en Id
en Id
ISRN Daya
Volume 2014, ID Artikel 869.617, 10 halaman
http://dx.doi.org/10.1155/2014/869617
Artikel Penelitian
Optimal arus lebih Relay Koordinasi Menggunakan Dioptimalkan Fungsi
Tujuan
8; Diterima 9 Maret 2014; Diterbitkan 3 April 2014 Editor Akademik: LDS Coelho, B. Li, dan H.
Torkaman
Copyright 2014 SH Mousavi Motlagh dan K. Mazlumi. Ini adalah sebuah artikel akses terbuka didistribusikan di bawah lisensi Creative Commons Atribusi, yang
memungkinkan penggunaan tak terbatas, distribusi, dan reproduksi dalam media apapun, asalkan karya asli benar dikutip.
Sebuah strategi baru untuk directional relay arus lebih (DOCRs) koordinasi diusulkan. Dalam metode yang diusulkan, fungsi tujuan meningkat selama proses
optimasi dan koefisien fungsi tujuan berubah dalam masalah optimasi. fungsi tujuan yang diusulkan lebih fleksibel daripada fungsi objektif tua karena berbagai
koefisien fungsi tujuan yang ditetapkan oleh algoritma optimasi. Masalah optimasi diselesaikan menggunakan algoritma genetika algoritma dan partikel
swarmoptimization hybrid (HGAPSOA). Metode ini diterapkan untuk 6-bus dan 30-bus jaringan sampel.
1. Perkenalan dan kendala. Di [ 8 ], Metode cepat untuk optimalisasi TMSs dan pengaturan
saat ini dengan algoritma evolusioner dan pemrograman linear telah
distributionnetworks PERLINDUNGANATAS adalah salah satu masalah semut-impor diusulkan. Di [ 4 ], Teknik online untuk memperkirakan pengaturan DOCRs
themost dalam sistem tenaga. Relay arus lebih adalah salah satu relay pelindung diperkenalkan. Teknik ini didasarkan pada estimasi parameter dari
paling umum digunakan dalam sistem ini. Ada dua jenis pengaturan untuk jenis-jenis rangkaian ekuivalen yang tepat dari grid. koordinasi Relay yang sangat
relay: sewa yang ditonton dan waktu. Pengaturan estafet yang tepat memainkan terkendala masalah optimasi diskrit hampir tidak diselesaikan dengan teknik
peran penting dalam mengurangi efek yang tidak diinginkan dari kesalahan pada optimasi tradisional [ 5 ]. Di [ 9 ], Pickup saat ini dan TMS dari relay telah
tems sistematis kekuatan [ 1 . 2 ]. relay arus lebih umumnya memiliki pengaturan dipertimbangkan parameter optimasi untuk bangsa koordinator optimal
steker (PS) mulai dari 50 hingga 200% dalam langkah-langkah dari 25%. PS relay arus lebih terarah. teknik optimasi ini dimulai oleh dugaan awal dan
menunjukkan setting arus relay arus lebih. Untuk relay dipasang pada baris, PS mungkin terjebak dalam optimal [lokal 3 ]. Teknik-teknik optimasi cerdas
didefinisikan oleh dua parameter: mini saat ini kesalahan ibu dan arus beban telah datang sedemikian rupa yang dapat menyesuaikan pengaturan dari
maksimum. Namun, variabel yang paling penting dalam koordinasi yang optimal dari relay tanpa masalah disebutkan. Dalam metode ini, kendala yang dianggap
relay arus lebih adalah pengaturan waktu multiplier (TMS) [ 3 ]. sebagai bagian dari fungsi tujuan. Di [ 6 ], Metode yang dikembangkan
berdasarkan algoritma genetika (GA) untuk koordinasi optimal telah
diusulkan; metode ini belum dianggap prinsip utama koordinasi. Jadi
Sejauh ini, beberapa penelitian telah dilakukan pada dination coor- mungkin ada beberapa miscoordination di setting dari relay. Sebagai hasil
relay arus lebih [ 3 - 7 ]. Karena kesulitan teknik pemrograman optimal dari themiscoordination, ketika kesalahan terjadi di depan relay utama,
nonlinier, optimal biasa coordinationof relay arus lebih umumnya carriedout beberapa relay backup dapat beroperasi lebih cepat dari satu themain. Hal
dengan teknik pemrograman linear, termasuk simplex, simplex fase dua, ini menyebabkan lebih baris jaringan untuk pergi keluar karena kesalahan
dan metode simpleks ganda [ 3 ]. Dalam ods meth-, saat diskriminasi dari yang terjadi dalam beberapa
relay utama dan cadangan ( mb) dianggap sebagai kendala dan kemudian
masalah koordinasi yang optimal diselesaikan menggunakan kedua fungsi
tujuan
2 Rekayasa Tenaga ISRN
bagian dari jaringan. Jelas, dalam kasus ini, jumlah pelanggan terganggu Langkah 2: Evaluasi Fungsi Tujuan. Pada langkah ini, nilai fungsi tujuan
meningkat dan akibatnya penurunan kualitas daya. dihitung untuk setiap gen dan discerns antara kromosom yang baik dan
buruk.
