Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas Clonal Selection Immune System Ramadoni Syahputra Jurusan Teknik Elektro, Fakultas Teknik Universitas Muhammadiyah Yogyakarta email:
[email protected]
Abstract This paper proposes a methodology of electrical power loss reduction of distribution network with integration of distributed generator (DG). The methodology is based on a clonal selection immune system method in order to improve the distribution network efficiency. Optimization with multiobjective function is focused for power loss reduction, voltage deviation minimization, and maintaining the load balancing of all feeders. Originality of this work is the use of clonal selection immune system method in optimal reconfiguration of distribution network including DG. The application of clonal selection immune system method for reconfiguration of IEEE 33-bus model of distribution network with integration of DG is described. The results have shown that power loss of 33-bus radial distribution network experienced a significant reduction while voltage profile of each bus has also improved. The efficiency improvement of 3.7% is achieved for the IEEE 33-bus distribution network with integration of DG. Keywords: Jaringan distribusi; AIS-CS; rekonfigurasi jaringan; rugi daya aktif; profil tegangan. 1. PENDAHULUAN Usaha meningkatkan efisiensi sistem distribusi daya listrik dengan meminimalkan rugi-rugi (losses) energi telah menjadi persoalan penting dalam dekade terakhir. Dari seluruh komponen sistem tenaga listrik, sistem distribusi merupakan komponen yang mempunyai rugi-rugi terbesar. Sebagai contoh adalah sistem tenaga listrik di Indonesia yang dikelola oleh PT PLN (Persero). Berdasarkan audit energi hingga 2004, angka rugi-rugi energi total PLN seIndonesia adalah 16,84% (Ibrahim, 2004). Dari total tersebut, rugi-rugi sistem distribusi tercatat memiliki rugi-rugi terbesar yaitu 14,47%, sedangkan rugi-rugi sistem transmisi hanya 2,37%. Ada beberapa cara untuk meminimalkan rugi-rugi sistem distribusi daya listrik dalam rangka meningkatkan efisiensi sistem di antaranya rekonfigurasi jaringan, pemasangan kapasitor, penyeimbangan beban, dan meningkatkan aras tegangan listrik menggunakan regulator (Wu dan Tsai, 2008). Cara pemasangan kapasitor pada jaringan dan penyeimbangan beban biasanya mengalami
kesulitan karena beban sistem distribusi yang sangat dinamis. Dengan demikian nilai kapasitansi kapasitor harus selalu berubah dari waktu ke waktu, dan beban harus selalu diseimbangkan. Sedangkan cara meminimalkan rugi-rugi dengan meningkatkan aras tegangan listrik memerlukan biaya yang besar karena seluruh peralatan yang terhubung dengan sistem ini harus mampu bekerja pada tegangan yang baru, sementara hasilnya belum tentu memuaskan. Oleh karenanya, dalam rencana penelitian ini hanya difokuskan pada cara rekonfigurasi jaringan distribusi yang optimal guna meminimalkan rugi-rugi daya dalam rangka meningkatkan efisiensi sistem distribusi daya listrik. Selain untuk menurunkan rugi-rugi daya listrik, rekonfigurasi jaringan distribusi juga bermanfaat untuk menyeimbangkan beban masing-masing penyulang (feeder), memperbaiki tegangan sistem, dan mengisolasi gangguan yang terjadi pada salah satu bus pada jaringan distribusi. Dengan demikian, rekonfigurasi jaringan distribusi merupakan aspek penting dalam upaya meningkatkan efisiensi sistem distribusi.
Guna mendapatkan rekonfigurasi jaringan yang optimal, dalam penelitian ini digunakan algoritma cerdas berbasis logika fuzzy dan Particle Swarm Optimization (PSO) termodifikasi. Tujuan penelitian ini adalah: 1) Melakukan kajian aliran daya dan tegangan beban pada sistem distribusi daya listrik, dengan studi kasus pada sistem distribusi standar IEEE 14 bus, 33 bus, 69 bus, 70 bus, dan 86 bus. 2) Melakukan rekonfigurasi jaringan distribusi yang optimal menggunakan algoritma cerdas berbasis logika fuzzy dan particle swarm optimization (PSO) termodifikasi untuk meminimalkan rugirugi (losses) daya listrik, deviasi tegangan beban, operasi tie switch, indeks arus cabang, dan menjaga keseimbangan beban jaringan distribusi, sehingga efisiensi sistem distribusi daya listrik akan meningkat. 3) Menguji unjukkerja metode yang diusulkan dengan cara membandingkan hasil rekonfigurasi jaringan yang diperoleh dengan hasil metode-metode lain misalnya algoritma genetik, simulated annealing, dan metode konvensional. 4) Berdasarkan hasil penelitian, akan memberikan rekomendasi kepada perusahaan pengelola jaringan distribusi daya listrik (PLN) berupa penerapan metode yang diusulkan guna meminimalkan rugi-rugi (losses) daya listrik, deviasi tegangan beban, operasi tie switch, indeks arus cabang, dan menjaga keseimbangan beban jaringan distribusi.
