Dengan nilai - nilai yang di berikan,

Penyelesaian model ini menghasilkan

K = 90; b1 = 0; b2 = 9; b3 = 5.

Contoh 6.2.3 Formulasikan model CCLP untuk mendapatkan kapasitas minimum waduk
dalam sistem empat waduk yang ditunjukkan pada Gambar 6.11 dan tulis persamaan
deterministiknya, dengan asumsi bahwa semua air yang dikeluarkan dari waduk hulu tersedia
di waduk hilir. Tinggi jagaan minimum harus dipertahankan di semua waduk di setiap
periode..
Contoh б.2.3

Waduk 1

Waduk 2
Waduk 4

Panah Menunjuk arah aliran

Waduk 3

Gambar. б.11 Empat- Sistem Waduk

Kapasitas masing-masing waduk adalah K1, K2, K3, dan K4.

Kami menggunakan notasi berikut dalam contoh ini:
Sit : Penyimpanan di waduk i pada awal periode t.
Rit : Pelepasan dari waduk i pada periode t.
 Qit : Aliran masuk ke waduk i pada periode t.
bit : Parameter keputusan untuk waduk i, periode t.
yit : Penyimpanan banjir minimum yang harus dipertahankan di waduk i, pada
awal periode t.
min
Rit : Pelepasan minimal dari waduk i, pada periode t.
Ritmax: Pelepasan maksimal dari waduk i, pada periode t.
Stimin : Penyimpanan di bawah yang tidak ada pelepasannya dilakukan dari waduk
i, pada periode t.

Aturan keputusan linier (LDR):

Waduk 1 and 3
Rit = Sit – bit i = 1, 3

Waduk 2
R2t = S2t + R1t – b2t (R1t adalah pelepasan hulu)

Waduk 4
R4t = S4t + R2t + R3t – b4t

Mengganti ini dalam persamaan kontinuitas penyimpanan

Waduk 1 and 3
Sit +1 = Sit + Qit – Rit
= Sit + Qit – Sit + bit
= Qit + bit i = 1, 3
Sit = Qit –1 + bit –1
Rit = Qit –1 + bit–1 – bit dari LDR untuk Waduk 1 and 3
Waduk 2
S2t +1 = S2t + Q2t + R1t – R2t
= S2t + Q2t + R1t – S2t – R1t + b2t
= Q2t + b2t
S2t = Q2t–1 + b2t–1
R2t = S2t + R1t – b2t
2 2
= ∑Qit – 1 + ∑ [bit – 1 – bit ] menggantikan R1t
I=1 I=1

Waduk 4
i=1
i=1

S4t = Q4t–1 + b4t–1

R4t = S4t + R2t + R3t – b4t dari LDR untuk Waduk 4
4 4
= ∑Qit – 1 + ∑ [bit – 1 – bit ] menggantikan R2t dan R3t
I=1 I=1

i=1 i=1
Sit adalah penyimpanan awal waduk i pada periode t. yit adalah tinggi jagaan yang harus
dipertahankan pada akhir periode t.

CCLP ditulis sebagai

Min K1 + K2 + K3 + K4
P[Sit ≥ Sti min ] ≥ α t1 , i Ɐi, t

P[Ki – Sit ≥ Yit] ≥ α t2 ,i Ɐi, t

P[Rit ≥ Rti min ] ≥ α t3 ,i Ɐi, t

P[Rit ≤ Rti min ] ≥ α t4 , i Ɐi, t

Persamaan Deterministik
Min K1 + K2 + K3 + K4
Merujuk kepada
Waduk 1

Waduk 2

−1
Note that F Q 1 (t−1 )+Q 2 (t −1) (.) diperoleh dari distribusi jumlah aliran, mis
Q1t-1 + Q2t-1

Waduk 3
Waduk 4

Catatan bahwa F−1

∑Qu−1 muncul di RHS dari 2 kendala terakhir dari

waduk 4 diperoleh dari distribusi penjumlahan aliran Q1t-1 + Q2t-1 + Q3r-1 + Q4t-1
Contoh 6.2.4 Data yang relevan untuk masalah multireservoir dibahas di
Contoh 6.2.3 diberikan dalam tabel berikut. Konfigurasi dari sistem dan data yang
diadaptasi dari Nayak dan Arora (1971), dengan minor modifikasi. Semua nilai α
diatur ke 0,90. Aliran sesuai dengan F-1 (1 – α ) dilepaskan sebagai Fqmin dan yang
sesuai untuk F-1 (α) sebagai Fqmax , untuk kemudahannya. Sama seperti F−1 Qu−1 +Q 2−1(1 –
−1
α) dilepaskan sebagai Fq2 min, F Qu−1 +Q 2−1 (α) as Fq2 max, F ∑Q i(t−1) (1 – α) as Fq4 min, and
−1

−1
F ∑Q i(t−1) (α) as Fq4 max.
(Satuan untuk aliran, pelepasan, parameter keputusan, dan penyimpanan: Mm3)
Waduk 1
Waduk 2

Waduk 3
Waduk 4

Masalah ini diselesaikan dengan meggunakan LINGO (perangkat lunak PC untuk LP).
Solusi yang diperoleh diberikan dalam tabel berikut.

