PREDIKSI BEBAN LISTRIK JANGKA PENDEK DENGAN PENDEKATAN BACKPROPAGATION PADA GARDU INDUK METRO

Salwa Nursalsabila, 1715031007 (2021) PREDIKSI BEBAN LISTRIK JANGKA PENDEK DENGAN PENDEKATAN BACKPROPAGATION PADA GARDU INDUK METRO. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

[img]
Preview
File PDF
Abstrak - salwa nursalsabila.pdf

Download (180Kb) | Preview
[img] File PDF
Skripsi Full Tanpa Lampiran - salwa nursalsabila.pdf
Restricted to Hanya staf

Download (2489Kb)
[img]
Preview
File PDF
Skripsi Full Tanpa Bab Pembahasan - salwa nursalsabila.pdf

Download (1554Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Intisari – Prediksi beban listrik jangka pendek dilakukan untuk mengetahui penjadwalan pembangkit pada suatu sistem pembangkit tenaga listrik. Pada penelitian ini prediksi beban listrik jangka pendek dilakukan di Gardu Induk Metro Lampung dengan 2 kategori yaitu dengan historis data 6 bulan dan historis data 2 tahun selama satu minggu. Untuk mengasilkan prediksi beban listrik dengan nilai yang akurat dilakukan dengan melakukan simulasi menggunakan software Matlab. Metode yang digunakan dalam prediksi ini adalah Artificial Neural Network pendekatan Backpropagation dengan tipe jaringan Feed Forward Backpropagation. Variabel yang digunakan dalam proses simulasi adalah data historis beban listrik pada trafo 1 dan 2 Gardu Induk Metro, serta data historis temperatur udara BMKG. Hasil prediksi beban listrik dalam penelitian ini menunjukkan bahwa tipe jaringan Feed Forward Backpropagation dapat digunkakan untuk memprediksi beban listrik jangka pendek pada Gardu Induk Metro Lampung. Hasil prediksi beban listrik jangka pendek menggunakan data historis sebanyak 6 bulan menghasilkan nilai MAPE sebesar 8.75% dan prediksi beban listrik jangka pendek menggunakan data historis sebanyak 2 tahun menghasilkan nilai MAPE sebesar 1.99%. Kata kunci – Prediksi beban listrik jangka pendek, Artificial Neural Network, Feed Forward Backpropagation. Abstract — The generator scheduling in a power system is determined by estimating short-term electrical load. Short-term electrical load forecasts elaborated at the Metro Substation using two categories of previous data: 6 months of historical data and 2 years of historical data in one week horizon. A simulation utilizing Matlab software was used to obtain an accurate prediction. The Artificial Neural Network Backpropagation method with Feed Forward Backpropagation network type was utilized in this calculation. Historical data on electrical loads at transformers 1 and 2 at Metro Substations, as well as historical data of daily temperature from BMKG, were included in the simulation process. The Feed Forward Backpropagation network type can be utilized to estimate the short-term electrical load at the Lampung Metro Substation, based on the results of this study's electrical load prediction. The MAPE value for short-term power load predictions using 6 months of historical data was 8.75%, and the MAPE value for short-term electricity load predictions using 2 years of historical data was 1.99%. Keywords — Short-term load forecast, Artificial Neural Network, Feed Forward Backpropagation.

Jenis Karya Akhir: Skripsi
Subyek: 600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi: Fakultas Teknik > Prodi S1-Teknik Elektro
Pengguna Deposit: UPT . Neti Yuliawati
Date Deposited: 17 May 2022 08:47
Terakhir diubah: 17 May 2022 08:47
URI: http://digilib.unila.ac.id/id/eprint/61185

Actions (login required)

Lihat Karya Akhir Lihat Karya Akhir