PARTICLE SWARM OPTIMIZATION UNTUK OPTIMASI PENJADWALAN PEMBEBANAN PADA UNIT PEMBANGKIT PLTG DI PLTGU TAMBAK LOROK
|
|
- Devi Sudirman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Makalah Seminar Tugas Akhir PARTICLE SWARM OPTIMIZATION UNTUK OPTIMASI PENJADWALAN PEMBEBANAN PADA UNIT PEMBANGKIT PLTG DI PLTGU TAMBAK LOROK Basuki Sri Wantoro [1], Hermawan [2], Susatyo Handoko [2] Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro Jl. Prof. Sudharto, Tembalang, Semarang, Indonesia [1] Abstract Generator scheduling is an important part in the power systems operation. In the absence of good scheduling can lead to huge costs incurred in the operation of power systems, especially on the generation side, and can cause lack of coordination in meeting the needs of the load and distribution of electric power. Optimization of generator scheduling can be obtained by using artificial intelligence techniques such as Particle Swarm Optimization (PSO). In this final project, optimization method of Particle Swarm Optimization (PSO) solved by using Matlab software and the characteristics of a power plant generating units is determined by the method of Least Squares Parabolic Approach proposed to the solution of generator scheduling problems on a power plant generating units (GTG) in block 1 Tambak Lorok Power Plant. From the simulation results of optimization with PSO method showed good performance. Greatest savings obtained on the power requirements (demand) between 90 P 210 MW is above 1000 liters / hour, while at the power requirements (demand) between 210 <P 315 MW obtained a smaller savings are below 1000 liters / hour. The simulation results are identical with other optimization methods such as Genetic Algorithm and Lagrange Multiplier. Keywords: Optimal generator scheduling, PSO, Genetic Algorithms, Lagrange Multiplier. I. PENDAHULUAN 1.1 Latar Belakang Pembangkitan tenaga listrik merupakan komponen biaya terbesar didalam suatu sistem tenaga listrik. Sedangkan pada unit-unit pembangkit tenaga listrik memiliki karakteristik yang berbeda-beda dalam hal biaya pembangkitannya. Untuk mendapatkan pengoperasian yang optimal dalam memenuhi kebutuhan beban maka penjadwalan pengoperasian suatu generator pada pembangkit dan koordinasi antar pembangkitan sangat diperlukan dalam upaya melakukan optimalisasi pembebanan yang bertujuan untuk memperoleh biaya operasi yang optimal dan ekonomis dengan memperhatikan batasan-batasan dari kapasitas unit pembangkit itu sendiri. Salah satu teknik solusi untuk menyelesaikan permasalahan optimalisasi ini yaitu dengan menggunakan teknik Particle Swarm Optimization (PSO). Banyak penelitian telah dilakukan dengan menggunakan metode optimasi PSO,diantaranya metode PSO dengan pendekatan Constriction Factor [5,7] dan metode optimasi Modified Improved PSO pada pembangkit termal sistem 500kV Jawa-Bali [6]. Kelebihan utama algoritma PSO adalah mempunyai konsep yang sederhana, mudah diimplementasikan, dan efisien dalam perhitungan jika dibandingkan dengan algoritma matematika dan teknik optimisasi heuristik lainnya. PLTGU Tambak Lorok merupakan salah satu pembangkit yang mensuplai kebutuhan tenaga listrik di sistem jawa-bali. Pada penelitian sebelumnya digunakan metode Lagrange Multiplier (Iterasi Lambda) sebagai solusi dari masalah penjadwalan pembebanan pada unit PLTG di PLTGU blok 1 Tambak Lorok [2]. Dalam penelitian ini, metode PSO digunakan untuk menyelesaikan optimal pembebanan pada unit pembangkit PLTG di PLTGU blok 1 Tambak Lorok. Untuk melihat tingkat kekakuratannya maka hasil simulasi dengan PSO akan dibandingkan dengan metode Algorima Genetika dan metode konvensional Lagrange Mulptiplier. 1.2 Tujuan Tujuan yang ingin dicapai dalam tugas akhir ini yaitu : 1 Menentukan nilai optimal penjadwalan beban pada unit pembangkit PLTG di PLTGU blok 1 Tambak Lorok dengan metode Particle Swarm Optimazion (PSO). 2 Membandingkan keakuratan hasil dari simulasi yang di dapat dengan metode pembanding Algoritma Genetik dan Lagrange Multiplier. 3 Menghitung biaya penghematan yang didapat bila simulasi ini diaplikasikan pada unit pembangkit PLTG di PLTGU blok 1 Tambak Lorok. 1.3 Pembatasan Masalah Untuk Dalam pembuatan tugas akhir ini penulis membatasi permasalahan sebagai berikut : 1. Metode solusi untuk masalah optimalisasi penjadwalan pembebanan generator menggunakan metode Particle Swarm Optimization (PSO). 2. Tidak membahas metode Algoritma Genetika dan Lagrange Multiplier sebagai metode pembanding dari hasil metode Particle Swarm Optimization. 3. Aplikasi dari metode ini ditujukan pada unit pembangkit PLTG di PLTGU blok 1 Tambak Lorok dengan memperhatikan batasan dari kapasitas unit pembangkit. 4. Tidak membahas daya yang dihasilkan pada STG apabila unit PLTG dioperasikan pada sistem Combined Cycle. 5. Karakteristik unit PLTG pada blok 1 PLTGU Tambak Lorok ditentukan dengan metode pendekatan Least Square Parabolic Approach. [1] Mahasiswa Jurusan Teknik Elektro UNDIP Semarang [2] Staf Pengajar Jurusan Teknik Elektro UNDIP Semarang
2 6. Data yang digunakan adalah data 3 bulan terakhir pengoperasian unit pembangkit PLTG di PLTGU blok 1 Tambak Lorok sebelum Reserve Shut Down (RSH). 7. Software yang digunakan dalam tugas akhir ini adalah Matlab 7.6 (R2008a). II. DASAR TEORI 2.1 Operasi Ekonomis Sistem Tenaga [1,2] Biaya Operasi Pembangkit Thermal Biaya pengoperasian pembangkit tergantung dari beberapa hal antara lain effisiensi biaya bahan bakar dan rugi-rugi yang terjadi pada saluran transmisi. Setiap unit pembangkit dalam suatu stasiun mempunyai karakteristik tersendiri dalam pengoperasiannya. Dengan mengetahui perbedaan karakteristik inilah optimalisasi pengoperasian pembangkit dapat diperoleh. Secara umum, biaya pengoperasian pembangkit dalam hal ini adalah biaya bahan bakar yang digunakan digambarkan oleh fungsi kuadrat dari daya aktif yang dibangkitkan pada generator sebagaimana yang ditunjukan pada gambar 2.1 Hubungan antara biaya bahan bakar terhadap daya aktif yang dihasilkan pembangkit dirumuskan oleh persamaan sebagai berikut :... (1) Dengan, = biaya bahan bakar (masukan unit i), dollar/jam = daya yang dihasilkan (keluaran unit i), MW = karakteristik unit pembangkit Gambar 2.1 Kurva karakteristik biaya bahan bakar (Ci) terhadap daya aktif (Pi) Optimasi Operasi Pembangkit Dengan Mengabaikan Rugi-Rugi Dan Memperhitungkan Batasan Pada Generator [1,2,7,8] Pada umumnya pengoperasian pembangkit mem punyai batasan daya yang dibangkitkan. Generator dari setiap unit pembangkit seharusnya membangkitkan daya tidak melebihi nilai maksimumnya serta tidak boleh dioperasikan untuk membangkitkan