Optimasi Desain Motor Listrik Dengan Metode Algoritma Genetika Untuk Efisiensi Tinggi.

Optimasi Desain Motor Listrik Dengan Metode Algoritma Genetika Untuk Efisiensi Tinggi. – Algoritma genetika merupakan salah satu perkembangan evolusioner dalam dunia komputer dalam bidang kecerdasan buatan. Pada penelitian ini, algoritma genetika digunakan untuk mencari beberapa solusi persamaan linear yang memiliki empat variabel. Dalam proses genetika, keempat variabel ini merepresentasikan solusi yang juga digunakan sebagai gen pembentuk kromosom. Sepuluh kromosom membentuk populasi yang akan berevolusi untuk menemukan solusi dari masalah tersebut. Dalam proses pengembangannya digunakan tiga operator algoritma genetika yaitu seleksi, crossover dan mutasi. Metode seleksi yang digunakan adalah

, operator transisi memberikan crossover rate 40% dan percobaan dilakukan dengan memvariasikan rate mutasi yaitu 0%, 5%, 10%, 15%, 20%, 25%, 30%, 35%, 40%, 45%, 50%, dan 55%. Proses pengembangan pada setiap percobaan dibatasi pada generasi ke-200. Dari percobaan yang dilakukan diperoleh hasil untuk perubahan dengan tingkat mutasi 25% menghasilkan 4 solusi dengan solusi tercepat diperoleh pada generasi ke-5. Hal ini menunjukkan bahwa perubahan laju mutasi mempengaruhi efisiensi algoritma genetika.

Optimasi Desain Motor Listrik Dengan Metode Algoritma Genetika Untuk Efisiensi Tinggi.

Yusuf Akhmad dan Sosanto Oni, “Algoritma Genetika Dalam Menyelesaikan Persamaan Dasar Suatu Fungsi”, Matematika Murni dan Terapan, Volume 6 No. 2 Desember 2012: 47-56

Desain Dan Implementasi Kontroler Optimal Dengan Algoritma Genetik Berbasis Embedded System Untuk Pressure Process Rig 38 714

Kanya Evita Dewey, “Perbandingan Metode Newton-Raphson dan Algoritma Genetika dalam Menentukan Volatilitas Saham yang Tersirat”, Komputasi dan Informatika (Komputasi)”, Vol.1 #2 Oktober 2012: 9-16

Kania Evita Dewey, “Algoritma Genetika dalam Pemrograman Linier dan Nonlinier”, Mat Buletin Ilmiah. Statistika dan Aplikasinya (BMaster), Vol 5 No 3, 2016 : 265-274

Tahir, A., Ahyar dan Israkwati. (2022). Perancangan Aplikasi Penerapan Algoritma Genetika untuk Menemukan Solusi Persamaan Linear. Vokasi Teknik Mesin dan Fabrikasi Logam, 1(1), 47-56. Diambil dari https:///index.php/otemasi/article/view/7

Karya ini dilisensikan di bawah Creative Commons Attribution 4.0 International License. Dirancang dan dikembangkan oleh : RYE EDUCATION HUB Program Studi Teknik Elektro Fakultas Teknik Universitas Lankang Kuning Jl. Yos Sudarso km. 8 Rumbajo, Pekanbaru, Telp. (0761) 52324 Email:

Pdf) Optimasi Penempatan Kapasitor Bank Untuk Perbaikan Rugi Daya Pada Penyulang Saba Menggunakan Algoritma Genetika

Ketika beban reaktif induktif meningkat, itu menyebabkan penurunan tegangan, meningkatkan kerugian daya dalam sistem, mengurangi faktor daya dan mengurangi kapasitas daya serta mengurangi kemampuan distribusi daya. Untuk mengurangi beban reaktif induktif, diperlukan sumber daya reaktif kapasitif, yaitu. pasang kapasitor dengan ukuran optimal dan penempatan yang tepat. Artikel ini menjelaskan penggunaan algoritma genetika untuk mengoptimalkan regulasi tegangan dalam sistem. Dalam hal pengaturan voltase, pendekatan Newton mengurangi aliran daya dan kehilangan daya. Meskipun berbagai metode kontrol tegangan dapat digunakan, teori ini berfokus pada bank kapasitor (kapasitor shunt) sebagai parameter variabel. Metode ini diterapkan pada sistem bus standar IEEE 30 untuk memeriksa kapasitas dan kemampuannya. Eksperimen menunjukkan bahwa pendekatan Algoritma Genetika berhasil menghasilkan kapasitor shunt sebesar 21,9 KVar. Tegangan maksimum 1,082 pu dan minimum 0,859 pu dan nilai reduksi 2,712 KVA. Selain itu energi listrik dapat dihemat sebesar 11,9313%. Ukuran total kapasitor dapat dikurangi dari keadaan awal 23,3 Mvar. Algoritma genetika dapat direduksi menjadi 21,9 Mvar, sehingga sistem dapat menghemat 1,4 Mvar.

