LOAD ESTIMATOR

PENDAHULUAN    
           Peramalan pada dasarnya merupakan suatu dugaan atau prakiraan mengenani terjadinya suatu
kejadian atau peristiwa di masa yang akan datang. Ramalan di bidang tenaga elektrik pada dasarnya
merupakan ramalan kebutuhan energi elektrik (watt/jam) dan ramalan beban tenaga elektrik (watt).
Keduanya sering disebut dengan istilah Demand and Load Forecasting. Hasil peramalan ini
dipergunakan untuk membuat rencana pemenuhan kebutuhan maupun pengembangan penyediaan
tenaga elektrik setiap saat secara cukup dan baik serta terus menerus.

Secara garis besar pembuatan ramalan kebutuhan tenaga elektrik dapat dibagi dalam tiga tahap,
yaitu :

a. Pengumpulan dan penyiapan data.

b. Pengolahan dan analisa data.

c. Penentuan metoda dan pembuatan model.

     Peramalan beban dibagi dalam tiga kategori yaitu:

1. Peramalan beban jangka pendek (short-term load forecasting) yang meramalkan beban dalam
jangka waktu per jam hingga per minggu.

2. Peramalan beban jangka menengah (medium-term load forecasting) yang meramalkan beban

dalam jangka waktu mingguan hingga 1 tahun.

3. Peramalan beban jangka panjang (long-term load forecasting) yang meramalkan beban tahunan
atau lebih dari satu tahun ke depan.
 MODEL PERAMALAN

Model yang digunakan dalam peramalan harus dapat menggambarkan kaitan antara
penjualan energi elektrik dengan variable lain yang ada dalam masyarakat seperti
variable pendapatan dan tingkat konsumsi masyarakat. Hubungan antara penjumlah
energi elekrik dengan variable-variable tersebut biasanya sangat rumit dan saling
berkaitan. Oleh sebab itulah biasanya digunakan model pendekatan untuk memudahkan
pembuatan ramalan. Ada tiga macam pendekatan, yaitu :
1.Model Mikro
2.Model Makro
3.Model Peramalan Algoritma
 Artificial Neural Network (ANN)
     

Input Layer Hidden Layer Output Layer

Training       : Proses untuk mengenali pola pada data yang tersedia untuk mendapatkan model atau
bobot akhir yang akan digunakan dalam memprediksi input yang masuk.

Testing : Proses pengujian menggunakan model atau bobot pada data

yang tersedia ataupun inputan baru yang didapatkan dari proses training.

ANN selalu mengacu pada kategori modul yang terinspirasi oleh sistem saraf biologis. Pada
ANN ada 3 jenis utama fungsi transfer, yaitu

a. Linear transfer function

b. Log- sigmoid transfer function

c. Tan- sigmoid transfer function