daya dibawah nilai minimumnya. Untuk itu diperlukan suatu optimasi pengoperasian pembangkit agar biaya pengoperasian yang diperlukan tetap ekonomis. Misalnya batas minim dan maksimum dari suatu unit pembangkit adalah sebagai berikut : i=1,..... (2) 2.2 Particle Swarm Optimazion (PSO) [4] Dasar PSO Particle Swarm Optimazion (PSO) adalah teknik optimasi berdasarkan populasi stokastik yang terinspirasi oleh perilaku sosial kawanan burung atau kawanan ikan. PSO memiliki banyak kesamaan dengan teknik komputasi evolusi seperti algoritma genetika. Sistem ini diinisialisasi dengan populasi secara acak dan mencari solusi optimal dengan memperbarui generasi. Dalam PSO, solusi potensial yang disebut partikel, bergerak melalui penelusuran ruang dengan velocity yang dinamis hingga ditemukan posisi yang relatif tidak berubah, atau sampai keterbatasan komputasi terlampaui. Oleh karena itu, particle-particle mempunyai kecenderungan untuk bergerak ke area penelusuran yang lebih baik setelah melewati proses penelusuran. Beberapa istilah umum yang digunakan dalam PSO dapat didefinisikan sebagai berikut : 1. Swarm : populasi dari suatu algoritma. 2. Particle : anggota (individu) pada suatu swarm. 3. Pbest (Personal Best) : posisi Pbest suatu particle yang menunjukkan posisi particle yang dipersiapkan untuk mendapatkan suatu solusi yang terbaik. 4. Gbest (Global Best) : posisi terbaik particle pada swarm atau posisi terbaik diantara Pbest yang ada. 5. Velocity (V) : kecepatan yang menggerakkan proses optimasi yang menentukan arah dimana particle diperlukan untuk berpindah dan memperbaiki posisinya semula. 6. Learning Rates (C1 dan C2) : suatu konstanta untuk menilai kemampuan particle (C1) dan kemampuan sosial swarm (C2) yang menunjukkan bobot dari particle terhadap memorinya. Nilai C1 dan C2 antara Inertia Weight (θ) : parameter yang digunakan untuk mengontrol dampak dari adanya velocity Algoritma PSO Algoritma dari PSO yaitu : 1. Menentukan ukuran swarm dan menentukan nilai awal masing-masing partikel secara random. 2. Mengevaluasi nilai fungsi tujuan untuk setiap partikel. 3. Menentukan kecepatan / velocity mula-mula. 4. Menghitung Pbest dan Gbest mula-mula. 5. Menghitung kecepatan pada iterasi berikutnya dengan Persamaan (3). Vj(i) = θ Vj (i - 1) + c 1 r 1 [ Pbest,j - Xj (i-1) ] + c 2 r 2 [Gbest - Xj (i-1)]... (3) Dengan, ( )... (4) i = iterasi; j = 1,2,3,...,N; r 1 dan r 2 adalah bilangan random; θ max dan θ min adalah random. 6. Menentukan posisi partikel pada iterasi berikutnya menggunakan Persamaan (5). Xj(i) = Xj(i 1) + Vj(i)...(5) 7. Mengevaluasi nilai fungsi tujuan pada iterasi selanjutnya. 8. Mengupdate Pbest dan Gbest. 9. Mengecek apakah solusi sudah optimal atau belum. Bila sudah optimal, maka proses algoritma berhenti, namun bila belum optimal maka kembali ke langkah 5. III. PERANCANGAN SISTEM 3.1 Pemodelan Unit-Unit Pembangkit [2] Pemodelan unit pembangkit menunjukan karakteristik dari suatu unit pembangkit. Dalam membuat pemodelan ini biaya-biaya operasi dari setiap variable unit 2
3 tersebut harus dinyatakan sebagai fungsi keluaran daya dan dimasukan kedalam rumus biaya bahan bakar. Grafik yang menunjukan pemodelan dari suatu unit pembangkit merupakan pemetaan (plot) antara fungsi bahan bakar yang diperlukan terhadap keluaran daya dari unit tersebut. Dari data lapangan yang diperoleh, karakteristik bahan bakar yang dibutuhkan terhadap daya keluarannya pada PLTG unit 1, 2 dan 3 di PLTGU blok 1 Tambak Lorok dapat dilihat pada gambar 3.1, 3.2, dan 3.3. Gambar 3.3 menunjukan kurva karakteristik pembangkit unit 3 dimana dari gambar tersebut diperoleh persamaan sebagai berikut : C 3= 13978, , P + (1,3703 x 10-6 ) P Pembuatan Program Simulasi Perancangan program simulasi optimasi ini menggunakan program Matlab 7.6 (R2008a) dengan metode optimasi algoritma PSO (Particle Swarm Optimization). Algoritma pembuatan program simulasi ditunjukkan pada Gambar 3.4. di bawah ini : Mulai Inisialisasi Parameter Inisialisasi Posisi Individu Secara Acak Inisialisasi Velocity Individu Secara acak Gambar 3.1 Grafik karakteristik pembangkit unit 1, Konsumsi bahan bakar (liter/jam) terhadap Daya (KW) Gambar 3.1 menunjukan kurva karakteristik pembangkit unit 1 dimana dari gambar tersebut diperoleh persamaan sebagai berikut : C 1= 11539, , P + (1,168 x 10-6 ) P 2 Evaluasi Fungsi Objektif Pada Individu i Update Velocity Individu i, V i k+1 Update Posisi Individu i, X i k+1 Update Pbest dan Gbest Stopping Criteria Terpenuhi? Tidak Ya Hasil/Output Selesai Gambar 3.2 Grafik karakteristik pembangkit unit 2, Konsumsi bahan bakar (liter/jam) terhadap Daya (KW) Gambar 3.2 menunjukan kurva karakteristik pembangkit unit 2 dimana dari gambar tersebut diperoleh persamaan sebagai berikut : C 2= 16346, , P + (2,3297 x 10-6 ) Gambar 3.3 Grafik karakteristik pembangkit unit 3, Konsumsi bahan bakar (liter/jam) terhadap Daya (KW) Gambar 3.4 Algoritma Pembuatan Program Simulasi Program simulasi ini dibuat dalam 7 tahap, tahap pertama adalah inisialisasi parameter, tahap kedua adalah inisialisasi individu secara acak, tahap ketiga adalah inisialisasi velocity individu secara acak, tahap keempat adalah evaluasi fungsi objektif pada individu-i, tahap kelima adalah update velocity individu-i, tahap keenam adalah update posisi individu-i, tahap ketujuh adalah update Pbest dan Gbest. Sedangkan untuk nilai C1 dan C2 adalah 2 dan θ max, θ min masing-masing adalah 0,5 dan 0,1. Pada program simulasi ini, fungsi objektif yang digunakan adalah untuk meminimalkan nilai total konsumsi bahan bakar (C Tot ) yang dibutuhkan untuk permintaan daya tertentu, dimana fungsi objektif pada algoritma PSO ini adalah sebagai berikut...(6)...(7) Dimana, C Tot = total konsumsi bahan bakar (liter/jam) terhadap total daya (KW) 3
