数学建模_电力生产问题

1、电力生产最优化问题 摘要本文解决的是发电机使用的非线性最优化问题。为满足每日电力需求，且总成本最小，可把每天分为七个时间段，要计算一天的最小成本即是分别求出每个时间段的最小成本，从而累加得出一天的最小总成本。我们接受了LINGO软件实现整个流程，最终求出七个时段总成本的最优解，即每天使用发电机的总成本的最小值，并进行了误差分析，模型的评价与推广。对于问题一：对数据进行初步分析和处理后，考虑到数据的简单性及多样性，我们应用普遍的分段思想以及最优化思想，建立二次规划模型。将每天分为7个时段，通过利用第i时段型号j发电机的使用数量及其功率，并应用LINGO程序，最终分别计算出每个时段使用发电机所花费

2、的成本最小值，然后累加得每天使用发电机的总成本的最小值，最终结果如下表：06699121214141818222224型号1发电机使用数量0255110型号2发电机使用数量4444444型号3发电机使用数量3848886型号4发电机使用数量0333130时段最小成本17662027040019782018493024554030780085480一天最小总成本1468590对于问题二：本问是要在问题一的基础上加以改进，要求在任何时刻，正在工作的发电机组必需留出20%的发电力量余量，即发电机在任何时刻其输出功率均要满足要求，在计算电力需求量时，发电机要按80%的输出功率计算；最终得出此状况下每天

3、最小成本为1913537元。最终，观看模型结果可发觉，型号2与型号3发电机使用相当频繁，建议可适当增加此类发电机台数。关键词：lingo软件 最优化思想 二次规划模型一 问题重述问题背景：电是我们这个社会不行缺少的资源之一。我们身边处处都需要电，小到电灯、电扇，大到飞机、卫星。对电力资源的合理利用是目前重要任务之一。在可持续进展的社会中，如何节省资源、提高效率是当前社会面临的重要问题之一，本题即是要求合理安排发电机使用数量，以减小发电成本的问题。题目要求：为满足每日电力需求（单位为兆瓦（MW），可以选用四种不同类型的发电机。每日电力需求如下表1。 表1：每日用电需求（兆瓦）时段（0-24）0-

4、66-99-1212-1414-1818-2222-24需求12000320002500036000250003000018000每种发电机都有一个最大发电力量，当接入电网时，其输出功率不应低于某一最小输出功率。全部发电机都存在一个启动成本，以及工作于最小功率状态时的固定的每小时成本，并且假如功率高于最小功率，则超出部分的功率每兆瓦每小时还存在一个成本，即边际成本。这些数据均列于表2中。表2：发电机状况可用数量最小输出功率（MW）最大输出功率（MW）固定成本（元/小时）每兆瓦边际成本（元/小时）启动成本型号110750175022502.75000型号241000150018002.21600

5、型号381200200037501.82400型号431800350048003.81200只有在每个时段开头时才允许启动或关闭发电机。与启动发电机不同，关闭发电机不需要付出任何代价。本文要解决的问题有：问题一：试确定在每个时段应分别使用各型号发电机的数量，以使每天的总成本最小，并求出最小总成本。问题二：在现实生活中，用电量不行能恒定不变，所以为了更符合实际，增加方案的可行性，要求发电机要保留肯定的发电力量，以应对突发状况。所以假设：在任何时刻，正在工作的发电机组必需留出20%的发电力量余量，以防用电量突然上升。试确定每个时段又应分别使用各型号发电机的数量，以使每天的总成本最小，并求出此时的最

6、小总成本。二 模型的假设假设1：在每个时段开头时才允许启动或关闭发电机。假设2：发电机工作期间不发生任何故障。假设3：发电机之间的摩擦不消耗功率。假设4：发电机输出过程其功率始终保持不变。假设5：关闭发电机过程不做任何考虑。假设6：关闭和启动发电机时均是瞬时完成，不记相应使用的时间。假设7：发电机自身不消耗功率。假设8：在一时段内，每小时所需要的功率相等。三 符号说明符号符号说明时段，取1、2、3、4、5、6、7发电机型号，取1、2、3、4第i时段型号j发电机使用数量第i时段单个型号j的功率发电机在第i时段的工作时间发电机在第i时段的总成本每天的总成本型号j发电机的最小输出功率型号j发电机的固

