ALGORITMA GENETIKA SEBAGAI SOLUSI OPTIMAL POWER FLOW PADA SISTEM KELISTRIKAN 500 KV JAWA BALI
|
|
- Bambang Johan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ALGORITMA GENETIKA SEBAGAI SOLUSI OPTIMAL POWER FLOW PADA SISTEM KELISTRIKAN 500 KV JAWA BALI Yassr *), Sarya *), and T. Haryono *) Jurusan Teknk Elektro dan Teknolog Informas, Fakultas Teknk, Unverstas Gadah Mada Jl. Grafka No. 2, Yogayakarta 55281, Indonesa *) E-mal: te.ugm.ac.d. Abstrak Optmal power flow dengan batasan transms adalah salah satu solus optmsas baya produks energ lstrk dengan tetap menaga keandalan sstem. Pada peneltan n daplkaskan metode Algortma Genetka (AG) dengan daya aktf pembangkt, tegangan bus pembangkt, tap transformator dan neks kapastor dgunakan sebaga varabel control. Efektftas metode du pada kasus sstem IEEE 30 bus, dan dbandngkan dengan metode evolutonary programmng (EP), dfferental evoluton (DE) dan partcle swarm optmzaton (PSO). Hasl smulas menunukkan metode yang dusulkan lebh bak dar metode pembandng. Smulas pada sstem tenaga Jawa-Bal 500 kv dengan metode yang dusulkan dapat mengurang baya pembangktan sebesar 13,4% dbandng dengan data operas PT. PLN (Persero). Kata kunc : Optmal Power Flow, batasan transms, Algortma Genetka. Abstract Transmsson constraned Optmal Power Flow s one of several methods to mnmze fuel costs whle mantanng system relablty constrants. In ths study, Genetc Algorthm was appled to solve the problem of OPF. Actve power generator, generator bus voltages, transformer tap and necton capactor used as control varables. Effectveness of the method was tested on IEEE 30 bus system case and t s compared wth the evolutonary programmng (EP), dfferental evoluton (DE) and partcle swarm optmzaton (PSO) method. Smulaton results usng the proposed method gve better result than the mentoned methods. Smulaton on the Java-Bal 500 kv power system based on proposed method can reduce the cost 13,4% compared wth the exstng operaton of PT. PLN (Persero). Keywords : Optmal Power Flow, Genetc Algorthm, transmsson constrant. 1. Pendahuluan Pembangkt tenaga lstrk yang ada d Indonesa umumnya adalah ens pembangkt thermal dengan bahan bakar semakn menps dan mahal yang membuat baya produks lstrk semakn menngkat. Dalam komponen baya pokok penyedaan lstrk d arngan Jawa Bal, kontrbus baya bahan bakar sektar 60% terhadap total baya. Sementara tu, baya bahan bakar pembangkt ddomnas oleh baya penyedaan gas, batu bara dan mnyak untuk ens pembangkt thermal. Salah satu solus untuk mengurang kenakan harga lstrk adalah dengan melakukan optmsas baya pada proses produks energ lstrk. Dalam sstem tenaga nterkoneks, salah satu optmsas baya dlakukan dengan mengatur daya aktf dan daya reaktf masng-masng pembangkt untuk memnmalkan baya operas. Metode n dsebut Optmal Power Flow (OPF) [1]. OPF menggunakan semua varabel kontrol untuk membantu memnmalkan baya operas sstem tenaga lstrk. OPF mempunya kekangan dengan memperhtungkan batas daya aktf dan reaktf pembangkt, batas kemampuan daya dar sstem transms, tap transformator dan tegangan bus pembangkt [2]. Beberapa teknk optmas telah dterapkan untuk masalah OPF sepert Non-Lnear programmng (NLP) [3], Lnear Programmng (LP) [4,5], dan metode Interor Pont (IP) [6]. Untuk unt pembangkt yang memlk kurva nonconvex tdak dapat d selesakan dengan menggunakan metoda tradsonal n. Metode optmas klask sangat senstf terhadap ttk awal dan serng menghaslkan solus optmas lokal atau menympang sama sekal. Metode n basanya terbatas pada kasus-kasus OPF tertentu dan tdak menawarkan kebebasan yang besar dalam fungs tuuan atau ens kendala yang dapat dgunakan. Hal tu pentng untuk mengembangkan algortma baru yang lebh umum
2 TRANSMISI, 15, (3), 2013, 108 dan dapat dandalkan yang mampu menggabungkan kendala baru yang tmbul. Salah satu teknk untuk mengatas masalah tersebut dgunakan metode optmas global heurstc. Penggunaan metode heurstk sudah banyak dgunakan untuk menyelesakan masalah OPF, sepert evolutonary programmng (EP) [7], dfferental evoluton (DE) [7], partcle swarm optmzaton (PSO) [8], dan Algortma Genetka (AG) [9-11]. Metode AG dapat dgunakan untuk menyelesakan masalah OPF dengan kurva non-convex. AG tdak dbatas oleh bentuk kurva karakterstk pembangkt, karena algortma n bekera dengan menggunakan metode probabltas, bukan determnstk, AG uga mencar solus dar populas yang dbangktkan sehngga AG dapat memberkan banyak plhan solus. Metode AG [9] menggunakan daya aktf dan tegangan bus pembangkt sebaga varabel kontrol. Metode AG [10-11] menggunakan seleks roulette wheel untuk seleks orang tua. Sstem seleks n tdak memberkan konvergens hasl yang cepat pada kasus-kasus tertentu sepert pada sstem yang besar. Hasl yang dberkan basanya auh berbeda untuk setap kal program