Toni Widiyanto , 5301414080 (2019) SIMULASI PEMBANGKIT TERDISTRIBUSI DENGAN ALGORITMA INVASIVE WEED OPTIMIZATION UNTUK MENGURANGI RUGI DAYA. Under Graduates thesis, UNNES.

Preview

PDF (SIMULASI PEMBANGKIT TERDISTRIBUSI DENGAN ALGORITMA INVASIVE WEED OPTIMIZATION UNTUK MENGURANGI RUGI DAYA) - Published Version Download (1MB) | Preview

Abstract

Permintaan energi listrik yang terus meningkat dan tidak sebanding dengan bertambahnya penyedia energi listrik mengakibatkan permasalahan pada sistem distribusi tidak seimbang. Solusi yang ditawarkan untuk memenuhi permintaan beban yang terus meningkat dengan memasang pembangkit terdistribusi pada sisi pelanggan untuk mengurangi rugi daya. Hilangnya daya saat proses transmisi dan distribusi karena pengaruh jenis beban yang berbeda seperti industri, komersial, perumahan dan beban campuran. Oleh karena itu, jenis beban menjadi pertimbangan untuk menentukan lokasi dan ukuran DG yang akan di pasang dalam perencanaan yang optimal. Metode backward/forward sweep digunakan untuk menghitung aliran daya dan menentukan lokasi yang akan dipasang DG menggunakan Loss Sensitive Factor. Invasive Weed Optimization merupakan algoritma Meta-Heuristic yang meniru sifat rumput liar untuk mencari nilai paling optimal.Algoritma tersebut digunakan untuk menentukan ukuran optimal DG yang akan dipasang pada sistem distribusi. Metode yang diusulkan di uji dengan tipe beban yang berbeda pada IEEE bus sistem distribusi radial. Hasil yang diperoleh kemudian dibandingkan dengan algoritma optimasi lain dalam kasus yang sama menunjukkan peningkatan profil tegangan dan mengurangi rugi daya secara signifikan. Berdasarkan hasil penelitian yang telah dilakukan dengan jenis beban yang berbeda seperti beban komersial, beban perumahan, beban industri dan beban campuran menunjukan hasil yang baik. Profil tegangan terendah pada bus 18 mengalami perbaikan setelah dilakukan pemasangan Distributed Generation dari 0.90 p.u menjadi 0.96 p.u. Dari hasil pengujian kemampuan algoritma terhadap masalah optimasi menunjukkan bahwa IWO dapat menentukan lokasi dan ukuran DG terbaik dengan menurunkan rugi daya sebesar 68.2 % dibanding dengan algoritme optimasi lain yang digunakan sebagai pembanding. Nilai optimasi terendah pada algoritma Genetic Algorithm yang mampu mengurangi rugi daya sebesar 49.61 %. Kemudian diikuti dengan algoritma PSO, GA/PSO, dan BFOA yang terus mengalami perbaikan optimasi.

Actions (login required)

View Item