Optimasi Rekonfigurasi Jaringan Pada Kondisi Beban Yang Berubah Terhadap Waktu Menggunakan Algoritma Binary Particle Swarm Optimization

Simamora, Yoakim (2017) Optimasi Rekonfigurasi Jaringan Pada Kondisi Beban Yang Berubah Terhadap Waktu Menggunakan Algoritma Binary Particle Swarm Optimization. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 2214201204-Master-Thesis.pdf] Text
2214201204-Master-Thesis.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Rekonfigurasi jaringan merupakan salah satu cara untuk mengoptimalkan aliran energi dengan membuka dan menutup switches yang terdapat pada jaringan distribusi Penelitian ini membahas tentang rekonfigurasi jaringan pada kondisi beban yang berubah terhadap waktu untuk meminimalkan rugi energi pada sistem distribusi. Penelitian ini menggunakan 2 skenario dalam proses rekonfigurasi, skenario pertama adalah rekonfigurasi fixed, menentukan konfigurasi jaringan distribusi yang paling optimal berdasarkan kondisi beban puncak setiap bus, setelah topologi jaringan yang paling optimal telah ditentukan, kemudian topologi jaringan pada kondisi permintaan maksimum diaplikasikan pada semua variasi beban untuk meminimalkan rugi energi, skenario kedua adalah rekonfigurasi per jam, Rekonfigurasi per jam, menentukan konfigurasi jaringan distribusi yang paling optimal dengan untuk setiap level pembebanan. Kedua skenario rekonfigurasi dalam penelitian ini dioptimalkan menggunakan algoritma binary particle swarm optimization. Skema ini diujikan pada sistem distribusi 20kV kota Medan. Hasil simulasi kondisi awal sistem distribusi 20 kV kota Medan memiliki rugi energi awal sebesar 325,29 kWh/hari dengan tegangan minimum 19,7756 kV. Hasil simulasi untuk rekonfigurasi dengan skenario 1 didapatkan rugi energi sebesar 249 kWh/hari dengan tegangan minimum 19,8209 kV dan 10 pergantian switch. Sedangkan untuk rekonfigurasi dengan skenario 2 didapatkan rugi energi sebesar 244,02 kWh/hari dengan tegangan minimum 19,8209 kV dan 71 pergantian switch.

======================================================================================

Network reconfiguration is one way to optimize power flow by opening
and closing switches found on the distribution network. In this study discusses
distribution network reconfiguration under variable demand for minimize energy
losses in distribution system. This research using two scenarios, the first scenario
is reconfiguration for maximum demand , in this case the optimum topology is
determined for the maximum demand condition of each node. Later on,
maintaining this topology, the loss behavior for 24 hours, in function of hourly
load profiles in each node is analyzed. The second scenario is hourly
reconfiguration, it finds optimal topology and associated energy losses, for each
one of 24 hour interval, in function of the different hourly demand profiles of the
systems. Both scenarios in this study using binary particle swarm optimization.
The scheme is tested in the 20 kV distribution system of Medan. The results of the
initial conditions simulating the 20 kV distribution system of Medan have energy
losses 337,16 kWh/Day with minimum voltage 19.7756 kV. After the first
scenario reconfiguration is obtained energy losses 249 kWh/Day with minimum
voltage 19,8209 kV and 10 switching operations, and after the second scenario
reconfiguration is obtained energy losses 244,02 kWh/Day with minimum
Voltage 19,8209 kV and 71 switching operations.

Item Type: Thesis (Masters)
Uncontrolled Keywords: rekonfigurasi; variasi beban; rugi energi; binary particle swarm optimization; reconfiguration; variable demand; energy losses; binary particle swarm optimization
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK201 Electric Power Transmission
Divisions: Faculty of Industrial Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: - YOAKIM SIMAMORA
Date Deposited: 27 Mar 2017 04:51
Last Modified: 22 Dec 2017 01:05
URI: http://repository.its.ac.id/id/eprint/2302

Actions (login required)

View Item View Item