Di [ 10 ], Algoritma genetika terus menerus telah digunakan dalam
sistem distribusi cincin makan untuk koordinasi optimal relay arus lebih. Di [ 11 Langkah 3: PSO Operator. Dalam kotak PSO, memperbarui posisi terbaik lokal dialami
], Fungsi tujuan telah diusulkan di mana masalah miscoordination hampir oleh setiap partikel dilambangkan sebagai terbaik dan memperbarui posisi terbaik yang
diselesaikan. Fungsi tujuan dari [ 11 ] Dapat mencegah munculnya hasil yang dialami oleh seluruh partikel dilambangkan sebagai terbaik.
Dalam makalah ini, metode baru untuk koordinasi rele arah arus lebih digunakan untuk mentransfer optimal estafet TMSs dihitung fromHGAPSOA
diusulkan di mana tidak hanya pentahbisan misco- dihilangkan tetapi juga melalui sistem antarmuka untuk masing-masing relay.
kali operasi relay yang terkecil. Hal ini karena, dalam algoritma novel ini,
koefisien fungsi tujuan yang diusulkan sebelumnya dianggap sebagai
bagian dari masalah optimasi. Jadi koefisien fungsi tujuan tidak konstan 3. Permasalahan
dan mereka tidak diatur oleh try and error. Dalam metode yang diusulkan,
Untuk mencegah relaysmiscoordination arus lebih dan untuk menemukan
koefisien dihitung berdasarkan teknik optimasi. Masalah optimasi kertas ini
hasil yang optimal dari fungsi tujuan dari [ 11 ], Fungsi tujuan baru dirumuskan
diselesaikan menggunakan algoritma optimasi genetik dan segerombolan
sebagai berikut:
partikel hybrid. Thismethod diterapkan untuk 6-bus dan 30-bus jaringan
sampel. Hasil metode ini dibandingkan dengan hasil yang sudah ada. Hasil = 1 ( ) + 2
simulasi dan perbandingan menunjukkan efektivitas dan keuntungan dari (1)
algoritma yang diusulkan.
( mb - ( mb - mb )) ,
Dengan menggabungkan GA ke PSO, algoritma HGAPSO baru diperoleh [ 12 dimana b dan m adalah waktu operasi dari cadangan andmain relay ketika
]. TheHGAPSOA dapat memberikan hasil yang lebih baik [ 13 ]. Dalam kesalahan terjadi di sebelah relay utama. Nilai interval waktu koordinasi
algoritma ini, populasi awal dari GA ditugaskan oleh larutan PSO. Jumlah (CTI) terutama dipilih berdasarkan keterbatasan praktis, yang terdiri dari
total iterasi ekuivalen bersama oleh GA dan PSO. paruh pertama iterasi relay waktu perjalanan berlebihan, saat breaker operasi, dan margin
dilakukan oleh PSO dan solusi yang diberikan sebagai populasi awal dari keselamatan untuk kesalahan estafet [ 15 ]. Umumnya, CTI cocok dipilih
GA [ 14 ]. Pada bagian ini, kita secara singkat membahas penerapan antara 0,2 dan 0,5 detik. Dalam studi ini, CTI dianggap 0,3 detik. Menurut
HGAPSOA dalam koordinasi estafet arus lebih. Menurut Gambar 1 , Pada fungsi tujuan yang diusulkan dari [ 11 ], Koefisien pembobotan ( , 1, 2) ditetapkan
awalnya, pengguna menginisialisasi informasi seperti parameter algoritma oleh try and error dan juga koefisien ( , ) adalah konstan dan tidak dapat
(ukuran populasi, angka iterasi, mutasi, dan berbagai crossover), relay menjamin mengakses ke waktu operasi terkecil dari relay.
data, dan data jaringan. Dasar-dasar HGAPSOA di koordinasi DOCRs
dijelaskan dalam 4 langkah.
