Penjadwalan Dan Pembebanan Optimum Distributed Generation Pada Sistem Distribusi Radial Tidak Seimbang Menggunakan Metode Quantum Evolutionary

Aryani, Ni Ketut (2018) Penjadwalan Dan Pembebanan Optimum Distributed Generation Pada Sistem Distribusi Radial Tidak Seimbang Menggunakan Metode Quantum Evolutionary. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
07111060010019-Disertation.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Masalah utama pada sistem distribusi adalah ketidak seimbangan beban pada setiap fasenya. Sehingga setiap fasa harus mensuplai daya yang berbeda. Disertasi ini menyajikan suatu metode untuk melakukan penjadwalan dan pembebanan yang optimal dari berbagai pembangkit kecil terdistribusi (DG) yang terhubung pada sistem distribusi radial yang tidak seimbang (unbalance radial distribution system). Tujuannya adalah untuk meminimalkan biaya pembangkitan energi listrik dengan tetap memperhatikan batasan-batasan dari setiap unit pembangkit seperti kapasitas minimum dan maksimum, maximum ramp rate, minimum uptime dan downtime. Penelitian ini menggunakan metode QEA untuk menyelesaikan masalah penjadwalan pembebanan unit pembangkit pada sistem distribusi yang tidak seimbang. Metode QEA didasarkan pada konsep dan prinsip komputasi kuantum, seperti bit kuantum, gerbang rotasi dan superposisi state. QEA menggunakan representasi bit kuantum, yang memiliki keanekaragaman populasi yang lebih baik dibandingkan dengan representasi lain yang digunakan dalam algoritma evolusioner dan menggunakan gerbang quantum untuk mendorong populasi menuju solusi terbaik. Mekanisme QEA secara cerdik memperlakukan keseimbangan antara eksplorasi dan eksploitasi dan juga mencapai solusi yang lebih baik, bahkan dengan populasi kecil. Metode ini diterapkan pada sistem distribusi radial tidak seimbang IEEE 15 bus yang dimodifikasi untuk penjadwalan selama 24 jam. Efektivitas pendekatan yang diusulkan divalidasi dengan membandingkan biaya pembangkitan tanpa DG. Hasil pengujian juga menunjukkan bahwa metode QEA adalah pendekatan yang menjanjikan untuk memecahkan masalah unit commitment. ============= Unbalances are serious problems in distribution systems. Non-uniform loads in the phases result in the requirements of supplying each phase with different amounts of power. This work presents a method for the optimum scheduling and sizing of various distributed generators (DGs) in unbalanced radial distributed systems. Though targeting the minimum overall generation cost, this method still takes into account respective constraints imposed by every generator for instances, maximum ramp-rate, minimum uptime and downtime. The method exploits Quantum Evolutionary Algorithm (QEA), an Evolutionary Algorithm that runs on a Quantum Computing System. QEA works based on the principles and concepts of the Quantum Computing, which is based on qubits, rotation gates and states of superpositions. QEA uses qubits, which promote population variety better than the one provided by conventional computing system. QEA uses quantum gates to push the population through the evolution to the optimum solution. QEA intelligently balances between exploitation and exploration and thence yields better results even by using smaller population. The method is applied to the 15 bus IEEE unbalanced radial distribution network for the 24 hour scheduling scheme. The effectiveness of the proposed method is confirmed by comparing the generation cost achieved against the one obtained from the case when all DGs are off. The test result also reveals that the QEA based method is a promising approach for solving unit commitment problems.

Item Type: Thesis (Doctoral)
Uncontrolled Keywords: Distributed generation; unit commitment; power flow; metoda Quantum Evolutionary.
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1010 Electric power system stability. Electric filters, Passive.
Divisions: Faculty of Electrical Technology > Electrical Engineering > (S3) PhD Theses
Depositing User: Ni Ketut Aryani
Date Deposited: 08 May 2018 07:25
Last Modified: 08 May 2018 07:25
URI: http://repository.its.ac.id/id/eprint/51466

Actions (login required)

View Item View Item