7、定成本型号j发电机工作时的每兆瓦边际成本每台型号j的启动成本第i时段j型号发电机的总启动成本第i时段每小时所需要的功率四 模型的建立与求解问题（一）1.1 模型分析 该问题是一个分段求解问题，比较简单不易求出精确的最优解，故只能近似求出其最优解来。 我们把每天分为7个时段，通过求每个时段发电机使用的总成原来求每天的总成本，即为各各时段总成本之和。然后要确定发电机在每个时段所使用的发电机的型号以及所使用的数量和输出的实际功率，而每个时段的总成本是由三个部分组成的，分别为：固定成本、启动成本、边际成本。据此对每个时段建立模型及其相应的约束条件，又各各时段中若已经启动的发电机就不用再启动，所以无需相

8、应的额外启动成本，故第1时段与后6个时段计算状况不同，所以我们要分时段来求各时段的启动成本。1.2 模型的建立1.2.1 确定目标函数我们确定的目标函数是为了解决电力生产优化问题。在满足需求量的状况下，为了使每天发电成本最低，则需要每个时段有最小成本，所以我们建立如下目标函数为了解决问题，我们进一步争辩每个时段的最小成本，由于成本由启动成本、固定成本、边际成本组成，所以我们经分析可得出第i时段的总成本为：由于代表第i时段j型号发电机的总启动成本，在第1是时段时，开多少发电机，就需要多少次启动成本。而从其次次开头，假如比上一时间段开机少，本时段就不需要此启动成本；假如开机比上一时段多，则只需要计

9、算多动身电机的启动成本。所以，我们最终得出第i时段j型号的启动成本公式为：1.2.2确定约束条件. 由于代表第i时段型号j发电机使用数量，所以应小于等于本型号发电机总的数量，且为整数，即： （为整数）. 同时由于代表第i时段单个型号j的功率，所以的大小应当介于最小输出功率与最大输出功率之间，即： . 发电机的发电量要满足电量需求，而代表第i时段每小时所需要的功率，所以每小时发电量要大于等于，即： 1.2.3 综上所述，得到问题一的最优化模型 （必需取整数）1.3 模型的求解. 首先，我们分析题目得到，总成本由启动成本、固定成本、边际成本组成。 启动成本：分析易知，启动成本只与本型号发电机的数量

10、有关，与其输出功率无关。其值为：各型号发电机数量与其各自的启动成本之积的求和。固定成本：由于当发电机接入电网时，其输出功率不应低于其最小输出功率，而发电机功率大于等于最小功率时有固定的每小时成本（即固定成本），所以固定成本与其输出功率大小无关，只与本型号启动的发电机数量有关。其值为：各型号发电机数量与其固定成本、工作时间之积的求和。边际成本：假如发电机输出功率高于最小功率，则超出部分的功率每兆瓦每小时还存在一个成本，即边际成本，此部分成本不仅与发电机数量有关，还与发电机输出功率有关。其值为：各型号发电机数量乘以工作时间乘以各自边际成本乘以超出功率。所以，经过上述分析，我们应用LINGO程序进行

11、编程（程序见附录）计算，最终得出每时段各型号发电机的使用数量及其各自的功率。由各型号发电机使用数量及各自功率可求出各时段内的最小成本及一天的最小总成本，具体的数据见表一：表一：问题一求解结果06699121214141818222224型号1发电机数量0255110型号1发电机功率-17501750172012001750-型号2发电机数量4444444型号2发电机功率1500150015001500150015001500型号3发电机数量3848886型号3发电机功率2000200012002000200020002000型号4发电机数量0333130型号4发电机功率-21671816180

12、018002083-时段最小成本17662027040019782018493024554030780085480一天最小总成本1468590注：表中“-”表示发电机数量为0时，争辩功率没意义。1.4问题一的结果分析对表一进行深化观看可知：型号2、型号3发电机使用频率相当高，且多为满功率工作，而型号1发电机虽然有10台，但其使用数量不多，所以建议对型号2、型号3进行定时修理，或增配型号2及型号3发电机数量，可适当削减型号1发电机的数量，以降低成本。经过对结果数据的再分析、再检验，结合网上的调查状况与相关资料，我们的结果的确较为符合实际状况，有较大的参考价值，比较优越。问题（二）2.1 模型的争