(1 + 2) ( mb) . (3)
Rekayasa Tenaga ISRN 3
Mulai
berbagai Crossover
evaluasi tujuan
Mutasi penyeberangan Pilihan
fungsi
iya nih
operator PSO
TMS, 1, 2 M N
Akhir
Jika koefisien adalah sejumlah besar, nilai ( 3 ) Menurut catatan di atas, jelas bahwa determin- ing lima koefisien ini
lebih besar dari mb, dan fungsi objek menghasilkan nilai yang besar dan serta TMS dari relay dengan optimasi algoritma akan menghasilkan
tidak dipilih untuk iterasi berikutnya dalam algoritma optimasi. Akibatnya, koordinasi rele yang lebih baik. Oleh karena itu, metode yang disajikan
hasil output tidak mengandung miscoordination. dalam makalah ini mengoptimalkan koefisien fungsi tujuan serta TMSs dari
relay untuk memiliki tradeoff antara waktu Ating oper- cepat dan mencegah
miscoordination. Algoritma diterapkan pada masalah optimasi koordinasi
4. Metode Baru relay untuk teknik yang diusulkan disediakan di Gambar 1 . Pada langkah
pertama dari algoritma, nilai awal secara acak menebak. Nilai awal terdiri
Dalam tulisan ini, lima koefisien ( 1 ), itu adalah, , 1, 2, dari TMS kedua relay dan koefisien fungsi tujuan. Pengaturan relay
, dan , di samping TMSs, dimasukkan sebagai bagian dari parameter dikemas dalam sebuah paket; setiap paket adalah hasil kemungkinan untuk
optimasi. Fungsi tujuan baru ditunjukkan pada ( 1 ). masalah optimasi; dan karena itu setiap anggota dari sebuah paket
merupakan TMS dari relay. Selain itu, ada lima koefisien ekstra yang harus
Untuk memahami pentingnya koefisien ini catatan berikut sangat dioptimalkan yang termasuk ke dalam fungsi tujuan ( 1, 2, , , dan ). Pada
membantu. langkah kedua, paket dievaluasi oleh fungsi tujuan ( 1 ). Fungsi tujuan
menentukan nilai dari masing-masing paket dengan menerima TMS dari
(I) Untuk menjamin meminimalkan waktu operasi estafet utama, semua relay. Setelah proses evaluasi, paket terbaik dipilih dari titik fungsi
nilai yang besar harus ditugaskan untuk 1 dan . output setidaknya obyektif pandang. Pada langkah berikutnya,
menyelesaikan kriteria algoritma diperiksa untuk menjadi iterasi terbatas
(Ii) Untuk menjamin meminimalkan operasi backup estafet
dan hasil yang
waktu, nilai yang besar harus ditugaskan untuk 2 dan .
nilai fitness ditentukan. Jika salah satu dari mereka puas, maka algoritma Tabel 1: Main / informasi pasangan cadangan.
berakhir dan pergi ke tahap berikutnya; jika tidak maka kembali ke langkah
estafet utama SC backup estafet
kedua dan mulai iterasi berikutnya. estafet utama backup estafet
saat ini arus
8 9 4961 410
5. Model Matematika Arus Lebih Relay
8 7 4961 1520
Ada banyak model matematika untuk relay arus lebih. Dalam penelitian ini, 2 7 5362 1528
model matematika dari relay arus lebih dianggap jenis inverse standar. 2 1 5362 804
Dalam model matematika ini, waktu pengoperasian relay arus lebih 3 2 3334 3334
dinyatakan sebagai berikut [ 16 ]:
4 3 2234 2234
5 4 1352 1352
6 5 4965 411
= TMS + , (4)
( sc / 0) - 1 6 14 4965 1522
14 1 4232 794
dimana 0 adalah menyampaikan pengaturan saat ini; sc adalah arus hubung pendek;
14 9 4232 407
adalah relay waktu operasi; dan TMS adalah waktu pengaturan multiplier
1 6 2682 2682
dari relay. TMS bervariasi dari 0,05 ke 1. Dari kurva IEC, untuk tipe standar
9 10 1443 1443
terbalik relay, parameter ( 4 ) Diasumsikan = 0, = 0,14, dan = 0,02.
