Alimuddin, Alimuddin and Bima, Aria and Herudin, Herudin and Wardoyo, Siswo and MUNARTO, RI (2015) Optimasi Rugi-Rugi Daya Jaringan Distribusi dengan Menggunakan Jaringan Syaraf Tiruan. In: Seminar Nasional Teknik Ketenagalistrikan dan Teknologi Informasi (SNTKI) 2015, 05-06 Juni 2015, Jurusan Teknik Elektro Fakultas Teknik Universitas Mulsim Indonesia Makassar.

	Text SNTKTI Optimasi Rugi Seminar Nasional Alimuddin.pdf - Published Version Download (2MB)
	Text (Peer Review) GABUNG NILAI PEER REVIEWER PROSIDING RUGI DAYA SNTKTI Prof Syafruddin Prof Syamsir.pdf Download (88kB)

Abstract

ABSTRACT This research aims to design a system that can predict the electrical power losses based on historical data load on the existing feeders by using neural networks for possible mitigation measures loss of electric power distribution network power to obtain the optimal planning of distribution systems in the future. Based on "trial and error" of the ANN training process is obtained the best performance of the ANN network. The best ANN network performance shown by the MSE of 0.000999 on the epoch to 1848 with the regression coefficient is 0.9995. The algorithm uses gradient decrease with momentum (traingdm) architecture [6 20 1] with a layer of hidden layer activation function is sigmoid bipolar first and second hidden layer is linear or identity with a success rate reached 99.99%. This study proves that the variables that have historical data based on time can be simulated by using neural networks in MATLAB in other words can be used to predict the power losses in electric power distribution network. ABSTRAK Penelitian ini bertujuan merancang suatu sistem yang dapat memprediksi susut daya listrik berdasarkan data historis beban pada penyulang yang sudah ada dengan menggunakan jaringan syaraf tiruan agar dapat dilakukan langkah-langkah penanggulangan rugi-rugi daya jaringan distribusi tenaga listrik untuk memperoleh perencanaan yang optimal pada sistem distribusi di masa yang akan datang. Berdasarkan “trial and error” dari proses pelatihan JST didapatkan performa jaringan JST terbaik. Performa jaringan JST terbaik ditunjukkan oleh nilai MSE sebesar 0.000999 pada epoch ke 1848 dengan koefesien regresi adalah 0.9995. Algoritma menggunakan penurunan gradient dengan momentum (traingdm) dengan arsitektur [6 20 1] dengan fungsi aktivasi lapisan hidden layer pertama adalah sigmoid bipolar dan hidden layer kedua adalah linear atau identitas dengan tingkat keberhasilan mencapai 99,99%. Penelitian ini membuktikan bahwa variabel yang memiliki data historis berdasarkan waktu dapat disimulasikan dengan menggunakan jaringan syaraf tiruan pada MATLAB dengan kata lain dapat digunakan untuk memprediksi rugi-rugi daya pada jaringan distribusi tenaga listrik. Kata Kunci— Optimasi Rugi-rugi Daya Distribusi JST.

Actions (login required)

View Item