=1.25%, η2=4.7%, η3=3.0%, 则无论系统怎样调整权重系数, 都不能同时达到期望的要求。这时若要求煤耗和污染物排放量这2个目标的期望控制值优先且必须得到满足, 而电网公司购电成本在此基础上尽量控制, 则仍可按表2方案安排发电计划;若要求煤耗、污染物排放量和电网公司购电成本三者追求同样的期望目标完成率, 则最终发电计划见表3。此时, 3个目标期望控制值的完成率约为88%, 对应的F1=1 560.697 t, F2=3 905.774 t, F3=199.580 7万元。迭代过程中各目标完成率及权重系数的调整情况分别如图3、图4所示。

算例表明, 对于给定的期望控制目标, 任意给定2组权重初值启动计算, 迭代过程中根据期望目标完成率之间的差距预估修正得到新的权重。只需迭代几次 (本算例约为6次) 即可满足期望目标控制的要求。以煤耗量为比照对象, 污染物排放量和购电费用完成率均与其完成率差距很小时, 3个目标以近似相同的目标完成率结束迭代过程。

4 结语

传统的发电调度模型已经不能完全满足电力系统中多方利益的需求, 所提出的多目标期望控制概念, 在解决这一问题的同时, 与国家长期发展战略分步执行的理念相符合。对于建立的多目标期望控制优化模型, 采用多目标加权的方式, 运用线性预估的方法调整权重系数, 使得优化结果满足了目标期望的要求。模型较好地适应了实际系统的需要, 方法简洁明了, 算例结果验证了该方法的可行性。

摘要：节能发电调度问题所追求的目标, 例如能耗与污染物排放水平的降低程度, 会在综合考虑多种因素的基础上, 以阶段性期望控制值的形式而非待求的最小值形式出现。因此, 传统立足于目标函数最小化或最大化的思路, 显然不符合实际需求。针对此现状, 文中提出了多目标期望控制的概念, 并建立了节能减排发电调度问题的多目标期望控制优化模型。采用多目标加权形式, 通过不断缩小目标之间完成率差距的方式预估调整权值, 并由此求得满足不同目标期望控制需求的节能发电调度方案。算例验证了多目标期望控制思想的正确性, 以及多目标加权调整方式求解问题的可行性。

关键词：节能发电调度,多目标期望控制,优化,电力系统

参考文献

[1]国办发[2007]53号文件:国务院办公厅关于转发发展改革委等部门节能发电调度办法 (试行) 的通知[EB/OL].[2010-01-14].http://www.china.com.cn/policy/txt/2007-08/07/content_8642683.ht m.

[2]胥传普, 杨立兵, 刘福斌.关于节能降耗与电力市场联合实施方案的探讨.电力系统自动化, 2007, 31 (23) :99-102.XU Chuanpu, YANG Libing, LI U Fubin.Discuss on the unioni mplementation scheme of energy conservation measures andelectricity marketability methods.Automation of Electric PowerSystems, 2007, 31 (23) :99-102.

[3]毛毅, 车文妍.兼顾节能与经济效益的月度发电计划模型.现代电力, 2008, 25 (5) :73-78.MAO Yi, CHE Wenyan.Monthly generation schedulingconsidering energy-saving and economic benefit.ModernElectric Power, 2008, 25 (5) :73-78.

[4]范玉宏, 张维, 韩文长, 等.兼顾电力市场竞价的区域电网节能发电调度模型.电力系统保护与控制, 2009, 37 (18) :83-88.FAN Yuhong, ZHANG Wei, HAN Wenchang, et al.Researchon energy-saving generation dispatching model in regional gridconsidering bidding mechanism.Power System Protection andControl, 2009, 37 (18) :83-88.

[5]张彦.基于多目标优化随机权系数加权和的机组负荷分配.电网技术, 2008, 32 (2) :64-67.ZHANG Yan.Multi-objective opti mization of economic dispatchproblem based on stochastic weighted sum method and multi-attribute decision making.Power System Technology, 2008, 32 (2) :64-67.

[6]马瑞, 穆大庆, 李欣然, 等.电力市场中日有功负荷多目标分配模糊决策的研究.电网技术, 2001, 25 (2) :25-29.MA Rui, MU Daqing, LI Xinran, et al.Study onfuzzy decisionof multi-objective dispatch strategy for daily active power inelectricity market.Power System Technology, 2001, 25 (2) :25-29.

