Tugas paper 2

DINAMIKA DAN STABILITAS SISTEM TENAGA LISTRIK

“Kepastian Saat Stabilitas Properti Sistem Dinamis Stokastik LTI yang didirong
oleh Gerak Brown Pecahan ”

Dosen : Muhammad Galvanir Noor.,ST.,MT

Oleh ;

RASNA OKTAVIANI
E1D1 17 014

JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS HALU OLEO
KENDARI
2020
 KATA PENGANTAR

Segala puji penulis panjatkan kehadirat Allah SWT dimana atas kuasanya yang
telah memberikan anugrah, kesempatan dan pemikiran kepada penulis sehingga
penulis dapat menyelesaikan makalah “Dinamika dan Stabilitas STL” ini tepat
pada waktunya.

Penulis menyadari bahwa dalam menyelesaikan makalah ini, penulis memiliki

banyak kekurangan. Maka dari itu penulis mengharapkan kritik dan saran dari
Dosen pembimbing dan teman – teman dari penyempurnaan makalah ini.

Akhirnya penulis mengucapkan terima kasih kepada semua pihak yang telah
berperan dalam penyelesaian makalah ini dan penulis menunggu kritik dan saran
yang membangun, agar makalah yang sederhana ini dapat memberikan manfaat
kepada kita semua.

Kendari, 13 Juni 2020

Penulis

ii
 DAFTAR ISI

Halaman Sampul ................................................................................................. i

Kata Pengantar ................................................................................................... ii

Daftar Isi ............................................................................................................. iii

ABSTRAK ........................................................................................................ 1

PENDAHULUAN............................................................................................... 2

METODE PENELITIAN ................................................................................... 4

HASIL PENELITIAN ........................................................................................ 7

CRITICAL REVIEW ......................................................................................... 10

iii
 ABSTRAK

Kami menangani masalah stabilitas sistem stokastik skalar linear time invariant (LTI)
yang digerakkan oleh gerak Brownian fraksional (fBm). Pertama, kondisi perlu dan
cukup disediakan untuk stabilitas dan hampir yakin asymptotic saat stabilitas asimtotik
dengan cara Lyapunov eksponen terbesar dan eksponen Lyapunov dari berarti, masing-
masing. Selain itu, kami mendapatkan hasil penyimpangan besar untuk proses
fraksional ini. Telah ditunjukkan bahwa parameter Hurst mempengaruhi kesimpulan
stabilitas dan penyimpangan besar. Menariknya, penyimpangan besar selalu terjadi
untuk sistem dipertimbangkan ketika 1/2<H<1. Ini karena ketergantungan jarak jauh
(LRD) dari fBm.
Ketentuan Indeks—Pastikan stabilitas asimtotik; Proses pecahan; Penyimpangan
besar; Eksponen Lyapunov; Stabilitas asimptotik saat ini.

1
 PENDAHULUAN

Diketahui, dari teorema limit sentral klasik bahwa distribusi probabilitas dari jumlah
(rata-rata) dari banyak variabel acak independen dan terdistribusi secara identik (iid)
dengan varians terbatas mendekati distribusi normal. Untuk alasan ini, model Gaussian
telah banyak digunakan dalam pemrosesan sinyal, dan sifat-sifat proses Gaus dicirikan
oleh statistik orde kedua, seperti varians dan korelasi. Namun, dalam aplikasi praktis,
sinyal sampel yang diamati menunjukkan sifat non-stasioner, varian tak terbatas, atau
ketergantungan jangka panjang (LRD). Teori LRD dibangun atas dasar stasioner atau
proses dengan kenaikan stasioner, dan proses LRD memiliki kuasa-hukum
pembusukan korelasi. Parameter Hurst 0 < H < 1 adalah ukuran sejauh mana LRD
dalam deret waktu. Semakin besar parameter Hurst, semakin besar derajat LRD. Selain
itu, banyak penaksir parameter Hurst yang berharga disediakan untuk lebih akurat
mengkarakterisasi sinyal acak LRD. Kekokohan 12 estimator Hurst yang berguna
untuk proses LRD dibandingkan dengan LRD dan LRD yang rusak dengan varians tak
terbatas telah dipelajari secara ekstensif dalam [1].
Disarankan bahwa [2] proses fraksional memberikan deskripsi yang lebih baik dari
variabel acak ini dengan sifat menjadi varian tak terbatas, tidak identik, non-Gaussian
atau non-stasioner. Secara khusus, gerakan Brownian fraksional (fBm) adalah proses
fraksional sederhana namun efektif, yang pertama kali dipelajari di [3] oleh
Kolmogorov dan kemudian diterapkan untuk menganalisis limpasan air tahunan
Sungai Nil [4] oleh ahli hidrologi Hurst. The fBm, BH(t), didefinisikan sebagai proses