dalankan. Pada peneltan n dusulkan metode AG dengan tournamen selecton. Penggunaan seleks n mempunya keunggulan untuk menngkatkan kemampuan menemukan nla ftness dengan lebh cepat dan konstan sehngga waktu yang dbutuhkan untuk konvergen lebh cepat. Pengkodean kromosom menggunakan real codng dengan fungs ftness yang melbatkan fungs baya pembangktan dtambah hubungan pembatas pada nla mmnum baya total pembangkt serta fungs penalt sebaga kekangan saluran transms, daya reaktf dan tegangan setap bus, untuk memperoleh baya operas pembangkt yang mnmum. Varable control melbatkan daya aktf pembangkt, tegangan bus pembangkt, tap transformator dan neks kapastor. Penguan efektftas metode dlakukan pada kasus sstem IEEE 30 bus dan sstem nterkoneks 500 kv Jawa-Bal. 2. Metode 2.1 Model Matematka Optmal Power Flow Fungs tuuan dberkan oleh model baya bahan bakar berkut [12]: Ng F( P ) P P g 1 g 2 g dengan batasan persamaan mewakl kesembangan daya aktf dan reaktf, dtunukkan pada persamaan (2) dan (3). (1) Persamaan daya aktf dan reaktf setap bus dberkan pada persamaan (4) dan (5) [12]. P V Nb 1 Q V Nb 1 V Y cos( ) V Y sn( ) Sementara tu fungs tuuan uga dbatas dengan pertdaksamaan: (4) (5) 1) Batasan tegangan setap bus V mn V V = 1 n b (6) 2) Batasan daya aktf pembangkt P g mn P g P g = 1 n g (7) 3) Batasan daya reaktf pembangkt Q mn g Q g Q g = 1 n g (8) 4) Batasan tap-settng transformator mn T T T (9) k k k 5) Batasan alran daya setap saluran transms s s (10) l dengan : F(P g ) P g P d Q g Q d α, β, γ N g N b V, V δ, δ P Q P L P D Y l = Total baya bahan bakar, sebaga fungs dar P g = Daya aktf pembangkt pada bus = Daya aktf beban pada bus = Daya reaktf pembangkt pada bus = Daya reaktf beban pada bus = Parameter baya bahan bakar unt = Jumlah unt pembangkt = Jumlah total bus = Tegangan pada bus dan = Sudut pada bus dan = Daya aktf neks pada node = Ineks daya reaktf pada node = Rug-rug transms = Daya total beban = Besaran matrks admtans bars ke- dan kolom ke- = Sudut elemen matrks admtans pada poss, V mn, V = Batasan besarnya tegangan pada bus Q mn g, Q g = Batasan daya reaktf dar pembangkt. P P g + P d = 0 = 1,, N b (2) Q Q g + Q d = 0 = 1,, N b (3)
3 TRANSMISI, 15, (3), 2013, Algortma Genetka Umum Algortma Genetka adalah algortma komputas untuk masalah optmas yang ternspras oleh teor evolus untuk mencar solus suatu permasalahan. Terdapat banyak sekal varas pada Algortma Genetka, salah satunya adalah Algortma Genetka untuk masalah optmas kombnas, yatu mendapatkan nla solus yang optmal terhadap suatu masalah yang memlk banyak kemungknan solus [13]. Algortma Genetka pertama kal drnts oleh John Holland dar Unverstas Mchgan pada tahun 1960-an, Algortma Genetka telah daplkaskan secara luas pada berbaga bdang. Algortma Genetka banyak dgunakan untuk memecahkan masalah optmas, walaupun pada kenyataannya uga memlk kemampuan yang bak untuk masalah-masalah selan optmas. John Holland menyatakan bahwa setap masalah yang berbentuk adaptas (alam maupun buatan) dapat dformulaskan dalam teknolog genetka Insalsas Populas Suatu matrks dengan nla pada setap elemennya berupa blangan acak antara 0 dan 1 dbangktkan. Dalam populas tersebut, satu bars adalah satu ndvdu, setap ndvdu terdapat beberapa kromosom yang dkodekan sebaga varabel kontrol yatu daya aktf pembangkt, tegangan bus pembangkt, tap transformator dan neks kapastor sesua batasan nla mnmum dan maksmumnya. Gambar 1 menunukkan struktur kromosom AG yang mewakl seluruh varabel control. Skema pengkodean kromosom yang dgunakan dalam peneltan n adalah real number encodng [13]. x = x mn + (x x mn ). kromosom (11) P G2 P GN V G1 V GN T 1 T N Q C1 Q CN Gambar 1. Struktur kromosom AG Nla Ftness Suatu ndvdu devaluas berdasarkan suatu fungs tertentu sebaga ukuran performasnya. Fungs yang dgunakan untuk mengukur nla kecocokan atau deraat optmaltas suatu kromosom dsebut dengan ftness functon. Nla yang dhaslkan dar fungs tersebut menandakan seberapa optmal solus yang dperoleh [13]. Dalam kasus yang dbahas dalam peneltan n tuuannya adalah mnmas maka ftness adalah kebalkan dar nla palng maksmum sehngga nla ftness dtentukan oleh satu dbag fungs tuuan. Fungs tuuannya adalah untuk mencar baya pembangktan dan besar rug arngan yang mnmal dengan batasan-batasan yang terpenuh sehngga ka semua batasan pada analss alran daya optmal telah terpenuh, ftness dapat dhtung dar varabel tersebut. Dengan melbatkan batasan-batasan pertdaksamaan maka ftness dtunukkan pada persamaan (12). F = dengan: 1 F P g + P L + PENALTY _FUNCTION Penalty _ Functon k Ng l f ( Qg) k f ( V ) k N 1 1 m1 N f ( S ) lm (12) (13) Komponen fungs penalt berturut-turut merupakan fungs penalt terhadap pelanggaran batasan daya reaktf, tegangan dan batasan kapastas transms. Nla penalt dnyatakan dengan persamaan (14). 