Solusi Masalah Multireservoir CCLP Problem (Semua nilai dalan Mm3)

Masalah
6.2.1 Di lokasi yang diusulkan untuk waduk, aliran sungai untuk dua musim dalam
satu tahun diketahui terdistribusi secara normal dengan parameter berikut:
Musim I II
Mean 30 20
Std. Dev 18 12
Waduk tersebut dibutuhkan untuk melayani permintaan masing-masing
sebanyak 20 dan 30 unit dalam dua musim. Merumuskan masalah
pemrograman linier dengan kendala peluang untuk menentukan kapasitas
minimum waduk. Menggunakan bentuk LDR, Rt = St – bt, dengan notasi
biasa, tulis persamaan deterministik dari batasan pelepasan minimum untuk
dua musim. Keandalan minimum yang harus dipenuhi dalam dua periode
adalah masing-masing 0,95 dan 0,9
6.2.2 Data sepuluh tahun tersedia untuk aliran masuk di suatu lokasi, untuk dua
musim (t = 1 dan t = 2) dalam satu tahun. Nilai aliran masuk (Mm 3)
diberikan di bawah ini:
t = 1 1500 4410 1020 8170 11750 5609 6579 1098 3200 3430
t = 2 1000 787 1020 3040 779 678 908 2200 1690 1219
Penguapan rata-rata selama dua musim berturut-turut adalah 3,0 dan 1,0
Mm3. Diketahui bahwa aliran masuk pada musim t = 1 terdistribusi secara
normal, dan aliran masuk pada musim t = 2 terdistribusi normal. Dengan
notasi yang biasa digunakan dalam Chance Constrained LP untuk desain
waduk, tuliskan ekuivalen deterministik lengkap dari kendala peluang
berikut. Gunakan LDR, St = Rt + bt.
P[Rt ≥ 3000] ≥ 0.85 t = 1, 2
P[Rt ≤ 7000] ≥ 0.95 t = 1, 2
6.2.3 Aliran bulanan di lokasi yang diusulkan untuk waduk yang terdistribusi secara
normal dengan parameter berikut:
Jun Jul Agust Sep Okt Nov Des Jan Feb Mar Apr
May
Mean 624 3311 3638 1534 1196 495 207 98 55 39
52 219
Std 468 1889 1391 629 512 275 106 86 33 38 50 131
.dev
Formulasikan dan selesaikan masalah LP yang dibatasi peluang untuk
menentukan kapasitas waduk minimum yang diperlukan untuk memenuhi
permintaan konstan 0,95A, A, dan 1,05A (di mana A adalah rata-rata dari
aliran rata-rata). Memecahkan masalah untuk keandalan 90% dari memenuhi
permintaan. Gunakan LDR yang nyaman.

б.3 KONSEP RELIABILITAS (KEANDALAN)

Reliabilitas pada dasarnya adalah ukuran peluang. Ketika kami berbicara tentang
reliabilitas, yang kami maksud adalah ukuran hasil dari suatu operasi. Dalam
irigasi, misalnya, kita dapat menganggap reliabilitas sebagai ukuran jaminan air
yang disuplai untuk memenuhi kebutuhan air tanaman. Dalam pengendalian
 banjir, bisa jadi tingkat kepastian bahwa perendaman di daerah yang terkena
dampak, terbatas pada tingkat tertentu. Sebuah kriteria untuk reliabilitas dan
contoh yang mengilustrasikan penerapannya disajikan pada bagian ini.
Kriteria Reliabilitas (Keandalan) Pada bagian ini, dibahas mengenai reliabilitas
yang mengacu pada operasi waduk untuk irigasi Dalam operasi waduk untuk irigasi,
penting untuk menentukan tingkat reliabilitas maksimum yang dapat dioperasikan
oleh sistem yang ada, dan juga untuk menemukan kapasitas wadukminimum yang
diperlukan untuk tingkat reliabilitas yang diinginkan atau ditentukan. Reliabilitas,
dalam hal ini, dapat dinyatakan sebagai ukuran probabilitas bahwa kuantitas air yang
disuplai dari pelepasan waduk sama atau lebih besar dari kebutuhan irigasi total.
Kami juga akan menentukan bahwa reliabilitas ini harus minimal . Hal ini dilakukan
melalui chance constraint

dimana, Rt = pelepasan dari waduk dalam periode, t

η = parameter yang sama dengan rasio total alokasi air tanaman untuk
pelepasan waduk di tingkat tanaman(efisiensi irigasi)
c
Xt = alokasi irigasi untuk tanaman c pada periode t, dalam satuan
kedalaman
Ac = luas tanaman c, dalam satuan luas
t
a = reliabilitas ( minimum yang ditentukan)