13、辩 依据对问题一的分析，我们已经基本理清了计算发电成本的思路。在本问中，我们只需对问题一加以约束、改进，就可以得出结果。本问所加要求为：在任何时刻，正在工作的发电机组必需留出20%的发电余量，以防止突然上升。我们对此问题进行平安性较高的保守计算：在计算电力需求量时，由于发电机在某些时候可能保留了20%的发电力量，所以此时发电机要按80%的输出功率计算；而在考虑成本及限制条件时，又由于发电机在某些时候可能会全力发动，所以此时发电机要按100%的输出功率计算，而其余的求解思路与问题一全都。2.2模型建立2.2.1 确定目标函数我们确定的目标函数是为了解决电力生产优化问题。在满足需求量的状况下，为了

14、使每天发电成本最低，则需要每个时段有最小成本，所以我们建立如下目标函数为了解决问题，我们进一步争辩每个时段的最小成本，由于成本由启动成本、固定成本、边际成本组成，所以我们经分析可得出第i时段的总成本为：由于代表第i时段j型号发电机的总启动成本，在第1是时段时，开多少发电机，就需要多少次启动成本。而从其次次开头，假如比上一时间段开机少，本时段就不需要此启动成本；假如开机比上一时段多，则只需要计算多动身电机的启动成本。所以，我们最终得出第i时段j型号的启动成本公式为：2.2.2确定约束条件.由于代表第i时段型号j发电机使用数量，所以应小于等于本型号发电机总的数量，且必需为整数，即： （必需为整数）

15、.由于代表第i时段单个型号j的功率，所以的大小应当介于最小输出功率与最大输出功率之间。然而，本文中由于发电机可能会保留20%的发电力量，所以，为了平安起见，在发电机以80%的发电力量工作时，其80%的输出功率也应大于等于最小输出功率，即： .发电机的发电量要满足电量需求，而代表第i时段每小时所需要的功率，所以每小时发电量要大于等于。然而，本文中由于发电机可能会保留20%的发电力量，所以，为了平安起见，在发电机以80%的发电力量工作时，其每小时发电量也应要大于等于，即： 2.2.3综上所述，得到问题二的最优化模型 （必需取整数.）2.3 模型的求解本问求解过程与问题一类似，只需留意以下几点：由于

16、工作的发电机组必需留出20%的发电余量，所以限制条件中的发电量需求条件、输出功率条件均有所转变，按最新修改的问题二最优化模型，利用LINGO软件重新编程（程序见附录）计算，最终得出每时段各型号发电机的使用数量及其功率。由各型号发电机使用数量及其功率可求出各时段内的最小成本及一天的最小总成本，具体数据见表二。表二：问题二求解结果06699121214141818222224型号1发电机数量0678481型号1发电机功率-17501750175017501656937型号2发电机数量4444444型号2发电机功率1250150015001500150015001390型号3发电机数量5848888

17、型号3发电机功率2000200015002000200020002000型号4发电机数量0333110型号4发电机功率-25002333300022502250-时段最小成本230500360000258870247800317720388820109827一天最小总成本1913537注：表中“-”表示发电机数量为0时，争辩功率没意义。2.4模型二的分析对表二进行深化观看可知：型号2、型号3发电机使用频率相当高，且多为满功率工作。所以建议对型号2、型号3进行定时修理，或增配型号2及型号3发电机数量。通过与表一对比分析得：型号1发电机在问题二的前提下使用数量得以提高。本模型中，在计算电力需求量时

18、，由于发电机在某些时候可能保留了20%的发电力量，所以此时发电机要按80%的输出功率计算；而在考虑成本及限制条件时，又由于发电机在某些时候可能会全力发动，所以此时发电机要按100%的输出功率计算。分析易知，这样分析，平安性大大提高。本模型对题目要求（发电机保留20%发电力量）考虑周到，大大提高了模型的平安性，虽然短期内成本略有所加，但从长远角度来看，还是大大降低了发电厂的成本，增加了收益。五 模型的误差分析 本题主要是一个有关分段求最优解的问题，因此其最终解是一个近似值，存在肯定的误差，前面对于模型的假设可知，发电机自身不消耗功率那是不行能的，其之间由于有摩擦力以及要散热等都需要消耗功率，另外