Ketika beban reaktif induktif meningkat, itu mengurangi tegangan, meningkatkan kehilangan daya dalam sistem, mengurangi faktor daya dan mengurangi kapasitas daya dan mengurangi kapasitas distribusi daya. Untuk mengurangi beban reaktif induktif diperlukan sarana reaktif kapasitif yaitu memasang kapasitor dengan ukuran yang optimal dan penempatan yang tepat. Artikel ini menjelaskan penggunaan algoritma genetika untuk menyesuaikan optimalisasi regulasi tegangan dalam sistem. Dalam hal regulasi tegangan, pendekatan Newton meminimalkan kehilangan daya melalui dan melalui aliran daya. Meskipun berbagai metode kontrol tegangan dapat digunakan, teori ini berfokus pada bank kapasitor (kapasitor shunt) sebagai parameter variabel. Metode ini diterapkan pada sistem bus standar IEEE 30 untuk memeriksa kapasitas dan kemampuannya. Dari percobaan terlihat bahwa metode algoritma genetika berhasil membuat kapasitor shunt 21,9 KVar. Tegangan maksimum 1,082 pu dan minimum 0,859 pu dan penurunan nilai 2712 KVA. Selain itu penghematan energi listrik dapat dilakukan sebesar 11,9313%. Ukuran kapasitor total dapat dikurangi dari keadaan awal 23,3 Mvar menjadi 21,9 Mvar dalam algoritma genetika, menghemat sistem 1,4 Mvar.

Daya reaktif telah lama dikenal sebagai faktor penting dalam desain dan pengoperasian sistem tenaga listrik. Secara umum diketahui bahwa daya reaktif dihasilkan oleh jaringan sistem yang tersebar, terutama komponen reaktif. Distribusi daya aktif menciptakan perbedaan sudut fasa antara tegangan sisi pengirim dan penerima, sedangkan distribusi daya reaktif menciptakan perbedaan besaran tegangan. Tingkat regulasi tegangan sangat bergantung pada pembangkitan, distribusi, dan konfigurasi aliran reaktif di semua tingkat sistem. Umumnya ada berbagai metode pengaturan tegangan, seperti konverter tap changer, konverter boost, injeksi daya reaktif, dll. (Joinal, 2009). Salah satunya yang menyebabkan fluktuasi tegangan, sehingga terjadi voltage dips dan surge akibat perubahan kondisi beban. dalam pemeliharaan

Zulfahri, stabilitas ini membutuhkan kompensasi daya reaktif untuk mengoptimalkan pengaturan tegangan pada jaringan listrik menggunakan algoritma genetika, pemasangan peralatan kapasitor shunt, diharapkan dapat mengurangi

Pdf) Pemanfaatan Algoritma Genetika Untuk Membangun Kombinasi Paralel Resistansi Yang Setara Dengan Resistansi Rusak

Tegangan yang terjadi sedemikian rupa untuk meminimalkan kehilangan daya. (Arlenny, 2019). Memasang kapasitor shunt merupakan salah satu cara untuk mengurangi rugi-rugi daya saluran dengan memperbaiki profil tegangan. Namun penempatan kapasitor dengan kapasitas yang kurang optimal dapat mengakibatkan peningkatan profil tegangan pada beberapa bus yang melebihi batas yang diperbolehkan, sehingga mengakibatkan hilangnya beban listrik. Induktif, beban induktif adalah beban yang banyak mengkonsumsi arus. dari sebuah motor listrik. Yusmartato (2017)

Penelitian tentang kapasitor yang berperan sebagai pembangkit daya reaktif dan mereduksi jumlah daya reaktif dan daya total yang dihasilkan oleh utilitas. Pada artikel ini, kontrol tegangan menggunakan daya reaktif atau kapasitor shunt sebagai komponen utama kontrol tegangan. Kapasitor shunt banyak digunakan untuk memperbaiki penyimpangan tegangan, mengganti kerugian daya reaktif dan meningkatkan stabilitas tegangan dalam sistem tenaga listrik. Masalah umum penempatan kapasitor adalah untuk menentukan lokasi dan ukuran kapasitor yang akan ditugaskan ke sistem transmisi atau distribusi tenaga listrik, parameter seperti pengaturan kontrol, konsumsi kapasitor, rentang tegangan dan variasi beban, yang semuanya diperlukan dan hati-hati. dipertimbangkan , jadi masalahnya menjadi sangat rumit. Untuk mengatasi masalah tersebut, perlu digunakan metode perhitungan untuk menentukan letak dan ukuran kapasitor agar mendapatkan nilai terbaik. Salah satu teknik komputer untuk menyelesaikan masalah optimasi adalah algoritma genetika. Algoritma Genetika Pengoptimalan Berbasis Kecerdasan Buatan yang Diinspirasi Pencarian Berdasarkan Proses Seleksi Alam dan Genetika. Kemampuan algoritma genetik untuk mengenali dan mengingat pola dapat memecahkan masalah lokasi dan ukuran kapasitor shunt pada sistem kelistrikan, sehingga menghasilkan nilai yang optimal.