Sedangkan manfaat penelitian ini adalah: 1) Bagi dunia ilmu pengetahuan, memperkaya wawasan mengenai metode peningkatan efisiensi sistem distribusi terutama dalam rekonfigurasi jaringan distribusi daya listrik. 2) Bagi perusahaan pengelolan jaringan distribusi daya listrik (PLN), efisiensi sistem distribusi meningkat maka berdampak pada meningkatnya kapasitas daya listrik yang dapat dijual kepada masyarakat, sehingga menyelamatkan energi listrik yang selama ini hilang karena rugi-rugi (losses) distribusi. 3) Bagi bangsa dan negara, peningkatan efisiensi sistem distribusi sangat
membantu mengatasi kekurangan pasokan daya listrik. Selain itu memberikan rasa optimisme bagi seluruh komponen bangsa bahwa persoalan rugi-rugi (losses) energi listrik dapat diatasi oleh bangsanya sendiri. 2. KAJIAN LITERATUR Usaha meminimalkan rugi-rugi sistem distribusi dalam rangka meningkatkan efisiensi sistem telah menjadi persoalan penting dalam dekade terakhir, hal ini disebabkan semakin mahalnya biaya pembangkitan energi listrik. Ada beberapa cara untuk meminimalkan rugi-rugi daya pada sistem distribusi di antaranya rekonfigurasi jaringan, pemasangan kapasitor daya, penyeimbangan beban, dan menaikkan aras (level) tegangan (Abdelaziz dkk, 2009). Dalam sistem distribusi primer terdapat dua jenis switch yang dirancang untuk tujuan proteksi dan manajemen konfigurasi (Rao dan Sivanagaraju, 2010). Kedua jenis switch tersebut adalah switch yang dalam keadaan normal tertutup (sectionalizing switches) dan switch yang dalam keadaan normal terbuka (tie switches). Rekonfigurasi jaringan merupakan proses perubahan topologi sistem distribusi dengan mengubah-ubah status switch dari keadaan terbuka menjadi tertutup atau sebaliknya (Bernardona, 2009). Metode rekonfigurasi jaringan distribusi dapat diklasifikasikan sebagai berikut: metode berbasis heuristik, metode berbasis paduan heuristik dan optimisasi, dan metode berbasis kecerdasan buatan (Abdelaziz dkk, 2009). Sarfi dkk (1996) menggunakan algoritma berbasis teori penyekatan (partitioning theory) dalam rekonfigurasi jaringan distribusi. Walaupun minimisasi rugi-rugi relatif berhasil, metode ini hanya cocok untuk sistem distribusi kecil. Dalam dua dekade terakhir, penggunaan metode meta-heuristik telah menarik perhatian para peneliti dalam rangka optimisasi rekonfigurasi jaringan distribusi guna mendapatkan solusi minimum global (Abdelaziz dkk, 2009). Metode-metode yang termasuk dalam meta-heuristik di antaranya genetic algorithm (GA), simulated annealing (SA), dan tabu search (TS). Metode berbasis tabu search paralel untuk rekonfigurasi penyulang distribusi telah digunakan oleh Mori dan Ogita (2000). Metode ini terdiri dari dua skema paralel yaitu dekomposisi tetangga