19、，发电机输出过程其功率始终保持不变也是抱负状况下才存在的，所以也有肯定的误差，还有在开启以及关闭发电机时不仅有功率损耗方面的误差，而且还有时间方面的误差，这些都会对模型的建立有肯定程度上的影响。六 模型评价1.模型的优点1.1本文接受了最优化的算法。在满足使用的前提下，运用最优化算法，使每个时间段使用的发电机数量最少以达到提高效率，降低成本的目的。1.2分七个时间段，每个时间段的计算公式相当类似，计算时只需转变其中的几个常数及变量范围即可，简洁便利。1.3本文解答的其次问中，运用了最平安保守的计算体系，提高了本算法的可行性，使之更加符合实际，有较大的调整空间。从长远角度看，也降低了成本，增加收

20、益。1.4我们建立的数学模型，求出了第一天内发电机使用方案。通过我们求得各时段各型号发电机使用的数量分析看来，在后来的时间24：00与00：00的交替过程中，只须转变几台发电机的开关状况。其次天就可以照旧按着前一天的方案方案连续工作，这样就构成了一个循环，无论使用方案时间多长都可以实现。1.5本文接受了lingo程序编程。利用lingo程序便利解决线性规划问题的优点，来得出各时段各型号发电机使用的数量以使其成本最低。1.6有挨次，有步骤地给出优化方案，把简单的问题简洁明朗化，显得通俗易懂。2.模型的不足2.1本文的算法虽然原理较为简洁，但是运算时间相对而言较长。2.2由于分时段计算，且后一时间

21、段的计算需要依靠前一时间段的计算结果，所以此算法独立性不强，需要每个时间段的结果必需精确。七 模型的改进与推广1、模型的改进： （1）建模时没有考虑发电机启动机器关闭的时间消耗，若考虑这些时间消耗将会使费用相应的增加，因此我们可以对该模型启动以及关闭时间进行缩短；（2）所建的模型是针对其输出功率始终保持不变的，但实际上其在传送以及散热等方面都会损耗，因此功率也是不断变化的，若考虑这些损耗，将会使计算趋于简单不易得到近似的最优解，因此应转变发电设施使输出功率基本保持不变或变化很小。（3）由于发电机可能发生故障，所以建议每种型号都备份几台，特殊是使用频率高的型号2、型号3发电机。2、模型的推广：

22、该种分段式求最优解的问题在经济市场经常消灭，如股票的分段涨跌，发电厂电力的配置，银行不同方式的存利率，以及对不同市场的投资。八 参考文献1 宣明 数学建模与数学试验 ，浙江 浙江高校出版社 20102 谢金星 优化建模与LINDO/LINGO软件 ， 北京 清华高校出版社 20053 宋来忠 数学建模与试验 ，北京 科学出版社 2005九 附录问题一程序：!第1时段;model:min=5000*x11+2250*6*x11+(y11-750)*6*2.7*x11+1600*x12+1800*6*x12+(y12-1000)*6*2.2*x12+2400*x13+3750*6*x13+(y13

23、-1200)*6*1.8*x13+1200*x14+4800*6*x14+(y14-1800)*6*3.8*x14;x11*y11+x12*y12+x13*y13+x14*y14>=12000;x11>=0;x11<=10;y11>=750;y11<=1750;x12>=0;x12<=4;y12>=1000;y12<=1500;x13>=0;x13<=8;y13>=1200;y13<=2000;x14>=0;x14<=3;y14>=1800;y14<=3500;gin(x11);gin(x12

24、);gin(x13);gin(x14);end!第2时段;model:min=5000*x21+2250*3*x21+(y21-750)*3*2.7*x21+1600*if(4-x22#ge#0,0,x22-4)+1800*3*x22+(y22-1000)*3*2.2*x22+2400*if(3-x23#ge#0,0,x23-3)+3750*3*x23+(y23-1200)*3*1.8*x23+1200*x24+4800*3*x24+(y24-1800)*3*3.8*x24;x21*y21+x22*y22+x23*y23+x24*y24>=32000;x21>=0;x21<=

25、10;y21>=750;y21<=1750;x22>=0;x22<=4;y22>=1000;y22<=1500;x23>=0;x23<=8;y23>=1200;y23<=2000;x24>=0;x24<=3;y24>=1800;y24<=3500;gin(x21);gin(x22);gin(x23);gin(x24);end!第3时段;model:min=5000*if(5-x31#ge#0,0,x31-5)+2250*3*x31+(y31-750)*3*2.7*x31+1600*if(4-x32#ge#0,0