4 IV. PENGUJIAN DAN ANALISIS 4.1 Hasil Simulasi PSO Hasil Simulasi PSO Pada Beban 30 P < 60 MW Pada saat kebutuhan daya (demand) antara 30 P < 60 MW, maka hanya ada satu kemungkinan unit pembangkit GTG yang beroperasi, karena untuk mengoperasikan dua atau tiga unit pembangkit GTG secara bersama-sama tidak mungkin dilakukan karena tidak memenuhi syarat pembebanan minimum operasi pembangkit yaitu minimum 30 MW. Hasil simulasi metode PSO pada kebutuhan daya ini dapat dilihat pada table 4.1 berikut. Tabel 4.1 Beban 30 P < 60 MW Hasil Simulasi PSO Pada Beban 60 P < 90 MW Pada saat kebutuhan daya (demand) antara 60 P < 90 MW, maka ada dua pola kemungkinan unit pembangkit GTG yang beroperasi yaitu beroperasi hanya dengan satu unit pembangkit GTG atau dengan dua unit pembangkit GTG yang dioperasikan secara bersama-sama. Sedangkan untuk mengoperasikan tiga unit pembangkit GTG secara bersama-sama tidak mungkin dilakukan karena tidak memenuhi syarat pembebanan minimum operasi pembangkit yaitu minimum 30 MW. Hasil simulasi metode PSO pada kebutuhan daya ini dapat dilihat pada tabel 4.2 berikut. Tabel 4.2 Beban 60 P < 90 MW Tabel 4.3 Beban 90 P 105 MW Dari hasil simulasi metode PSO pada saat kebutuhan beban (demand) antara 90 P 105 MW dihasilkan pola pengoperasian pembangkit yang optimal yaitu yang hanya mengoperasikan satu unit pembangkit GTG saja Hasil Simulasi PSO Pada Beban 105 < P 210 MW Pada saat kebutuhan daya (demand) antara 105 < P 210 MW, maka ada dua pola kemungkinan unit pembangkit GTG yang beroperasi yaitu beroperasi hanya dengan dua unit pembangkit GTG yang dioperasikan secara bersama-sama atau dengan tiga unit pembangkit GTG yang dioperasikan secara bersama-sama. Hasil simulasi metode PSO pada kebutuhan daya ini dapat dilihat pada tabel 4.4 berikut. Tabel 4.4 Beban 105 < P 210 MW Dari hasil simulasi metode PSO pada saat kebutuhan beban (demand) antara 60 P < 90 MW dihasilkan pola pengoperasian pembangkit yang optimal yaitu yang hanya mengoperasikan satu unit pembangkit GTG saja Hasil Simulasi PSO Pada Beban 90 P 105 MW Pada saat kebutuhan daya (demand) antara 90 P 105 MW, maka ada tiga pola kemungkinan unit pembangkit GTG yang beroperasi yaitu beroperasi hanya dengan satu unit pembangkit GTG atau dengan dua unit pembangkit GTG yang dioperasikan secara bersama-sama atau dengan tiga unit pembangkit GTG yang dioperasikan secara bersama-sama. Hasil simulasi metode PSO pada kebutuhan daya ini dapat dilihat pada tabel 4.3 berikut. 4 Dari hasil simulasi metode PSO pada saat kebutuhan beban (demand) antara 105 < P 210 MW dihasilkan pola pengoperasian pembangkit yang optimal yaitu yang mengoperasikan dua unit pembangkit GTG secara bersama-sama Hasil Simulasi PSO Pada Beban 210 < P 315 MW Pada saat kebutuhan daya (demand) antara 210 < P 315 MW, maka hanya ada satu pola kemungkinan unit pembangkit GTG yang beroperasi yaitu beroperasi hanya
5 dengan tiga unit pembangkit GTG yang dioperasikan secara bersama-sama. Hasil simulasi metode PSO pada kebutuhan daya ini dapat dilihat pada tabel 4.5 berikut. Tabel 4.5 Beban 210 < P 315 MW Gambar 4.1 Grafik perbandingan konsumsi BBM terhadap Daya (MW), antara metode optimasi PSO,Algen dan Iterasi Lambda 4.2 Hasil Pembanding Simulasi PSO Hasil Perbandingan Simulasi Metode PSO, Algoritma Genetik dan Iterasi Lambda Metode optimasi PSO, Algoritma Genetik dan Lagrange Multiplier (Iterasi Lambda) merupakan metode optimasi yang dapat digunakan untuk solusi dari masalah economy dispatch. Hasil perbandingan antara metode PSO, Algoritma genetik dan Iterasi Lambda dapat dilihat pada tabel 4.6 berikut. Tabel 4.6 Perbandingan PSO, Algen dan Iterasi Lambda Dari tabel 4.6 dan grafik 4.1 diatas dapat dilihat hasil perbandingan simulasi antara metode optimasi PSO, Algen dan Lagrange Multiplier (Iterasi Lambda) memiliki kemampuan yang identik sama. Metode optimasi Algoritma PSO memiliki beberapa kelebihan bila dibandingkan dengan metode Algoritma Genetik diantaranya yaitu algotrima yang lebih sederhana, iterasi yang jauh lebih cepat dalam mendapatkan nilai optimum dan fleksibilas pencarian lebih tinggi karna memiliki operator bobot inersia (inertia weight) yang dapat diatur sesuai kebutuhan. Sedangkan metode optimasi Lagrange Multiplier (Iterasi Lambda) merupakan metode optimasi dengan basis perhitungan secara matematis dengan angka-angka yang pasti Hasil Perbandingan Simulasi Metode PSO Dengan Pendistribusian Beban Merata Dalam memenuhi kebutuhan daya (demand), pola operasi yang dilakukan pada unit pembangkit PLTG di PLTGU blok 1 Tambak Lorok umumnya adalah dengan menggunakan pola operasi pendistribusian beban secara merata. Artinya pengoperasian unit pembangkit diberikan beban yang sama pada masing-masing unit pembangkit yang beroperasi. Apabila kebutuhan daya (demand) tertentu di asumsikan dipenuhi dengan cara pendistribusian beban merata pada masing-masing unit pembangkit GTG maka dari hasil perbandingan antara simulasi metode PSO dengan pendistribusian beban merata dapat dilihat penghematan yang didapat yaitu dengan melihat selisih dari biaya pembangkitan (konsumsi BBM) pada beban tertentu yang didapatkan antara metode PSO dengan metode pendistribusian beban merata. Untuk mengoperasikan setiap unit pembangkit GTG memiliki syarat minimum pembebanan yaitu 30 MW, berdasarkan hal tersebut maka data perbandingan yang dilakukan untuk permintaan beban (demand) tertentu dengan mengoperasikan tiga unit pembangkit GTG secara bersama-sama yaitu dimulai pada saat kebutuhan beban minimal (demand) 90 MW sampai dengan maksimal 315 MW. Hasil perbandingan antara metode PSO dengan pendistribusian beban merata dapat dilihat pada tabel 4.7 berikut. 5
6 Tabel 4.7 Perbandingan PSO dengan Distribusi Beban Merata daya (demand) antara 210 < P 315 MW maka seluruh unit pembangkit GTG beroperasi sehingga penghematan yang didapat lebih kecil bila dibandingkan dengan kebutuhan daya (demand) antara 90 P 210 MW. Gambar 4.2 Grafik perbandingan konsumsi BBM terhadap Daya (MW), antara metode optimasi PSO dengan Distribusi Beban Merata V. PENUTUP 5.1 Kesimpulan Berdasarkan pengujian dan analisis yang telah dilakukan, maka dapat disimpulkan beberapa hal sebagai berikut : 1. Metode Particle Swarm Optimization (PSO) dapat digunakan untuk solusi dari masalah penjadwalan pembebanan optimal pada unit pembangkit PLTG di PLTGU blok 1 Tambak Lorok. 2. Dari hasil pengujian, untuk penghematan terbesar yang didapat berada pada kebutuhan daya (demand) antara 90 P 210 MW yaitu diatas 1000 liter/jam, sedangkan pada saat kebutuhan daya (demand) antara 210 < P 315 MW didapat penghematan yang lebih kecil yaitu dibawah 1000 liter/jam. 3. Dari hasil pengujian, metode optimasi PSO menunjukan performa yang baik untuk masalah optimasi penjadwalan pembebanan. Ini dapat dilihat dari hasil perbandingan metode-metode optimasi lain seperti metode Algoritma Genetika dan metode Lagrange Multiplier (iterasi Lambda) yang digunakan sebagai metode pembanding memiliki hasil yang mirip dan identik sama. Dari tabel 4.7 dapat dilihat penghematan yang didapat pada beban antara 90 P 210 MW cukup besar yaitu diatas 1000 liter/jam. Hal ini dikarenakan kurang efisiennya suatu unit pembangkit apabila dibebani dengan beban yang kecil. Pada metode optimasi dengan PSO hanya memilih dua unit pembangkit GTG yang beroperasi secara bersama-sama, sedangkan pada pendistribusian beban merata mengoperasikan tiga unit pembangkit GTG yang dioperasikan secara bersama-sama untuk memenuhi kebutuhan daya (demand). Sedangkan pada beban antara 210 < P 315 MW didapat penghematan yang cukup kecil yaitu dibawah 1000 liter/jam. Hal ini dikarenakan pada saat kebutuhan 5.2 Saran 1 Perlu dikembangkan untuk optimasi penjadwalan pembebanan pada unit pembangkit PLTG di PLTGU Tambak lorok dengan mempertimbangkan daya yang dihasilkan pada Turbin Uap (STG) pada saat pola operasi Combine Cycle. 2 Perlu dikembangkan untuk optimasi penjadwalan pembebanan untuk sistem yang lebih besar dan kompleks dengan mempertimbangkan rugi-rugi pada jaringan. 3 Dapat dikembangkan sistem optimasi penjadwalan pembebanan dengan metode optimasi lainnya seperti metode Ant Colony, Simulated Annealing Algorithm (SAA), Fuzzy System, Tabu Search Algorithm dan lain - lain untuk melihat performa dari masing-masing metode optimasi. 6