Chance constraint dapat digunakan sebagai reliabilitas constraint dalam

aplikasi untuk menentukan
1. ukuran minimum waduk untuk memenuhi kebutuhan irigasi pada tingkat
keandalan tertentu, dan
2. reliabilitas maksimum yang mungkin untuk memenuhi persyaratan irigasi
tanaman untuk kapasitas waduk tertentu (seperti dalam waduk yang ada).
Chance constraint dinyatakan dalam persamaan deterministiknya chance
constrained linear program (CCLP). Pelepasan waduk, Rt, dapat dikaitkan
dengan aliran masuk acak melalui persamaan kontinuitas penyimpanan waduk
dan aturan keputusan linier untuk periode t (Lihat Bagian 6.2.1).

б.3.1 Reliabilitas - Berbasis Ukuran Waduk

Pertimbangkan kasus di mana kebutuhan irigasi total, D t, di waduk pada setiap
periode, t, diketahui, seperti yang diperkirakan dari data lapangan yang relevan.
Maka reliabilitas constraint dapat ditulis sebagai

dimana Rt adalah pelepasan waduk (untuk irigasi) and αt adalah level reliabilitas di
periode t.
 Mengikuti notasi bagian sebelumnya, persamaan kontinuitas penyimpanan adalah
Rt = (1 – at) St + Qt – Lt – (1 + at) St +1
dan dari aturan keputusan linier
St +1 = bt, dimana bt adalah parameter tidak acak.

Dengan demikian,

Dalam persamaan ini, Rt dan Qt adalah satu-satunya variabel acak, karena aturan
keputusan linier mengubah penyimpanan acak menjadi variabel deterministik,
menyerap semua keacakan aliran masuk ke dalam istilah pelepasan, Rt
Chance constraint sekarang menjadi

Setara deterministik dari chance constraint ini adalah

Dimana, aliran masuk di periode t, dengan probabilitas

( 1 – αt ), atau probabilitas terlampaui dari αt.
Penyimpanan, St = bt –1 terbatas pada kapasitas penyimpanan aktif waduk
di setiap periode,

dan b0 =b12 untuk solusi keadaan stabil.

di mana K adalah kapasitas yang tidak diketahui untuk ditentukan, dan T adalah
periode terakhir.
Model untuk mengoptimalkan kapasitas waduk adalah minimalkan K