26、,x32-4)+1800*3*x32+(y32-1000)*3*2.2*x32+2400*if(8-x33#ge#0,0,x33-8)+3750*3*X33+(y33-1200)*3*3.8*x33+1200*if(3-x34#ge#0,0,x34-3)+4800*3*x34+(y34-1800)*3*3.8*x34;x31*y31+x32*y32+x33*y33+x34*y34>=25000;x31>=0;x31<=10;y31>=750;y31<=1750;x32>=0;x32<=4;y32>=1000;y32<=1500;x33>

27、;=0;x33<=8;y33>=1200;y33<=2000;x34>=0;x34<=3;y34>=1800;y34<=3500;gin(x31);gin(x32);gin(x33);gin(x34);end!第4时段;model:min=5000*if(5-x41#ge#0,0,x41-5)+2250*2*x41+(y41-750)*2*2.7*x41+1600*if(4-x42#ge#0,0,x42-4)+1800*2*x42+(y42-1000)*2*2.2*x42+2400*if(8-x43#ge#0,0,x43-8)+3750*2*x43+(

28、y43-1200)*2*1.8*x43+1200*if(2-x44#ge#0,0,x44-2)+4800*2*x44+(y44-1800)*2*3.8*x44;x41*y41+x42*y42+x43*y43+x44*y44>=36000;x41>=0;x41<=10;y41>=750;y41<=1750;x42>=0;x42<=4;y42>=1000;y42<=1500;x43>=0;x43<=8;y43>=1200;y43<=2000;x44>=0;x44<=3;y44>=1800;y44<

29、=3500;gin(x41);gin(x42);gin(x43);gin(x44);end!第5时段;model:min=5000*if(6-x51#ge#0,0,x51-6)+2250*4*x51+(y51-750)*4*2.7*x51+1600*if(4-x52#ge#0,0,x52-4)+1800*4*x52+(y52-1000)*4*2.2*x52+2400*if(8-x53#ge#0,0,x53-8)+3750*4*x53+(y53-1200)*4*1.8*x53+1200*if(3-x54#ge#0,0,x54-3)+4800*4*x54+(y54-1800)*4*3.8*x54;

30、x51*y51+x52*y52+x53*y53+x54*y54=25000;x51>=0;x51<=10;y51>=750;y51<=1750;x52>=0;x52<=4;y52>=1000;y52<=1500;x53>=0;x53<=8;y53>=1200;y53<=2000;x54>=0;x54<=3;y54>=1800;y54<=3500;gin(x51);gin(x52);gin(x53);gin(x54);end!第6时段;model:min=5000*x61+2250*4*x61+(y6

31、1-750)*4*2.7*x61+1600*if(4-x62#ge#0,0,x62-4)+1800*4*x62+(y62-1000)*4*2.2*x62+2400*if(8-x63#ge#0,0,x63-8)+3750*4*x63+(y63-1200)*4*1.8*x63+1200*if(3-x64#ge#0,0,x64-3)+4800*4*x64+(y64-1800)*4*3.8*x64;x61*y61+x62*y62+x63*y63+x64*y64>=30000;x61>=0;x61<=10;y61>=750;y61<=1750;x62>=0;x62&l

32、t;=4;y62>=1000;y62<=1500;x63>=0;x63<=8;y63>=1200;y63<=2000;x64>=0;x64<=3;y64>=1800;y64<=3500;gin(x61);gin(x62);gin(x63);gin(x64);end!第7时段;model:min=5000*if(4-x71#ge#0,0,x71-4)+2250*2*x71+(y71-750)*2*2.7*x71+1600*if(4-x72#ge#0,0,x72-4)+1800*2*x72+(y72-1000)*2*2.2*x72+240

33、0*if(8-x73#ge#0,0,x73-8)+3750*2*x73+(y73-1200)*2*1.8*x73+1200*if(1-x74#ge#0,0,x74-1)+4800*2*x74+(y74-1800)*2*3.8*x74;x71*y71+x72*y72+x73*y73+x74*y74>=18000;x71>=0;x71<=10;y71>=750;y71<=1750;x72>=0;x72<=4;y72>=1000;y72<=1500;x73>=0;x73<=8;y73>=1200;y73<=2000;x74

