Modifikasi Dan Hibridasi Algoritma Metaheuristik Untuk Meningkatkan Kinerja Dalam Optimisasi Sistem Tenaga Listrik

Sujono, Sujono (2024) Modifikasi Dan Hibridasi Algoritma Metaheuristik Untuk Meningkatkan Kinerja Dalam Optimisasi Sistem Tenaga Listrik. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 7022201016-Dissertation.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (8MB) | Request a copy

Abstract

Pada sistem tenaga bersumber banyak, permintaan daya beban dipasok dengan menyesuaikan pembangkitan daya dari tiap unit pembangkit. Optimisasi pembangkitan daya dari tiap unit pembangkit adalah sangat penting dalam menanggapi fluktuasi beban. Pada jaringan distribusi, integrasi pembangkitan terdistribusi (DG) dekat dengan pusat beban telah menjadi solusi yang efisien dalam menanggapi peningkatan beban. Optimisasi DG mutlak diperlukan untuk memaksimalkan perbaikan kinerja jaringan distribusi. Suatu jaringan distribusi terintegrasi DG bisa terisolasi dari jaringan utama, sehingga DG berperan dalam mempertahankan keberlanjutan pasokan daya ke beban. Keterbatasan kapasitas DG menyebabkan ketidakseimbangan daya dalam jaringan sehingga diperlukan pelepasan sebagian beban dengan tetap memperhatikan beban prioritas yang tidak bisa menoleransi ketiadaan pasokan daya listrik. Disertasi ini menyajikan penelitian yang terdiri dari tiga tahap. Penelitian pertama adalah modifikasi algoritma metaheuristik firefly menjadi adaptive modified firefly (AMFA) dalam optimisasi besarnya pembangkitan daya dari unit pembangkit untuk meminimalkan rugi daya dan biaya pembangkitan pada sistem tenaga listrik multi-sumber. AMFA diuji dengan sistem multi-sumber 30 bus dan 118 bus. AMFA menunjukkan keunggulannya dalam reduksi konvergensi sebesar 70.81% hingga 84.3% dibandingkan algoritma firefly (FA). Penelitian kedua adalah hibridasi algoritma AMFA dan differential evolution (DE) dalam optimisasi integrasi DG pada jaringan distribusi untuk meminimalkan rugi daya dan meningkatkan profil tegangan. Hibrid AMFA-DE menunjukkan kinerja terbaik dan mampu konvergen paling cepat. DG pada faktor daya pf=0.95 lagging lebih optimal dibandingkan pada pf=1. Penelitian ketiga adalah hibridasi secara paralel agoritma particle swarm-grey wolf optimizer (PS-GWO) dalam optimisasi pelepasan beban pada jaringan distribusi terintegrasi DG yang terisolasi. Algoritma PS-GWO menunjukkan kinerja yang lebih baik dan konvergen lebih cepat dibandingkan dengan standar PSO dan GWO dengan beban yang dilepaskan adalah yang terkecil, beban yang dipertahankan adalah yang terbesar, serta rugi daya dan deviasi tegangan adalah terendah. Uji statistik juga dilakukan untuk mengetahui kinerja algoritma lebih detail. Penelitian ini diharapkan bisa menjadi alternatif solusi dalam optimisasi perencanaan operasional dari sistem tenaga listrik.
==============================================================================================
In a multi-source power system, the load power demand is supplied by adjusting the power generation from each generating unit. Optimization of power generation from each generating unit is very important in response to load fluctuations. In distribution networks, the integration of distributed generation (DG) close to load centers has become an efficient solution in response to load increases. DG optimization is absolutely necessary to maximize distribution network performance improvement. A DG-integrated distribution network can be isolated from the main network, so DG plays a role in maintaining the continuity of power supply to the load. The limited capacity of DG causes a power imbalance in the network so that it is necessary to release some of the load while still paying attention to priority loads that cannot tolerate the absence of power supply. This dissertation presents research that consists of three stages. The first research is the modification of firefly metaheuristic algorithm into adaptive modified firefly (AMFA) in optimizing the amount of power generation from generating units to minimize power losses and generation costs in multi-source power systems. AMFA is tested with 30 bus and 118 bus multi-source systems. AMFA showed its superiority in convergence reduction of 70.81% to 84.3% compared to firefly algorithm (FA). The second study is a hybrid of AMFA and differential evolution (DE) algorithms in optimizing DG integration in distribution networks to minimize power losses and improve voltage profiles. The AMFA-DE hybrid showed the best performance and converged the fastest. DG at power factor pf=0.95 lagging is more optimal than at pf=1. The third research is the parallel hybridization of particle swarm-grey wolf optimizer (PS-GWO) algorithm in load shedding optimization in isolated DG integrated distribution networks. The PS-GWO algorithm shows better performance and converges faster than the standard PSO and GWO with the smallest released load, the largest retained load, and the lowest power loss and voltage deviation. Statistical tests were also conducted to determine the performance of the algorithm in more detail. This research is expected to be an alternative solution in optimizing the operational planning of the power system.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	algoritma metaheuristik, optimisasi, pembangkit terdistribusi, pelepasan beban, metaheuristic algorithm, optimization, distributed generation, load shedding, economic dispatch
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK3030 Electric power distribution systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20001-(S3) PhD Thesis
Depositing User:	Sujono Sujono
Date Deposited:	31 Jul 2024 08:55
Last Modified:	31 Jul 2024 08:55
URI:	http://repository.its.ac.id/id/eprint/110376

Actions (login required)

View Item