a slide that will apply to all the other slides?

Hot Tip HowOptimisasi do I incorporate my logo to Economic Dispatch Menggunakan Fuzzy-Bacterial Foraging Algorithm a slide that will apply to all the other slides? Oleh :

Muhammad Ridha Fauzi NRP : 2209201011

 On the [View] menu, point to [Master], and then click [Slide Master] or [Notes Master]. Change Dosen Pembimbing : images to the you like, then Prof. one Dr. Ir. Imam Robandi, MT it will apply to all the other slides. Program Studi Magister Bidang Keahlian Teknik Sistem Tenaga Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember 2011

Latar Belakang

Company

LOGO Pembangkit $/h

P

G1

G1

$/h

P

G1

G2

…

…

$/h

P

Gn

Gn

Jalur Transmisi

P Load

Rugi Transmisi

Masalah

Optimisasi Pembangkitan (Economic dispatch) menggunakan Fuzzy-Bacterial Foraging Algorithm (Fuzzy-BFA) www.themegallery.com

Contents Tujuan Penelitian 1

Kombinasi daya output pembangkit permintaan konsumen + rugi transmisi, Click to add Title 3 1 memperhatikan constraint operasional dengan Fuzzy-BFA

2

2

Click to add Title

Total biaya bahan bakar minimum dari kombinasi daya output pembangkit yang beroperasi dengan Fuzzy-BFA Click to add Title

3

3

Performansi Fuzzy-BFA untuk optimisasi Click toskala add kecil Title dan besar, masalah ED pada sistem 4 performansi Fuzzy-BFA dengan parameter berbeda

Hot Tip

BATASAN MASALAH

How do I incorporate my logo to 1 a Fungsi Biaya bahanwill bakar telah diketahui slide that apply tosebelumnya. all the other slides? Constraint yang diaplikasikan : power balance constraint 2 & low and up output generator constraint.

Kondisi sistemmenu, diasumsikan keadaanand normal. 3 On the [View] pointdalam to [Master], then

click [Slide Master] or [Notes Master]. Change to the one listrik you yang like, digunakan then it will: IEEE apply to all tenaga 5-bus 4imagesSistem & IEEE 30-bus. the other slides.

5

Rugi daya pada transmisi dihitung menggunakan solusi aliran daya metoda Newton-Raphson.

Diagram

KONTRIBUSI PENELITIAN

Referensi [2] : Aplikasi metoda BFA untuk solusi ED . Konvergensi BFATitle dipercepat tanpa menggunakan Add your text Fuzzy. Referensi [3] : Aplikasi metoda Fuzzy-BFA untuk mengestimasi harmonisa. ThemeGallery ThemeGallery is a Design Digital ContentPenelitian & Contents Kontribusi mall developed by Guild Design Inc.

:

Untuk mempercepat konvergensi BFA maka digunakan Fuzzy Takagi-Sugeno pada penyelesaian masalah economic dispatch.

is a Design Digital Content & Contents mall developed by Guild Design Inc.

Diagram

Concept

Concept

Gambar 2.4 N unit pembangkit Gambar 2.3 N unit pembangkit thermal melayani beban thermal melayani melalui jalur transmisi beban PAdd LOADYour Text

PG

=

PLOAD

PG

=

PLOAD + PLOSS 6

MODEL MATEMATIKA ECONOMIC DISPATCH Constraint (Batasan)

Fungsi Objektif

1.

PGi PD

PLOSS

equality constra int min imize F ( PG )

m i 1

ai

bi PGi

ci PGi2 2. PGi min

dengan, F P Gi ai,bi,ci PGi PD P Gi min P Gi max

PGi

PGi max

inequality constra int

= biaya bahan bakar ($/h) = daya output dari setiap pembangkit (MW) = koefisien biaya bahan bakar setiap pembangkit = total daya pembangkit (MW) = total permintaan beban (MW) = daya output minimum setiap pembangkit (MW) = daya output maximum setiap pembangkit (MW)

Economic Dispatch (ED)

PGi min

PG

PGi max

Gambar 2.2. Kurva Input-Output Pemabangkit Thermal [13]

Alur Perhitungan Rugi Transmisi Alur Perhitungan Rugi Transmisi

Studi Aliran Daya

Newton Raphson

Ploss (Rugi transmisi)