Bergantung kepada
Model akan disederhanakan jika tingkat reliabilitasnya sama untuk semua
periode, αt =α = untuk semua t. Model tersebut diselesaikan dengan menggunakan
pemrograman linier untuk nilai tertentu dari α. Solusinya memberikan kapasitas
minimum yang diperlukan dari waduk yang sesuai dengan nilai yang ditentukan dari
α
Reliabilitas Maksimal
Hubungan antara α dan K yang sesuai dapat diplot untuk perbedaan nilai reliabilitas
untuk menganalisis trade-off yang tersirat. Dapat dicatat bahwa di luar beberapa nilai
α, solusinya tidak layak, karena reliabilitasnya pasokan irigasi untuk data aliran
masuk yang diberikan tidak dapat ditingkatkan tanpa batas waktu hanya
meningkatkan kapasitas waduk . Ini adalah kondisi yang timbul dari aliran masuk
yang terbatas. Jika model dipecahkan untuk diskrit yang berbeda tetapi meningkat
nilai dari (setiap solusi sesuai dengan satu nilai α, akan ada tahap ketika di luar,
katakanlah,α =α maks), solusinya menjadi tidak layak. Itu berarti bahwa α max kemudian
adalah reliabilitas maksimum yang layak untuk diberikan distribusi aliran masuk .
Biarkan K* menjadi persyaratan kapasitas yang sesuai (sesuai dengan α =α maks ).
Sementara reliabilitas maksimum yang layak ditentukan oleh data aliran masuk,
reliabilitas maksimum yang dapat dicapai, bagaimanapun, akan terbatas karena aliran
masuk yang terbatas, atau kapasitas yang terbatas dalam kasus waduk dengan
kapasitas tertentu.
Jika analisis dilakukan untuk kapasitas waduk yang ada, K 0, kemudian
seseorang dapat menemukan jika waduk terlalu besar (K 0 > K*) atau terlalu kecil (K0
<K*) dengan mengacu pada kemungkinan reliabilitas maksimum untuk memenuhi
tuntutan. Dalam kasus sebelumnya (waduk terlalu besar), aliran masuklah yang
membatasi reliabilitas maksimum, dan dalam kasus terakhir (waduk berukuran kecil)
itu adalah kapasitas. Dalam kasus sebelumnya, kapasitas yang melebihi K* tidak
berguna tidak berkontribusi pada peningkatan reliabilitas melebihi dan di atas maks
(dibatasi oleh batasan aliran masuk). Dalam kasus terakhir (K o <K*), bagaimanapun,
kapasitas yang ada tidak cukup untuk mewujudkan reliabilitas semaksimal mungkin.
Ini adalah kondisi keterbatasan kapasitas. Dalam hal ini (K o <K*), itu mungkin untuk
meningkatkan reliabilitas di luar αo (sesuai dengan Ko ), dengan menyediakan
penambahan kapasitas di atas kapasitas yang ada, Ko.
Dengan demikian plot antara K dan α o memberikan gambaran kinerja waduk
dalam hal apakah itu aliran masuk atau kapasitas yang mungkin membatasi tingkat
reliabilitas maksimum yang dapat dicapai untuk data aliran masuk yang diberikan.
Contoh 6.3.1 Untuk waduk eksisting dengan kapasitas 1320 Mm3 , dengan diberikan
aliran masuk bulanan dan nilai permintaan untuk setiap bulan, yang ditentukan oleh
menjalankan CCLP, yang berkapasitas 1253 Mm 3 diperlukan untuk mendapatkan
yang maksimal dengan kemungkinan reliabilitas 0,825.
Juga, kapasitas yang diperlukan untuk reliabilitas tertentu yang berbeda diperoleh,
seperti ditunjukkan pada tabel berikut, dengan menjalankan CCLP dengan nilai yang
berbeda reliabilitasnya dan urutan aliran masuk bulanan yang sesuai, menjaga
permintaan hal yang sama.

(i) Plot hubungan kapasitas-reliabilitas.

(ii) Menafsirkan hasil dari proses ini dalam hal aliran masuk atau kapasitas
batasan yang membatasi reliabilitas rapat yang dapat dicapai secara maksimal
permintaannya.
Solusi :
(i) Plot K– α seperti yang ditunjukkan pada gambar berikut.

(ii) Dari data yang diberikan, αmax = 0,825, yang berarti dibuat untuk nilai yang lebih
tinggi dari ini dianggap tidak layak. Kapasitas yang sesuai dengan ini, K* = 1253
Mm3 , lebih kecil dari kapasitas eksisting, Ko = 1320 Mm3. Oleh karena itu, dalam hal
ini, aliran masuk membatasi reliabilitas maksimum yang dapat dicapai. Ini adalah
kasus pembatasan aliran masuk.
Sebaliknya, jika kapasitas sebenarnya menjadi 1159 Mm 3 , reliabilitas
maksimum yang dapat dicapai akan dibatasi hanya 0,7, dan kasusnya akan menjadi
salah satu batasan kapasitas.

Masalah
6.3.1 Rata-rata dan standar deviasi aliran masuk bulanan ke waduk diberikan di
bawah ini
 Asumsikan bahwa aliran bulanan terdistribusi secara normal.
Persiapan mengatur aliran bulanan sedemikian rupa sehingga, dalam pengaturan
tertentu, aliran masuk setiap bulan memiliki probabilitas terlampaui, (atau probabilitas
kumulatif, 1 – α ). Persiapan megatur aliran masuk ini, masing-masing sesuai dengan
α= 0,6, 0,7, dan 0,8,
6.3.2 Dapatkan data rata-rata dan standar deviasi aliran bulanan ke waduk terdekat.
Asumsikan bahwa aliran masuk di setiap bulan adalah terdistribusi secara normal.
Hasilkan aliran masuk di setiap bulan untuk berbeda tingkat kemungkinan
terlampauinya. Dapatkan juga data permintaan dan penguapan bulanan.
1. Merumuskan model CCLP dan menentukan kebutuhan minimum kapasitas, K,
untuk berbagai tingkat α.
2. Tentukan αmaks dan K* yang sesuai.
3. Plot hubungan antara K dan α .
4. Tentukan, untuk waduk tertentu yang dipelajari, apakah reliabilitas yang dapat
dicapai dikondisikan oleh batasan aliran masuk atau batasan kapasitas.
6.3.3 Dapatkan data berikut untuk waduk yang ada.
 Data aliran masuk bulanan untuk waduk, Qt, selama beberapa tahun,
katakanlah, sekitar 20 tahun.
 Kebutuhan air bulanan (akan dikeluarkan dari waduk ), Dt
 Kapasitas waduk yang ada, Ko
 Kurva penyimpanan area (dari mana A0 dan a dapat ditemukan).
 Tingkat penguapan bulanan di waduk, et