0 f x 2 f ( x) ( x x ) f mn 2 ( x x) f mn x x x x x x Tournament Selecton mn (14) Dalam bentuk palng sederhana, metode n mengambl dua ndvdu secara random dan kemudan menyeleks salah satu yang bernla ftness palng tngg untuk menad orang tua pertama. Cara yang sama dlakukan lag untuk mendapatkan orang tua kedua. Metode tournament selecton yang lebh rumt adalah dengan mengambl m ndvdu secara random. Kemudan ndvdu bernla ftness tertngg dplh sebaga orang tua pertama ka blangan random yang dbangktkan kurang dar suatu nla batas yang dtentukan p dalam nterval [0,1]. Pemlhan orang tua akan dlakukan secara random dar m 1 ndvdu yang ada ka blangan random yang dbangktkan lebh dar atau sama dengan p. Pada tournament selecton, varabel m adalah tournament sze dan p adalah tournament probablty [13] Pndah Slang Proses pndah slang adalah salah satu operator pentng dalam Algortma Genetka, metode dan tpe pndah slang yang dlakukan tergantung dar encodng dan permasalahan yang dangkat. Sebuah ndvdu yang mengarah pada solus yang bagus dapat dperoleh dar proses memndahslangkan dua buah ndvdu [13]. Pndah slang uga berakbat buruk ka populasnya sangat kecl. Dalam suatu populas yang kecl, suatu kromosom yang mengarah ke solus akan menyebar ke kromosomkromosom lannya. Untuk mengatas masalah n, pndah slang dkendalkan oleh probabltas tertentu p c. Artnya, pndah slang dlakukan hanya ka suatu blangan random
4 TRANSMISI, 15, (3), 2013, 110 yang dbangktkan kurang dar p c yang dtentukan. Pada umumnya, p c dset mendekat 1, msalnya 0,8 [13]. Pada peneltan n p c dset 0,85, hal n untuk menghndar akbat buruk dar proses pndah slang agar ndvdu yang mengarah ke solus tdak hlang. Gambar 2 menunukkan proses pndah slang. Orang tua 1 0,54 0,03 0,23 0,98 0,76 0,50 0,12 Orang tua 2 0,76 0,25 0,43 0,87 0,22 0,33 0,24 Anak 1 0,76 0,25 0,43 0,98 0,76 0,50 0,12 Anak 2 0,54 0,03 0,23 0,87 0,22 0,33 0,24 K 1 K 2 K 3 K 4 K 5 K 6 K N Gambar 2. Proses pndah slang Mutas Mutas merupakan proses mengubah nla dar suatu kromosom. Mutas n berperan untuk menggantkan kromosom yang hlang dar populas akbat seleks dan uga memungknkan munculnya kembal kromosom yang tdak muncul pada nsalsas populas. Untuk semua kromosom yang ada, ka blangan acak yang dbangktkan kurang dar probabltas mutas P mut yang dtentukan maka kromosom tersebut dubah menad nla kebalkannya. Gambar 3 menunukkan proses mutas [13]. Kromosom asal 0,76 0,25 0,43 0,98 0,76 0,50 0,12 Hasl Mutas 3. Jalankan alran daya dengan varable hasl pendekodean dtentukan menggunakan metode Newton-Raphson. 4. Evaluas ndvdu dengan kekangan yang dtentukan untuk mencar nla ftness. 5. Melakukan proses seleks dengan metode tournament selecton, eltsme, pndah slang dan mutas. 6. Ulang langkah 2-5 sampa generas maksmum. 7. Menghtung daya pembangkt, rug-rug dan baya total pembangkt. Flow chart tahapan peneltan dtunukkan pada Gambar 4. Mula Masukkan data bus, data saluran fungs baya pembangkt dan batasan-batasan: PG mn PG PG QG mn PG QG V mn V V Menentukan Nvar, UkPop, MaxG, Pc, Pm dan fungs obektf : Mn F(P)= (α + βp + γp 2 ) Insalsas populas Dekodekan kromosom untuk daya aktf pembangkt, tegangan pembangkt, tap transformator dan neks QC x=xmn+(x-xmn).kromosom Jalankan alran daya dengan daya aktf, tegangan bus generator, tap transfomator dan neks QC hasl pendekodean Evaluas hasl alran daya dengan fungs penalt 0,76 0,25 0,43 0,98 0,76 0,50 0,78 K 1 K 2 K 3 K 4 K 5 K 6 K N Gambar 3. Proses mutas Eltsme Evaluas Indvdu Ftness =1/(ΣF(P g)+σp loss + penalty Proses AG: Elstme, Seleks, Pndah slang, dan Mutas Karena seleks dlakukan secara random, maka tdak ada amnan bahwa suatu ndvdu bernla ftness tertngg akan selalu terplh. Kalaupun ndvdu bernla ftness tertngg terplh, mungkn saa ndvdu tersebut akan rusak (nla ftness turun) karena proses pndah slang. Untuk menaga ndvdu tersebut tdak hlang selama evolus, maka perlu dbuat satu atau beberapa salnannya. Prosedur n dkenal sebaga eltsm [13]. 2.3 Tahapan Peneltan Tdak Generas=MaxG? Selesa Ya Tamplkan daya aktf, baya total pembangkt dan rug-rug daya Tahap-tahap peneltan dengan metode yang dtawarkan adalah sebaga berkut: 1. Membangktkan populas awal 2. Mendekodekan kromosom Gambar 4. Flow chart tahapan peneltan
