Peramalan beban listrik jangka pendek dengan menggunakan model jaringan syaraf tiruan di PT. PLN Region III Jawa Tengah dan DIY

PURNOMO, Harri, Ir. Hamzah Berahim, MT

2004 | Tesis | S2 Teknik Elektro

Peramalan beban listrik jangka pendek diperlukan untuk penyesuaian pembangkitan listrik denggan permintaan daya listrik, digunakan untuk penjadwalan dan pengontrolan sistem daya atau alokasi pembangkit cadangan berputar. Peramalan beban lsitrik jangka pendek di P3B PT. PLN Region III Jawa Tengah dan DIY selama ini dilakukan dengan metode koefisien beban, pemakaian metode ini tidak praktis dan memerlukan waktu yang lama. Jaringan syaraf tiruan dengan algoritima backpropagation digunakan sebagai metode baru dalam sistem peramalan beban listrik jangka pendek). Beban dibedakan menjadi 10 macam pola: 6 pola hari kerja, 1 pola hari libur/minggu, 3 pola hari raya khusus (Tahun baru, Natal dan Idul Fitri). Beban bersifat nonlinier. Masukan jaringan syaraf tiruan adalah beban historis selama 2 hari (48 jam), keluaran jaringan syaraf tiruan adalah beban yang diperkirakan yaitu beban tiap jam selama 24 jam pada hari yang akan datang. Jaringan syaraf tiruan untuk peramalan beban lsitrik telah berhasil secara simulasi dan memprakirakan beban dengan error yang relatif kecil

Short-term load forcasting need to planning activity of electrical generating and demand of power system, to schedull and controlling power system or running generating resources. Short-term load forecasting in P3B PT. PLN Region III Cental Java and DIY have a load coofesien methode. This methode is not practically and need a long time to forecasting. Artificial neural-network short-term load forecasting (ANNSTLF) with backpropagation algorthm used a new methode for short-term load forecasting. The Load were divided into 10 pattern: 6 load for work day, 1 load for Sunday or Holyday, 3 load for special day (new year, christmas and Idul Fitri). A load is non-liniear. Input for Artificial neural-network is historical load for 2 days ago and yesterday (48 hour), and the output is load forecasting, load of hour by hour for 24 hour tomorrow. Artificial neural-network short-term load forecasting (ANNSTLF) with backpropagation algorthm have been worked succesful by simulation and forecast a load with a relatif less error

Kata Kunci : Jaringan Syaraf Tiruan,Peramalan Beban Listrik, Artificial neural-network, backpropagation, electric load forecasting