Dari data yang diberikan, siapkan urutan aliran masuk bulanan, masing-masing
merespons nilai reliabilitas tertentu, .
1. Merumuskan model CCLP untuk menentukan hubungan kapasitas-reliabilitas.
2. Tentukan αmaks dan kapasitas yang sesuai, K*.
3. Tentukan apakah reliabilitas maksimum yang dapat dicapai yang dibatasi oleh
aliran masuk atau kapasitas sebenarnya.
4. Diperlukan untuk mengeksplorasi hubungan K-α untuk berbagai permintaan,
sehingga dalam setiap kasus, permintaan baru, D new, adalah sebagian kecil dari
permintaan awal. Dnew = f Dt , di mana f adalah konstanta untuk semua t.
Tentukan nilai K dengan menjalankan model CCLP untuk suatu rentang dari nilai
dan f, katakanlah, dalam kisaran 0,3 ≤ α ≤ 1.0 dan 0,5 ≤ f ≤ 1.0. Perhatikan bahwa
beberapa kombinasi dari α dan f mungkin tidak layak.
5. Plot grafik yang menghubungkan K dengan α untuk nilai f yang berbeda.
Menafsirkan
kurva.
(Masalah ini dapat dianggap sebagai proyek mini, atau tugas)
6. 4 STOCHASTIK DYNAMIC PROGRAMMING UNTUK OPERASI
RESERVOIR
Stochastic Dynamic Programming (SDP) termasuk dalam kelas model optimasi
Explicit Stochastic Optimization (ESO). Pada bagian ini, kita membahas SDP dengan
aplikasi spesifik pada masalah operasi waduk, dimana aliran masuk ke waduk
dianggap sebagai variabel acak.
6.4.1 Diskritisasi Variabel Status
Masalah operasi waduk adalah masalah kontrol dunia nyata yang kompleks di mana
keputusan harus diambil secara berurutan dalam waktu, berdasarkan keadaan sistem
yang diketahui. Pada bagian berikut, kita akan mengembangkan model SDP variabel
diskrit. Semua variabel yang terlibat dalam proses pengambilan keputusan, seperti
reservoir storage, inflow, dan release didiskritisasi menjadi sejumlah terbatas interval
kelas. Interval kelas untuk suatu variabel memiliki nilai representatif, umumnya
diambil sebagai titik tengahnya. Penyimpanan waduk pada awal periode t dan aliran
masuk selama periode t diperlakukan sebagai variabel keadaan.
Notasi berikut diikuti dalam formulasi SDP: Q menunjukkan aliran masuk; i
dan j masing-masing adalah interval kelas (juga disebut sebagai keadaan) aliran
masuk pada periode t dan periode t + 1; S menunjukkan penyimpanan waduk; dan k
dan l masing-masing adalah interval kelas penyimpanan dalam periode t dan t + 1. Itu
nilai representatif aliran masuk untuk kelas i pada periode t dan kelas j pada periode t
+ 1 masing-masing dilambangkan dengan Qit dan Qjt+1. Demikian pula, nilai
representatif untuk penyimpanan dalam interval kelas k dan l masing-masing
dilambangkan dengan Skt dan Slt+1. Dari kontinuitas penyimpanan, maka, kita dapat
menulis
Rkilt = Skt + Qit – Eklt – Slt+1
(6.4.1)
di mana Rkilt adalah waduk pelepasan yang sesuai dengan Skt waduk penyimpanan
awal, waduk penyimpanan akhir Slt+1, dan kerugian penguapan Eklt. Kerugian Eklt
tergantung pada waduk penyimpanan awal dan akhir, S kt dan Slt +1. Karena aliran
masuk Q adalah variabel acak, waduk penyimpanan dan pelepasan juga variabel acak.
6.4.2 Inflow sebagai Proses Stokastik
Proses stokastik, dinotasikan sebagai {X(t), t ϵ T} adalah kumpulan variabel acak,
dengan t mengacu pada waktu, X(t) variabel acak, dan T mengacu pada kumpulan
indeks.
Dalam pengembangan persamaan rekursif SDP, aliran masuk reservoir diperlakukan
sebagai proses stokastik. Selanjutnya, diasumsikan bahwa reservoir masuk
mengikuti Rantai Markov orde pertama. Suatu proses stokastik, {Xt}, dikatakan
sebagai Rantai Markov orde pertama jika ketergantungan nilai masa depan dari proses
tersebut pada nilai-nilai masa lalu sepenuhnya ditentukan oleh ketergantungannya
pada nilai saat ini saja. Rantai Markov orde pertama memiliki sifat,
P[Xt +1/Xt , Xt–1, ..., X0 ] = P[Xt+1/Xt ]
di mana sisi kiri (LHS) memberikan probabilitas bersyarat X t +1 yang diberikan nilai
saat ini dan masa lalu Xt , Xt–1, …, X0 , dan sisi kanan (RHS) memberikan probabilitas
bersyarat Xt +1 mengingat nilai saat ini Xt saja.
Asumsi Rantai Markov menyiratkan bahwa ketergantungan aliran masuk pada
periode berikutnya pada aliran masuk selama periode saat ini dan semua periode
sebelumnya sepenuhnya dijelaskan oleh ketergantungannya pada aliran masuk selama
periode tersebut. periode saat ini saja. Selanjutnya, probabilitas transisi digunakan
untuk mengukur ketergantungan aliran masuk selama periode t + 1 pada aliran masuk
selama periode t.
Dengan notasi yang didefinisikan di atas, probabilitas transisi P ijt didefinisikan
sebagai probabilitas bahwa inflow selama periode t + 1 akan berada dalam interval
kelas j, mengingat bahwa inflow selama periode t terletak pada interval kelas i.
Artinya,
Pijt = P [Qt+1 = j/Qt = i]
(6.4.2)
di mana Qt=i menunjukkan bahwa aliran masuk selama periode t termasuk dalam
interval kelas diskrit i. Dalam aplikasinya, probabilitas transisi, P ijt diestimasi dari
data aliran masuk historis. Skema diskritisasi aliran masuk yang sesuai tiba pada
awalnya. Setiap nilai aliran masuk dalam kumpulan data historis kemudian diberi
interval kelas yang menjadi tempatnya. Berapa kali aliran masuk pada periode t + 1
masuk ke kelas j, ketika aliran masuk pada periode sebelumnya t termasuk dalam
kelas i, dibagi dengan berapa kali aliran masuk masuk ke dalam kelas i pada periode t
diambil sebagai estimasi Pijt. Perhatikan bahwa untuk pendekatan frekuensi relatif
untuk memperkirakan probabilitas transisi ini, data aliran masuk harus tersedia untuk
jangka waktu yang cukup panjang.