10 11 2334 2334
11 12 3480 3480
5365 1529
6. Perbandingan Hasil dan Diskusi 12 14
12 13 5365 805
Seperti dijelaskan dalam bagian 4 , Nilai-nilai dari lima koefisien variabel; sehingga nilai 13 8 2490 2490
output dari fungsi tujuan tidak akan menjadi kriteria yang sesuai untuk membandingkan
7 5 4232 407
hasil dari algoritma yang diusulkan dalam [ 11 ]. Oleh karena itu, dalam rangka untuk
7 13 4232 794
mendapatkan tujuan ini, dua indikator didefinisikan sebagai berikut.
3 500 10 458
tion ( m, b). Untuk membandingkan dua set hasil dination coor-,
4 666 11 541
misalnya, menghasilkan dan hasil ,
5 458 12 458
yang tidak memiliki miscoordination apapun, jika nilai ( 5 ) Benar,
maka set hasil lebih baik dari . 6 458 13 500
( ( m, b) - ( m, b) ) <0. (5) Tabel 3: Parameter input dari algoritma optimasi. kisaran bermutasi
( m, b) = 1
0,3
adalah sama dengan . Dalam makalah ini, metode yang diusulkan diterapkan untuk Jumlah variabel 19
dua jaringan yang berbeda, yaitu, studi kasus 1 dan kasus studi 2 (studi kasus 1 Jumlah populasi 100
terdiri dari 6 bus dan studi kasus 2 adalah IEEE sistem 30-bus) yang dipilih. iterasi maksimum 200
subiterasi maksimum GA 10
R2 R10
R8 R4
R9 R3
R14
R7
R13 R6
R12 R5
R1 R11
42 54
79
57
85
86
14
38
15 55
81 36 73 30
80 78 33 76 12
39 29 58
40 72
37
35 74 31
77 56 9 52 50
71 49
26 13
70
84 82 41
24 67 25
65
34
83
66
75 69
68 22
20
23
63 8
19 59 16
47
32
62
18
64 48
7
21 61 5
4
46 6
45
44
1 0,5894 0,27
2 1,2173 0.66
7 0,7059 0,43
Hasil proposedmethod oleh algoritma GAPSO dan hasil terbaik dari [ 11
8 0,7625 0,37
] Dibandingkan di tabel 4 . Hasil terbaik dari [ 11 ] Ditampilkan di kolom kedua
9 0,3479 0.66
tabel 4 . Kolom ketiga tabel 4 merupakan hasil layak untuk bangsa
10 0,6883 0.64
koordinator dari relay menggunakan metode yang diusulkan. dari Tabel
11 0,9835 0,71
11,12 0,0492 0
12,14 0,0489 0 6.2. Studi Kasus 2: Jaringan dan Informasi Perlindungan. Untuk kasus uji
12,13 0,8135 0,065 lainnya, jaringan IEEE 30-bus dianggap. Jaringan ini memiliki 86 relay OC.
13,8 0,2292 0 Ini terdiri dari 30 bus (132- dan 33-kV bus), 37 baris, 6 generator, 4
7,5 0 0 transformator, dan relay 86OC [ 18 ]. Bagian distribusi jaringan yang akan
belajar di sini ditampilkan dalam Gambar 3 [ 19 ]. Generator, jalur transmisi,
7,13 1,4086 0,511
dan informasi trafo diberikan dari [ 20 ].
6,699 1,55
49 0,7792 0,155
1 0,3092 0,117
50 0,1803 0,061
2 0,3092 0,117
51 0,654 0,211
3 0,3467 0,119
52 0,6578 0,166
4 0,2095 0,068
53 0,6173 0,129
5 0,7561 0,102
54 0,5556 0,093
6 0,5671 0,227
55 1,0366 0,224
7 0,248 0,091
56 0,5839 0,143
8 0,7271 0,189
58 0,6095 0,176
9 0,5679 0,107 59 0,2618 0,065
10 0,6679 0,245 60 0,4635 0,129
16 0,2343 0,074
66 0,5278 0,099
67 0,5855 0,099
17 0,5493 0,139
68 0,7435 0,161
18 0,5749 0,190
69 0,5109 0,095
19 0,3947 0,105
70 0,6543 0,113
20 0,5669 0,163
71 0,2269 0,078
21 0,2716 0,059
72 0.477 0,143
22 0,5094 0,090
73 0,2072 0,070
23 0,5468 0,139
74 0,6521 0,204
24 0,7716 0,142
75 0,3362 0,104
25 0,7482 0,217 76 0,5226 0.115
84 0,5091 0,077
32 0,5374 0,118
85 0,3488 0,144
33 0,252 0,090
86 0,3566 0,079
34 0,2694 0,089
35 0,3322 0,084
36 0,8262 0,174
Dalam tulisan ini, empat kasus yang berbeda disimulasikan untuk
37 0,4902 0,106 perbandingan yang cocok. Tiga kasus disimulasikan sesuai dengan Metode
38 0,1732 0,05 yang dari [ 11 ] Inwhich koefisien fungsi tujuan diatur secara manual, dan
39 0,1731 0,061 kasus terakhir disimulasikan sesuai dengan metode yang diusulkan dalam
40 0,1627 0,068
makalah ini, di mana koefisien fungsi tujuan tidak ditetapkan sebelum
simulasi dan hasil optimasi menunjukkan nilai-nilai koefisien. Semua kasus
41 0,6102 0,123
dievaluasi oleh algoritma HGAPSO dan semua parameter kontrol algoritma
42 0,2748 0.115
tercantum dalam tabel 6 . Parameter dianggap sama dengan 4 kasus uji.
