ESTIMASI PARAMETER KURVA BIAYA PEMBANGKIT TERMAL SEKTOR PEMBANGKITAN BANDAR LAMPUNG DAN SEKTOR PEMBANGKITAN TARAHAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO)
| Main Author: | DANU FIRMANSAH , 1315031024 |
|---|---|
| Format: | Bachelors NonPeerReviewed Book Report |
| Terbitan: |
FAKULTAS TEKNIK
, 2020
|
| Subjects: | |
| Online Access: |
http://digilib.unila.ac.id/65943/1/ABSTRAK.pdf http://digilib.unila.ac.id/65943/3/SKRIPSI%20FULL.pdf http://digilib.unila.ac.id/65943/2/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf http://digilib.unila.ac.id/65943/ |
Daftar Isi:
- Tujuan penelitian ini adalah untuk menghitung parameter koefisien dari kurva biaya bahan bakar dengan metode Particle Swarm Optimazion (PSO). Data yang diperoleh bersumber dari Sektor Pembangkitan Bandar Lampung dan Sektor Pembangkitan Tarahan dengan mengoperasikan 4 unit generator pada Januari sampai dengan Maret 2019. Metode Particle Swarm Optimization (PSO) diterapkan pada generator unit 1 dan 2 menghasilkan total konsumsi biaya bahan bakar 40866.2133 (Rp/kWh), koefisien parameter alpa 61.9684 (Rp/h), beta 2.9886 (Rp/kWh), gamma 0.0111 (Rp/kWh2) dan total minimum error sebesar 767.2035(Rp/h). Generator unit 3 menghasilkan total konsumsi biaya bahan bakar 2576.782384 (Rp/kWh), koefisien parameter alpa 1.4593 (Rp/h), beta 0.4573 (Rp/kWh), gamma -0.0111 (Rp/kWh2) dan total minimum error sebesar 45.6724(Rp/h). Generator unit 4 menghasilkan total konsumsi biaya bahan bakar 2522.4649967813 (Rp/kWh), koefisien parameter alpa 2.313 (Rp/h), beta 0.5142 (Rp/kWh), gamma -0.0009 (Rp/kWh2) dan total minimum error sebesar 38.6385(Rp/h). Metode PSO ini dapat digunakan untuk mengestimasi koefisien parameter kurva biaya bahan bakar pada pembangkit termal sektor pembangkitan Bandar Lampung dan sektor pembangkitan Tarahan. Kata Kunci: Estimasi, Particle Swarm Optimization (PSO) This study was aimed to calculate parameters of the fuel cost curve by using Particle Swarm Optimazion (PSO) method. Data obtained from Bandar Lampung and Tarahan Generation Sector with 4 generator units within January to March 2019. The PSO method that was applied to generator unit 1 and 2 have produced 40866.2133 (Rp / kWh) of total fuel cost consumption, the parameter coefficient of neglect was 61.9684 (Rp / h) with beta 2.9886 (Rp / kWh) and gamma 0.0111 ( IDR / kWh2) where total minimum error was 767.2035 (IDR / hour). Generator unit 3 generated about 2576.782384 (Rp / kWh) of total fuel cost, parameter coefficient of alpha 1.4593 (Rp / hour), beta 0.4573 (Rp / kWh), gamma -0.0111 (Rp / kWh2) and a minimum total error of 45.6724 (Rp / h). Generator unit 4 generated about 2522.4649967813 (Rp / kWh) of total fuel cost, the parameter coefficient of negligence is 2.313 (Rp / h), beta 0.5142 (Rp / kWh), gamma -0.0009 (Rp / kWh2) with 38.6385 (Rp / h) of minimum total error. Based on the results, coefficient parameters of fuel cost curve for thermal power generation can be estimated by using PSO method in case of Bandar Lampung and Tarahan power sector. Keywords: Estimation, Particle Swarm Optimization (PSO)