6.4.3 Kebijakan Operasi Kondisi Stabil

Ukuran kinerja sistem bergantung pada status sistem yang ditentukan oleh interval
kelas penyimpanan k dan l, dan interval kelas aliran masuk i untuk periode t. Kami
menunjukkan ukuran kinerja sistem untuk periode t sebagai B kilt, yang sesuai dengan
keadaan penyimpanan awal k, keadaan aliran masuk i, dan keadaan penyimpanan
akhir l pada periode t. Ukuran kinerja sistem dapat berupa, misalnya, jumlah tenaga
air yang dihasilkan ketika pelepasan Rkilt dibuat dari waduk, dan waduk penyimpanan
(yang menentukan head yang tersedia untuk pembangkit listrik) pada periode waktu
sesuai dengan t.

Gambar 6.12 Tahapan dan Periode Waktu dalam Rekursi Mundur SDP
Dengan hanya satu tahap yang tersisa (yaitu n = 1 dan t = T), kita menulis,

Perhatikan bahwa untuk k dan i tertentu, hanya nilai l yang layak yang menghasilkan
nilai pelepasan non-negatif, Rkilt (lihat Persamaan 6.4.1). Karena ini adalah periode
terakhir dalam perhitungan, ukuran kinerja B kilt ditentukan dengan pasti untuk nilai k,
i dan l yang diketahui. Ketika kita pindah ke tahap berikutnya, (n = 2, t = T – 1), nilai
maksimum dari kinerja yang diharapkan dari sistem ditulis sebagai