Proses Pengerjaan Penelitian Start Studi literatur dan pengumpulan data kelistrikan IEEE 5-Bus dan IEEE 30-Bus Menentukan parameter yang dioptimisasi dan fungsi objektif Membuat program Fuzzy-BFA dan BFA Simulasi ED menggunakan Fuzzy-BFA Tidak

Simulasi ED menggunakan BFA

Cek performansi Ya Membandingkan hasil Fuzzy-BFA dengan BFA Analisa hasil perbandingan Kesimpulan Stop

Tidak

BAKTERI ESCHERICIA Coli (E-Coli)

Bakteri E-Coli

Tahapan Bacteri Foraging : 1. Chemotaxis 2. Swarming 3. Reproduction 4. Ellimination and Dispersal

Proses Komputasi untuk menyelesaikan optimisasi dengan Matlab 6.5

INISIALISASI POSISI BAKTERI

ij

=

min +

max

-

min)

Bakteri 2

…

PG1 PG 2 

PG1 PG 2 

  

PG1 PG 2 

PGm

PGm

PGm

PGm

Bakteri 1

Posisi

rand(

Bakteri n

CHEMOTAXIS

Pergerakan bakteri mencari nutrisi

REPRODUCTION

Tidak sehat

Bakteri paling tidak sehat (cost tinggi) mati Bakteri paling sehat (cost rendah) bereproduksi

Kesehatan bakteri

Sehat

Elimination and Dispersal

Bakteri-bakteri dengan probabilitas eliminationdispersal lebih besar dari yang ditentukan maka bakteri-bakteri tersebut disebar (dispersal) secara acak ke lingkungan domain pencarian yang sama.

Sart Input data bus, Jalur transmisi, Daya Pmin-Pmax output generator, Pers. Karakteristik I/O Generator

Inisialisasi parameter BFA : Jumlah bakteri (S) Jumlah parameter yang dioptimisasi (p) Panjang swimming (Ns) Jumlah loop chemotactic (Nc) Jumlah kejadian reproduksi (Nre) Jumlah Kejadian eliminasi-dispersal (Ned) Probabilitas eliminasi-dispersal (Ped) Inisialisasi lokasi awal bakteri secara acak (P) Nilai d attract, w attract, h repelent, w repelent Parameter Fuzzy : J1, J2, J3, J4, J5, J6 dan a1, a2, a3, a4

Add Your Text

Add Your Text

Elimination dan Dispersal Loop Counter, E = E + 1 E > Ned

Ya

Terminate

Add Tidak Your Text Reproduksi loop Counter, R = R + 1 Ya

R > Nre

Chemotactic loop Conter, K = K + 1

K > Nc Tidak B

Inisialisasi Parameter BFA : 1. Dimensi ruang pencarian = Jumlah parameter yang dioptimisasi (P1, P2, …, Pn) = p, (IEEE 5-bus p = 3, IEEE 30-bus p = 6) 2. Jumlah bakteri = S = 8 Jika nilai Tidak J J 3. Your PanjangText langkah swimming = Ns = 3 B=B+1 Add 4. Jumlah iterasi proses chemotactic Ya Nc (Nc > Ns) = 5 Swim, N = N + 1 SW(B) = N 5. Jumlah reproduksi = Nre = 40 Jumlah elimination dan dispersal Add Your 6.Text Tidak Ned= 4 SW(B) < Ns 7. Probabilitas elimination & dispersal Tumble Ya Ped = 0.25 Hitung posisi setiap bakteri saat ini. Runlength unit (step size = C(i)) 8. Lokasi masing-masing bakteri = Your dikaliAdd dengan output Fuzzy (u)Text (i ) P(p,S,1) (j+1, k, l) = (j, k, l) + u x C(i) T (i ) (i ) 9. Nilai koefisien dattract, wattract,hrepellant Hitung posisi setiap bakteri saat ini. dan wrepellant = 1.9, 0.2, 1.9, 10 Runlength unit (step size = C(i)) dikali dengan output Fuzzy (u) 10. Nutrisi = Fuel Cost (biaya bahan (i ) (j+1,Add k, l) = (j, Your k, l) + u x C(i)Text T (i ) (i ) bakar) Inisialisasi Parameter Fuzzy : B>S J1, J2, J3, J4. J5, J6 Tidak Ya a1, a2, a3, a4 i