7 DAFTAR PUSTAKA [1] Cekdin,Cekmas, Sistem Tenaga Listrik, Contoh Soal dan Penyelesaian Menggunakan MATLAB.Yogyakarta : CV Andi Offset [2] Siswanto,Marno, Optimasi Pembagian Beban Pada Unit Pembangkit PLTG Tambak Lorok Dengan Metode Lagrange Multiplier. Skripsi Fakultas Teknik Universitas Diponegoro Semarang : tidak diterbitkan [3] Wood Allen J, Wollenberg Bruce F, 1996, Power Generation, Operational, and Control, Second Edition, Jhon Wiley & Sons, Inc [4] S.A Soliman, A.H. Mantawy, 2010, Modern Optimization Techniques with Application in Electric Power System. USA : Springers Science + Bussines Media,LCC [5] Maickel Tuegeh, Soeprijanto, Mauridhi H Purnomo, Modified Improved Particle Swarm Optimazion For Optimal Generator Scheduling.Yogyakarta : Jurnal Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) [6] AM. Ilyas, Ontoseno Penangsang, Adi Soeprijanto, Optimisasi Economic Dispatch Pembangkit Termal Sistem 500 kv Jawa Bali Menggunakan Modified Improved Particle Swarm Optimization (MIPSO).Surabaya : Jurnal Seminar Nasional Pascasarjana X ITS [7] Shi Yao Lim, Mohammad Montakhab, and Hassan Nouri, Economic Dispatch of Power System Using Particle Swarm Optimization with Constriction Factor. International Journal of Innovations in Energy Systems and Power (Vol. 4 no. 2, October 2009) [8] Kwang Y. Lee, Jong-Bae Park Application of Particle Swarm Optimization to Economic Dispatch Problem: Advantages And Disanvantages. IEEE X/06/$20.00 [9] Jong-Bae Park, Ki-Song Lee, Joong Rin Shin, Kwang Y. Lee, A Particle Swarm Optimization For Economic Dispatch With Nonsmooth Cost Fungtions. IEEE Transactions On Power System.Vol.20.No.1 Semarang, Juli 2012 Menyetujui, Dosen Pembimbing I Dr. Ir. Hermawan, DEA NIP Dosen Pembimbing II Susatyo Handoko,S.T., M.T. NIP BIODATA PENULIS Basuki Sri Wantoro lahir di Jakarta pada 21 Februari Menempuh pendidikan di SDN 11 Ciracas Jakarta, SMPN 9 Jakarta, SMAN 64 Jakarta, D3 Politeknik Negeri Jakarta konsentrasi Teknik Energi dan saat ini sedang menyelesaikan studi Strata-1 di Jurusan Teknik Elektro Fakultas Teknik Universitas Diponegoro Semarang dengan mengambil konsntrasi Power / Ketenagaan. 7
OPTIMASI ECONOMIC DISPATCH PADA UNIT PEMBANGKIT PLTG DI PLTGU TAMBAK LOROK MENGGUNAKAN ALGORITMA ARTIFICIAL BEE COLONY
OPTIMASI ECONOMIC DISPATCH PADA UNIT PEMBANGKIT PLTG DI PLTGU TAMBAK LOROK MENGGUNAKAN ALGORITMA ARTIFICIAL BEE COLONY Enrich Van Bosar Sitorus *), Hermawan, and Agung Nugroho Jurusan Teknik Elektro, Universitas
Lebih terperinciOPTIMASI ECONOMIC DISPATCH PADA UNIT PEMBANGKIT PLTG DI PLTGU TAMBAK LOROK MENGGUNAKAN ALGORITMA ARTIFICIAL BEE COLONY
KETENAGAAN OPTIMASI ECONOMIC DISPATCH PADA UNIT PEMBANGKIT PLTG DI PLTGU TAMBAK LOROK MENGGUNAKAN ALGORITMA ARTIFICIAL BEE COLONY Enrich Van Bosar Sitorus *), Dr. Ir. Hermawan, DEA dan Ir. Agung Nugroho
Lebih terperinciMETODE KOLONI SEMUT PADA DOMAIN KONTINU UNTUK OPTIMISASI PENJADWALAN EKONOMIS UNIT PEMBANGKIT PLTG DI PLTGU PT INDONESIA POWER TAMBAK LOROK
METODE KOLONI SEMUT PADA DOMAIN KONTINU UNTUK OPTIMISASI PENJADWALAN EKONOMIS UNIT PEMBANGKIT PLTG DI PLTGU PT INDONESIA POWER TAMBAK LOROK Ivan Darren Alber *), Hermawan, and Susatyo Handoko Departemen
Lebih terperinciDynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) B-24 Dynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization Afif Nur
Lebih terperinciPEMBUATAN APLIKASI UNTUK ANALISIS ECONOMIC DISPATCH STASIUN PEMBANGKIT TENAGA LISTRIK
PEMBUATAN APLIKASI UNTUK ANALISIS ECONOMIC DISPATCH STASIUN PEMBANGKIT TENAGA LISTRIK ELECTRICHSAN, VOL. 1, NO.1, MEI 2014 PEMBUATAN APLIKASI UNTUK ANALISIS ECONOMIC DISPATCH STASIUN PEMBANGKIT TENAGA
Lebih terperinciPEMBUATAN APLIKASI UNTUK ANALISIS ECONOMIC DISPATCH STASIUN PEMBANGKIT TENAGA LISTRIK
ELECTRICHSAN, VOL., NO., MEI 04 PEMBUATAN APLIKASI UNTUK ANALISIS ECONOMIC DISPATCH STASIUN PEMBANGKIT TENAGA LISTRIK Asmar, Yassir dan Teuku Hasanuddin Jurusan Teknik Elektro Universitas Bangka Belitung,
Lebih terperinciOPTIMASI ECONOMIC DISPATCH PEMBANGKIT SISTEM 150 KV JAWA TIMUR MENGGUNAKAN METODE MERIT ORDER
1/6 OPTIMASI ECONOMIC DISPATCH PEMBANGKIT SISTEM 150 KV JAWA TIMUR MENGGUNAKAN METODE MERIT ORDER SURIYAN ARIF WIBOWO 07100044 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS,
Lebih terperinciKata kunci: Penjadwalan Ekonomis, Fuzzy Logic, Algoritma Genetika
ABSTRAK Penjadwalan Ekonomis bertujuan untuk mengatur pengoperasian unit pembangkit dengan biaya seekonomis mungkin, namun tetap dapat memenuhi kebutuhan daya untuk beban. Pengoperasian pembangkit secara
Lebih terperinciOPTIMASI EKONOMIS PEMBANGKIT PLTG DI PLTGU TAMBAK LOROK MENGGUNAKAN ALGORITMA KELELAWAR
OPIMASI EKONOMIS PEMBANGKI PLG DI PLGU AMBAK LOROK MENGGUNAKAN ALGORIMA KELELAWAR Fauzan Mawardi Kautsar *), Agung Nugroho, and Hermawan Departemen eknik Elektro, Universitas Diponegoro Jl. Prof. Sudharto,
Lebih terperinciTINJAUAN PUSTAKA. terbentuklah suatu sistem tenaga listrik. Setiap GI sesungguhnya merupakan pusat
II. TINJAUAN PUSTAKA A. Operasi Sistem Tenaga Listrik Pusat-pusat listrik dan gardu induk satu sama lain dihubungkan oleh saluran transmisi agar tenaga listrik dapat mengalir sesuai dengan kebutuhan dan
Lebih terperinciPENGOPERASIAN OPTIMUM SISTEM TENAGA LISTRIK
PENGOPERASIAN OPTIMUM SISTEM TENAGA LISTRIK Ontoseno Penangsang Text Book : Power Generation Operation and Control Allen J. Wood & Bruce F. Wollenberg Power System Analysis Hadi Saadat INTRODUCTION Acquaint
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA DENGAN TOURNAMENT SELECTION SEBAGAI SOLUSI ECONOMIC DISPATCH
IMPLEMENTASI ALGORITMA GENETIKA DENGAN TOURNAMENT SELECTION SEBAGAI SOLUSI ECONOMIC DISPATCH Yassir, Fauzan dan Mahalla Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jln. Banda Aceh Medan km. 80,
Lebih terperinciRekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya.
Rekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya. RIZKIANANTO WARDANA M Misbach Fachri 2207100038 Sistem Tenaga Listrik
Lebih terperinciRekonfigurasi Jaring Distribusi untuk Meminimalkan Kerugian Daya menggunakan Particle Swarm Optimization
Rekonfigurasi Jaring Distribusi untuk Meminimalkan Kerugian Daya menggunakan Particle Swarm Optimization Stephan, Adi Soeprijanto Fakultas Teknologi Industri Jurusan Teknik Elektro Program Studi Teknik
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini
Lebih terperinciOptimalisasi Penjadwalan Pembangkit Listrik di Sistem Sorong
Optimalisasi Penjadwalan Pembangkit Listrik di Sistem Sorong 1 Yulianto Mariang, L. S. Patras, ST.,MT, M. Tuegeh, ST.,MT, Ir. H. Tumaliang, MT Jurusan Teknik Elektro-FT, UNSRAT, Manado-95115, Email: jliant_0mariang@yahoo.com
Lebih terperinciMetoda Penelitian dengan Metoda Taguchi
Metoda Penelitian dengan Metoda Taguchi Menentukan faktor- faktor yang berhubungan dengan hasil yang ingin dicapai Apabila hasil yang diperoleh belum sesuai dengan yang diharapkan, ubah nilai level masing-masing
Lebih terperinciOptimasi Operasi Pembangkit Termis Dengan Metode Pemrograman Dinamik di Sub-Regional Bali
Optimasi Operasi Pembangkit Termis Dengan Metode Pemrograman Dinamik di Sub-Regional Bali T Ar Rizqi Aulia 1, I Made Ardita Y 2 Departemen Teknik Elektro, Universitas Indonesia, Depok 16424 Tel: (021)
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciOptimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO)
TESIS Optimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO) Dosen Pembimbing : Prof. Ir. Mochamad Ashari, M.Eng. Ph.D
Lebih terperinciUnit Commitment Pada Sistem Pembangkitan Tenaga Angin Untuk Mengurangi Emisi Dengan Menggunakan Particle Swarm Optimization
B223 Unit Commitment Pada Sistem Pembangkitan Tenaga Angin Untuk Mengurangi Emisi Dengan Menggunakan Particle Swarm Optimization Muhammad Arindra, Rony Seto Wibowo, dan Dedet Candra Riawan Jurusan Teknik
Lebih terperinciALOKASI PEMBEBANAN UNIT PEMBANGKIT TERMAL DENGAN MEMPERHITUNGKAN RUGI-RUGI SALURAN TRANSMISI DENGAN ALGORITMA GENETIKA PADA SISTEM KELISTRIKAN BALI
ALOKASI PEMBEBANAN UNIT PEMBANGKIT TERMAL DENGAN MEMPERHITUNGKAN RUGI-RUGI SALURAN TRANSMISI DENGAN ALGORITMA GENETIKA PADA SISTEM KELISTRIKAN BALI TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan
Lebih terperinciPERBANDINGAN METODE GAUSSIAN PARTICLE SWARM OPTIMIZATION (GPSO) DAN LAGRANGE MULTIPLIER PADA MASALAH ECONOMIC DISPATCH
PERBANDINGAN METODE GAUSSIAN PARTICLE SWARM OPTIMIZATION (GPSO) DAN LAGRANGE MULTIPLIER PADA MASALAH ECONOMIC DISPATCH Siti Komsiyah Mathematics & Statistics Department, School of Computer Science, Binus
Lebih terperinciEvaluasi Operasi Pembangkitan Tenaga Listrik Pada PT. Cikarang Listrindo Menggunakan Metode Lagrange Multipliers
Evaluasi Operasi Pembangkitan Tenaga Listrik Pada PT. Cikarang Listrindo Menggunakan Metode Lagrange Multipliers Stephanie Rizka Permata 1, Amien Rahardjo 2 Jurusan Teknik Elektro, Fakultas Teknik Universitas
Lebih terperinciOptimisasi Dynamic Economic Dispatch Menggunakan Algoritma Artificial Bee Colony
Optimisasi Dynamic Economic Dispatch Menggunakan Algoritma Artificial Bee Colony Nurlita Gamayanti 1, Abdullah Alkaff 2, Amien Karim 3 Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember (ITS) Surabaya,
Lebih terperinciOPTIMASI PEMBANGKITAN EKONOMIS PADA UNIT-UNIT PEMBANGKIT LISTRIK TENAGA DIESEL TELAGA MENGGUNAKAN MODIFIKASI PARTICLE SWARM OPTIMIZATION (MPSO).
