Manajemen Energi Skala Rumah Tangga Berbasis Dynamic Pricing Menggunakan Extreme Learning Machine

Hidayatullah, Akhmad Rizki (2018) Manajemen Energi Skala Rumah Tangga Berbasis Dynamic Pricing Menggunakan Extreme Learning Machine. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 07111440000105-Undergraduate_Theses.pdf]
Preview
Text
07111440000105-Undergraduate_Theses.pdf - Accepted Version

Download (4MB) | Preview

Abstract

Tujuan dari manajemen energi adalah memanfaatkan setiap energi secara efektif dan efisien tanpa mengurangi kualitas energi yang digunakan. Agar terlaksana dengan baik perlu kemampuan pendukung yaitu pencatatan dan evaluasi secara berkala, penjadwalan, serta mampu memberikan saran untuk pemanfaatan energi secara ekonomis. Pada tugas akhir ini manajemen energi diterapkan untuk peralatan skala rumah tangga.
Penjadwalan beban secara efektif dilakukan oleh smart switch yang mampu memprediksi harga energi listrik yang akan datang dalam lingkungan yang telah menerapkan Dynamic Pricing. Terdapat pengelompokan tipe peralatan rumah tangga berdasarkan energi yang dikonsumsi dan waktu pemakaian peralatan tersebut, yaitu beban inelastis, beban elastis dengan waktu yang fleksibel, beban berjalan dengan waktu yang fleksibel, dan beban elastis dengan daya fleksibel. Extreme Learning Machine (ELM) adalah kecerdasan buatan yang digunakan untuk memprediksi harga listrik yang akan datang. Penggolongan tipe peralatan rumah tangga, prediksi harga, dan penjadwalan yang dilakukan oleh ELM, dapat membantu pengguna untuk mengetahui biaya pemakaian energi listrik dan waktu yang tepat untuk menggunakan peralatan listrik secara efektif dan ekonomis sehingga pengguna dapat mengurangi tagihan listrik yang dibayarkan kepada penyedia layanan kelistrikan. ============= The purpose of energy management system is managing the energy usage effectively and efficiently without reducing the quality of energy used. To maintain the system works well, the system should be equipped with periodical data record and evaluation, scheduling, and report for economical utilization suggestion of energy usage. In this final report, The energy management system is applied to household appliances.
Load scheduling is effectively performed by the smart switch which able to predict future electricity energy pricing in Dynamic Pricing environments. The household appliances are grouped into several types based on the energy consumed and used time of equipment, such as inelastic load, elastic load in flexible time, continuous load in flexible time, and elastic load in flexible power. Extreme Learning Machine (ELM) is an artificial intelligence used for predict future electricity pricing. The classification of household appliances, price prediction, and scheduling performed in ELM could help the user to monitor the electricity energy cost and manage the electricity equipment usage time so the user can reduce electricity cost paid to the electricity service provider.

Item Type: Thesis (Undergraduate)
Additional Information: RSE 658.26 Hid m-1
Uncontrolled Keywords: Manajemen Energi, Dynamic Pricing, Extreme Learning Machine, Penjadwalan Beban, Dynamic Pricing, Energy Management, Extreme Learning Machine, Load Scheduling.
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK3226 Transients (Electricity). Electric power systems. Harmonics (Electric waves).
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5103.2 Wireless communication systems. Two way wireless communication
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.P3 Pattern recognition systems
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User: Hidayatullah Akhmad Rizki
Date Deposited: 05 Nov 2018 04:05
Last Modified: 15 Apr 2021 06:06
URI: http://repository.its.ac.id/id/eprint/52405

Actions (login required)

View Item View Item