Ketika perhitungan dilakukan untuk tahap 2, periode T – 1, aliran masuk i selama

periode tersebut diketahui. Namun, karena kita tertarik untuk memperoleh kinerja
sistem maksimum yang diharapkan hingga akhir periode T terakhir, kita juga harus
mengetahui arus masuk selama periode T berikutnya. Karena hal ini tidak diketahui
secara pasti, maka nilai ekspektasi kinerja sistem diperoleh dengan menggunakan
probabilitas transisi aliran masuk Pij T-1 untuk periode T – 1. Harus dicatat bahwa
istilah dalam penjumlahan dalam (6.4.4) menunjukkan nilai maksimum yang
diharapkan dari kinerja sistem hingga akhir periode T terakhir, ketika keadaan aliran
masuk selama periode T – 1 adalah i. Pencarian nilai kinerja optimum dilakukan
selama akhir periode penyimpanan l. Karena f 1t (k, i) telah ditentukan pada tahap 1,
untuk semua nilai k dan i, . F 2T-1 (k, i) yang diberikan oleh (6.4.4) dapat ditentukan.
Istilah {layak l}, muncul di (6.4.3)

dan (6.4.4), menunjukkan bahwa pencarian dilakukan hanya pada penyimpanan akhir
periode yang menghasilkan rilis non-negatif Rkilt yang ditentukan oleh (6.4.1).
Hubungan (6.4.4) dapat digeneralisasikan untuk setiap tahap n dan periode t sebagai
Pemecahan (6.4.5) secara rekursif akan menghasilkan kebijakan steady state dalam
beberapa siklus tahunan, jika probabilitas transisi inflow P ijt diasumsikan tetap sama
setiap tahun, yang mengimplikasikan bahwa aliran masuk ke waduk merupakan
proses stokastik stasioner. Secara umum, kondisi mapan tercapai ketika kinerja sistem
tahunan yang diharapkan, [ f tn+T ( k, i) – ( f tn(k, i)] tetap konstan untuk semua nilai k, i,
dan t. Ketika kondisi mapan tercapai, interval kelas penyimpanan akhir periode
optimal, l, didefinisikan untuk k dan i yang diberikan untuk setiap periode t dalam
setahun. Ini mendefinisikan kebijakan kondisi mapan yang optimal dan dilambangkan
oleh l * (k, i, t).
Probabilitas Kondisi Stabil
Asumsikan bahwa kita memiliki l* (k, i, t) yang unik untuk setiap k, i pada periode t,
adalah mungkin untuk memperoleh probabilitas keadaan stabil dari pelepasan, Rkilt.
Karena i, kombinasi tertentu dari k, secara unik mendefinisikan a1*, kita menulis
probabilitas keadaan stabil dari rilis sebagai PRkit, tanpa indeks l. Untuk rantai Markov
dua-negara, langkah-tunggal yang dipertimbangkan, probabilitas ini diberikan oleh

RHS dari (6.4.6) adalah penjumlahan selektif hanya atas penyimpanan awal dan
indeks aliran masuk k dan i pada periode t yang menghasilkan l = l*(k, i, t) yang
sama. Satu persamaan dalam himpunan persamaan (6.4.6) adalah redundan
(berdasarkan Persamaan 6.4.7) di setiap periode t, dan dengan demikian jumlah
persamaan independen, termasuk (6.4.7), sama dengan jumlah variabel . Probabilitas
yang tidak diketahui, PRkit, adalah probabilitas gabungan kondisi stabil dari
penyimpanan awal berada di kelas k dan aliran masuk berada di kelas i pada periode t.
Dengan demikian dimungkinkan untuk memperoleh probabilitas marjinal
penyimpanan dan aliran masuk sebagai berikut:

6.4.4 Operasi Real-time (Waktu yang sebenarnya)

Formulasi SDP yang dibahas pada bagian sebelumnya mengasumsikan aliran masuk
selama periode t diketahui pada awal periode t itu sendiri. Dalam praktek,Namun, ini
tidak akan terjadi. Oleh karena itu, untuk menerapkan kebijakan kondisi stabil yang
optimal l* (k, i, t) untuk periode t secara real-time, diperlukan model peramalan arus
masuk yang sesuai, yang akan memungkinkan pengambilan keputusan pada awal
periode waktu, t . Dengan adanya model peramalan seperti itu, kebijakan kondisi
mapan yang ditentukan oleh SDP digunakan untuk operasi real-time sebagai berikut:
periode t saat ini, waduk penyimpanan dicatat. Dari diskritisasi status penyimpanan
yang digunakan dalam SDP, interval kelas penyimpanan k ditentukan. Model
peramalan aliran masuk digunakan untuk mendapatkan aliran masuk yang diramal
selama periode t. Umumnya, model peramalan aliran masuk menggunakan nilai aliran
masuk terbaru yang tersedia (yaitu aliran masuk pada periode sebelumnya t – 1, yang
akan diketahui pada awal periode t saat ini). Dari skema diskritisasi aliran masuk yang
digunakan dalam SDP, interval kelas aliran masuk, i, sesuai dengan perkiraan aliran
masuk ditentukan. Mengetahui k dan i untuk periode t, interval kelas penyimpanan
akhir periode yang optimal diperoleh dari kebijakan keadaan tunak, l*(k, i, t).
Nilai perwakilan status penyimpanan yang sesuai dengan interval kelas penyimpanan
optimal ini adalah * t+1 l S . Waduk pelepasan dibuat untuk memastikan
penyimpanan akhir periode, sedekat mungkin dengan * t+1 l S . Diskritisasi yang
lebih baik dari variabel penyimpanan dan aliran masuk akan meningkatkan potensi
aplikasi dari kebijakan negara stabil.
Contoh 6.4.1 Dapatkan kebijakan keadaan stabilk untuk data berikut, jika tujuannya
adalah untuk meminimalkan nilai yang diharapkan dari jumlah kuadrat deviasi
pelepasan dan penyimpanan dari targetnya masing-masing, selama satu tahun dengan
dua periode. Abaikan kehilangan penguapan. Jika rilis lebih besar dari target rilis,
deviasi diatur ke nol.
Untuk periode 1