dengan prosesor paralel untuk menunkan beban komputasiSelanjutnya Chung dkk (2004) menggunakan algoritma tabu search untuk menyelesaikan masalah rekonfigurasi jaringan dalam sistem distribusi dalam rangka mengurangi rugi-rugi resistif saluran. Dalam metode ini dilakukan pengecekan keradialan sistem distribusi berbasis simpul jaringan yang dikembangkan guna menyelesaikan masalah yang berkaitan dengan perencanaan pemulihan sistem. Jeon dan Kim (2004) memadukan metode simulated annealing dan metode tabu search untuk merekonfigurasi penyulang distribusi guna memperbaiki waktu komputasi dan sifat konvergensi dalam optimisasi. Mekhamer dkk (2008) mengusulkan metode berbasis tabu search termodifikasi untuk rekonfigurasi sistem distribusi. Selanjutnya Su dkk (2005) memperkenalkan penggunaan algoritma pencarian ant colony untuk menyelesaikan masalah rekonfigurasi jaringan yang optimal guna menurunkan rugi-rugi daya distribusi. Metode ini tergolong baru dan metode evolusi yang sangat cerdas dalam menyelesaikan masalah optimisasi. Pendekatan dalam metode ini berbasis populasi yang menggunakan penjelajahan umpan-balik positif. Dengan menerapkan metode ini, solusi optimal untuk rekonfigurasi jaringan distribusi dapat dicapai dengan lebih efektif. Dibandingkan dengan metode genetic algorithm dan simulated annealing, secara numerik metode ant colony memberikan hasil yang lebih baik terutama dalam menghasilkan rugi-rugi daya rerata jaringan distribusi. Dalam perkembangan terakhir, permasalahan optimisasi dalam sistem distribusi sangat diuntungkan dengan hadirnya teknik optimisasi yang baru yaitu particle swarm optimization (Alrashidi dan El-Hawary, 2006; Velle dkk, 2008). Particle swarm optimization (PSO) merupakan metode untuk optimisasi fungsi numerik yang kompleks berdasarkan pada peniruan perilaku sosial sekawanan lebah dan bagaimana mereka dapat mencapai daerah yang paling banyak tersedia bunga tumbuh-tumbuhan. Sivanagaraju dkk (2008) menggunakan algoritma particle swarm optimization diskret untuk menyelesaikan masalah rekonfigurasi jaringan distribusi. Penggunaan logika fuzzy dalam usaha meminimalkan rugi-rugi jaringan distribusi telah dilakukan oleh Hsiao (2004),
dengan fungsi multi-objektif fuzzy berbasis metode pemrograman evolusi untuk rekonfigurasi jaringan. Dalam metode tersebut, fungsi objektif diformulasikan menggunakan prinsip min-max dalam logika fuzzy. Berdasarkan perkembangan metodemetode dalam rangka optimisasi rekonfigurasi jaringan distribusi, maka dalam penelitian ini dipilih aplikasi logika fuzzy, dengan optimisasi fungsi keanggotaan fuzzy menggunakan AIS-CS. Fungsi multiobjektif terdiri dari: minimisasi rugi-rugi daya sistem distribusi, minimisasi deviasi tegangan simpul jaringan distribusi, penyeimbangan beban tiap-tiap penyulang distribusi, minimisasi operasi tie switch, dan minimisasi indeks arus cabang. 3. METODE PENELITIAN 3.1 Alat dan Bahan Penelitian yang akan dilaksanakan adalah peningkatan efisiensi sistem distribusi daya listrik berbasis algoritma cerdas AIS-CS termodifikasi. Alat yang digunakan dalam penelitian ini terdiri dari perangkat-keras dan perangkat-lunak, di antaranya: 1) Perangkat-keras (hardware) Perangkat-keras yang digunakan adalah satu unit notebook Toshiba Satellite M200 dengan spesifikasi memori 1 GB dan processor Intel Centrino Core2 Duo 1.8 GHz. 2) Perangkat-lunak (software) a. Metode hibrid AIS-CS. b. Matlab-Simulink untuk mengimplementasikan rancangan sistem distribusi sesuai standar IEEE dan optimisasi multiobjektif dalam rekonfigurasi jaringan distribusi menggunakan algoritma cerdas berbasis logika fuzzy dan PSO termodifikasi guna meningkatkan efisiensi sistem distribusi.
