algenkapasitor
TRANSCRIPT
-
7/24/2019 algenkapasitor
1/9
Ittrnctl
Telcttolosi
lrtformasi
DINAM,tK
Volume
Xtl.
No.2.
Jtlli
200.7.
;
122-130.
ISSN
: 085
4'9524
lmplementasi
Algoritnra
Genetika
untuk
optimasi
Penempatan
l(apasitor
shurtt
pada Penyulang
Distribusi
Tenaga
Listrik
Carwoto
program
Studi
Teknik
Informatika,
STMII(
ProVisi
Semarang
e-mail
:
Abstract
; Gen.etic
Algorithm
is a
kincl
of search
algorithm
based
on
the
mechanic.s
of'natttrol
selection
antl
problcrn
nuturullY.
This
paper
presents
application
of
Genetic
Algorithm
for
cletermining
the
size,
location,
type,
antl number
iy ripi"iri,
to
be
placetl on
radial
clistribution
system.
The
objective
is
to minimize
the
peak
power losses
inrt
irrrgy
losses
in
the
clistribution
system
consiilering
the
capacitor
cosl.
The
algrtrilhm
wus implauantatl
in
Delphi
programming
language
onil
trrtod.Sor
u
realistic
physically-existing.f'eedet
to shotv
its
,lausihilit.t'
0nd
capabilities'.
Keltw,ord
; irnplementation
olgot'ithm
genetic
IENDAHULUAN
Kapasitor
shunt
banyak
dipakai
sebagai
kompensator
daya
reaktif
pada
penyLllang
distribusi
primer
sistem
tenaga
listrik'
Dengan
memasang
kapasitor
shunt,
rllgi-rLlgi
energi
(energ1,,
/osses)
clan
rugi-rugi
daya
puncak
Qtealc
pov)et'
/osses) clapat
dikurangi
sampai
ke tingkat
yang
dikehendaki
(Grainger,
1981).
Besar
kornpensasi
yang diberikan
kapasitor
terhadap
sistem
distlibusi
sangat
tergantung
pada
formasi
penempata:t
kapasitor
tersebut,
yang meliputi
penentuan
lokasi,
ukuran,
jumlah,
dan
tipe
kapasitor.
Metode
yang
semllla
sering
dipakai
untuk
menyelesaikan
masalah
optimasi
penempatan
kapasitor
shunt
pada sistem
distribusi
primer
aclalah
ltletocle-ntetode
deterministik
(Graingf,
1983).
Metode
ini
memerlukan
informasi
tambahan,untr-rk
dapat
mencapai
solusi
optimal
yang diinginkan,
seperti
kontinr-ritas
dan
turunan
fungsi.
Disamping
itu,
karena
metode
deter-
ministik
melakllkan
pencarian
nilai
optimum
dari
titik
ke
titik
dalam
ruang
penyelesaian,
maka
sangat
rlelrrungkinkan
pencap
atan
opti-
nium
lokal
(local
optima),
apabila
dalam
ruang
pencarian
terdapat
lranyak
titik
penyelesaian
(Goldberg,
1989).
Algoritma
Genetika
merupakan
algoritma
pencarian
yang dilandaskan
atas
mekanisme
genetika
dan
seleksi
alam
(Sastry,
K.
et.al.,
2004).
Dalam
ilmu
komputer,
Algoritma
Genetika
termasuk
dalam
kajian
komputasi
lunak
(soft
computing)
dan
kecerdasan
buatan
(artiJicial inteligence).
Pada beberapa
literatur,
seperti
ditr-rlis
Runarsson
(2005)
dan
Jun
IIe,
et.
al.
(2005), algoritma
dengan
cara
kerj a
yang
serllpa disebut
dengan
Algoritma
Evolr-rsi
(Evotutionary
Algorithm).
Algoritma
Genetika
memulai
pencarian
solusi
dengan
suatu
populasi
titik
solusi
penyelesaian
secara
simultan,
sehingga
kemungkinan
pencapaian
optimum
lokal
dapat
diperkecil.
Karena
terbukti
sebagai
cara
pendekatan
valid
untuk
menyelesaikan
masalah
optimasi
yang memerlukan
pencarian
efektif
clan
efisien,
sekarang
ini
Algoritma'Ge-
netika
telah
diterapkan
secara
luas
dalam
ber-
bagai
aplikasi
bisnis,
ilmu
pengetahuan,
teknil