43 0,656 0.25 Sejumlah variabel dalam metode baru dianggap 91, 86 variabel untuk
44 0,2103 0,076 nomor relay dan 5 variabel untuk ( , 1, 2, , ) dan untuk metode yang
45 0,2249 0,084 diusulkan dalam [ 11 ] Dianggap 86.
46 0,397 0,081
47 0,1756 0,056
Pertama, hasil dari metode yang diusulkan oleh GAPSOA ditunjukkan
48 0,5501 0,179
pada Tabel 7 dan 8 . Kolom pertama tabel 7
8 Rekayasa Tenaga ISRN
menunjukkan nomor relay, kolom kedua ( ) menunjukkan estafet waktu tidak ada miscoordination dalam hasil. Sebagai contoh, 4,1
operasi untuk kesalahan dekat dengan pemutus sirkuit masing-masing relay, mengacu pada pasangan relay (4 dan 1) yang diperoleh pada 0,3529 detik.
dan kolom ketiga menunjukkan TMS dari relay. Dari tabel 8 , Semua nilai-nilai Nilai-nilai dari lima koefisien fungsi tujuan , 1, 2, , dan diperoleh sebagai
mb adalah angka kecil dan positif. Nilai-nilai positif mb menunjukkan bahwa 585,5, 15, 5,
12,5, dan 6, masing-masing. Ketika kesalahan terjadi di hilir,
Rekayasa Tenaga ISRN 9
Tabel 9: Perbandingan antara metode yang diusulkan dan metode [ 11 ]. Konflik kepentingan
efek kegagalan tection pada indeks keandalan dalam sistem sub-transmisi saling
berhubungan, Electric Power Systems Research, vol.
79, tidak ada. 7, pp. 1011-1017, 2009.
waktu operasi relay downstreamprotective tidak akan terpengaruh [ 21 ]. [3] D. Birla, RP Maheshwari, andh. O. Gupta, Waktu arus lebih
Dalam gradasi saat ini, pickup saat ini dipilih dengan mempertimbangkan koordinasi estafet: tinjauan, International Journal Emerging Sistem Tenaga
kemungkinan arus beban maksimum karena overloading atau contingency Listrik, vol. 2, tidak ada. 2, 2005. [4] M. Ojaghi, Z. Sudi, dan J. Faiz, Implementasi
kondisi normal. Beban bus 11 dan 26 adalah jenis statis dan tidak perlu adaptif penuh
menginstal relay arus lebih pada bus ini. Jadi TMSs relay 57 dan 79 yang teknik untuk koordinasi optimal relay arus lebih, Transaksi IEEE Power
terhubung ke bus ini dianggap 0,05 [ 22 ] Dan lainnya TMSs dihitung. Delivery, vol. 28, tidak ada. 1, pp. 235-244, 2013. [5] CW Jadi dan KK Li,
koordinasi rele arus lebih oleh
pemrograman evolusioner, Electric Power Systems Research,
vol. 53, tidak ada. 2, pp. 83-90, 2000.