3.2 Jalan Penelitian
Langkah-langkah penelitian ini dirangkum dalam suatu diagram alir seperti terlihat pada Gambar 1. Mulai
Mulai
Baca data sistem
Studi Pustaka
Jalankan program load-flow
Merancang sistem distribusi daya listrik dalam Matlab-Simulink dalam Matlab-Simulink
Hitung ∆𝑉𝑡𝑖𝑒 (𝑖) for i = 1,2,…, n-tie
Validasi rancangan sistem distribusi Merancang metode AIS-CS Menguji metode AIS-CS
Identifikasi ∆𝑉𝑡𝑖𝑒,𝑚𝑎𝑥 = ∆𝑉𝑡𝑖𝑒 (𝑘)
𝑉𝑡𝑖𝑒,𝑚𝑎𝑥 > 𝜀 ?
Tidak
Hasil Output
Ya Pilih tie switch “k” dan Nk
Optimisasi fungsi keanggotaan fuzzy dengan PSO Menerapkan metode AIS-CS untuk rekonfigurasi jaringan
Untuk i = 1 to Nk, hitung µLi, µVi, µAi, dan µBi, Dk,i = min{µLi,µVi,µAi,µBi};
Membandingkan optimisasi AIS-CS
OSk = max{Dk,i}
Analisis hasil optimisasi
Berhenti
Analisis dan Kesimpulan
Hasil Output
Gambar 2. Algoritma untuk rekonfigurasi jaringan distribusi.
Selesai 4. HASIL DAN PEMBAHASAN Gambar 1. Diagram alir langkah-langkah penelitian tahun ketiga. Algoritma untuk rekonfigurasi jaringan distribusi dalam rangka usaha peningkatan efisiensi sistem distribusi menggunakan metode fuzzy multiobjektif ditunjukkan pada Gambar 2 berikut ini.
Dalam penelitian ini, telah diuji sistem distribusi radial 20-kV yang memiliki satu gardu dan 33 bus (termasuk sectionalizing switch dan tie switch) seperti yang ditunjukkan pada Gambar 3. Tie switch sistem ini terbuka dalam kondisi normal. Total beban untuk sistem distribusi 3.715 kW dan 2.300 kVAr. Gambar 3 menunjukkan konfigurasi awal dari jaringan distribusi radial tanpa generator terdistribusi (DG). Optimasi konfigurasi jaringan distribusi dengan integrasi DG menggunakan algoritma fuzzy-
particle swarm optimization (PSO) diimplementasikan dalam perangkat lunak Matlab. Sebelum rekonfigurasi jaringan distribusi 33-bus, total kerugian daya aktif dari sistem adalah 202,74 kW. Tegangan minimum besarnya adalah 0,917 p.u. yang terjadi pada bus 17. Dalam studi ini, diasumsikan dipasang instal delapan DG pada bus-bus 5, 7, 10, 12, 18, 22, 27 dan 33, seperti yang ditunjukkan pada Tabel 1.
Dari hasil simulasi studi kasus uji 33-bus, dapat dilihat dari sistem distribusi yang DG memiliki efek perbaikan pengurangan kerugian daya dalam kasus ini. Total kerugian daya aktif dari sistem ini dengan integrasi DG adalah 79,27 kW, atau, dengan kata lain bahwa persentase pengurangan hilangnya daya jaringan distribusi 60,90%, seperti yang ditunjukkan pada Tabel 2. Dalam hal ini, tegangan paling minimum terjadi pada bus 18 yaitu 0,976 pu.
Gambar 3. Sistem distribusi standar IEEE 33-bus.
Setelah rekonfigurasi jaringan distribusi, total kerugian daya aktif adalah 56,07 kW, atau dengan kata lain, persentase penurunan daya yang hilang dari jaringan distribusi adalah 72,34%, seperti yang ditunjukkan pada Tabel 2. Berdasarkan data ini juga diperoleh bahwa terjadi peningkatan efisiensi sebesar 3,7%. Tegangan minimum besarnya adalah 0,981 p.u. yang terjadi pada bus 29. Tegangan
minimum yang terjadi pada sistem 33-bus meningkat dibandingkan dengan jaringan distribusi sebelum rekonfigurasi. Distribusi daya yang hilang untuk setiap bus jaringan distribusi sebelum rekonfigurasi ditunjukkan pada Gambar 4. Gambar 5 menunjukkan tersebar rugi-rugi daya untuk setiap bus jaringan distribusi setelah rekonfigurasi dengan integrasi DG.
