Perbandingan Solusi Economic Dispatch Antara Metode Lagrange Multiplier Dengan Gaussian Particle Swarm Optimization (GPSO)

Komsiyah, Siti (2009) Perbandingan Solusi Economic Dispatch Antara Metode Lagrange Multiplier Dengan Gaussian Particle Swarm Optimization (GPSO). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 1207201744-Master_Thesis.pdf - Accepted Version Download (15MB)

Abstract

Dalam pengoperasian sistem tenaga listrik {power system). perencanaan yang ekonomis merupakan salah satu parameter yang harus diperhitungkan karena dengan perencanaan yang ekonomis akan memberikan banyak penghematan dalam biaya operasional. Sasaran dari masalah Economic Dispatch pada pembangkitan energi listrik adalah untuk mengatur pemhagian output pada sejumlah unit pemhangkit sesuai beban yang diminta (load demand) dengan biaya operasional minimum namun
tetap memenuhi persamaan dan pertidaksamaan kendala pada semua unit dan sistem.
Dalam penelitian ini, permasalahan Economic Dispath yang mempunyai fungsi biaya non linear diselesaikan dengan metode swarm intelligent yaitu Gaussinn Partide Swarm Optimizatinn (GPSO). GPSO adalah algoritma stokastik berdasarkan populasi yang geraknya diinspirasi oleh swarm intelligent dan teori
probabilitas. Untuk menganalisis keakuratannya, maka solusi Economic Dispath dengan metode GPSO akan dibandingkan dengan metode Lagrange Multiplier. Dari hasil uji coba yang dilakukan dengan metode GPSO memberikan perhitungan perencanaan ekonomis yang lebih baik daripada dengan metode Lagrange Multiplier.

Item Type:	Thesis (Masters)
Additional Information:	RTMa 515.55 Kom p 2009
Uncontrolled Keywords:	power system, load demand, Gaussian Particle Swarm Optimization, Lagrange Multiplier
Subjects:	Q Science > QA Mathematics > QA246.8 Gaussian
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44101-(S2) Master Thesis
Depositing User:	- Davi Wah
Date Deposited:	20 Feb 2024 07:47
Last Modified:	20 Feb 2024 07:50
URI:	http://repository.its.ac.id/id/eprint/107634

Actions (login required)

View Item