Hasil Pencarian  ::  Simpan CSV :: Kembali

"Rekonfigurasi jaringan distribusi dan instalasi distributed generation DG dengan tujuan mengurangi rugi-rugi daya aktif saluran dan memperbaiki profil tegangan sistem IEEE 33 bus telah disimulasikan pada skripsi ini. Rekonfigurasi jaringan diselesaikan dengan algoritma Binary Particle Swarm Optimization pada MATLAB dan penentuan lokasi dan kapasitas DG diselesaikan dengan analisis aliran daya pada ETAP. Rugi-rugi daya aktif setelah rekonfigurasi berkurang sebesar 33,357 dari sebelumnya 208,4 kW menjadi 138,9 kW dan tegangan minimum sistem meningkat dari 0,9107 pu menjadi 0,9423 pu. Penginstalasian DG pada lokasi yang tepat dan besar kapasitas yang tepat dapat mengurangi rugi-rugi daya aktif saluran dan memperbaiki tegangan sistem.Berdasarkan hasil simulasi, lokasi terbaik pemasangan satu DG adalah pada bus 30 dengan kapasitas DG sebesar 1250 kW. Lokasi terbaik pemasangan dua DG adalah pada bus 30 dengan kapasitas DG sebesar 1250 kW dan pada bus 8 dengan kapasitas DG sebesar 900 kW. Lokasi terbaik pemasangan tiga DG adalah pada bus 30 dengan kapasitas DG sebesar 1250 kW, bus 8 dengan kapasitas DG sebesar 900 kW, dan bus 24 dengan kapasitas sebesar 950 kW. Setelah sistem direkonfigurasi dan diinstalasi tiga DG diperoleh rugi-rugi daya aktif terendah yaitu 20,7 kW dan tegangan minimum terbaik yaitu 0,9820 pu.......Distribution network reconfiguration and distributed generation DG installation for reducing power losses and improving voltage profile on IEEE 33 bus system have been simulated in this thesis. Network reconfiguration simulated using Binary Particle Swarm Optimization algoritm in MATLAB and placement and sizing DG simulated using power flow analysis in ETAP. After reconfiguration, power losses decreased by 33,357 from 208,4 kW to 138,9 kW and minimum system voltage increased from 0,9107 pu to 0,9423 pu. DG installation at the right place and right capacity can reduce power losses and improve system voltage.Based on simulation, the best location for installing one DG is at bus 30 with capacity of 1250 kW. The best location for installing two DG is at bus 30 with capacity of 1250 kW and at bus 8 with capacity of 900 kW. The best location for installing three DG is at bus 30 with capacity of 1250 kW, at bus 8 with capacity of 900 kW, and at bus 24 with capacity of 950 kW. After configuring the system and installing DG with number of DG is three at the system, the lowest power losses obtained is 20.7 kW and the best minimum voltage obtained is 0.9820 pu."

"The 0-1 multidimensional knapsack problem (MKP) has been proven it belongs to difficult NP-har combinatorial optimization problems. There are various search algorithms based on population concept to solv these problems. the particle swarm optimization (PSO) technique is adapted in our stucy, which proposes a novel PSO algorithm, namely, the binary PSO based on surrogate information with proportional acceleration coefficients (BPSOSIPAC). the proposed algorithm was tasted on 135 benchmark problems from the OR-Library to validate and demonstrate the efficiency in solving multidimensional knapsack problems. The result were then compared with those in the other nine existing PSO algorithms. The simulation and evaluation result showed that the proposed algorithm, BPSOSIPAC, is superior to the of successful runs, average eror (AE) , mean absolute deviation, mean absolute percentage error, last error, standard deviation, best profit, mean profit, worst profit, AE of the best profit (%), AE of the mean profit deviaton. "

"ABSTRACTPhasor Measurement Unit (PMU) saat ini diperhitungkan sebagai salah satu peralatan penting P di sistem tenaga listrik. PMU dapat memberikan pengukuran tegangan dan arus, baik nilai maupun sudut fasanya, pada busbar yang terhubung dengan PMU secara sinkron dan real time. Perkembangan terbaru dari teknologi PMU memberikan data yang sinkron dan berkecepatan tinggi melebihi pengukuran konvensional, yang sangat berguna untuk perhitungan sistem yang dinamis pada sistem ketenagalistrikan. Tujuan dari Optimalisasi Penempatan PMU (OPP) adalah untuk mendapatkan jumlah PMU minimal yang dipasang pada sistem dan posisi penempatannya sehingga seluruh sistem dapat dipantau. Beberapa metode baik secara algoritma matematika maupun heuristic, telah diusulkan untuk memecahkan masalah OPP ini. Tulisan ini memberikan pendekatan topologi untuk menentukan penempatan PMU yang Optimal dengan tujuan agar sistem Jawa Bali 500 kV dapat dipantau secara keseluruhan menggunakan Optimisasi Binary Particle Swarm dan dilanjutkan dengan perbandingan dengan menggunakan metode OPP yang lain serta penempatan PMU yang optimal untuk sistem Jawa Bali 500 KV berdasarkan rencana pengembangan sistem PLN. Hasil dari tulisan ini menunjukkan bahwa metode yang diusulkan memiliki hasil yang sama dengan metode OPP yang lain, dan bahkan di beberapa kasus lebih baik dari metode yang lain. "