Hal ini dapat diamati bahwa daya yang hilang di hampir setiap cabang berkurang, kecuali pada bus-bus 4, 16 dan 29, di mana daya yang hilang meningkat. Dari hasil penelitian ini, dapat dilihat dari jaringan 33bus distribusi radial bahwa DG memiliki efek perbaikan pengurangan rugi-rugi daya dalam kasus ini, dan struktur jaringan yang optimal tanpa DG berbeda dengan dengan DG.
TABEL 1 LOKASI DAN KAPASITAS DG Bus
Capacity (kW)
Power Factor
5
150
0.8
7
100
0.9
10
100
0.9
12
100
1
18
150
0.9
22
50
0.8
27
100
0.9
33
150
0.8
Gambar 4. Distribusi rugi daya pada setiap bus sebelum rekonfigurasi.
TABLE 2 HASIL PENELITIAN JARINGAN DISTRIBUSI IEEE 33-BUS Gambar 5. Distribusi rugi daya pada setiap bus setelah rekonfigurasi.
Parameter Analisis Kasus Uji
Rugi daya aktif (kW)
Prosenta- Tegangan se reduksi Bus rugi daya Minimum aktif (%) (p.u.)
Sebelum rekonfigurasi (tanpa integrasi DG)
202.74
-
0.917 (V18)
Sebelum rekonfigurasi (dengan integrasi DG)
79.27
60.90
0.976 (V29)
Setelah rekonfigurasi (dengan integrasi DG)
56.07
72.34
0.981 (V29)
Dari hasil simulasi ini juga terungkap bahwa DG memiliki efek perbaikan pengurangan rugi-rugi daya pada penyulang (feeder). Berdasarkan jaringan distribusi radial 33-bus dengan integrasi DG, metode yang disajikan dalam makalah ini memiliki pengurangan kerugian yang signifikan dalam rangka meningkatkan kinerja sistem distribusi dengan integrasi pembangkit terdistribusi (DG). Berdasarkan hasil-hasil penelitian juga diperoleh temuan bahwa pemasangan DG pada bus-bus yang ditentukan berdampak pada meningkatnya magnitude tegangan pada bus-bus tersebut. Dengan demikian pemasangan DG memberikan pengaruh positif bagi peningkatan performa sistem distribusi daya listrik.
5. KESIMPULAN Dari hasil penelitian ini dapat disimpulkan bahwa DG memiliki efek perbaikan pengurangan rugi-rugi daya pada penyulang (feeder). Berdasarkan simulasi pada jaringan distribusi radial 33-bus dengan integrasi DG, bahwa prosentase pengurangan rugi-rugi daya aktif jaringan distribusi dapat mencapai 72,34 % melalui rekonfigurasi jaringan distribusi dengan integrasi DG. Berdasarkan hasil-hasil penelitian juga diperoleh temuan bahwa pemasangan DG pada bus-bus yang ditentukan berdampak pada meningkatnya magnitude tegangan pada bus-bus tersebut. Dengan demikian pemasangan DG memberikan pengaruh positif bagi peningkatan performa sistem distribusi daya listrik.
6. UCAPAN TERIMA KASIH Penelitian ini terselenggara atas dukungan dana dari Ditlitabmas DIKTI melalui skim Penelitian Disertasi Doktor (PDD) tahun 2015, Nomor Kontrak: 007/HB-LIT/III/2015. Oleh karena itu penulis menyampaikan terima kasih yang sebesar-besarnya kepada Ditlitabmas DIKTI, semoga kerjasama yang baik ini dapat berlanjut terus, amin.
