В качестве применяемых методов для исследования моделируемого объекта, с целью получения представления о внутренних отношениях между компонентами системы или вычисления их производительности в новых условиях эксплуатации, можно выделить два способа: эксперимент с реальной системой и эксперимент с моделью системы. [1]

Эксперимент с реальной системой подразумевает возможность физически изменить систему: при использовании данного метода используется либо сама исследуемая система, либо подобная ей. [2]

Эксперимент с моделью системы позволяет создать модель, представляющую систему. Представление модели может быть реализовано с помощью физической или математической модели.

Физическая модель представляет собой аналоговую модель, в которой между параметрами объекта и модели одинаковой физической природы существует однозначное соответствие. [3]

Математическая модель - это образ исследуемого объекта, создаваемый в уме субъекта-исследователя с помощью определенных формальных (математических) систем с целью изучения (оценки) определенных свойств данного объекта. [5] Математическое моделирование позволяет представить систему посредством логических и количественных отношений, подвергаемых обработке и изменению, чтобы определить как система реагирует на изменения, точнее - как бы она реагировала, если бы существовала на самом деле. [4]

Математическое моделирование может быть реализовано с помощью аналитических или компьютерных методов моделирования.

Для аналитического моделирования характерно, что процессы функционирования системы записываются в виде некоторых функциональных соотношений (алгебраических, дифференциальных, интегральных уравнений). [6] Аналитические модели удается получить только для сравнительно простых систем. Для сложных систем часто возникают большие математические проблемы. Для применения аналитического метода идут на существенное упрощение первоначальной модели. Однако исследование на упрощенной модели помогает получить лишь ориентировочные результаты. Аналитические модели математически верно отражают связь между входными и выходными переменными и параметрами. Но их структура не отражает внутреннюю структуру объекта. [7]

При компьютерном моделировании описание модели составляется либо в виде алгоритма (программы ЭВМ), либо в форме, которая может восприниматься (интерпретироваться) ЭВМ с целью проведения экспериментов. В зависимости от способа, который используется для решения математической модели, различают численное, статистическое и имитационное моделирование. [10]

При численном моделировании для проведения расчетов используются методы вычислительной математики. От аналитического моделирования численное моделирование отличается тем, что возможно задание различных параметров модели. [10]

Статистическое моделирование состоит в обработке данных о системе (модели) с целью получения статистических характеристик системы. Его можно считать разновидностью имитационного моделирования, способ исследования процессов поведения вероятностных систем в условиях, когда неизвестны внутренние взаимодействия в этих системах. [10]

При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы во времени. [8] Имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени. Основным преимуществом имитационных моделей по сравнению с аналитическими, является возможность решения более сложных задач. Имитационные модели позволяют легко учитывать наличие дискретных или непрерывных элементов, нелинейные характеристики, случайные воздействия и др. [9]

Динамические имитационные модели представляют собой систему, меняющуюся во времени, тогда как статические имитационные модели рассматривают систему в определенный момент времени, или же когда время не играет никакой роли.

Если имитационная модель не содержит вероятностных (случайных) компонентов, она называется детерминированной. В детерминированной модели результат можно получить, когда для нее заданы все входные величины и зависимости, даже если в этом случае потребуется большое количество компьютерного времени. Однако многие системы моделируются с несколькими случайными входными данными, в результате чего создается стохастическая имитационная модель. [11]

Системы с дискретными состояниями характеризуются тем, что в любой момент времени можно однозначно определить, в каком именно состоянии находится система. Для такой идентификации обязательно нужно знать тот признак, который отличает одно состояние системы от другого.

Если же не удается подобрать такой признак, либо его текущее значение невозможно зафиксировать, то систему относят к классу систем с непрерывным множеством состояний. [12]

В качестве метода оценки эффективности работы ЕЭПП выбираем эксперимент с моделью системы посредством математического моделирования. В качестве методов математического моделирования выбираем как аналитическое моделирование, так и имитационное.

Имитационную модель будем рассматривать с точки зрения непрерывной, динамической и стохастической модели.

1.1 Обоснование выбора