REKONFIGURASI JARINGAN UNTUK MEREDUKSI RUGI RUGI SISTEM DISTRIBUSI MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK

Rachmannindira, Diana (2005) REKONFIGURASI JARINGAN UNTUK MEREDUKSI RUGI RUGI SISTEM DISTRIBUSI MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK. Skripsi thesis, ITN Malang.

Text 9912041.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (6MB)

Abstract

Sistem distribusi tenaga listrik adalah sarana penyampaian tenaga listrik dari sumber ke pusat beban konsumen. Keberhasilan dalam sistem distribusi dapat terjamin bila dipenuhinya beberapa persyaratan antara lain mengenai kontinuitas pelayanan dan fleksibilitas terhadap pertumbuhan beban Kelemahan sistem distribusi yang hampir semuanya menggunakan sistem radial yakmi sulitnya memenuhi aspek teknis. Hal ini karena lokasi beban dan variasi dari korapatan beban yang menyebabkan tingginya rugi-rugi daya dari sistem distribusi tersebut dan masalah dalam profil tegangan, terutama pada ujung penyulang Rekonfigurasi jaringan distribusi radial merupakan salah satu solusi untuk mereduksi rugi-rugi daya tersebut serta memperbaiki profil tegangan Banyak metode rekonfigurasi yang telah dikembangkan Skripsi ini memberi metode alternatif rekonfigurasi menggunakan metode Artificial Neural Network Dan analisa rekonfigurasi tersebut didapatkan hasil perbandingan rugi daya dimana jaringan distribusi sebelum rekonfigurasi sebesar P 0228 MW dan O 0349 MVAR sedangkan setelah sekonfigurasi sebesar P 0.152 MW dan Q0232 MVAR, sehingga dapat direduksa sebesar 33 33% sekaligus profil tegangan dapat diperbaik sesuau batas-batas yang diijinkan.

Item Type:	Thesis (Skripsi)
Additional Information:	Diana Rachmannindira (9912041)
Uncontrolled Keywords:	Rekonfigurasi Jaringan Distribusi, Reduks Rugi Daya, Artificial Neural Network.
Subjects:	Engineering > Electrical Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Elektro S1 > Teknik Elektro S1(Skripsi)
Depositing User:	septiani rosyidah
Date Deposited:	31 May 2022 01:00
Last Modified:	31 May 2022 01:00
URI:	http://eprints.itn.ac.id/id/eprint/8482

Actions (login required)

View Item