7. REFERENSI [1] Syahputra, R., Soesanti, I., Ashari, M. (2016). Performance Enhancement of Distribution Network with DG Integration Using Modified PSO Algorithm. Journal of Electrical Systems (JES), 12(1), pp. 1-19. [2] Syahputra, R., Soesanti, I. (2016). DFIG Control Scheme of Wind Power Using ANFIS Method in Electrical Power Grid System. International Journal of Applied Engineering Research (IJAER), 11(7), pp. 5256-5262. [3] Soesanti, I., Syahputra, R. (2016). Batik Production Process Optimization Using Particle Swarm Optimization Method. Journal of Theoretical and Applied Information Technology (JATIT), 86(2), pp. 272-278. [4] Syahputra, R., Soesanti, I. (2016). Design of Automatic Electric Batik Stove for Batik Industry. Journal of Theoretical and
Applied Information Technology (JATIT), 87(1), pp. 167-175. [5] Syahputra, R. (2016). Application of Neuro-Fuzzy Method for Prediction of Vehicle Fuel Consumption. Journal of Theoretical and Applied Information Technology (JATIT), 86(1), pp. 138-149. [6] Jamal, A., Suripto, S., Syahputra, R. (2016). Performance Evaluation of Wind Turbine with Doubly-Fed Induction Generator. International Journal of Applied Engineering Research (IJAER), 11(7), pp. 4999-5004. [7] Syahputra, R., Robandi, I., Ashari, M. (2015). Performance Improvement of Radial Distribution Network with Distributed Generation Integration Using Extended Particle Swarm Optimization Algorithm. International Review of Electrical Engineering (IREE), 10(2). pp. 293-304. [8] Syahputra, R., Robandi, I., Ashari, M. (2015). Reconfiguration of Distribution Network with DER Integration Using PSO Algorithm. TELKOMNIKA, 13(3). pp. 759-766. [9] Syahputra, R., Robandi, I., Ashari, M. (2015). PSO Based Multi-objective Optimization for Reconfiguration of Radial Distribution Network. International Journal of Applied Engineering Research (IJAER), 10(6), pp. 14573-14586. [10] Syahputra, R. (2015). Simulasi Pengendalian Temperatur Pada Heat Exchanger Menggunakan Teknik NeuroFuzzy Adaptif. Jurnal Teknologi, 8(2), pp. 161-168. [11] Syahputra, R. (2015). Characteristic Test of Current Transformer Based EMTP Shoftware. Jurnal Teknik Elektro, 1(1), pp. 11-15. [12] Syahputra, R., (2012), “Distributed Generation: State of the Arts dalam Penyediaan Energi Listrik”, LP3M UMY, Yogyakarta, 2012. [13] Jamal, A., Suripto, S., Syahputra, R. (2015). Multi-Band Power System Stabilizer Model for Power Flow Optimization in Order to Improve Power System Stability. Journal of Theoretical and Applied Information Technology, 80(1), pp. 116-123.
[14] Syahputra, R., Robandi, I., Ashari, M.
[22] Jamal, A., Syahputra, R. (2011), “Model
(2014). Optimization of Distribution Network Configuration with Integration of Distributed Energy Resources Using Extended Fuzzy Multi-objective Method. International Review of Electrical Engineering (IREE), 9(3), pp. 629-639. [15] Syahputra, R., Robandi, I., Ashari, M. (2014). Performance Analysis of Wind Turbine as a Distributed Generation Unit in Distribution System. International Journal of Computer Science & Information Technology (IJCSIT), Vol. 6, No. 3, pp. 39-56. [16] Syahputra, R., Robandi, I., Ashari, M., (2014), “Distribution Network Efficiency Improvement Based on Fuzzy Multiobjective Method”. IPTEK Journal of Proceedings Series. 2014; 1(1): pp. 224229. [17] Jamal, A., Syahputra, R. (2014). Power Flow Control of Power Systems Using UPFC Based on Adaptive Neuro Fuzzy. IPTEK Journal of Proceedings Series. 2014; 1(1): pp. 218-223. [18] Syahputra, R., (2013), “A Neuro-Fuzzy Approach For the Fault Location Estimation of Unsynchronized TwoTerminal Transmission Lines”, International Journal of Computer Science & Information Technology (IJCSIT), Vol. 5, No. 1, pp. 23-37. [19] Jamal, A., Syahputra, R. (2013). UPFC Based on Adaptive Neuro-Fuzzy for Power Flow Control of Multimachine Power Systems. International Journal of Engineering Science Invention (IJESI), 2(10), pp. 05-14. [20] Syahputra, R., (2012), “Fuzzy MultiObjective Approach for the Improvement of Distribution Network Efficiency by Considering DG”, International Journal of Computer Science & Information Technology (IJCSIT), Vol. 4, No. 2, pp. 57-68. [21] Jamal, A., Syahputra, R. (2012), “Adaptive Neuro-Fuzzy Approach for the Power System Stabilizer Model in Multimachine Power System”, International Journal of Electrical & Computer Sciences (IJECS), Vol. 12, No. 2, 2012.
