DETAIL KOLEKSI

Prakiraan beban jangka pendek dengan menggunakan jaringan syaraf tiruan


Oleh : Hasyim Noor Razid

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2000

Pembimbing 1 : T.M. Sulaiman

Pembimbing 2 : Liem Ek Bin

Subyek : Computer programming;Computer networks

Kata Kunci : short-term load, artificial neural network

Status Posting : Published

Status : Tidak Lengkap


File Repositori
No. Nama File Hal. Link
1. 1994_TA_STE_06288112_Halaman-Judul.pdf 11
2. 1994_TA_STE_06288112_Lembar-Pengesahan.pdf 2
3. 1994_TA_STE_06288112_Bab-1_Pendahuluan.pdf
4. 1994_TA_STE_06288112_Bab-2_Prakiraan-Beban-Listrik.pdf
5. 1994_TA_STE_06288112_Bab-3_Konsep-Jaringan.pdf
6. 1994_TA_STE_06288112_Bab-4_Prakiraan-Beban-Listrik.pdf
7. 1994_TA_STE_06288112_Bab-5_Diskusi.pdf
8. 1994_TA_STE_06288112_Bab-6_Kesimpulan.pdf 2
9. 1994_TA_STE_06288112_Daftar-Pustaka.pdf
10. 1994_TA_STE_06288112_Lampiran.pdf

K Keandalan sistem tenaga sangat dibutuhkan dalam pengoperasian tenaga listrik. Untuk itu pembangkit yang telah terinterkoneksi dituntut agar dapat menyediakan daya listrik yang sesuai dengan kebutuhan beban. Prakiraan beban dalam jaringan sistem tenaga digunakan untuk memperkirakan permintaan daya aktif dan memegang peranan penting dalam segi operasi ,pengaturan dan pemeliharaan unit pembangkit. Ada beberapa metoda konvensional untuk memperkirakan besar beban jangka pendek, seperti Metoda statistik, regresi, dll. Kelemahan metoda diatas adalah banyak memakan waktu dan memerlukan data yang besar sehingga sulit digunakan secara on-line. Untuk mendapatkan metode yang lebih cepat dalam proses kerja, mampu memprediksi kecenderungan data dan dapat digunakan secara on-line pada jaringan, digunakan Jaringan Syaraf Tiruan (Artificial Neural Networks). Kemampuan Jaringan Syaraf Tiruan yang mengambil analogi dari sistem syaraf manusia digunakan untuk pemodelan dan pemrosesan masalah yang berhubungan dengan sistem tenaga listrik. Dalam tugas akhir ini, dibahas kemungkinan pemakaian Jaringan Syaraf Tiruan sebagai suatu alat komputasi yang membantu menentukan besar perkiraan beban listrik secara cepat dan akurat. Hasil uji coba menunjukkan bahwa JST mampu memperkirakan besar beban dengan pendekatan berdasarkan materi pelatihan yang dilatihkan.

P Power system reliability is essential for the operation of electric power. Therefore, interconnected power plants are required to provide electrical power that meets load requirements. Load forecasting in the power system network is used to estimate active power demand and plays a crucial role in the operation, regulation, and maintenance of generating units. Several conventional methods exist for estimating short-term load magnitude, such as statistical methods, regression, etc. The drawbacks of these methods are that they are time-consuming and require large amounts of data, making them difficult to use online. To obtain a faster method in the work process, capable of predicting data trends and able to be used online on the network, Artificial Neural Networks are used. The capabilities of Artificial Neural Networks, which take an analogy from the human nervous system, are used for modeling and processing problems related to electric power systems. In this final project, the possibility of using Artificial Neural Networks as a computational tool that helps determine the estimated electrical load magnitude quickly and accurately. The trial results show that ANNs are able to estimate the load magnitude using an approach based on the training material provided.

Bagaimana Anda menilai Koleksi ini ?