Ya

Diagram

Menghitung P loss menggunakan Load Flow Newton-Raphson Update nilai Total Fuel Cost J(B, K) semua generator dengan memperhitungkan Constraint. B = bakteri

i

Add Tidak Your Text A

B

Flow Chart Optimisasi Economic Dispatch Menggunakan Fuzzy-BFA

i

A

i

Company

LOGO

Diagram

Koefisien a1, a2, a3, dan a4 Rule Fuzzy : Sistem IEEE 5-bus Tanpa memperhitungkan rugi transmisi a1 = 0.000318, a2 = 0.000632 a3 = 0.000948, a4 = 0.001262 Add Your Memperhitungkan rugiText transmisi a1 = 0.0005474, a2 = 0.001092 a3 = 0.0016345, a4 = 0.0021735

Add Your Text Sistem IEEE 30-bus Tanpa memperhitungkan rugi transmisi a1 = 0.001141, a2 = 0.002261 a3 = 0.003357, a4 =Text 0.004435 Add Your

Memperhitungkan rugi transmisi a1 = 0.0010465, a2 = 0.0021665 a3 = 0.003227, a4 = 0.00427

Add Your Title

Diagram SISTEM IEEE 5-BUS

(Sumber : Buku “Power System Analysis” - Hadi Saadat) Add Your Text

Batasan daya output :

Add Your Text

1

3

Pembangkit 1 : 10 ≤ P1 ≤ 85 (MW) Pembangkit 2 : 10 ≤ P2 ≤ 80 (MW) Pembangkit 3 : 10 ≤ P3 ≤ 70 (MW)

4

Add Your Text 2

Persamaan Fuel cost : 5

Gambar 3.2 Single line diagram sistem tenaga Add Your Text IEEE 5-bus [15]

Title

Add Your Text

F1(P1) = 200 + 7 P1 + 0,008 P12 $/h F2(P2) = 180 + 6,3 P2 + 0,009 P22 $/h F3(P3) = 140 + 6,8 P3 + 0,007 P32 $/h Add Your Text

SISTEM IEEE 30-BUS

[22]

29

30

Batasan daya output :

28

27 26

25 23

Pembangkit 1 : Pembangkit 2 : Pembangkit 3 : Pembangkit 4 : Pembangkit 5 : Pembangkit 6 :

24 18

15

19

17

20 21

14

22

16

12

13

1 3

Persamaan Fuel cost :

10

11

9

6

4

8

7 2

50 ≤ P1 ≤ 200 (MW) 20 ≤ P2 ≤ 80 (MW) 15 ≤ P3 ≤ 50 (MW) 10 ≤ P3 ≤ 35 (MW) 10 ≤ P3 ≤ 30 (MW) 12 ≤ P3 ≤ 40 (MW)

5

Gambar 3.3 Single line diagram sistem IEEE 30-Bus [21]

F1(P1) = 0 + 2 P1 + 0,00375 P12 F2(P2) = 0 + 1,75 P2 + 0,01750 P22 F3(P3) = 0 + P3 + 0,06250 P32 F3(P3) = 0 + 3.25P3 + 0,00834 P32 F3(P3) = 0 + 3P3 + 0,02500 P32 F3(P3) = 0 + 3P3 + 0,02500 P32

$/h $/h $/h $/h $/h $/h

IEEE 5-Bus

Block Diagram

KASUS (1) : Tanpa Rugi Transmisi

HASIL

Tabel Add 4.4 Your Hasil Simulasi Menggunakan metoda Title Add Your Title Add Your Title Fuzzy-BFA dan BFA

Title

Title

Click to add text

Click to add text

Click to add text

Click to add text Fuzzy-BFA

Click BFA to add text

Metoda

Daya Output

Click to add text 

Title

Click to add text

Click to add text

31.942

Click to add text

(MW) Click to add text

67.273 Click to add text

67.278 Click to add text

P1 (MW)

P2 Title

P3 (MW)

Title



Click to add text

Total fuel cost ($/jam) Konvergensi iterasi

50.785

Click to add text

31.938

50.784

Click to add

1579.698953

1579.698953

100

222

IEEE 5-Bus

Table

KASUS (1) : Tanpa Rugi Transmisi

1588

HASIL

Conventional BFA Concept

1587

Fuzzy-BFA

Total fuel cost ($/jam)