5 Tegangan (p.u.) Baya ($/am) TRANSMISI, 15, (3), 2013, Hasl dan Pembahasan 3.1 Kasus 1: Sstem IEEE 30 bus Sebelum dterapkan pada sstem Jawa Bal, untuk mengetahu efektftas dalam menyelesakan masalah OPF, metode yang dusulkan terlebh dahulu du dengan sstem IEEE 30 bus [16]. Sstem n mempunya 6 pembangkt thermal, 30 bus dan 41 saluran dengan total beban sebesar 283,4 MW. Sstem n mempunya 18 varabel pengontrolan, yatu: lma unt daya aktf output, enam magntude tegangan bus pembangkt, empat pengaturan tap transformer dan tga neks kapastor. Dalam kasus n, smulas dlakukan menggunakan parameter AG dengan 18 varabel, 100 populas dan 30 generas. Smulas dlakukan sepuluh kal dengan hasl terbak yang dambl. Gambar 5 menunukkan total baya pembangktan yang nla optmalnya dapat dcapa sebelum generas ke-20. Hasl smulas metode Algortma Genetka yang dusulkan dbandngkan dengan metode DE [7], EP [7], dan PSO [8]. Perbandngan uga dlakukan dengan metode GA [9] yang hanya menggunakan daya aktf pembangkt dan tegangan bus pembangkt sebaga varabel control. Tabel 2 menunukkan hasl perbandngan. Total baya hasl smulas metode AG yang dusulkan menunukkan penghematan 1,05 $/am dbandngkan dengan metode EP, penghematan 0,63 $/am dbandng dengan metode DE dan penghematan 1,45 $/am dbandngkan dengan metode GA[9] serta penghematan 4,7 $/am dbandngkan metode PSO. Rug-rug dbandngkan dengan metode EP memperlhatkan adanya penurunan sebesar 0,42 MW, penurunan sebesar 0,48 MW dbandngkan dengan metode DE dan penurunan sebesar 0,43 MW dbandngkan metode GA [9] serta penurunan 1,32 MW dbandngkan dengan metode PSO. Tegangan setelah smulas sepert pada Gambar 6 terlhat bahwa berada dalam batasan maksmum dan mnmum yang dtentukan yatu 0,90 pu sampa 1,1 pu untuk bus pembangkt (PV) dan 0,95 pu sampa 1,05 pu untuk bus beban (PQ) [16]. Hasl terbak, terburuk, rata-rata dan standar devas dar sepuluh kal smulas dperlhatkan pada Tabel 3. Tabel 1. Fungs Baya dan Batasan Pembangktan P Pmn Pembangkt (MW) (MW) , ,75 0, , ,25 0, , , Generas Gambar 5. Total baya sstem IEEE 30 bus Tabel 2. Perbandngan hasl smulas system IEEE 30 bus Pembangkt EP [7] DE [7] GA [9] PSO [8] AG P1(MW) 175,58 177,30 179,39 173,68 174,02 P2(MW) 49,08 49,18 48,83 49,10 48,39 P5(MW) 14,74 12,24 21,84 21,81 21,61 P8(MW) 11,18 11,19 21,75 23,30 21,99 P11(MW) 21,27 21,23 12,05 13,88 13,42 P13(MW) 20,99 21,24 12,36 12,00 13,00 Total Baya ($/Jam) 802,65 802,23 803,05 806,36 801,60 Rug-rug (MW) 9,47 9,53 9,48 10, Tabel 3. Hasl terbak, rata-rata dan standar devas Hasl Smulas Baya ($/am) Hasl terburuk Hasl terbak Rata-rata 802,47 Standar devas 0, No. BUS Gambar 6. Tegangan bus sstem IEEE 30 bus 3.2 Kasus 2: Sstem Tenaga 500 kv Jawa Bal Bus PQ Bus PV Data sstem 500 kv Jawa Bal bersumber dar PT.PLN (Persero) Penyaluran dan Pusat Pengaturan Beban Jawa Bal. Sstem n terdr dar 25 bus dengan 8 stason pembangkt dan 30 saluran. Unt pembangkt Suralaya sebaga slack bus sedangkan bus Muaratawar, Crata, Sagulng, Tanung Jat, Gresk Baru, Grat, dan Paton sebaga bus generator (PV). Dagram satu gars sstem tenaga 500 kv Jawa Bal dtunukkan pada Gambar 7. Dantara 8 pembangkt tersebut, pembangkt Crata dan Sagulng merupakan pembangkt tenaga ar, sedangkan
6 Baya (Rp/am) TRANSMISI, 15, (3), 2013, 112 lannya merupakan pembangkt tenaga thermal. Tabel 4 menunukkan fungs baya dan batasan pembangktan. Data beban dtunukkan pada Tabel 5. Sstem n mempunya 22 varabel pengontrolan, yatu: tuuh unt daya aktf output, delapan magntude tegangan bus PV, dan tuuh neks kapastor. Tabel 4. Fungs Baya dan Batasan Pembangktan Pembangkt Fungs Baya (Rp/am)x1000 PMn PMax Suralaya Muaratawar Tanungat Gresk Grat Paton P P P P P P P P P P P P hasl smulas pembangktan setap pembangkt dalam MW dengan daya operas yang dperoleh dar PT. PLN. Baya total pembangkt dar data daya operas PLN adalah sebesar Rp /am. Metode yang dusulkan mampu mereduks sebesar Rp /am atau sebesar 13,4% dengan rug-rug total sebesar 190,33 MW. Kenakan rug-rug dbandngkan data operas PLN dakbatkan berpndahnya sebahagan pelayanan beban dar pembangkt yang dekat dengan beban kepada pembangkt yang lebh ekonoms namun auh dar beban. Akan tetap kenakan rug-rug n tdak menyebabkan drop tegangan melebh batasan yang dtentukan sebagamana dtunukkan pada Gambar 9. Tegangan setap bus berada dalam batasan maksmum-mnmum yang dtetapkan PLN sesua dengan Grd Code (Aturan Jarngan 2007) yatu ± 5% dar tegangan nomnal untuk sstem 500 kv. 2 Clegon 1 Suralaya 24 Balaraa Tabel 5. Data Beban Sstem 500 kv Jawa Bal 3 Kembangan 5 4 Cbnong Gandul Depok 18 8 Muaratawar 7 Bekas 6 Cawang Crata 19 Task Malaya 10 9 Cbatu 13 Mandrancan 20 Pedan Sagulng Bandung Selatan 21 Kedr 14 Ungaran 25 Ngmbang 15 Tanung Jat 22 Paton 16 Surabaya Barat 17 Gresk Baru 23 Grat No Nama bus Type Beban MW Mvar 1 Suralaya Slack Clegon Beban Kembangan Beban Gandul Beban Cbnong Beban Cawang Beban Bekas Beban Muaratawar Generator Cbatu Beban Crata Generator Sagulng Generator Bandung Selatan Beban Mandrancan Beban Ungaran Beban Tanung Jat Generator Surabaya Barat Beban Gresk Baru Generator Depok Beban Taskmalaya Baru Beban Pedan Beban Kedr Beban Paton Generator Grat Generator Balaraa Beban Ngmbang Beban Total Gambar 7. Sstem 500 kv Jawa Bal Smulas dlakukan pada konds beban tanggal 30 November 2011 pukul dengan total pembebanan sebesar MW menggunakan parameter AG dengan 22 varabel, 100 populas dan 30 generas. Hasl smulas dtunukkan pada Gambar 8. Pembangkt PLTA danggap membangktkan daya sesua data operas PLN, karena pembangkt PLTA berbeda perhtungan baya pembangktannya. Hal n dsebabkan dalam pengoperasan PLTA harus mempertmbangkan cadangan ar, pengoperasan waduk dan lan-lan. Dar Gambar 8 terlhat bahwa baya optmal dapat tercapa sebelum generas ke-20. Tabel 6 memperlhatkan perbandngan 7.4 x Generas Gambar 8. Baya pembangktan sstem 500 kv Jawa Bal