Gaussian sentral dengan fungsi kovarian:

Hal itu membuktikan bahwa [5, Bagian I] yang FBM memiliki sifat-sifat dasar sebagai
berikut: self-similarity, kenaikan stasioner, LRD untuk H> 1/2,dimensi Hausdorff dan
kotak dimensi menjadi 2 -H.Jadi, fBm atau persamaan diferensial stokastik (SDE) yang
digerakkan oleh fBm adalah kandidat yang cocok untuk menandai proses LRD di
berbagai bidang mulai dari ilmu keuangan hingga jaringan komputer. Berdasarkan
kalkulus stokastik sehubungan dengan fBm, banyak properti SDE yang didorong oleh
fBm dipelajari dalam ruang dimensi terbatas dan tak hingga [5], [6]. Secara khusus,
teori tentang keberadaan dan keunikan solusi SDE dengan fBm telah diringkas dalam
[6, Bab 3]. Kondisi yang diperlukan dan cukup untuk mengurangi SDE yang didorong
oleh fBm disediakan dalam [7], sehingga kami dapat memperoleh solusi eksplisit untuk
beberapa SDE linier dan nonlinear yang didorong oleh fBm. Meskipun banyak upaya
penelitian dan aplikasi yang ada di SDE didorong oleh fBm, masih merupakan area
yang muda dan berkembang. Sejauh pengetahuan kami, beberapa hasil telah disajikan

2
tentang masalah stabilitas proses fraksional atau sistem stokastik didorong oleh proses
fraksional. Perhatikan bahwa dua umum dan indikator stabilitas penting hampir yakin
stabilitas stochastic dan saat stabilitas stokastik. Hubungan antara hampir yakin
stabilitas dan pth stabilitas saat itu dicirikan dengan menggunakan teori penyimpangan
besar. Ketika kebisingan didorong diambil sebagai gerak Brown, banyak kondisi yang
diperlukan dan cukup diperoleh untuk kedua jenis stabilitas, (lihat buku [8] dan
referensi di dalamnya). Namun, jenis stabilitas stokastik dari SDE yang digerakkan
oleh fBm belum dibahas dalam literatur. Apakah sifat proses fraksional mempengaruhi
stabilitas stokastik? Apa hasil penyimpangan besar dalam proses fraksional dengan
fBm? Bagaimana parameter Hurst memengaruhi kesimpulan stabilitas SDE yang
digerakkan oleh fBm? Tujuan utama dari penelitian ini adalah untuk menjawab
pertanyaan-pertanyaan ini.
Dalam penelitian ini kami fokus pada sistem stokastik linear time invarian (LTI) satu
dimensi yang digerakkan oleh fBm. Kami akan memberikan kondisi yang diperlukan
dan cukup untuk stabilitas dan hampir yakin asymptotic saat stabilitas asimtotikdengan
cara Lyapunov eksponen terbesar dan eksponen Lyapunov dari pth berarti, masing-
masing. Berdasarkan hasil stabilitas, kita akan mendapatkan penyimpangan
besar untuk proses fraksional ini. Selain itu, kami akan menunjukkan bahwa situasinya
jelas berbeda ketika parameter Hurst terletak pada interval yang berbeda.