1586 1585 1584

Concept

1583

concept 1582 1581 1580 1579

0

100

200

300 400 500 Evaluasi fungsi nutrisi

700 800 Concept

600

Gambar 4.1 Grafik konvergensi metoda Fuzzy-BFA dan BFA

IEEE 5-Bus

3-D Pie Chart KASUS (2) : Memperhitungkan Rugi Transmisi

HASIL

Tabel 4.7 Hasil Simulasi Sistem Menggunakan Fuzzy-BFA dan BFA Text2

Algoritma Text3

Daya Output

Fuzzy-BFA

Text1

BFA Text4

P1 (MW)

30.318

30.285

67.966

67.944

P3 (MW)

53.917

53.970

P loss (MW)

2.2018

2.2014

1596.321519

1596.321552

126

363

Text6 P2 (MW)

Text5


IEEE 5-Bus

Marketing Diagram KASUS (2) : Memperhitungkan Rugi Transmisi 1598.5

BFA Fuzzy-BFA

Total fuel cost ($/h)

1598

1597.5

1597

1596.5

1596

0

100

200

300

400

500

600

700

800

Evaluasi fungsi nutrisi

Gambar 4.2 Grafik konvergensi Fuzzy-BFA dan BFA

HASIL

Company IEEE

5-Bus

Marketing Diagram

HASIL

LOGO KASUS (3) : Memperhitungkan Rugi Transmisi & Jumlah Bakteri Bervariasi

Tabel 4.8 Hasil Simulasi Menggunakan Fuzzy-BFA, Jumlah Bakteri Bervariasi

Daya Output

4 bakteri

Fuzzy-BFA 24 bakteri

48 bakteri

P1 (MW)

30.318

30.321

30.321

P2 (MW)

67.956

67.958

67.963

P3 (MW)

53.927

53.921

53.917

P loss (MW)

2.2017

2.2018

2.2018

1596.321519

1596.321519

1596.321519

195

62

36


Add your company slogan

Company IEEE

5-Bus

Marketing Diagram

HASIL


Tabel 4.9 Hasil Simulasi Menggunakan BFA dengan Jumlah Bakteri Bervariasi Daya Output

4 bakteri

BFA 24 bakteri

48 bakteri

P1 (MW)

30.372

30.343

30.319

P2 (MW)

67.938

67.978

67.977

P3 (MW)

53.892

53.880

53.905

P loss (MW)

2.2021

2.2020

2.2018

Total fuel cost ($/h) Konvergensi iterasi

1596.321551 744

1596.321540 1596.321524 738

120

Company IEEE

Marketing Diagram

5-Bus

HASIL

LOGO KASUS (3) : Memperhitungkan Rugi Transmisi & Jumlah Bakteri Bervariasi 1612

Conventional BFA Fuzzy-BFA

1610


1608

1606

1604

1602

1600

1598

1596

0

100

200


600

700

800

Gambar 4.3 Grafik konvergensi Fuzzy-BFA dan BFA dengan 4 bakteri

Company IEEE

Marketing Diagram

5-Bus

HASIL


1596.55

BFA Fuzzy-BFA


1596.5

1596.45

1596.4

1596.35

0

100

200


600

700

800


Company IEEE

Marketing Diagram

5-Bus

HASIL


1596.8

Conventional BFA Fuzzy-BFA

1596.75


1596.7 1596.65 1596.6 1596.55 1596.5 1596.45 1596.4 1596.35 0

100

200


600

700

800


Company IEEE 30-Bus

Marketing Diagram

LOGO KASUS (1) : Tanpa Rugi Transmisi

Tabel 4.13 Perbandingan Menggunakan Fuzzy-BFA dan BFA

Daya Output

Metoda Fuzzy-BFA

BFA

G1 (MW)

185.398

185.412

G2 (MW)

46.877

46.868

G3 (MW)

19.125

19.120

G4 (MW)

10.000

10.000

G5 (MW)

10.000

10.000

G6 (MW)

12.000

12.000

767.602100

767.602101

262

471

Total fuel cost ($/h) Konvergensi iterasi

HASIL

Marketing Diagram

Company IEEE 30-Bus

HASIL

LOGO KASUS (1) : Tanpa Rugi Transmisi

790 Conventional BFA Fuzzy-BFA


785

780

775

770

765

0

100

200


600

700

800


Company IEEE 30-Bus

Marketing Diagram

HASIL

LOGO KASUS (2) : Memperhitungkan Rugi Transmisi

Tabel 4.16 Hasil Simulasi Menggunakan Fuzzy-BFA dan BFA

Daya Output

Metoda Fuzzy-BFA

BFA

G1 (MW)

176.696

176.660

G2 (MW)

48.851

48.837

G3 (MW)

