Optimalisasi Automatic Voltage Regulator Berbasis Particle Swarm Optimization Untuk Stabilitas Tegangan Pada Sistem Multimesin

Main Article Content

Istiyo Winarno
Agus Nurullah

Abstract

Faktor yang menjadi indikator kualitas pada sistem tenaga listrik adalah kestabilan frekuensi dan tegangan. Kestabilan sistem tenaga listrik merupakan kemampuan sistem untuk kembali bekerja normal setelah mengalami suatu perubahan beban. Dalam pendistribusian tenaga listrik sering terjadi perubahan frekuensi dan daya listrik yang tidak stabil akibat perubahan beban yang tidak teratur, baik berupa gangguan dinamis, maupun gangguan transien. Ketidaksabilan tersebut merupakan salah satu jenis gangguan yang signifikan pada sistem yang berdampak pada putaran prim over di pusat pembangkit. Automatic Voltage Regulator (AVR) memegang peranan penting pada proses pembentukan profil tegangan terminal suatu generator. Perubahan kondisi beban sebagai perilaku dinamis sistem akan menyebabkan perubahan arus yang mengalir dalam sistem generator yang menyebabkan perubahan tegangan armatur dan terminal generator tersebut. pada penelitian ini peneliti menngunakan metode Particle Swam Optimazion (PSO) di harapkan nilai tegangan output dari generator multimesin bisa lebih baik dan ideal.

Article Details

How to Cite
Istiyo Winarno, & Agus Nurullah. (2018). Optimalisasi Automatic Voltage Regulator Berbasis Particle Swarm Optimization Untuk Stabilitas Tegangan Pada Sistem Multimesin. SinarFe7, 1(1), 52–58. Retrieved from https://journal.fortei7.org/index.php/sinarFe7/article/view/147
Section
Articles

References

sanatang, 2008. Perbaikan Stabilitas Frekuensi dan Tegangan Beban Dinamik dengan Linear Quadratic Regulator (LQR).Universitas Negeri Makasar.

Aderson, P. M., & Fouad, A. A., “Power System Control and Stability, ”IEEE Press Power System Engineering series, 1997

Saadat, Hadi. 1999. Power System Analysis. Mcgraw-Hill Companies. United States Of America.

Kennedy, J.and Eberhart, C., “Particle Swarm Optimization, ” Proceedings of the 1995 IEEE International Conference on Neural Networks, Australia, pp. 1942-1948, 1995

Chen, R.M. & Shih, H.F. 2013. Solving University Course Timetabling Problems Using Constriction Particle Swarm Optimization with Local Search. Article Algorithms 2013, 6, 227-244; doi:10.3390/a6020227. ISSN 1999-4893.

Hsieh, L.F., Huang, C.J. & Huang, C.L. 2007. Applying Particle Swarm Optimization To Schedule Order Picking Routes In A Distribution Center. Asian Journal of Management and Humanity Sciences. Vol. 1, No. 4. pp.558-576.

Eberhart, R. C., & Shi, Y. 2001. Particle swarm optimization: developments, applications and resources. Proceedings of Congress on Evolutionary Computation,1, 27-30.