Model Optimisasi Kendala Peluang (Chance-Constrained) untuk Masalah Jaringan Distribusi Air

Abstract

Jaringan Distribusi Air (Water Distribution Network, WDN) didefinisikan sebagai perencanaan pengembangan sumber daya air, pendistribusian, dan pemanfaatannya. Tujuan utama dari jaringan distribusi air untuk menjaga sumber daya air yang terbatas dan dapat memberikan manfaat yang efektif dari sumber daya air tersebut yang sesuai dengan aspek lingkungan. Jaringan distribusi air akan menghubungkan sumber daya air kepada konsumen dengan menggunakan komponen hidrolik. Desain optimal suatu jaringan distribusi air terdiri dari pemilihan diameter masing-masing pipa, rancangan jaringan pipa, dan panjang pipa. Dalam Disertasi ini diusulkan model optimisasi stochastik nonlinier dalam mengatasi jaringan distribusi air di bawah pertimbangan keandalan aliran air. Bentuk non-linear terjadi akibat persamaan penurunan tekanan air yang merupakan persamaan model stochastic. Untuk memecahkan model yang terjadi, model stochastic diubah menjadi model multi-objektif deterministik chance-constrained dengan menggunakan pendekatan berbasis integer programming dan sampel ratarata. Kemudian untuk memecahkan bagian integernya digunakan pendekatan direct search.

Water Distribution Network can be defined as planned water resources development, distribution, and utilization. Main objectives of water distribution network are to preserve these limited water resources and to provide an effective utilization of these resources in compliance with environmental aspects. Water distribution network (WDN) connects consumers to sources of water using hydraulic components. The optimal design of a water distribution network consists of the choice of a diameter for each pipe, the pipe line network design, and the pipe length. In this paper We propose a chance-constrained optimization model for tackling a WDN under the consideration of reliability in water flows. The nonlinearities arise through pressure drop equation. We transform the stochastic programming model into a deterministic multi-objective model using sampling average and integer programming based approach. Then we solve the integer part on the result model using a direct search approach.