3
 METODE PENELITIAN

Untuk mulai penelitian, dengan mempertimbangkan sistem stokastik LTI satu dimensi
didorong oleh fBm
dx(t) = ax(t)dt +bx(t)dBH(t), x(0) = x0, t ≥ 0

dimana a dan b adalah konstanta arbitrer, BH(t) adalah fBm standar dengan parameter
Hurst 0 < H < 1. Dari [7, Bagian 3], menerapkan rumus pecahan Ito [[9, Teorema] 4.1]
untuk proses stokastik y(t) = ln(x(t)) memberikan

dy(t) = adt +bdBH(t)-Hb2t2H-1dt

Mengintegrasikan hasil persamaan di atas di

Dengan demikian kita mendapatkan solusi dari

seperti yang ditunjukkan pada Gambar. 1, tidak stabil ketika H = 0.5, tetapi stabil ketika
H = 0.75. Ini berarti bahwa parameter Hurst mempengaruhi stabilitas sistem stokastik
LTI. Kami akan membuktikan hasil numerik ini dengan eksponen Lyapunov terbesar
di Bagian berikutnya. Dari Gambar. 1 (b) kita dapat mengamati bahwa nilai sampel
sangat besar untuk t ∈ [6,8], meskipun jalur sampel cenderung stabil. Kami akan
membuktikan hasil numerik ini dengan Lyapunov eksponen pth berarti. Selain itu,
situasi ini menghasilkan penyimpangan besar. Untuk mendapatkan hasil utama kami,
kami membutuhkan sifat-sifat berikut: Lemma 2.1: Misalkan p > 0. Momen ke-dari
gerak geometrik Brown gerakan fraksi Y(t) = exp (BH(t)) diberikan oleh

Menurut teorema rumus fraksional 4.1 yang dimiliki

4
Mengambil dikedua sisi persamaan

Sebagai konsekuensi dari hasil dalam persamaan sebelumnya, hukum logaritma

iterated dari fBm sebagai berikut :

Dimana CH>0 adalah konstanta yang cocok, dari konsekuensi sebelumnya dan contoh
yang sebelumnya ( juga dlijihat dari teorema dalam buku), kita memiliki hukum lokal
dari logaritma iterasi dari fBm.

Dimana CH adalah konstanta yang cocok. Selain itu dengan kesamaan diri dari fBm,
mudah memeriksa t2HBH(1/t).

5
Gambar jalur sampel untuk t ∈ dengan X0 = 1, a = 2, b = 1, dan step –length = 1005
dimana : (a) H = 0,5 ; (b) = 0,75.

6
 HASIL DAN PEMBAHASAN

Pertama, kami memperkenalkan beberapa definisi dan notasi. Catat x(t;x0,t0) dengan
solusi (2.1) pada waktu t, denganawal keadaan x0 pada waktu t0, dan x(t;x0,t0) berarti
beberapa sesuai norma yang, seperti nilai absolut atau norma kuadratik
Definisi 3.1: Solusi kesetimbangan x = 0 dikatakan hampir pasti stabil jika untuk ε > 0

Definisi 3.2: Solusi kesetimbangan x = 0 dikatakan hampir pasti asimtotik stabil jika
hampir pasti stabil dan

Diperlukan xlim 0 →0 dan P cukup t→ ∞ lim x(t;x0,t0) = 0= 1. kondisi untuk stabilitas

asimptotik yang hampir pasti adalah bahwa eksponen Lyapunov terbesar dari sistem
yang sesuai adalah negatif. Eksponen Lyapunov dari solusi x(t;x0,t0) dari (2.1)
didefinisikan oleh

Untuk mendapatkan hasil utama, kita perlu definisi sebagai berikut :

Definisi tentang solusi kesetimbangan jika dikatakan memiliki stabilitas stokastis
momen saat ada harapan dari persamaannya sebagai berikut :

Definisi tentang solusi kesetimbangan dikatakan memiliki momen saat stabilitas

stochastick asimtotik jika stokastik pada momen yang stabil.