Power System Stabilizer Berbasis NeuroFuzzy Adaptif”, Semesta Teknika, Vol. 14, No. 2, 2011, pp. 139-149. [23] Syahputra, R., (2010), “Aplikasi Deteksi Tepi Citra Termografi untuk Pendeteksian Keretakan Permukaan Material”, Forum Teknik, Vol. 33, 2010. [24] Syahputra, R., Soesanti, I. (2015). “Control of Synchronous Generator in Wind Power Systems Using Neuro-Fuzzy Approach”, Proceeding of International Conference on Vocational Education and Electrical Engineering (ICVEE) 2015, UNESA Surabaya, pp. 187-193. [25] Syahputra, R., Robandi, I., Ashari, M. (2014). “Optimal Distribution Network Reconfiguration with Penetration of Distributed Energy Resources”, Proceeding of 2014 1st International Conference on Information Technology, Computer, and Electrical Engineering (ICITACEE) 2014, UNDIP Semarang, pp. 388 - 393. [26] Soedibyo, Ashari, M., Syahputra, R. (2014), Power loss reduction strategy of distribution network with distributed generator integration. 1st International Conference on Information Technology, Computer, and Electrical Engineering (ICITACEE) 2014, UNDIP Semarang, pp. 404 – 408. [27] Syahputra, R., Robandi, I., Ashari, M., (2013), “Distribution Network Efficiency Improvement Based on Fuzzy Multiobjective Method”. International Seminar on Applied Technology, Science and Arts (APTECS). 2013; pp. 224-229. [28] Riyadi, S., Azra, R.A., Syahputra, R., Hariadi, T.K., (2014), “Deteksi Retak Permukaan Jalan Raya Berbasis Pengolahan Citra dengan Menggunakan Kombinasi Teknik Thresholding, Median Filter dan Morphological Closing”, Simposium Nasional Teknologi Terapan (SNTT)2 2014, Surakarta, pp. 46-53. [29] Syahputra, R., Robandi, I., Ashari, M., (2012), “Reconfiguration of Distribution Network with DG Using Fuzzy Multiobjective Method”, International Conference on Innovation, Management and Technology Research (ICIMTR), May 21-22, 2012, Melacca, Malaysia.
[30] Jamal, A., Syahputra, R., (2011), “Design
[35] Syahputra, R., Robandi, I., Ashari, M.,
of Power System Stabilizer Based on Adaptive Neuro-Fuzzy Method”. International Seminar on Applied Technology, Science and Arts (APTECS). 2011; pp. 14-21. [31] Syahputra, R. (2010). Fault Distance Estimation of Two-Terminal Transmission Lines. Proceedings of International Seminar on Applied Technology, Science, and Arts (2nd APTECS), Surabaya, 21-22 Dec. 2010, pp. 419-423. [32] Syahputra, R., (2015), “Teknologi dan Aplikasi Elektromagnetik”, LP3M UMY, Yogyakarta, 2016. [33] Syahputra, R., (2014), “Estimasi Lokasi Gangguan Hubung Singkat pada Saluran Transmisi Tenaga Listrik”, Jurnal Ilmiah Semesta Teknika Vol. 17, No. 2, pp. 106115, Nov 2014. [34] Syahputra, R., Robandi, I., Ashari, M., (2011), “Modeling and Simulation of Wind Energy Conversion System in Distributed Generation Units”. International Seminar on Applied Technology, Science and Arts (APTECS). 2011; pp. 290-296.
(2011), “Control of Doubly-Fed Induction Generator in Distributed Generation Units Using Adaptive Neuro-Fuzzy Approach”. International Seminar on Applied Technology, Science and Arts (APTECS). 2011; pp. 493-501. [36] Syahputra, R., (2016), “Transmisi dan Distribusi Tenaga Listrik”, LP3M UMY, Yogyakarta, 2016. [37] Syahputra, R., (2015), “Teknologi dan Aplikasi Elektromagnetik”, LP3M UMY, Yogyakarta, 2016. [38] Jamal, A., Syahputra, R. (2016). Heat Exchanger Control Based on Artificial Intelligence Approach. International Journal of Applied Engineering Research (IJAER), 11(16), pp. 9063-9069. [39] Syahputra, R., Soesanti, I. (2015). Power System Stabilizer model based on FuzzyPSO for improving power system stability. 2015 International Conference on Advanced Mechatronics, Intelligent Manufacture, and Industrial Automation (ICAMIMIA), Surabaya, 15-17 Oct. 2015 pp. 121 - 126.