21.484

21.508

G4 (MW)

21.733

21.705

G5 (MW)

12.153

12.203

G6 (MW)

12.000

12.000

PLOSS (MW)

9.5171

9.5132

802.378962

802.378996

310

456


Marketing Diagram

Company IEEE 30-Bus

LOGO KASUS (2) : Memperhitungkan Rugi Transmisi

818 Conventional BFA Fuzzy-BFA

816


814

812

810

808

806

804

802

0

100

200


600

700

800


HASIL

Company

LOGO

Marketing Diagram

Kesimpulan

1. Dengan menggunakan Fuzzy-BFA maka kombinasi daya output optimal ketiga pembangkit IEEE 5-bus untuk menyuplai beban 150 MW adalah sebesar 30,318 MW, 67,966 MW, dan 53917 MW. Optimisasi pada sistem IEEE 30-bus enam pembangkit menghasilkan kombinasi daya output optimal sebesar 176,696 MW, 48,851 MW, 21,484 MW, 21,733 MW, 12,153 MW, dan 12 MW. 2. Total fuel cost untuk menyupalai beban 150 MW memperhitungkan rugi transmisi : IEEE 5-bus Fuzzy-BFA : $ 1596,321519 per jam, CBFA : $ 1596,321552 per jam. Dengan Fuzzy-BFA lebih murah $ 0.000033 per jam dari pada CBFA. Dengan Fuzzy-BFA dan CBFA tanpa memperhitungkan rugi transmisi diperoleh nilai yang sama yaitu $ 1579,698953 per jam.

Company

LOGO

Marketing Diagram

Kesimpulan

IEEE 30-bus dengan memperhitungkan rugi transmisi diperoleh total fuel cost : Fuzzy-BFA : $ 802,378962 per jam CBFA : $ 802,378996. Dengan Fuzzy-BFA lebih murah $ 0,000034 per jam dari pada CBFA. Total fuel cost tanpa memperhitungkan rugi transmisi : Fuzzy-BFA : $ 767,602100 per jam CBFA : $ 767,602101 per jam. Jadi dengan Fuzzy-BFA sedikit lebih murah dari CBFA yaitu sebesar $ 0,000001 per jam.

Company

LOGO

Kesimpulan

IEEE 30-bus Simulasi memperhitungkan rugi transmisi : Fuzzy-BFA : konvergen pada iterasi ke-310, CBFA : konvergen pada iterasi ke-456.

Simulasi tanpa memperhitungkan rugi transmisi : Fuzzy-BFA : konvergen pada iterasi ke-262 CBFA : konvergen pada iterasi ke-471. 4. Simulasi yang dilakukan dengan memperbanyak jumlah bakteri maka diperoleh nilai total biaya pembangkitan semakin murah dan konvergen semakin cepat, baik menggunakan Fuzzy-BFA maupun CBFA.

Company

LOGO

SARAN

1. Dalam hal mempercepat konvergensi pada Bacterial Foraging Algorithm, dapat juga dilakukan dengan membuat nilai run length unit (step size) menjadi nilai acak (random), selain itu dapat pula digunakan Fuzzy type 2. 2. Untuk memperoleh hasil yang lebih mendekati kondisi ril, maka pada permasalahan economic dispatch perlu ditambahkan constraint yang lain seperti valve point effect.

Company

LOGO

Daftar Pustaka

[1] Kevin M. Passino, “Biomimicry of Bacterial Foraging for Distributed Optimization and Control”, IEEE Control Systems Magazine, 2002. [2] P. K. Hota, A. K. Barisal, R. Chakrabarti, “Economic emission load dispatch through fuzzy based bacterial foraging algorithm”, Elsevier, Vol. xxx, 2010, pp. 1–10. [3] S. Mishra, “A Hybrid Least Square-Fuzzy Bacterial Foraging Strategy for Harmonic Estimation”, IEEE, Vol. 9, No. 1, 2005, pp. 61–73. [4] D.N. Jeyakumar, T. Jayabarathi, T. Raghunathan, ”Particle swarm optimization for various types of economic dispatch problems”, Elsevier, Vol. 30, 2006, pp. 36–42. [5] Ching-Tzong Su, Chien-Tung Lin, “New Approach with a Hopfield Modeling Framework”, IEEE, Vol. 15, No. 2, May 2000, pp. 541-5. [6] Rabih A. Jabr, Alun H. Coonick, Brian J. Cory, “A Homogeneous Linear Programming Algorithm for the Security Constrained Economic Dispatch Problem”, IEEE, 2000;Vol. 15, No. 3, August 2000, pp. 930–6. [7] A. B. M. Nasiruzzaman, M. G. Rabbani, “Implementation of Genetic Algorithm and Fuzzy Logic in Economic Dispatch Problem”, 5th International Conference on Electrical and Comp Eng ICECE IEEE, December 20-22, 2008, pp. 360–5. [8] Jong-Bae Park, Ki-Song Lee, Joong-Rin Shin, Kwang Y. Lee, “A Particle Swarm Optimization for Economic Dispatch With Nonsmooth Cost Functions”, IEEE, Vol. 20, No. 1, 2005, pp. 34–42.