Tujuan dari penelitian ini adalah untuk memecahkan masalah optimalisasi pengaturan tegangan pada jaringan listrik dengan menempatkan kapasitor termasuk menentukan lokasi dan ukuran kapasitor yang digunakan untuk sistem data standar IEEE 30-bus. Ini biasanya ditunjukkan pada Gambar 1. Aliran data dan diagram analisis ditunjukkan pada Gambar 1

Penulisan Data Pembangkitan dan Sistem 30 Bus Channel Data Analisis Aliran Daya IEEE Optimasi Penempatan Kapasitor Shunt Menggunakan Metode Newton Rapation Analisis Aliran Daya Menggunakan Metode Algoritma Genetika Peningkatan Hasil Tegangan dan Beban Daya Setelah Penempatan Kapasitor

Lampiran 1 Penerima Pendanaan Penelitian Di Perguruan Tinggi Non Ptnbh Usulan Tahun 2019 Revisi

Semua peralatan sambungan daya, termasuk elemen resistif, transformator, dan peralatan konversi daya (seperti motor dan generator), beroperasi berdasarkan daya yang disimpan dan dilepaskan. Daya rata-rata dalam rangkaian adalah daya aktif dan daya yang disuplai adalah energi yang disimpan dalam komponen reaktif sebagai daya aktif.

Sudut fase antara arus sisa dan tegangan. P dan Q sama besarnya yaitu watt, tetapi untuk menegaskan bahwa Q adalah daya reaktif, Q diukur dalam satuan volt-ampere reaktif (VAR). dengan Meng

V.I, P dan Q menjadi. Pangkat yang dinyatakan dalam bilangan kompleks ditunjukkan dengan S yang terdiri dari komponen P dan Q, yaitu: S = P + jQ

Yang berarti terlambat. Sisi kanan menunjukkan diagram fasor berlawanan arah jarum jam, menunjukkan bahwa I tertinggal V.

Pdf) Rancang Bangun Sistem Penjadwalan Kuliah Jurusan Teknik Informatika Fakultas Teknik Universitas Musamus Merauke Menggunakan Algoritma Genetika

Sumber daya kepemimpinan. Diagram fasor di sebelah kanan menunjukkan sisi berlawanan dari percabangan tempat I mengarah ke V.

Dalam metode ini, persamaan aliran energi diformulasikan dalam bentuk polar. Arus yang mengalir ke bus I dapat ditulis dengan persamaan berikut: (7) Daya kompleks bus i adalah: (8) Dari persamaan (1) dan (2) diperoleh persamaan: (9)

Dan (11) Persamaan (10) dan (11) membentuk persamaan aljabar nonlinear dengan variabelnya masing-masing. Magnitudo setiap variabel dinyatakan dalam satuan, dan sudut fasa dinyatakan dalam satuan radial. Metode ini menggunakan deret Taylor sebagai dasar perhitungan iterasi dengan menggunakan Jacobian. (12) Jumlah komponen Persamaan Jacobian (12) mendefinisikan (2n – 2 – m) x (2n – 2- m) dimana n adalah jumlah bus dalam sistem, dimana m adalah jumlah bus yang diatur tegangan.

Tujuan pemasangan kapasitor adalah untuk mengurangi rugi daya dan mengatur tegangan agar tidak melebihi batas tegangan yang diijinkan sistem. Perhitungan rugi daya total per aliran daya keluaran diselesaikan dengan persamaan berikut:

Makalah Permodelan Optimasi Energi Kel.3

Pengertian algoritma genetika, algoritma genetika penjadwalan, algoritma genetika untuk penjadwalan, algoritma genetika untuk penjadwalan kuliah, metode algoritma genetika, algoritma genetika, source code penjadwalan dengan algoritma genetika, algoritma genetika dengan matlab, aplikasi algoritma genetika, jurnal algoritma genetika, algoritma optimasi, buku algoritma genetika

By admin