[7]秦明明, 王坚, 姜雷.基于改进粒子群算法的电力系统有功调度.电力学报, 2009, 24 (6) :471-473.QI N Mingming, WANG Jian, JI ANG Lei.Electric powersystem active dispatch based on i mproved particle swarmopti mization.Journal of Electric Power, 2009, 24 (6) :471-473.

[8]ABIDO M A.Multiobjective evolutionary algorithms for electricpower dispatch problem.IEEE Trans on EvolutionaryComputation, 2006, 10 (3) :315-329.

期望目标篇3

日常生活中, 我们经常遇到如下等车时间问题.

问题1: 某公交车站每隔10分钟有一班车通过, 求乘客在任意时刻到达车站需要等车时间的数学期望.

分析: 设乘客等车的时间为随机变量X, 由题意可知X~ U[0, 10], 故乘客等车时间的数学期望为5分钟.

问题2: 公共汽车站于每小时的第10分钟、30分钟、55分钟发车, 假设某乘客不知道发车时间, 并且在每小时内的任意时刻到达车站, 求该乘客等候时间的数学期望.

解: 设该乘客到达车站的时刻为随机变量X ( 单位: 分钟) , 由题意可知X ~ [0, 60]. 其概率密度函数为:

又设等车时间为随机变量Y, 则Y是关于随机变量X的随机变量函数, 并且满足:

由此可得该乘客等车时间的数学期望为:

综上可知, 该乘客等车时间的期望是10.4分钟.

问题3: 按照规定, 某车站每天8: 00 ~ 9: 00, 9: 00 ~10: 00都恰有一辆客车到站, 但是到站的时间是随机的, 且两者到站的时间相互独立. 其规律为:

求:

( 1) 一旅客8:00到达车站, 求他候车时间的数学期望;

( 2) 一旅客8:20到达车站, 求他候车时间的数学期望.

解设旅客的候车时间为随机变量X ( 单位: 分) .

( 1) 根据题意可知该旅客乘坐8:00 ~9:00的客车, 因此随机变量X的分布律为:

所以该旅客候车时间的数学期望为:

( 2) 分析: 由题意可知该旅客可能乘坐8:00 ~9: 00的客车也可能乘坐9:00 ~10:00的客车. 若8:00 ~9:00的一趟车已经开走, 第二趟车9: 10开, 则该旅客的等车时间是50分钟, 对应的概率为事件“第一趟车8: 10开走, 第二趟车9: 10开”, 该事件发生的概率为:

该旅客其余等车的时间可类似求得, 于是随机变量X的分布律为:

所以该旅客等车时间的数学期望为:

参考文献

[1]盛骤, 谢式千, 潘承毅.概率论与数理统计[M].北京:高等教育出版社, 2010.

[2]邵崇斌, 徐钊.概率论与数理统计[M].北京:中国农业出版社, 2007.

期望目标篇4

所谓期望, 是一种可变化的心理状态, 是在人们对外界信息不断反应的经验基础上产生的。家长期望是指在家庭教育中, 父母对子女成才的基本构想, 是父母对子女寄托的具体反映。家长的期望是家庭教育中的一个不可忽视的重要因素, 对子女的成长有巨大的影响。

二、期望的“负极”

【案例一】小颖升入高三后, 明显感觉到父母对自己的约束增多了, 当她在学习任务完成后想着放松一下的时候, 耳边就响起了父母的斥责。小颖知道父母一直期望着她能在高考中取得优秀成绩, 考取名校, 她也为了不让父母失望而一直努力学习, 但最近的“施压”让她有些喘不过气来……直到小颖在又一次的考试中发挥失常, 父母狂风骤雨般的斥责让小颖压力倍增, 她对考试焦虑了起来, 考试前难以入眠, 食不下咽。

上述案例中的现象不就是父母“望子成龙, 望女成凤”心切而造成的吗?现实生活中类似的事情也不在少数, 近年来时有发生的中学生出走、轻生或出现精神问题, 很有一部分是因父母期望过高而酿成的悲剧。每个家长, 都会对子女抱有一定的期望值, 这是人之常情, 是对子女的爱的体现。然而, 期望效应是有正负之分的, 期望值高于或低于期望对象的实际水平, 都不利于期望效果的实现。

在学生成长的过程中, 家庭因素是重要的影响因素之一。在家庭教育中, 每个家长都对子女有着成人成才的需要, 而孩子在成长过程中, 也会产生自己心理需要的期望要求。如果父母与子女的期望有距离, 亲子之间就会产生矛盾。

