1.2 Rumusan Masalah
Berdasarkan permasalahan yang dikemukakan, maka dapat dirumuskan permasalahan sebagai berikut :
1. Bagaimana karakteristik input –output sistem tenaga listrik di PT. PJB UP Gresik
pada periode saat ini dengan menggunakan metode quadratic least square regression ?
2. Bagaimana mengaplikasikan metode dynamic genetic algorithm untuk menyelesaikan economic dispatch pada sistem tenaga listrik di PT. PJB UP
Gresik pada periode gas dan periode liquid? 3. Bagaimana menentukan pembagian pembebanan yang optimal pada setiap unit
pembangkit sehingga kebutuhan sistem dapat terpenuhi? 4. Bagaimana keefisiensian metode dynamic genetic algorithm dibandingkan
metode-metode penyelesaian economic dispatch lain, terutama jika dibandingkan metode Particle Swarm Optimization PSO dan metode Simulated Annealing
SA ?
1.3 Batasan Masalah
Untuk menghindari meluasnya masalah, maka diberikan beberapa batasan masalah, yaitu :
1. Penelitian ini hanya dilakukan pada data sistem tenaga listrik di PT. PJB UP Gresik.
2. Jenis dan harga bahan bakar yang digunakan pada tiap pembangkit pada periode yang sama adalah sama.
3. Sampel data yang digunakan pada analisis pembebanan bahan bakar gas diambil sampel selama satu bulan, yaitu pada bulan Juli 2015, sedangkan pada
analisis pembebanan bahan bakar liquid digunakan sampel selama lima belas hari pada bulan Desember 2012.
4. Perbandingan karakteristik input-output hanya dilakukan pada data dengan bahan bakar yang sama, yaitu pada bahan bakar High Speed Diesel HSD.
5. Rugi –rugi diabaikan.
1.4 Tujuan
Tujuan dilakukannya penelitian adalah : 1. Mengetahui kurva karakteristik input
–output terbaru pada sistem tenaga listrik di PT. PJB UP Gresik serta kemungkinan pergeserannya menggunakan metode
quadratic least square regression. 2. Menentukan total biaya bahan bakar minimum dan pembagian pembebanan
yang optimal pada setiap pembangkit khususnya di PT. PJB UP Gresik
menggunakan economic dispatch dengan metode dynamic genetic algorithm.
3. Mengetahui pembebanan optimal yang dapat diaplikasikan pada sistem tenaga
listrik di PT. PJB UP Gresik.
4. Mengetahui keefisiensian metode dynamic genetic algorithm dibandingkan dengan metode penyelesaian economic dispatch lainnya seperti metode PSO
dan metode SA.
1.5 Manfaat
Kategori