7 Tegangan (p.u.) TRANSMISI, 15, (3), 2013, 113 Tabel 6. Perbandngan hasl smulas sstem Jawa Bal, dengan Data Operas PLN Data Operas PLN AG Pembangkt Baya Daya Baya Daya (MW) (Rp/Jam)x10 3 (MW) (Rp/Jam)x10 3 Suralaya 2792, , Muara Tawar , Crata ,00 - Sagulng ,00 - Tanung Jat , Gresk , Paton , Grat , Jumlah Total 12188, , Total Rug-rug (MW) 130,94 190, Gambar 9. Tegangan bus system 500 kv Jawa Bal 4. Kesmpulan No. Bus Dalam peneltan n metode Algortma Genetka dengan tournament selecton dusulkan untuk menyelesakan optmal power flow. Smulas terhadap sstem IEEE 30 bus dan sstem tenaga Jawa Bal 500 kv telah dlakukan dan dapat dsmpulkan bahwa: 1. Metode yang dusulkan telah du dengan sstem IEEE 30 bus dan menunukkan hasl yang lebh bak dbandngkan dengan metode DE, EP, PSO dan GA[9] yang telah dkembangkan sebelumnya. 2. Metode yang dusulkan uga telah du dengan sstem 500 kv Jawa Bal dan mampu mereduks baya total pembangktan sebesar Rp /am atau sebesar 13,4% dengan rug-rug total sebesar 190,33 MW 3. Pada sstem IEEE 30 bus dan sstem 500 kv Jawa Bal konvergen sudah tercapa sebelum generas ke-20, hal n menunukkan metode yang dusulkan mampu menemukan nla optmal dengan cepat. Bus PQ Bus PV Referens [1]. Had Saadat, Power System Analyss, WCB McGraw- Hl, New York, [2]. Allen J. Wood and Bruce F, Wollenberg. Power Generaton, Operaton and Control. John Wley & Sons, Inc., Pp [3]. J. A. Mamoh, R. Adapa, M. E. El Hawary, A revew of selected optmal power flow lterature to 1993, part I: nonlnear and quadratc programmng approaches, IEEE Trans. Power Syst. 14, Vol. 1, 1999, pp [4]. J. A. Mamoh, R. Adapa, M. E. El Hawary, A revew of selected optmal power flow lterature to 1993, part II: Newton, lnear programmng and nteror pont method, IEEE Trans. Power Syst. 14, Vol. 1, 1999, pp [5]. H.W. Dommel dan W.F. Tnney, Optmal power flow solutons, IEEE Trans. Power Apparatus and Syst, Vol. PAS-87, No. 10, Oktober 1968, pp [6]. J.A. Momoh, S.X. Guo, E.C. Ogbuobr & R. Adapa, The Quadratc Interor Pont Method Solvng Power System Optmsaton Problems, IEEE Trans. on Power Systems, Vol. 9, Aug. 1994, pp [7]. K. Vasakh, L.R. Srnvas, Dfferental Evoluton based OPF wth Conventonal and Non-Conventonal Cost Characterstcs, Power System Technology and IEEE Power Inda Conference, Inda, 2008, Page(s): 1-9 [8]. M.A. Abdo Optmal power flow usng partcle swarm optmzaton, Electrcal Power and Energy System, 24: 2000, pp [9]. D. Devara dan B. Yegnanarayana Genetc-algorthmbased Optmal Power Flow for securty enhancement, IEE Procedng Gener. Transm. Dstrb., Vol. 152, No. 6, November 2005, pp [10]. Z. L. Gang dan H. S. Huang, Real-coded Mxed-Integer Genetc Algorthm for constraned Optmal Power Flow, IEEE Regon 10 Conference, Tawan, Vol. 3, 2004, pp [11]. G. Bakrtzs, P. N. Bskas, C. E. Zoumas, dan V. Petrds, Optmal Power Flow by Enhanced Genetc Algorthm, IEEETransacton on Power System, Vol. 17, No. 2, MAY 2002, pp [12]. James A. Momoh, Electrc power system applcatons of optmzaton, Marcel Dekker, Inc., Pp [13]. Suyanto, Algortma Genetka dalam MATLAB, And Yogyakarta, [14]. Kelompok Pembakuan Bdang Transms, Tegangan- Tegangan Standar, SPLN 1, PT. PLN ( Persero) Kelstrkan Negara, Jakarta, [15]. Wllam D. Stevenson, Jr., Power System Analyss, McGraw-Hll Inc, [16]. IEEE 30-bus system data avalable at
Studi Optimal Power Flow Sistem Kelistrikan 500 kv Jawa Bali dengan Metode Algoritma Genetika
Meda Elektrka, Vol. 6 No. 1, Jun 2013 ISSN 1979-7451 Stud Optmal Power Flow Sstem Kelstrkan 500 kv Jawa Bal dengan Metode Algortma Genetka Yassr 1, Sarjya 2, T. Haryono 3 1,2,3 Jurusan Teknk Elektro dan
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciSIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI
ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBab V Aliran Daya Optimal
Bab V Alran Daya Optmal Permasalahan alran daya optmal (Optmal Power Flow/OPF) telah menjad bahan pembcaraan sejak dperkenalkan pertama kal oleh Carpenter pada tahun 196. Karena mater pembahasan tentang
Lebih terperinciPENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL
Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas
Lebih terperinciKata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.