OPTIMASI PEMBANGKITAN EKONOMIS PADA UNIT-UNIT PEMBANGKIT LISTRIK TENAGA DIESEL TELAGA MENGGUNAKAN MODIFIKASI PARTICLE SWARM OPTIMIZATION (MPSO). Fityan Thalib, Tri Pratiwi Handayani 1, dan Sabhan Kanata
Lebih terperinci2015 APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Energi listrik saat ini merupakan salah satu kebutuhan utama bagi kehidupan manusia. Kebutuhan akan energi listrik semakin lama semakin meningkat seiring
Lebih terperinciAnggraeni et al., Analisis Karakteristik Input-Output dan Optimasi Biaya Pembangkitan
Anggraeni et al., Analisis Karakteristik Input-Output dan Optimasi Biaya Pembangkitan... Analisis Karakteristik Input-Output dan Optimasi Biaya Pembangkitan Menggunakan Metode Quadratic Least Square Regression
Lebih terperinciVol.13 No.2. Agustus 2012 Jurnal Momentum ISSN : X
Analisis Penjadwalan Unit-Unit Pembangkit Listrik Dengan Menggunakan Metode Unit Decommitment (PT.PLN Wilayah Riau) Oleh: Zulfatri Aini Jurusan Teknik Elektro, Fakultas Sains dan Teknologi Universitas
Lebih terperinciIMPLEMENTASI METODA TAGUCHI UNTUK ECONOMIC DISPATCH PADA SISTEM IEEE 26 BUS
IMPLEMETASI METODA TAGUCHI UTUK ECOOMIC DISPATCH PADA SISTEM IEEE 26 BUS Rusilawati,2, Ontoseno Penangsang 2 dan Adi Soeprijanto 2 Teknik elektro, Akademi Teknik Pembangunan asional, Banjarbaru, Indonesia
Lebih terperinciPERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO)
Jurnal POROS TEKNIK, Volume 5, No. 1, Juni 2013 : 18-23 PERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik
Lebih terperinciOPTIMISASI PENJADWALAN EKONOMIS PLTG PADA PLTGU TAMBAK LOROK DENGAN MENGGUNAKAN METODE CUCKOO SEARCH ALGORITHM
OPTIMISASI PENJADWALAN EKONOMIS PLTG PADA PLTGU TAMBAK LOROK DENGAN MENGGUNAKAN METODE CUCKOO SEARCH ALGORITHM Ariya Dwi Wardhana *), Tejo Sukmadi, and Munawar Agus Riyadi Departemen Teknik Elektro, Universitas
Lebih terperinciMENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
MENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Oei,EdwinWicaksonoDarmawan, Suyanto Edward Antonius, Ir., M.Sc, Program Studi Teknik Informatika Universitas Katolik Soegijapranata
Lebih terperinciOPTIMISASI ECONOMIC DISPATCH DENGAN TRANSMISSION LOSS MENGGUNAKAN METODE EXTENDED LAGRANGE MULTIPLIER DAN GAUSSIAN PARTICLE SWARM OPTIMIZATION (GPSO)
OPTIMISASI ECOOMIC DISPATCH DEGA TRASMISSIO LOSS MEGGUAKA METODE EXTEDED LAGRAGE MULTIPLIER DA GAUSSIA PARTICLE SWARM OPTIMIZATIO (GPSO) Siti Komsiyah Mathematics & Statistics Department, School of Computer
Lebih terperinciOptimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global
Optimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global Johny Custer (2209201007) Dosen Pembimbing : Prof. Ir. Ontoseno Penangsang, M.
Lebih terperinciDynamic Economic Dispatch Menggunakan Pendekatan Penelusuran Ke Depan
1 Dynamic Economic Dispatch Menggunakan Pendekatan Penelusuran Ke Depan Sheila Fitria Farisqi, Rony Seto Wibowo dan Sidaryanto Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
JURNAL TEKNIK ITS Vol. 5, No. 2, (216) ISSN: 2337-3539 (231-9271 Print) B27 Optimasi Aliran Daya Satu Phasa Pada Sistem Distribusi Radial 33 Bus IEEE dan Sistem Kelistrikan PT. Semen Indonesia Aceh Untuk
Lebih terperinciDynamic Economic Dispatch Mempertimbangkan Prohibited Operating Zones Menggunakan Algoritma Improved Artificial Bee Colony
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) B -199 Dynamic Economic Dispatch Mempertimbangkan Prohibited Operating Zones Menggunakan Algoritma Improved Artificial Bee Colony
Lebih terperinciBAB I PENDAHULUAN. jumlah ketersediaan yang semakin menipis dan semakin mahal, membuat biaya
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangkit Listrik di Indonesia pada umumnya merupakan pembangkit listrik thermal. Kebutuhan pembangkit thermal terhadap bahan bakar fosil dengan jumlah ketersediaan
Lebih terperinciPENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH
Penjadwalan Operasional Pembangkit Berbasis Algoritma Genetik (Dwi Ana dkk) PENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH Rahmanul Ikhsan 1,
Lebih terperinciKata Kunci Operasi ekonomis, iterasi lambda, komputasi serial, komputasi paralel, core prosesor.
OPERASI EKONOMIS PEMBANGKIT TENAGA LISTRIK DENGAN METODE ITERASI LAMBDA MENGGUNAKAN KOMPUTASI PARALEL Dheo Kristianto¹, Hadi Suyono, ST, MT, Ph.D.², Ir. Wijono, MT. Ph.D³ ¹Mahasiswa Teknik Elektro, ² ³Dosen
Lebih terperinciSTUDI PERHITUNGAN PEMBEBANAN EKONOMIS PADA PEMBANGKIT LISTRIK TENAGA GAS DAN UAP DI PT. PJB UNIT PEMBANGKITAN GRESIK
STUDI PERHITUNGAN PEMBEBANAN EKONOMIS PADA PEMBANGKIT LISTRIK TENAGA GAS DAN UAP DI PT. PJB UNIT PEMBANGKITAN GRESIK 1) Muhammad Ulul Azmi, 2) Hadi Suroso, 3) Denny Irawan 1,2,3) Jurusan Teknik Elektro
Lebih terperinciLEMBAR PENGESAHAN PERNYATAAN BEBAS PLAGIARISME KATA PENGANTAR UCAPAN TERIMA KASIH ABSTRAK DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR BAB I PENDAHULUAN
DAFTAR ISI LEMBAR PENGESAHAN PERNYATAAN BEBAS PLAGIARISME KATA PENGANTAR... i UCAPAN TERIMA KASIH... ii ABSTRAK... iii DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii BAB I PENDAHULUAN... 1 A.
Lebih terperinci1. BAB I PENDAHULUAN. 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang Secara umum sistem tenaga listrik terdiri dari pusat pembangkit, saluran transmisi dan pusat beban. Perkembangan beban sistem saat ini sudah tidak sesuai dengan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Listrik merupakan salah satu sumber kebutuhan hidup yang tidak dapat dilepaskan dari keperluan sehari-hari manusia. Listrik sangat bermanfaat dalam kehidupan di era
Lebih terperinciSIMULASI PERHITUNGAN PEMBEBANAN EKONOMIS PADA PUSAT LISTRIK TENAGA UAP DAN GAS DENGAN METODE LAGRANGE MULTIPLIER (STUDI KASUS DI PT
SIMULASI PERHITUNGAN PEMBEBANAN EKONOMIS PADA PUSAT LISTRIK TENAGA UAP DAN GAS DENGAN METODE LAGRANGE MULTIPLIER (STUDI KASUS DI PT. PETROKIMIA GRESIK) Joko Susilo * ), Mochammad Facta, and Susatyo Handoko
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB TINJAUAN PUSTAKA DAN DASAR TEORI.1. Penelitian Terdahulu Archetti et al. (009) menggunakan sebuah metode eksak yaitu branch-and-price scheme dan dua metode metaheuristics yaitu algoritma Variable Neighborhood
Lebih terperinciRekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya.
1 Rekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya. M Fachri, Sjamsjul Anam Jurusan Teknik Elektro-FTI, Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pertumbuhan ekonomi dan perkembangan teknologi suatu daerah mengakibatkan kebutuhan tenaga listrik akan semakin meningkat, baik yang berhubungan dengan bidang industri,
Lebih terperinci2.1 PEMBATASAN MASALAH
Penjadualan Pembangkit Hidro-Thermal Menggunakan Metode Dynamic Programming Alief Rakhman Mukhtar (LF 307 005) 1 Ir. Tedjo Sukmadi, M.T. Karnoto, S.T., M.T. Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciOptimisasi Unit Commitment Mempertimbangkan Fungsi Biaya Tidak Mulus Dengan Firefly Algorithm
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-6 1 Optimisasi Commitment Mempertimbangkan Fungsi Tidak Mulus Dengan Firefly Algorithm Benny Prastikha Hadhi, Rony Seto Wibowo, Imam Robandi Jurusan Teknik
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciANALISA ALIRAN DAYA OPTIMAL PADA SISTEM KELISTRIKAN BALI
ANALISA ALIRAN DAYA OPTIMAL PADA SISTEM KELISTRIKAN BALI E D Meilandari 1, R S Hartati 2, I W Sukerayasa 2 1 Alumni Teknik Elektro, Fakultas Teknik, Universitas Udayana 2 Staff Pengajar Teknik Elektro,
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
B283 Dynamic Economic Dispatch dengan Mempertimbangkan Kerugian Transmisi Menggunakan Metode Sequential Quadratic Programming Dika Lazuardi Akbar, Ontoseno Penangsang, Ni Ketut Aryani. Jurusan Teknik Elektro,
Lebih terperinciI. PENDAHULUAN. dalam melakukan kehidupan sehari-hari. Besar kecilnya beban serta perubahannya
I. PENDAHULUAN A. Latar Belakang Pada zaman sekarang, kelistrikan sudah menjadi salah satu hal terpenting dalam melakukan kehidupan sehari-hari. Besar kecilnya beban serta perubahannya tergantung pada
Lebih terperinciECONOMIC DISPATCH MENGGUNAKAN IMPERIALIST COMPETITIVE ALGORITHM (ICA) PADA SISTEM KELISTRIKAN LOMBOK
Dielektrika ISSN 286-9487 63 Vol. 1, No. 1 : 63 68 Pebruari 214 ECONOMIC DISPATCH MENGGUNAKAN IMPERIALIST COMPETITIVE ALGORITHM (ICA) PADA SISTEM KELISTRIKAN LOMBOK Khaerul Hazi1 1, Rosmaliati2 2, Misbahuddin3
Lebih terperinciDynamic Optimal Power Flow Mempertimbangkan Carbon Capture And Storage Plants Menggunakan Metode Multi-Objective Particle Swarm Optimization
B251 Dynamic Optimal Power Flow Mempertimbangkan Carbon Capture And Storage Plants Menggunakan Metode Multi-Objective Particle Swarm Optimization Yauri Mahaputra, Rony Seto Wibowo, Ni Ketut Aryani Jurusan
Lebih terperinciScheduling Energi Pembangkitan di PT. PJB Unit Pembangkitan Brantas PLTA Siman
Scheduling Energi Pembangkitan di PT. PJB Unit Pembangkitan Brantas PLTA Siman SCHEDULING ENERGI PEMBANGKITAN DI PT. PJB UNIT PEMBANGKITAN BRANTAS PLTA SIMAN I Made Barata Danajaya S1 Teknik Elektro, Fakultas
Lebih terperinciOptimisasi Unit Commitment Mempertimbangkan Fungsi Biaya Tidak Mulus Dengan Firefly Algorithm
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) B-30 Optimisasi Commitment Mempertimbangkan Fungsi Tidak Mulus Dengan Firefly Algorithm Benny Prastikha Hadhi, Rony Seto Wibowo,
Lebih terperinciPENGOPTIMALAN UMPAN BALIK LINEAR QUADRATIC REGULATOR PADA LOAD FREQUENCY CONTROL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
PENGOPTIMALAN UMPAN BALIK LINEAR QUADRATIC REGULATOR PADA LOAD FREQUENCY CONTROL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Oleh : Febriana Kristanti NRP. 1208201011 Dosen Pembimbing : 1. Dr. Erna Apriliani,
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciPENJADWALAN OPERASI PEMBANGKIT PLTG GUNUNG MEGANG BERDASARKAN BIAYA BAHAN BAKAR. Yusro Hakimah*)
Jurnal Desiminasi Teknologi, Vol. Nomor, Januari ISSN 33-X PENJADWALAN OPERASI PEMBANGKIT PLTG GUNUNG MEGANG BERDASARKAN BIAYA BAHAN BAKAR Yusro Hakimah*) Abstrak: Biaya bahan bakar pada umumnya adalah
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Penelitian penjadwalan pembangkit termal pada sistem interkoneksi 500kV Jawa- Bali ini adalah untuk membandingkan metode Simulated Annealing dengan metode yang digunakan PLN.
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciSIMULASI OPTIMASI DAYA REAKTIF DAN TEGANGAN PADA SISTEM JAMALI 500 kv MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION
SIMULASI OPTIMASI DA REAKTIF DAN TEGANGAN PADA SISTEM JAMALI 500 kv MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION Gunara Fery Fahnani *), Yuningtyastuti, and Susatyo Handoko, Jurusan Teknik Elektro, Fakultas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Listrik merupakan suatu kebutuhan yang penting bagi manusia dalam menjalankan aktivitas sehari-hari, dimana pada zaman yang modern ini sudah banyak alat pendukung kehidupan
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: ( Print) B-34
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Print) B-34 Economic dan Emission dispatch pada Sistem Kelistrikan 500 kv Jawa-Bali Menggunakan Composite Generation Cost Function dengan
Lebih terperinciOPTIMISASI BIAYA PEMBANGKITANPADA SISTEM 500 KV JAWA-BALI MENGGUNAKAN METODE ANT COLONY OPTIMIZATION (ACO)
OPTIMISASI BIAYA PEMBANGKITANPADA SISTEM 500 KV JAWA-BALI MENGGUNAKAN METODE ANT COLONY OPTIMIZATION (ACO) Wahyu Ridhani *), Hermawan, and Susatyo Handoko Jurusan Teknik Elektro, Universitas Diponegoro
Lebih terperinciAplikasi micro-genetic Algorithm ( -GA) untuk Penyelesaian Economic Dispatch pada Sistem Kelistrikan Jawa Bali 500 KV
Aplikasi micro-genetic Algorithm ( -GA) untuk Penyelesaian Economic Dispatch pada Sistem Kelistrikan Jawa Bali 500 KV Amir Amruddin 2207100073 Pembimbing: Prof. Dr. Ir. Imam Robandi, MT. Heri Suryoatmojo,
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
Optimasi Pembebanan Pembangkit Menggunakan Random Drift Particle Swarm Optimization (RDPSO) Pada Sistem Interkoneksi Jawa Bali 500 kv Khalid Abri, Adi Soeprianto, dan Ni Ketut Aryani Teknik Elektro, Fakultas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada saat ini kebutuhan energi listrik meningkat dengan cepat, akan tetapi perkembangan pembangkit dan saluran transmisi dibatasi ketersediaan sumber daya dan masalah
Lebih terperinciIMPLEMENTASI THRESHOLDING CITRA MENGGUNAKAN ALGORITMA HYBRID OPTIMAL ESTIMATION
IMPLEMENTASI THRESHOLDING CITRA MENGGUNAKAN ALGORITMA HYBRID OPTIMAL ESTIMATION M Hafidh Fauzi 1, Prof.Ir.Handayani Tjandrasa, M.Sc., Ph.D 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut
Lebih terperinciJurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia.