7
Diperlukan xlim 0 → 0 dan E yang cukup t → ∞ lim x(t;x0,t0) p ] = 0. syarat untuk
stabilitas asimptotik momenadalah bahwa eksponen Lyapunov λ(p) dari rata-rata
adalah negatif. The Lyapunov eksponen saat rata-rata didefinisikan oleh persamaan
sebelumnya dan λ(p) (2,3), = t→ ∞ lim t , kita memiliki :

Dari dua persamaan diatas, sehingga dapat menurunkan persamaan :

Selanjutnya, mendapatkan persamaan :

Teorema diatas : (i)Jika 0 <H <1/2,(2.1) adalah pth saat stabil ketika <0, tapi tidak
stabil ketika > 0; (ii)Jika H =1/2,(2.1) adalah pth saat stabil ketika salah satu dari
kondisi berikut: 1) a> (1- p)b2/2 dan> 0, atau ≤ 0 jika 0 < p < 1; 2) a < 0 jika p = 1; 3)
a <0 dan (p-1)b2/2<- jika p> 1. Selain itu, tidak stabil ketika salah satu dari kondisi
berikut: 1) 0 <a <(1- p)b2/2 jika 0 < p < 1; 2) a > 0 jika p = 1; 3) a ≥ 0 jika p > 1; (Iii)
Jika1/2 <H <1, (2,1) adalah pth saat stabil ketika 0 <p <1, atau <0 dan p = 1; tetapi
tidak stabil ketika p > 1, atau a > 0 dan p = 1. Bukti: Karena kondisi yang diperlukan
dan cukup untuk pstabilitas asimtotik momenadalah bahwa eksponen Lyapunov λ(p)
dari rata-rata pth adalah negatif. Dari ekspresi λ(p), bukti (i) dan (iii) langsung.
Selanjutnya kita beralih ke kasing (ii). Ketika H = 1/2,kita memiliki dari
ketidaksetaraan ap+ p(p-1)b2/2 <0 bahwa> (1- p)b2/2 dan> 0, atau ≤ 0 jika 0 < p < 1;

8
 a < 0 jika p = 1; a <0 dan (p - 1)b2/2 <- jika p> 1. Selain itu, ketimpangan ap + p(p -
1)b 2/2> 0 memberikan yang 0 <a <(1 - p)b2/2jika 0 <p <1; a > 0 jika p = 1; a ≥ 0
jika p > 1. Dengan demikian kami membuktikan kasusnya (ii).
Catatan 4.1: Perhatikan bahwa kita mengambil parameter a = 2 dan b = 1 pada Gambar
sebelumnya . Menurut Teorema diatas kita memiliki pernyataan berikut:. Ketika H =
1/2,(2.1) tidak stabil untuk p> 0; ketika H = 0.75, (2,1) adalah saat stabil untuk p <1
tapi tidak stabil untuk p ≥ 1. Teori penyimpangan besar adalah jembatan yang
menghubungkan stabilitas sampel dan saat stabilitas stokastik. Secara kasar, saat
eksponen Lyapunov biasanya positif untukcukup besar p > 0 yang bahkan untuk sistem
yang stabil karena penyimpangan yang besar. Jadi menarik untuk mencari keberadaan
penyimpangan besar: λ < 0 tetapi λ(p)> 0 untukbesar p. Misalkan λ <0. Untuk x0 =0, |
x(t;t0,x0) | →0 sebagai t → ∞ hampir pasti dan variabel acak xmax = sup{|x(t;t0,x0) |
: T ≥ t0} adalah E[xterbatas max] <phampir 0 untuk semua pasti.

9
 SARAN (Critical Review)

 Kelebihan
Pada paper ini memiliki kelebihan pada bagian pendahuluan dijelaskan secara
detail tentang paper ini.

 Kekurangan
Pada paper ini metode penelitiannya tidak dipaparkan secara detail serta pada
bagian hasil dari penelitiannya pula tidak dipaparkan sehingga pembaca sedikit
mengalami kesulitan dalam hal menemukan metode serta menemukan hasil dari
pada penelitian ini.

10