34、>=0;x74<=3;y74>=1800;y74<=3500;gin(x71);gin(x72);gin(x73);gin(x74);end问题二程序：!第1时段;model:min=5000*x11+2250*6*x11+(y11-750)*6*2.7*x11+1600*x12+1800*6*x12+(y12-1000)*6*2.2*x12+2400*x13+3750*6*x13+(y13-1200)*6*1.8*x13+1200*x14+4800*6*x14+(y14-1800)*6*3.8*x14;(x11*y11+x12*y12+x13*y13+x14*y14)

35、*0.8=12000;x11>=0;x11<=10;y11>=750/0.8;y11<=1750;x12>=0;x12<=4;y12>=1000/0.8;y12<=1500;x13>=0;x13<=8;y13>=1200/0.8;y13<=2000;x14>=0;x14<=3;y14>=1800/0.8;y14<=3500;gin(x11);gin(x12);gin(x13);gin(x14);end!第2时段;model:min=5000*x21+2250*3*x21+(y21-750)*3*2.

36、7*x21+1600*if(4-x22#ge#0,0,x22-4)+1800*3*x22+(y22-1000)*3*2.2*x22+2400*if(2-x23#ge#0,0,x23-2)+3750*3*x23+(y23-1200)*3*1.8*x23+1200*if(3-x24#ge#0,0,x24-3)+4800*3*x24+(y24-1800)*3*3.8*x24;(x21*y21+x22*y22+x23*y23+x24*y24)*0.8=32000;x21>=0;x21<=10;y21>=750/0.8;y21<=1750;x22>=0;x22<=4;

37、y22>=1000/0.8;y22<=1500;x23>=0;x23<=8;y23>=1200/0.8;y23<=2000;x24>=0;x24<=3;y24>=1800/0.8;y24<=3500;gin(x21);gin(x22);gin(x23);gin(x24);end!第3时段;model:min=5000*if(7-x31#ge#0,0,x31-7)+2250*3*x31+(y31-750)*3*2.7*x31+1600*if(4-x32#ge#0,0,x32-4)+1800*3*x32+(y32-1000)*3*2.2*

38、x32+2400*if(8-x33#ge#0,0,x33-8)+3750*3*X33+(y33-1200)*3*3.8*x33+1200*if(3-x34#ge#0,0,x34-3)+4800*3*x34+(y34-1800)*3*3.8*x34;(x31*y31+x32*y32+x33*y33+x34*y34)*0.8=25000;x31>=0;x31<=10;y31>=750/0.8;y31<=1750;x32>=0;x32<=4;y32>=1000/0.8;y32<=1500;x33>=0;x33<=8;y33>=1200

39、/0.8;y33<=2000;x34>=0;x34<=3;y34>=1800/0.8;y34<=3500;gin(x31);gin(x32);gin(x33);gin(x34);end!第4时段;model:min=5000*if(7-x41#ge#0,0,x41-7)+2250*2*x41+(y41-750)*2*2.7*x41+1600*if(4-x42#ge#0,0,x42-4)+1800*2*x42+(y42-1000)*2*2.2*x42+2400*if(8-x43#ge#0,0,x43-8)+3750*2*x43+(y43-1200)*2*1.8*x4

40、3+1200*if(2-x44#ge#0,0,x44-2)+4800*2*x44+(y44-1800)*2*3.8*x44;(x41*y41+x42*y42+x43*y43+x44*y44)*0.8=36000;x41>=0;x41<=10;y41>=750/0.8;y41<=1750;x42>=0;x42<=4;y42>=1000/0.8;y42<=1500;x43>=0;x43<=8;y43>=1200/0.8;y43<=2000;x44>=0;x44<=3;y44>=1800/0.8;y44<=3500;gin(x41);gin(x42);gin(x43);gin(x44);end!第5时段;model:min=5000*if(8-x51#ge#0,0,x51-8)+2250*4*x51+(y51-750)*4*2.7*x51+1600*if(4-x52#ge#0,0,x52-4)+1800*4*x52+(y52-1000)*4*2.2*x52+2400*if(8-x53#ge#0,0,x53-8)+3750*4*x53+(y53-1200)*4*1.8*x53+1200*if(3-x54#ge#0,0,x54-3)+4800*4*x54+(y54-1800)*4*3.8*x54