Intelligent Fuzzy Logic - Cuckoo Search Algorithm Method for Short-Term Electric Load Forecasting in 150 kV Sulselrabar System
| Main Authors: | Djalal, Muhammad Ruswandi, Faisal, Faisal |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Research institutions and Community Service, University of Udayana
, 2017
|
| Online Access: |
http://ojs.unud.ac.id/index.php/lontar/article/view/34446 http://ojs.unud.ac.id/index.php/lontar/article/view/34446/21596 |
Daftar Isi:
- Forecasting the electrical load becomes important, because it can estimate electricity consumption over a certain time range. Accuracy in electric load forecasting can improve safety and reliability in the operation of power systems such as load flow, maintenance of generating units and scheduling of generating units. In this study used case study system Sulselrabar, which is currently growing, but still not much to discuss about the condition of the current system and which will come. Several methods for predicting electrical loads have been widely used, ranging from conventional to smart-based methods. In this research will be proposed method of artificial intelligence for forecasting Short Term load on Sulselrabar system. The method used is based Fuzzy Logic and Cuckoo Search Algorithm. The combination of Fuzzy logic and Cuckoo Search methods is chosen because the combination of both optimizes optimum fuzzy logic membership, so the forecasting results have a very small error. From the results of the research can be concluded that the result of load forecasting using Fuzzy Logic method optimized using Cuckoo Search Algorithm (FL-CSA) is better than Fuzzy Logic that is not optimized. The analysis results using input data 3 months before day H, to predict the load for one week on January 1 to 7 january 2014, and as a comparison used the predicted day H data. From the simulation results, the mean absolute percentage error (MAPE) is smaller using FLCSA, for the smallest MAPE on 1 January 2014 of 0.06785208%. While the highest MAPE on January 4, 2014 amounted to -0.44973%.
- Peramalan beban listrik menjadi hal yang penting, karena dapat memperkirakan konsumsi listrik pada rentang waktu tertentu. Ketelitian dalam peramalan beban listrik dapat meningkatkan keamanan dan kehandalan dalam pengoperasian sistem tenaga listrik seperti pengiriman daya (load flow), pemeliharaan unit pembangkit dan penjadwalan unit pembangkit. Pada penelitian ini digunakan studi kasus sistem Sulselrabar, yang saat ini semakin berkembang, namum masih belum banyak yang membahas tentang kondisi sistem saat ini dan yang akan datang. Beberapa metode untuk memprediksi beban listrik sudah banyak digunakan, mulai dari konvensional sampai berbasis metode cerdas. Pada penelitian ini akan diusulkan metode kecerdasan buatan untuk peramalan beban Jangka Pendek pada sistem Sulselrabar. Metode yang digunakan adalah berbasis Fuzzy Logic dan Cuckoo Search Algorithm. Kombinasi metode Fuzzy logic dan Cuckoo Search dipilih karena kombinasi keduanya menghasilkan optimasi derajat keanggotaan fuzzy logic yang optimal, sehingga hasil peramalan memiliki error yang sangat kecil. Dari hasil penelitian dapat disimpulkan bahwa hasil peramalan beban dengan menggunakan metode Fuzzy Logic yang dioptimasi menggunakan Cuckoo Search Algorithm (FL-CSA) lebih baik dibandingkan dengan Fuzzy Logic yang tidak dioptimasi. Hasil analisa menggunakan data input 3 bulan sebelum hari H, untuk meramal beban selama satu minggu pada tanggal 1 januari sampai 7 januari 2014, dan sebagai pembanding digunakan data hari H yang diramal. Dari hasil simulasi menunjukkan mean absolute percentage error (MAPE) lebih kecil menggunakan FLCSA, untuk MAPE yang paling kecil pada 1 januari 2014 sebesar 0,06785208%. Sedangkan MAPE tertinggi pada tanggal 4 Januari 2014 sebesar -0,44973%.