OLEH:
I GUSTI MADE WIDIARSANA
1004405049
BAB III
PEMBHASAN
3.1
Pemilihan ini didasarkan pada biaya vektor induk Fm (P GI) dengan biaya
yang sesuai vektor keturunan Fm ( P/GI ') pada populasi ini. Vektor terbaik
memiliki biaya minimum. Batasan batasan yang digunakan sebagai parameter
input adalah nilai fungsi biaya, total demand, batas pembangkitan generator dan
rugi rugi.
Untuk menyelesaikan solusi ekonomi dispatch dalam tulisan ini
menggunakan algoritma genetika. Metode ini akan mencari nilai bahan bakar
yang digunakan untuk pembangkitan, alokasi pembangiktan daya pada
pembangkitan pada tiap generator dan rugi - rugi.
Ukuran populasi yang ditetapkan adalah 30 dengan maksimum generasi
300, kemungkinan silang yang sama 0.8, dan mutasi adalah 0.08.kemudian untuk
nilai biaya pembangkitan pada pembangkit 1 sampai dengan pembangkit 6 dengan
fungsi
F1 (PG1) = 0.0015 PG12 + 1.8 PG1 + 40
F2 (PG2) = 0.0030 PG22 + 1.7 PG2 + 60
F3 (PG3) = 0.0012 PG32 + 2.1 PG3 +100
F4 (PG4) = 0.0080 PG42 + 2.0 PG4 + 25
F5 (PG5) = 0.0010 PG52 + 1.9 PG5 + 120
F6 (PG6) = 0.008 PG62 + 10.5 PG6 + 220
Listing Program
0.22
F=sum(F1)+1000*lam;
Kode program 3.2 source kode untuk ekonomi dispatch
3.3
Pada gambar diatas diminta untuk menginputkan data biaya generator dan batas
pembangkitan yang telah ditentukan sebelumnya, dimana data tersebut dibuat
dalam matrix 5 kolom dengan inputan sebagai berikut :
[ biaya generator ($/mw^2) biaya generator ($/mw) biaya($) limit % minimum
limit maximum ], serta dengan menginputkan total daya yang dibangkitkan.
Berikut adalah tampilan setelah program dijalankan dan diberi input dari
data data yang telah didapat:
Gambar 3.2 tampilan akhir dari algoritma genetika untuk ekonomi dispatch
3.4
Kesimpulan
Dari hasil keluaran / output diatas, dapat dilihat bahwa biaya bahan bakar
yang dihasilkan metode algoritma genetika adalah Fuel = 2061.8 $/MW ,. Untuk
rugi-rugi metode algoritma genetika yang dihasilkan sebesar 15.1643MW. Serta
alokasi yang diberikan untuk pembangkit 1 = 200.5770 MW, pembangkit 2 =
113.7029 MW, pembangkit 3 = 130.0925 MW, pembangkit 4 = 22.3199 MW,
pembangkit 5 = 227.3676 MW, pembangkit 6 = 51.1043 MW . Sehingga kinerja
dari algoritma genetika dapat digunakan untuk permasalahan ekonomi dispatch.