Makalah Semnar Tugas Akhr MENGOPTIMALKAN PEMBAGIAN BEBAN PADA UNIT PEMBANGKIT PLTGU TAMBAK LOROK DENGAN METODE LAGRANGE MULTIPLIER Oleh : Marno Sswanto, LF 303 514 Abstrak Pertumbuhan ndustr pada suatu
Lebih terperinciOPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO)
OPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO) Efrta Arfah Z Jurusan Teknk Elektro, FTI-ITATS Surabaya Jl. Aref Rahman Hakm 100 Tlp
Lebih terperinciPerkiraan Biaya Operasi dengan Mempertimbangkan Kondisi Kontingensi di Sistem Jawa Bali 500 kv
JURAL TEKIK OMITS Vol. 2, o. 1, (2013) ISS: 2337-3539 (2301-9271 rnt) B-1 erkraan Baya Operas dengan Mempertmbangkan Konds Kontngens d Sstem Jawa Bal 500 kv Rachmad ur ryanto,rony Seto Wbowo, dan Ontoseno
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinci(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a
Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg
Lebih terperinciOPTIMASI PENJADWALAN PADA PEMBANGKIT DI JARINGAN 500 kv JAWA-BALI UNTUK MENGURANGI EMISI CO 2 MENGGUNAKAN MATPOWER 5.0
OPTIMASI PENJADWALAN PADA PEMBANGKIT DI JARINGAN 500 kv JAWA-BALI UNTUK MENGURANGI EMISI CO 2 MENGGUNAKAN MATPOWER 5.0 Had Sutanto *), Tarcsus Haryono, and Ahmad Agus Setawan Program Stud Magster Teknk
Lebih terperinciOptimasi Injeksi Photovoltaic Distributed Generations (PVDG) Menggunakan Metode Algoritma Genetika
199 Optmas Ineks Photovoltac Dstrbuted Generatons (PVDG) Menggunakan Metode Algortma Genetka Muammar Zanuddn, Had Suyono, dan Harry Soekoto Dachlan Abstract The best soluton of the problem of electrcal
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciPENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION Yudh Purwananto Rully Soelaman dan Bambang Santoso. Fakultas Teknolog Informas Insttut Teknolog Sepuluh Nopember
Lebih terperincitoto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt
Lebih terperinciOptimisasi Economic Dispatch Pembangkit Termal Sistem 500 kv Jawa Bali Menggunakan Modified Improved Particle Swarm Optimization (MIPSO)
Natonal Conference: Desgn and Applcaton of Technology 010 Optmsas Economc Dspatch Pembangkt Termal Sstem 500 kv Jawa Bal Menggunakan Modfed Improved Partcle Swarm Optmzaton (MIPSO) AM. Ilyas 1,, Ontoseno
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :
JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : 141-51 KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan
Lebih terperinciOPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION
Semnar Nasonal Informatka 009 (semnasif 009) ISSN: 1979-38 UPN Veteran Yogyakarta, 3 Me 009 OPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION Mackel Tuegeh 1, Ad Soeprjanto, Maurdh Hery
Lebih terperinciGambar 3.1 Diagram alir penelitian
BAB 3 METODE PENELITIAN 3.1 Dagram Alr Peneltan Materal Amorph Magnetk (Fe 73 Al 5 Ga 2 P 8 C 5 B 4 S 3 ) Ekspermen DfraksNeutron (I vs 2theta) Smulas Insalsas atom secara random Fungs struktur, F(Q) Perhtungan
Lebih terperinciPengaruh Penambahan Pembangkit Listrik Tenaga Uap (PLTU) Teluk Sirih pada Sistem Kelistrikan Sumatera Bagian Tengah
Pengaruh Penambahan Pembangkt Lstrk Tenaga Uap (PLTU) Teluk Srh pada Sstem Kelstrkan Sumatera Bagan Tengah Heru Dbyo Laksono 1,*), M. Nasr Sonn 1), Mko Mahendra 1) 1 Jurusan Teknk Elektro, Fakultas Teknk,
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
Lebih terperinciMODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING
Semnar Nasonal Aplkas Teknolog Informas 009 (SNATI 009) ISSN: 1907-50 Yogyakarta, 0 Jun 009 MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING Mackel Tuegeh 1, Soeprjanto, Maurdh
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciCatatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan
Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciMultiobjective Optimal Power Flow menggunakan Algoritma Firefly
Semnar Nasonal ascasarana XII ITS, Surabaya 1 Jul 01 Multobectve Optmal ower Flow menggunakan Algortma Frefly Yun Tonce Kusuma ryanto 1 *, Ontoseno enangsang, Ad Soepranto 3 Insttut Teknolog Sepuluh Nopember,
Lebih terperinciPENERAPAN METODA DECOUPLED BERBASIS ALIRAN DAYA OPTIMAL PADA SISTEM TENAGA
Vol. I, No. 1 Aprl 015 ISSN 30-3309 PENERAPAN METODA DECOUPLED BERBASIS ALIRAN DAYA OPTIMAL PADA SISTEM TENAGA Orza Candra Elfzon Abstract Optmal power flow s large scale nonlnear programmng problem. It
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinci3 METODE HEURISTIK UNTUK VRPTW
12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla
Lebih terperinciHAK CIPTA (HKI) Judul Invensi: METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI BERBASIS LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION
0 HAK CIPTA HKI 1 Judul Invens: METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI BERBASIS LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION Inventor: Dr. Ramadon Syahputra, S.T., M.T. Ir. Agus Jamal, M.Eng.