据研究表明, 当前, 父母的期望普遍过高, 表现在:

家长对子女的学业、学历期望偏高:期望成绩达优秀的, 小学生为71.6%、初中生61.2%、高中生62.4%;期望子女达研究生及以上学历的, 小学生为51.4%、初中生44%、高中生43%。中小学生的家长期望有持续偏高趋势。

与此同时, 大部分的父母对孩子的学习成绩期望高于孩子的实际成绩。孩子的学习成绩一般, 而家长的期望是孩子能达到优秀, 接近80%的父母期望孩子在班上考第一名;90%以上都期望孩子将来至少要取得大学本科以上的学历。过高的期望下, 孩子因压力过大而出现逃避、厌倦等退缩性行为, 因长期遇到困难太大、受到挫折太多而丧失自信。在中小学生中, 存在着焦虑状况的学生占到了一定的比例, 其中, 恐怖倾向、身体症状、冲动倾向、自责倾向的比例都超过了10%。这是由于压力已超过了他们所能负荷的程度, 引起纷扰的、不利的、危机重重的后果, 导致心理问题的产生。具体表现在以下几个方面:

1. 自卑、自责心理。

固然家长对学生的期望可以影响孩子的发展, 激发求知欲、增强自信心, 但我们从期待公式———激励力量 (M) =行动结果的价值评价 (∑V) ×对应的期望值 (E) 中可以看出, 价值评价和期望值都与激励力量成正比, 当期望值为0时, 激励力量为0。如果学生无法达到父母所期望的高度, 屡屡失败, 就丧失了对自己的信心, 自身期望值降低为0。这样不仅使得激励力量为0, 而且影响到学生本身的情绪。长期的失利使得学生情绪低落, 内心沉重, 进一步使自我评价降低, 导致自卑心理。部分学生还会产生对不起父母的自责心理, 严重者可能会选择极端途径以求解脱。

2. 紧张、焦虑情绪。

学生由于不能达到父母的期望高度, 使得自尊心与自信心受挫, 当失败感与期望交织时, 就会形成一种不安、退缩的焦虑情绪状态, 特别是在考试前夕, 这种情绪尤为明显, 表现为考前难以入睡, 考试时出现紧张反应, 生理上有如出汗、颤抖、胸闷、心跳加快等现象;心理活动异常, 如注意分散、记忆缺失、思维迟钝等。紧张、焦虑情绪往往使得学生在考试时不能够发挥出自己应有的水平, 导致考试的失利, 而失利的结果则再次加剧了焦虑的程度, 形成恶性循环。

3. 逆反心态。

进入青春期后, 青少年的自我意识明显增强, 独立思考和处世能力逐渐发展, 在心理和行为上表现强烈的自主性, 迫切希望从父母的束缚中解放出来, 开始积极尝试脱离父母的保护和管理。这时, 父母们过高的期望以及严厉的言行则会成为点燃家庭不安气氛的火星, 难以揣测会导致怎样过激的行为和可怕的后果。

因此, 家长必须对期望值的规划有一个的新的认识。

三、引导期望走向“正极”

努力发挥期望的正效应, 引导其从“负极”路走向“正极”, 应注意做到以下几点:

首先, 必须建立符合学生实际水平的期望值, 使期望由外驱力转换为内驱力, 提升学生自身期望值, 将之变成催动青少年上进的激励力量, 而非遥不可及的仰望。这就要求父母对学生有全面、细致的了解, 对学生的潜能做到心中有数, 才能有的放矢。

其次, 要遵循循序渐进的原则。现阶段定下的期望值并非一成不变, 要随学生的变化而变化。当一级的期望值达成后, 家长应不失时机地以符合学生新水平的期望值来替代, 否则, 原本的期望值会因学生的变化而变得不再合适, 达不到理想的期望效果。

最后, 注意长期期望与短期期望的有机结合。就如同俗话说的那样:“冰冻三尺非一日之寒”, 长期期望的实现也并不是一蹴而就的, 它由许多短期期望的实现累积而成。短期期望的实现, 会促成学生对自己的肯定和认可, 继而增强他们的自信心, 产生更大的动力, 为下一个期望的实现奠定良好的基础。

参考文献

[1]宋保中, 蔡小明.家长期望与中小学生的心理健康[A].《中国心理卫生协会第四届学术大会论文汇编》[C].2003.

【期望目标】推荐阅读：

多目标期望控制08-18