Di tabel 9 , Hasil simulasi untuk empat kasus
diilustrasikan. Dalam tabel ini, baris pertama menunjukkan empat kasus [6] CW Jadi, KK Li, KT Lai, dan KY Fung, Penerapan gen-
yang berbeda; dan yang kedua dan baris ketiga menunjukkan hasil indeks algoritma etik untuk koordinasi rele arus lebih,di ings Proceed- dari Konferensi
pertama ( ) dan indeks kedua ( TMS) untuk kasus ini. Tiga kasus Internasional ke-6 pada Perkembangan Protection System Power, pp. 66-69,
1997. [7] CW Jadi dan KK Li, metode koordinasi Waktu untuk kekuasaan
pertama terkait dengan metode [ 11 ], Di mana dalam kasus ini koefisien
fungsi tujuan yang ditetapkan sebelum proses optimasi. Nilai-nilai koefisien
sistem perlindungan dengan algoritma evolusioner, tions IEEE Transac- pada
ditampilkan dalam kolom pertama dari tabel. Kasus terakhir menunjukkan
Aplikasi Industri, vol. 36, tidak ada. 5, pp. 1235-1240,
hasil dari metode yang diusulkan. Nilai-nilai
2000.
[8] JA Sueiro, E. Diaz-Dorado, E. Miguez, dan J. Cidras, koordi-
dalam semua kasus positif dan belum miscoordination apapun.
bangsa relay arus lebih terarah menggunakan rithm algo- evolusi dan pemrograman
Keuntungan dari metode yang diusulkan terungkap ketika hasil dari
linear, International Journal of elektroforesis trical Power & Energy Systems, vol. 42,
metode yang diusulkan (Kasus 4) dibandingkan dengan hasil terbaik dari
tidak ada. 1, pp. 299-305, 2012. [9] M. Ezzeddine dan R. Kaczmarek, Sebuah metode
metode tradisional [ 11 ]. Menurut tabel 9 , terbaik TMS dan metode [ 11 ]
baru untuk optimal
(Antara tiga kasus: 1 dan 2 dan 3) adalah 14,55 dan koordinasi relay arus lebih terarah mengingat mereka tersedia pengaturan
diskrit dan beberapa karakteristik operasi,
24,115, masing-masing, sedangkan TMS dan t dari metode yang diusulkan Electric Power Systems Research, vol. 81, tidak ada. 7, pp. 1475-1481,
adalah 11,32 dan 22,19, masing-masing. Ini berarti bahwa hasil dari Kasus 4, 2011.
terkait dengan metode baru yang diajukan, menunjukkan koordinasi yang terbaik. [10] PP Bedekar dan SR Bhide, koordinasi optimum
Jadi, mengingat koefisien fungsi tujuan sebagai bagian dari optimasi arus lebih estafet waktu menggunakan algoritma genetika terus-menerus,
masalah.Safe_mode lem, hasilnya lebih baik dibandingkan dengan metode Sistem Pakar dengan Aplikasi, vol. 38, tidak ada. 9, hlm. 11.286-11.292,
konvensional sesuai dengan hasil Tabel 4 dan 9 . 2011.
rotating Machinery
International Journal of
Volume 201 4 Volume 2014 Volume 2014 Volume 2014 Volume 2014
jurnal
kemajuan dalam
Teknik Sipil
Hindawi Publishing Perusahaan http://www.hindawi.com Hindawi Publishing Perusahaan http://www.hindawi.com
jurnal
jurnal Listrik dan Teknik Komputer
robotika
Hindawi Publishing Perusahaan http://www.hindawi.com Hindawi Publishing Perusahaan http://www.hindawi.com
VLSI Desain
Kemajuan dalam
Optoelektronik
International Journal of
International Journal of
Modeling &
Simulasi
Teknik
Navigasi dan
Pengamatan
Teknik Aerospace
Hindawi Publishing Perusahaan http://www.hindawi.com Hindawi Publishing Perusahaan http://www.hindawi.com Hindawi Publishing Perusahaan
Hindawi Publishing Perusahaan http://www.hindawi.com Volume 2014 Volume 2014 Volume 2014 http://www.hindawi.com Volume 2014
Hindawi Publishing Perusahaan http://www.hindawi.com
Volume 201 4
International Journal of
International Journal of Antena dan Komponen Elektronik Aktif kemajuan dalam
Teknik Kimia Propagasi dan Pasif Syok dan Getaran Akustik dan Getaran
Hindawi Publishing Perusahaan http://www.hindawi.com Hindawi Publishing Perusahaan http://www.hindawi.com Hindawi Publishing Perusahaan http://www.hindawi.com Hindawi Publishing Perusahaan http://www.hindawi.com Hindawi Publishing Perusahaan http://www.hindawi.com
Volume 2014 Volume 2014 Volume 2014 Volume 2014 Volume 2014