Company

LOGO 9] [10] [11]

[12] [13]

[14] [15] [16]

Daftar Pustaka

Leandro dos Santos Coelho, Viviana Cocco Mariani, “Improved diﬀerential evolution algorithms for handling economic dispatch optimization with generator constraints”, Elsevier, Vol. 48, 2007, pp. 1631–1639. Jagabondhu Hazra, Avinash Sinha, “Application of soft computing methods for Economic Dispatch in Power Systems”, International Journal of Electrical Power and Energy System Engineering, Vol. 2, No. 1, 2005, pp. 19–24. K. Vaisakh, P. Praveena, S. Rama Rao, “PSO-DV and Bacterial Foraging Optimization Based Dynamic Economic Dispatch with Non-Smooth Cost Functions”, International Conference on Advances in Computing, Control, and Telecommunication Technologies IEEE, 2009, pp. 135-9. M. Tripathy, S. Mishra, “Bacteria foraging-based solution to optimize both real power loss and voltage stability limit”, IEEE, Vol. 22, No. 1, 2007, pp. 240–8. Jizhong Zhu, “Optimization of Power System Operation”, John Wiley & Sons, Inc., New Jersey, 2009. Allen J. Wood, Bruce F, Wollenberg, “Power System Operation”, John Wiley & Sons, Inc., New York, 1984. Hadi Saadat, “Power System Analysis”, McGraw-Hill, New York, 1999. Kevin M. Passino, “Biomimicry for Optimization, Control, and Automation” Dept. electrical Engineering, The Ohio University, March 2003.

Company

LOGO

Daftar Pustaka

[17] S. N. Sivanandam, S. Sumathi and S. N. Deepa, “Introduction to Fuzzy Logic using MATLAB”, © Springer-Verlag Berlin Heidelberg, 2007. [18] J.-S. Roger Jang, Ned Gulley, “MATLAB Fuzzy Logic Optimization Toolbox”, The MatchWorks, Inc. 24 Prime Park Way, Natick, USA, 1997. [19] Agus Naba, “Belajar Cepat Fuzzy Logic Menggunakan MATLAB”, Andi Offset, Yogyakarta, 2009. [20] Sri Kusumadewi, “Aplikasi Logika Fuzzy untuk Pendukung Keputusan”, Graha Ilmu, Yogyakarta, 2004. [21] M.A. Abido, J.M. Bakhaswain, “Optimal VAR Dispatch Using a Multiobjective Evolutionary Algorithm”, Elsevier, Vol. 27, 2005, pp. 13–20. [22] P. Somasundaram, K. Kuppusamy, “Application of evolutionary programming to security constrained economic dispatch”, Elsevier, Vol. 27, 2005, pp. 343–351.

Company

LOGO

ADDENDUM

Publish Paper : 1. Application of Interval Type 2 Fuzzy PI Based Power System Stabilizer for Dynamic Stability Improvement in Single Machine Infinite Bus. Proceeding of National Seminar on Applied Technology, Science, and Arts (1st APTECS), Surabaya, 22 Dec 2009, ISSN 2086-1931 2. Optimization Solution of Economic Dispatch in Power System Using Bacterial Foraging Algorithm. Proceeding of International Seminar on Applied Technology, Science, and Arts, (2nd APTECS), Surabaya, 21-22 Dec. 2010, ISSN 2086-1931 3. Economic Dispatch Optimization Using Fuzzy-Bacterial Foraging Algorithm (Sedang disubmit) Seminar Nasional Pascasarjana XI – ITS, Surabaya 27 Juli 2011

Company

LOGO

TERIMA KASIH

a slide that will apply to all the other slides?

Recommend Documents