Lebih terperinciBAB II OPTIMALISASI PADA SISTEM KELISTRIKAN
BAB II OPTIMALISASI PADA SISTEM KELISTRIKAN. Penjadualan Optmal Pembangkt dan Penyaluran Daya Lstrk Setap Pembangkt tdak dtempatkan dengan jarak yang sama dar pusat beban, tergantung lokas pembangkt yang
Lebih terperinciSTUDI ALIRAN DAYA DENGAN METODA FAST DECOUPLE (Aplikasi PT. PLN Sumbar-Riau 150 KV)
o. 7 ol.3 Thn. I Aprl 7 ISS: 854-8471 STUDI ALIRA DAYA DEGA METODA FAST DECOULE (Aplkas T. L Sumbar-Rau 15 K) Heru Dbyo Laksono Jurusan Teknk Elektro, Unverstas Andalas adang, Kampus Lmau Mans adang, Sumatera
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciBAB III METODE KOMPRESI DAN DEKOMPRESI. untuk setiap B X. fraktal. Penjelasan dimulai dengan pengenalan Multiple Reduction Copy
BAB III METODE KOMPRESI DAN DEKOMPRESI Kompres ctra fraktal memodelkan ctra sebaga lmt dar suatu proses teras. Jka dberkan suatu ctra A X, metode n akan mencar suatu proses W sedemkan sehngga ttk tetap
Lebih terperinciSOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN
SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka
Lebih terperinciMEMINIMALKAN RUGI-RUGI PADA SISTEM DISTRIBUSI TEGANGAN MENENGAH DENGAN PEMASANGAN KAPASITOR
MEMINIMALKAN RUGI-RUGI PADA SISTEM DISTRIBUSI TEGANGAN MENENGAH DENGAN PEMASANGAN KAPASITOR Adranus Dr Program Stud Teknk Elektro Jurusan Teknk Elektro Fakultas Teknk Unverstas Tanjungpura adranus_dr@yahoo.co.d
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang
Lebih terperinciANALISIS KONTINGENSI PADA SISTEM JAWA-BALI 500KV UNTUK MENDESAIN KEAMANAN OPERASI
ANALISIS KONTINGENSI PADA SISTEM JAWA-BALI 500K UNTUK MENDESAIN KEAMANAN OPERASI Arf Rachman 2207.00.625 Bdang Stud Teknk Sstem Tenaga Jurusan Teknk Elektro Fakultas Teknolog Industr, Insttut Teknolog
Lebih terperinciSTUDI OPERASI EKONOMIS PADA GENERATOR PEMBANGKIT SISTEM SULAWESI SELATAN. Abstrak
Sofyan, dkk, Stud Operas Ekonoms pada Generator Pembangkt Sstem Sulawes Selatan STUDI OPERASI EKONOMIS PADA GENERATOR PEMBANGKIT SISTEM SULAWESI SELATAN Sofyan, Nadjamuddn Harun, Tola 3 Mahasswa Program
Lebih terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciOPTIMASI MASALAH PENUGASAN. Siti Maslihah
JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu
Lebih terperinciOPTIMASI LETAK DAN SIFAT PEREDAM MASSA SELARAS UNTUK MENGURANGI RESPONS STRUKTUR AKIBAT GEMPA
Konferens Nasonal Teknk Spl 4 (KoNTekS 4) Sanur-Bal, -3 Jun 010 OPTIMASI LETAK DAN SIFAT PEREDAM MASSA SELARAS UNTUK MENGURANGI RESPONS STRUKTUR AKIBAT GEMPA Yoyong Arfad 1 1 Program Stud Teknk Spl, Unverstas
Lebih terperinciOptimasi Fungsi Keanggotaan Fuzzy
Optmas Fungs Keanggotaan Fuzzy Tsukamoto Dua Tahap Menggunakan Algortma Genetka Pada Pemlhan Calon Penerma Beasswa dan BBP-PPA (Stud Kasus: PTIIK Unverstas Brawjaya Malang) Bunga Amela Restuputr 1, Wayan
Lebih terperinciAnalisa Operasi Ekonomis Pembangkit Termal untuk Melayani Beban Puncak Sistem Kelistrikan Sumbar
Jurnal Nasonal Teknk Elektro, Vol. 7, No. 1, Maret 018 p-issn: 30-949, e-issn: 407-767 Analsa Operas Ekonoms Pembangkt Termal untuk Melayan Beban Puncak Sstem Kelstrkan Sumbar Syaf * dan Kartka Ika Putr
Lebih terperinciPenentuan Letak dan Kapasitas Optimal Bank Kapasitor pada Jaring Transmisi 150 kv Sumatera Utara Menggunakan Artificial Bee Colony Algorithm
JURNAL TEKNIK ITS ol. 5, No. 2, (2016 ISSN: 2337-3539 (2301-9271 rnt A750 enentuan Letak dan Kapastas Optmal Bank Kapastor pada Jarng Transms 150 k Sumatera Utara Menggunakan Artfcal Bee Colony Algorthm
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciBAB 4 PERHITUNGAN NUMERIK
Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat
Lebih terperinciDalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang
LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama
Lebih terperinciAbdul Rajab Andi Faharuddin Staf Pengajar Teknik Elektro Univ. Andalas, Padang. Kampus Limau Manis, Padang
PEMBAGIAN BEBAN SECARA EKONOMIS PEMBANGKIT- PEMBANGKIT LISTRIK UNIT TERMAL MENGGUNAKAN KOMBINASI METODE PEMROGRAMAN DINAMIS DAN PENYELESAIAN SECARA ANALITIS Abdul Rajab And Faharuddn Staf Pengajar Teknk
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
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 terperinciAnalisis Pembebanan Ekonomis pada Jaringan 500 kv Jawa Bali Menggunakan Software PowerWorld
JURAL TEKIK ITS Vol. 1, o. 1 (Sept. 2012) ISS: 2301-9271 B-53 Analss embebanan Ekonoms pada Jarngan 500 kv Jawa Bal Menggunakan Software owerworld Badru T. Arozaq, Rony S. Wbowo, danontoseno enangsang
Lebih terperinciAliran Daya Optimal Menggunakan Metode Ant Colony Optimization
Prosdng : SEMINAR NASIONAL 2012 Teknk Elektro Dan Informatka Dalam Pengembangan Teknolog Berkelanjutan Alran Daya Optmal Menggunakan Metode Ant Colony Optmzaton Agus Fathurrahman 1, I Made Ar Nrartha 2,