OPTIMASI KAPASITAS PEMBANGKIT TERSEBAR UNTUK MENGURANGI RUGI DAYA AKTIF MENGGUNAKAN PARTICLE SWARM OPTIMIZATION DAN PENGARUHNYA TERHADAP INDEKS KESTABILAN TEGANGAN Febriansyah *), Hermawan, and Susatyo
Lebih terperinciOptimisasi Kontroler PID dan Dual Input Power System Stabilizer (DIPSS) pada Single Machine Infinite Bus (SMIB) menggunakan Firefly Algorithm (FA)
Optimisasi Kontroler PID dan Dual Input Power System Stabilizer (DIPSS) pada Single Machine Infinite Bus (SMIB) menggunakan Firefly Algorithm (FA) TEKNIK SISTEM TENAGA PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS
Lebih terperinciOPTIMASI RATING SVC DAN TCSC UNTUK MENGURANGI RUGI-RUGI DAYA PADA SISTEM 500 kv JAMALI MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION (PSO)
OPTIMASI RATING SVC DAN TCSC UNTUK MENGURANGI RUGI-RUGI DAYA PADA SISTEM 500 kv JAMALI MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION (PSO) Fitria Prasetiawati *), Yuningtyastuti, and Susatyo Handoko Jurusan
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
A141 Penerapan Batas Ramp-Rate Menggunakan Kombinasi Metode FDP (Forward Dynamic Programming) dan QP (Quadratic Programming) Pada Commitment- Economic Dispatch Riza Fahmi Andriyanto, Ontoseno Penangsang,
Lebih terperinciOPTIMISASI PENEMPATAN RECLOSER UNTUK MEMINIMALISIR NILAI SAIFI DAN SAIDI PADA PENYULANG PDP 04 MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO)
OPTIMISASI PENEMPATAN RECLOSER UNTUK MEMINIMALISIR NILAI SAIFI DAN SAIDI PADA PENYULANG PDP 04 MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) Dewi Wijayanti *), Hermawan, and Susatyo Handoko Departemen
Lebih terperinciPendekatan Dengan Cuckoo Optimization Algorithm Untuk Solusi Permasalahan Economic Emission Dispatch
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-339 (2301-9271 Print) B-176 Pendekatan Dengan Cuckoo Optimization Algorithm Untuk Solusi Permasalahan Economic Emission Dispatch Agil Dwijatmoko Rahmatullah,
Lebih terperinciANALISIS ALOKASI KANAL DINAMIS PADA KOMUNIKASI SELULER DENGAN ALGORITMA PARTICLE SWARM OPTIMIZATION
ANALISIS ALOKASI KANAL DINAMIS PADA KOMUNIKASI SELULER DENGAN ALGORITMA PARTICLE SWARM OPTIMIZATION Bevan Thomas Sittar, Rahmad Fauzi Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas
Lebih terperinciPenempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC)
Penempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC) Oleh : Ahmad Zakaria H. 2207100177 Dosen Pembimbing : Prof. Dr.Ir. Imam Robandi, MT. Ir. Sjamsjul
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciJurnal Media Elektro, Vol. 1, No. 1, April 2012 ISSN
PENJADWALAN OPTIMAL OPERASI UNIT UNIT PEMBANGKIT UNTUK MEMENUHI KEBUTUHAN BEBAN DITINJAU DARI PEMAKAIAN BAHAN BAKAR (Studi Kasus Pembangkit Listrik Tenaga Diesel Kefamenanu, Timor Tengah Utara ) Agusthinus
Lebih terperinciOptimasi Komposisi Pakan Untuk Memenuhi Kebutuhan Nutrisi Ayam Petelur dengan Biaya Minimum Menggunakan Improved Particle Swarm Optimization (IPSO)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 1-10 http://j-ptiik.ub.ac.id Optimasi Komposisi Pakan Untuk Memenuhi Kebutuhan Nutrisi Ayam
Lebih terperinciOPTIMISASI PENGATURAN DAYA REAKTIF DAN TEGANGAN PADA SISTEM INTERKONEKSI JAWA-BALI 500 KV MENGGUNAKAN QUANTUM BEHAVED PARTICLE SWARM OPTIMIZATION
OPTIMISASI PENGATURAN DAYA REAKTIF DAN TEGANGAN PADA SISTEM INTERKONEKSI JAWA-BALI 500 KV MENGGUNAKAN QUANTUM BEHAVED PARTICLE SWARM OPTIMIZATION Refi Aulia Krisida, Adi Soeprijanto, Heri Suryoatmojo Jurusan
Lebih terperinciPenempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC)
JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-9271 B-16 Penempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC) Ahmad Zakaria H, Sjamsjul
Lebih terperinciJurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia
OPTIMASI KAPASITAS PEMBANGKIT TERSEBAR UNTUK MENGURANGI RUGI DAYA AKTIF MENGGUNAKAN PARTICLE SWARM OPTIMIZATION DAN PENGARUHNYA TERHADAP INDEKS KESTABILAN TEGANGAN Febriansyah 1), DR. Ir. Hermawan, DEA
Lebih terperinciJURNAL TEKNIK ITS Vol. 5 No. 2 (2016) ISSN: ( Print) B-479
JURNAL TEKNIK ITS Vol. 5 No. 2 (2016) ISSN: 2337-3539 (2301-9271 Print) B-479 Economic and Emission Dispatch pada Sistem Transmisi Jawa Bali 500 kv Berdasarakan RUPTL 2015 2024 Menggunakan Modified Artificial
Lebih terperinciPREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION
PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION Dewi Kusumawati 1), Wing Wahyu Winarno 2), M. Rudyanto Arief 3) 1), 2), 3) Magister Teknik Informatika STMIK
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciKeyword : capacitor, particle swarm optimization, power losses, and voltage
OPTIMASI PENEMPATAN DAN KAPASITAS KAPASITOR BANK PADA SISTEM DISTRIBUSI UNTUK MEREDUKSI RUGI DAYA MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Mira Erviana 1, Ir. Yuningtyastuti, MT 2, Susatyo Handoko, ST.,
Lebih terperinciSTUDI OPTIMASI OPERASI PEMBANGKIT TENAGA LISTRIK DENGAN METODE PEMROGRAMAN DINAMIK. Ahmad Rosyid Idris 1
STUDI OPTIMASI OPERASI PEMBANGKIT TENAGA LISTRIK DENGAN METODE PEMROGRAMAN DINAMIK Ahmad Rosyid Idris 1 1) Lecturer of Bosowa polytechnic Abstrak Suatu sistem tenaga listrik mencakup tiga bagian utama,
Lebih terperinciAplikasi GIS Berbasis J2ME Pencarian Jalur Terpendek Menggunakan Algoritma Particle Swarm Optimization (PSO) Di Kabupaten Bangkalan
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi GIS Berbasis J2ME Pencarian Jalur Terpendek
Lebih terperinciOPTIMASI PENEMPATAN DISTRIBUTED GENERATION PADA IEEE 30 BUS SYSTEM MENGGUNAKAN BEE COLONY ALGORITHM
OPTIMASI PENEMPATAN DISTRIBUTED GENERATION PADA IEEE 30 BUS SYSTEM MENGGUNAKAN BEE COLONY ALGORITHM Nur Ilham Luthfi 1), Ir. Yuningtyastuti, MT 2), Susatyo Handoko, ST., MT. 3) Jurusan Teknik Elektro,
Lebih terperinciDynamic Optimal Power Flow Arus Searah Menggunakan Qudratic Programming
Dynamic Optimal Power Flow Arus Searah Menggunakan Qudratic Programming Nursidi 2209100055 Dosen Pembimbing : Dr. Eng. Rony Seto Wibowo, ST., MT. IGN Satriyadi Hernanda ST., MT. OUTLINES OUTLINES 1 Pendahuluan
Lebih terperinciSIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT
SIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT Gahara Nur Eka Putra NRP : 1022045 E-mail : bb.201smg@gmail.com ABSTRAK
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG PENELITIAN
BAB I PENDAHULUAN 1.1 LATAR BELAKANG PENELITIAN Di era sekarang ini dalam operasi sistem tenaga listrik salah satu pekerjaan yang paling menantang adalah untuk menentukan unit pembangkit listrik yang harus
Lebih terperinciPENEMPATAN FILTER PASIF PARALEL UNTUK MEREDUKSI HARMONISA TEGANGAN PADA JARINGAN DISTRIBUSI MENGGUNAKAN METODE ALGORITMA GENETIKA
PENEMPATAN FILTER PASIF PARALEL UNTUK MEREDUKSI HARMONISA TEGANGAN PADA JARINGAN DISTRIBUSI MENGGUNAKAN METODE ALGORITMA GENETIKA Pramudya Nur Perdana *), Mochammad Facta, and Susatyo Handoko Jurusan Teknik
Lebih terperinci