Untuk Periode 2

Sasaran Penyimpanan Ts = 30
Sasaran Pelepasan Tr = 30
Bkilt = (Rkilt – Tr )2 + ( Skt – Ts )2
Probabilitas transisi aliran masuk

Solusi:
Pertama ukuran kinerja sistem, Bkilt, ditabulasikan untuk semua k, i, l, dan t.
Periode, t = 1

Periode, t = 2

Iterasi SDP ditunjukkan pada tabel berikut.

n=1t=2
Contoh perhitungan untuk Tahap 2:
Melanjutkan dengan cara yang sama, perhitungan lebih lanjut ditunjukkan sebagai
berikut:

n=5t=2

n=6t=1
n=7t=2

n=8t=1

Perhitungan dihentikan setelah tahap ini karena diverifikasi bahwa ukuran kinerja
sistem tahunan tetap konstan, (mendekati 96).
Kebijakan stabil ditabulasikan sebagai berikut:
Kebijakan kondisi stabil untuk periode 1

Kebijakan kondisi stabil untuk periode 1

Verifikasi bahwa ukuran kinerja sistem tahunan yang diharapkan [ f t n+T (k, i) –f tn (k,
i)] tetap konstan untuk semua k, i, dan t setelah kondisi mapan tercapai.
Dalam contoh ini kinerja tahunan yang diharapkan adalah sekitar 96 unit (misalnya f 18,
(1,1) - f 16 (1,1) = 421.91 – 326.10 = 95.81)
Contoh 6.4.2 Kebijakan keadaan stabil untuk masalah dua periode ditentukan sebagai
berikut:

Probabilitas transisi aliran masuk seperti yang diberikan dalam tabel berikut

Dapatkan probabilitas kondisi stabil pelepasan,aliran masuk, dan penyimpanan.

Solusi:
Perhitungan PRkit
Memecahkan persamaan simultan berikut akan menghasilkan nilai PRkit.
Dapatkan probabilitas kondisi stabilpelepasan, aliran masuk, dan penyimpanan.
Solusi:
Perhitungan PRkit
Memecahkan persamaan simultan berikut akan menghasilkan nilai PRkit.
Total da 8 probabilitas, PRkit
Mengambil tiga persamaan (A) untuk t = 1, tiga persamaan (B) untuk t = 2, dan dua
persamaan terakhir (C) (satu untuk setiap periode t), himpunan 8 persamaan
diselesaikan untuk 8 nilai PRkit. Nilai PRkit yang dihasilkan adalah ditunjukkan pada
tabel berikut

Probabilitas penyimpanan dan aliran masuk yang stabil:

Masalah
6.4.1 Selesaikan masalah operasi waduk SDP dua keadaan, dua periode dengan
data berikut untuk mendapatkan kebijakan rilis kondisi stabil.
 Probabilitas Transisi

Kapasitas waduk = 60 unit

6.4.2 Probabilitas pelepasan kondisi stabil yang diperoleh dari solusi SDP diberikan di
bawah ini, dengan notasi diikuti dalam teks.

Dapatkan probabilitas stabil dari aliran masuk dan penyimpanan.

6.4.3 Probabilitas transisi aliran masuk berikut diberikan untuk masalah operasi
waduk SDP dua keadaan, dua periode.

Kebijakan stabil yang diperoleh dari solusi SDP adalah seperti yang diberikan
di bawah:
Dapatkan probabilitas kondisi stabil untuk pelepasan, penyimpanan, dan aliran masuk
dari solusi ini.