Lebih terperinciOptimisasi Economic Dispatch Menggunakan Fuzzy-Bacterial Foraging Algorithm
Semnar Nasonal Pascasarjana XI ITS, Surabaya 27 Jul 2011 Optmsas Economc Dspatch Menggunakan Fuzzy-Bacteral Foragng Algorthm Muhammad Rdha Fauz 1, Imam Roband 2 Power System Operaton and Control Laboratory
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tnjauan Pustaka 2.1.1 Tmetable Tmetable merupakan alokas subjek yang memlk kendala untuk dtempatkan pada ruang waktu (Gan dkk, 2004). Permasalahan Tmetable cukup luas. Masalah
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciPENGARUH PERUBAHAN FAKTOR JARINGAN IP MENGGUNAKAN DYNAMIC PENALTY FUNCTION METHOD
Jurnal ELTEK, Vol 11 Nomor 02, Oktober 2013 ISSN 1693-4024 PENGARUH PERUBAHAN FAKTOR JARINGAN IP MENGGUNAKAN DYNAMIC PENALTY FUNCTION METHOD Har Kurna Saftr 1 Abstrak QoS routng adalah kemampuan arngan
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciOPTIMAL REACTIVE POWER DISPATCH UNTUK MEMINIMISASI RUGI-RUGI DAYA AKTIF PADA SISTEM LAMPUNG MENGGUNAKAN METODE GREY-WOLF OPTIMIZER (GWO)
ol: 6, o. 2, Jul 2017 ISS: 2302-2949 OPTIMAL REACTIE POWER DISPATCH UTUK MEMIIMISASI RUGI-RUGI DAYA AKTIF PADA SISTEM LAMPUG MEGGUAKA METODE GREY-WOLF OPTIMIZER (GWO) Osea Zebua 1*, I Made Gnarsa 2 1 Staf
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciPenerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC
Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
Lebih terperinciPENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER
Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan
Lebih terperinciPENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI
PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER
UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan
Lebih terperinciOPTIMASI PEMBAGIAN BEBAN PLTU SURALAYA MENGGUNAKAN METODE ANT COLONY OPTIMIZATION
OPTIMASI PEMBAGIAN BEBAN PLTU SURALAYA MENGGUNAKAN METODE ANT COLONY OPTIMIZATION Suhendar 1, Ika Want Tusyan 2, Almuddn 3 1,2,3 Jurusan Teknk Elektro, Fakutas Teknk Unverstas Sultan Ageng Trtayasa Jl.
Lebih terperinciOPTIMASI OPERASI SISTEM KELISTRIKAN LOMBOK DENGAN ALIRAN DAYA OPTIMAL METODE MINOPF
Optmas Operas Sstem Kelstrkan Ar Nrartha, Agung BM OPTIMASI OPERASI SISTEM KELISTRIKAN LOMBOK DENGAN ALIRAN DAYA OPTIMAL METODE MINOPF I Made Ar Nrartha *, nrartha@yahoo.com Agung Bud Muljono **, agungbm@yahoo.com
Lebih terperinciBAB 3. METODOLOGI PENELITIAN
BAB 3. METODOLOGI PENELITIAN 3.1. Bagan Alr Peneltan Vergds et al. (2007) mengusulkan dua langkah dasar dar framework multobectve optmsas untuk perancangan proses bsns. Langkah pertama adalah membuat konstruks
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciMETODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS
TESIS METODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS Oleh : I Made Wdartha NRP. 5109201009 Dosen Pembmbng : Dr. Agus Zanal Arfn, S.Kom, M.Kom Anny Yunart, S.Kom, M.Comp.Sc
Lebih terperinciSTUDI HUBUNG SINGKAT UNTUK GANGGUAN TIGA FASA SIMETRIS PADA SISTEM TENAGA LISTRIK (Studi Kasus : PT. PLN Sumbar-Riau 150 KV)
No. 29 ol.1 Thn. X Aprl 2008 SSN: 0854-8471 STUD HUBUNG SNGKAT UNTUK GANGGUAN TGA FASA SMETRS PADA SSTEM TENAGA LSTRK (Stud Kasus : PT. PLN Sumbar-Rau 150 K) Heru Dbyo Laksono Jurusan Teknk Elektro, Unverstas
Lebih terperinciBAB VI MODEL-MODEL DETERMINISTIK
BAB VI MODEL-MODEL DETERMINISTIK 6. Masalah Penyaluran Daya Lstrk Andakan seorang perencana sstem kelstrkan merencakan penyaluran daya lstrk dar beberapa pembangkt yang ternterkoneks dan terhubung dengan
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciPENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY
PENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY I Made Wdartha Program Stud Teknk Informatka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Udayana emal : madewdartha@cs.unud.ac.d
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciPENJADWALAN PEMBEBANAN MENGGUNAKAN FAKTOR PENALTI PADA SISTEM TRANSMISI 500 kv JAWA-BALI DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
PENJADWALAN PEMBEBANAN MENGGUNAKAN FAKTOR PENALTI PADA SISTEM TRANSMISI 500 kv JAWA-BALI DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Had Sutanto Sarag *), Hermawan, and Susatyo Handoko
Lebih terperinciOptimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP)
Semnar Nasonal Waluyo Jatmko II FTI UPN Veteran Jawa Tmur Optmas Perencanaan Hasl Produks dengan Aplkas Fuzzy Lnear Programmng (FLP) Akhmad Fauz Jurusan Teknk Informatka UPNV Veteran Jawa Tmur Emal: masuz@upnatm.ac.d
Lebih terperinciPertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012
Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinci