SKRIPSI
Diajukan untuk memenuhi syarat mendapatkan gelar Sarjana Teknik Di Departemen Pendidikan Teknik Elektro Fakultas Pendidikan Teknologi dan
Kejuruan Universitas Pendidikan Indonesia
Oleh: Bagus Wicaksono
E.5051.1100008
PROGRAM STUDI TEKNIK ELEKTRO
DEPARTEMEN PENDIDIKAN TEKNIK ELEKTRO
FAKULTAS PENDIDIKAN TEKNOLOGI DAN KEJURUAN
THERMAL JANGKA PENDEK
MENGGUNAKAN SIMULATED
ANNEALING
Oleh
Muhammad Rizki
Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana pada Fakultas Pendidikan Teknologi dan Kejuruan
© Bagus Wicaksono 2015
Universitas Pendidikan Indonesia
Oktober 2015
Hak Cipta dilindungi undang-undang.
Skripsi ini tidak boleh diperbanyak seluruhnya atau sebagian,
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Bagus Wicaksono E.5051.110008
ABSTRAK
Koordinasi pembangkit hidrotermal bertujuan untuk meminimalkan biaya total sistem operasi yang diwakili oleh biaya bahan bakar dan kendala selama optimisasi. Untuk melakukan optimisasi terdapat beberapa metode yang dapat digunakan. Simulated Annealing (SA) merupakan salah satu metode yang dapat digunakan untuk menyelesaikan permasalahan optimisasi. Metode ini terinspirasi dari proses annealing atau pendinginan dalam pembuatan material yang terdiri dari butir kristal. Pada koordinasi pembangkit hidrotermal prinsip dasarnya yaitu pembangkit hidro dijadikan sebagai penopang beban dasar sedangkan pembangkit termal dijadikan sebagai penopang beban sisa. Penelitian ini menggunakan 2 unit pembangkit hidro dan 6 unit pembangkit termal 25 bus dengan memperhitungkan rugi-rugi transmisi dan mempertimbangkan batasan daya pada masing-masing unit pembangkit yang dibantu oleh software MATLAB dalam penyelesaiannya. Koordinasi pembangkit hidrotermal menggunakan simulated annealing menghasilkan biaya total pembangkitan selama 24 jam sebesar $ 13288508.01.
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
COORDINATION OF SHORT TERM HYDROTHERMAL USING SIMULATED ANNEALING
Bagus Wicaksono E.5051.1100008
ABSTRACT
Hydrothermal power plant coordination aims to minimize the total cost of operating system that is represented by fuel cost and constraints during optimization. To perform the optimization, there are several methods that can be used. Simulated Annealing (SA) is a method that can be used to solve the optimization problems. This method was inspired by annealing or cooling process in the manufacture of materials composed of crystals. The basic principle of hydrothermal power plant coordination includes the use of hydro power plants to support basic load while thermal power plants were used to support the remaining load. This study used two hydro power plant units and six thermal power plant units with 25 buses by calculating transmission losses and considering power limits in each power plant unit aided by MATLAB software during the process. Hydrothermal power plant coordination using simulated annealing plants showed that a total cost of generation for 24 hours is $ 13,288,508.01.
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
4.1.2 Karakteristik Input-Ouput Pembangkit Termal ... 23
4.2 Optimisasi Menggunakan Simulated Annealing ... 26
4.3 Koordinasi Pembangkit Hidrotermal ... 30
BAB V SIMPULAN, IMPLIKASI DAN REKOMENDASI ... 33
5.1 Simpulan ... 33
5.2 Implikasi ... 33
5.3 Rekomendasi ... 34
DAFTAR PUSTAKA ... 35
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB I
PENDAHULUAN
1.1 Latar Belakang Penelitian
Pada saat ini penjadwalan pembangkit hidro dan termal dengan cara yang
paling ekonomis merupakan hal terpenting dalam sistem tenaga modern untuk
memenuhi kebutuhan dalam pasar energi (Cherian, 2008). Tujuan utama dari
optimisasi pembangkit hidrotermal adalah meminimalkan biaya total sistem
operasi yang diwakili oleh biaya bahan bakar, kendala pembangkit hidro dan
pembangkit termal selama waktu optimisasi (Monte et al., 2009). Penjadwalan
pembangkit hidrotermal memiliki konsep dasar yaitu memaksimalkan pembangkit
hidro dan meminimalkan produksi pembangkit termal, sehingga menjamin
keandalan dan pasokan daya secara ekonomis.
Beberapa tahun terakhir ada beberapa metode yang digunakan oleh para
peneliti untuk menyelesaikan masalah optimisasi, seperti interactive fuzzy
satisfying method, improved genetic algorithm (IGA), modified NSGA-II,
differential evolution, simulated annealing (SA), particle swarm optimization
technique, improved quantum-behaved particle swarm optimization, differential
evolution with adaptive Cauchy mutation, bacterial foraging algorithm, mixed
integer programming dan sebagainya (Xingwen et al., 2013).
Algoritma SA diperkenalkan oleh Metropolis pada tahun 1953 yang
beranalogikan pada proses annealing (pendinginan) yang diterapkan dalam
pembuatan material yang terdiri dari butir kristal. Metropolis menggunakan
beberapa variabel dalam penjadwalan pendingin untuk mengontrol proses
pencarian (Chen et al., 2011). Algoritma simulated annealing dalam melakukan
pendekatan economic dispatch membutuhkan beberapa parameter agar
menghasilkan solusi dalam penjadwalan unit pembangkit (Encinas et al., 2007).
Dalam penelitian ini hasil optimisasi dengan menggunakan simulated
annealing diharapkan dapat mememberikan hasil optimisasi yang optimal dalam
koordinasi pembangkit hidrotermal 500 kV Jawa-Bali. Hasil penelitian ini
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
pengoperasian pembangkitan tenaga listrik, guna mendapatkan tingkat
keekonomisan pembangkitan yang optimal.
1.2 Rumusan Masalah Penelitian
Data yang akan digunakan dalam penelitian ini adalah data pembangkitan
listrik sistem 500 kV Jawa-Bali. Agar penulisan tidak keluar dari fokus
bahasannya maka diperlukan suatu batasan masalah, adapun
batasan-batasan masalah tersebut akan dirumuskan sebagai berikut:
1. Bagaimana prosedur penyusunan karakteristik input-output pembangkit pada
permasalahan koordinasi pembangkit hidrotermal?
2. Bagaimana mengolah data pembangkitan yang ada menjadi nilai dan
parameter pada metode simulated annealing?
3. Bagaimana hasil koordinasi pembangkit hidrotermal setelah dilakukan
optimisasi menggunakan simulated annealing?
1.3 Tujuan Penelitian
Sejalan dengan rumusan masalah di atas, penulisan skripsi ini memiliki
tujuan yang ingin dicapai adalah:
1. Mengetahui prosedur penyusunan karakteristik input-output pembangkit pada
permasalahan koordinasi pembangkit hidrotermal.
2. Mengetahui proses pengolahan data-data pembangkitan yang dijadikan nilai
dan parameter pada metode simulated annealing.
3. Menganalisis hasil penelitian mengenai koordinasi pembangkit hidrotermal
dengan menggunakan simulated annealing.
1.4 Manfaat/Signifikansi Penelitian
Dalam sebuah penelitian tentunya diharapkan adanya manfaat yang akan
diperoleh, adapun manfaat yang ingin dicapai atau diharapkan adalah sebagai
berikut:
1. Manfaat bagi peneliti
a. Mengevaluasi hasil belajar dan menerapkannya ke dalam hal yang lebih
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
b. Mengetahui seluruh proses yang terjadi pada unit commitment dan
economic dispatch sehingga mengetahui berapa besar optimisasi yang
terjadi,
c. Mengetahui bagaimana metode simulated annealing dalam melakukan
optimisasi pembangkitan tenaga listrik,
2. Manfaat bagi universitas
a. Menggunakan hasil peneltian sebagai bahan ajar,
b. Menggunakan hasil penelitian sebagai referensi untuk tugas akhir
berikutnya,
c. Memberi tambahan karya ilmiah yang dapat bermanfaat bagi pembaca.
3. Manfaat bagi PLN
a. Hasil penelitian dapatdijadikan referensi untuk proses yang lebih baik lagi,
b. Semoga dapat lebih mempermudah lagi dalam membantu mahasiswa
mendapatkan keperluan penelitian.
1.5 Struktur Organisasi Skripsi
Dalam penelitian ini, penulis membagi ke dalam lima bab utama,
diantaranya: Bab I Pendahuluan yang terdapat subbab latar belakang, rumusan
masalah, tujuan penelitian, manfaat penelitian, dan struktur organisasi skripsi. Bab
II Kajian pustaka yang berisi penjelasan mengenai penjadwalan pembangkit
hidrotermal, koordinasi pembangkit hidrotermal, dan simulated annealing. Bab III
Metode penelitian, dalam bab ini terdiri dari alur penelitian yang dilakukan mulai
dari mendapat data sampai dengan mengolah data tersebut. Bab IV temuan dan
pembahasan berisi garis besar hasil penelitian, pemaparan dan pembahasan data
sehingga dapat ditarik kesimpulan. Bab V simpulan, implikasi dan rekomendasi
yang menyajikan penafsiran dan pemaknaan peneliti terhadap hasil analisis
temuan penelitian serta mengajukan hal-hal penting yang dapat dimanfaatkan dari
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB III
METODE PENELITIAN
3.1 Sumber Data Penelitian
Penelitian ini akan difokuskan pada penjadwalan pembangkit tenaga listrik
berkapasitas besar (slack bus) dengan data primer yang diperlukan adalah data
pengeluaran beban listrik dari Penyaluran dan Pusat Pengaturan Beban (P3B) PT.
PLN Persero Jawa-Bali, data yang digunakan merupakan data sistem interkoneksi
500 kV Jawa-Bali yang terdiri dari 25 bus dan 8 pembangkit yang terdiri dari 2
pembangkit hidro dan 6 pembangkit termal, yaitu Cirata, Saguling, Suralaya,
Muaratawar, Tanjung Jati, Gresik, Paiton dan Grati. Untuk mempermudah analisis
data penelitian ini, maka dapat dibuat terlebih dahulu pemodelan sistem
konfigurasi interkoneksi 500 kV Jawa-Bali yang dapat dilihat pada gambar 3.1.
Suralaya
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Dalam penelitian ini, asumsi yang digunakan dalam perhitungan
koordinasi pembangkit hidrotermal sebagai berikut:
a. Semua unit pembangkit dalam kondisi siap ‘running’ ketika dimasukkan ke dalam sistem
b. Adanya batas minimum dan maksimum pembangkit setiap pembangkit
c. Nilai rugi-rugi transmisi dihitung dalam melakukan optimisasi menggunakan
simulated annealing.
3.1.1 Data Bus
Agar mempermudah identifikasi dan analisis data penelitian, maka dari
gambar 3.1 dapat diklasifikasikan 25 tersebut ke dalam 2 bus yaitu bus
pembangkit dan bus beban. Tabel 3.1 merupakan hasil pengklasifiksian bus-bus
yang ada di dalam sistem 500 kV.
Tabel 3.1 Pengklasifikasian bus sistem 500 kV
No.Bus Pembangkit Jenis
Pembangkit No. Bus Beban
Untuk dapat menyelesaikan persamaan rugi-rugi transmisi, maka
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Tabel 3.2 Data bus sistem 500 kV Jawa-Bali
Load Generator Injected
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Data yang dibutuhkan untuk perhitungan koordinasi hidrotermal yaitu
batasan pengoperasian setiap pembangkit. Adapun batas minimum dan
maksimum pembangkit yang beroperasi pada sistem interkoneksi 500 kV
Jawa-Bali dapat dilihat pada tabel 3.2.
Tabel 3.4 Batas minimum dan maksimum pembangkit
Pembangkit P min
Selanjutnya perhitungan dilakukan dengan mencari nilai karakteristik dari
unit pembangkit hidro dan pembangkit termal. Fungsi polynomial digunakan
untuk mencari persamaan karakteristik dari pembangkit hidro dan termal. Untuk
pembangkit hidro, karakteristik didapatkan setelah memasukkan empat nilai
percobaan debit air terhadap kapasitas pembangkitan. Data debit air pembangkit
hidro dapat dilihat pada tabel 3.3.
Untuk pembangkit termal, karakteristik didapatkan dengan mengolah
empat titik heat rate yang diperoleh dari hasil percobaan. Persamaan biaya bahan
bakar dari setiap unit pembangkit termal dapat diketahui setelah persamaan
karakteristik yang telah kita dapat dikalikan dengan biaya bahan bakar. Data
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Tabel 3.6 Data heat rate pembangkit termal
No Bus
Daya Pembangkitan (MW) Heat-Rate (Btu/kWh)
1 2 3 4 1 2 3 4
dengan interval data pembebanan 1 jam dapat dilihat pada tabel 3.5.
Tabel 3.7 Data pembebanan selama 24 jam
Pukul Saguling Cirata Suralaya Muaratawar Tanjung Jati Gresik Paiton Grati
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
24.00 95.47 63 2961 720.03 1973 513.84 2863 292.2
Dari data pembebanan tiap pembangkit setiap satu jam terlihat kenaikan
atau penurunan beban untuk tiap-tiap jamnya tidak terlalu jauh berbeda.
Berdasarkan data tersebut maka penulis membuat pembebanan rata-rata setiap 3
jam sekali dalam 1 perode yang dapat dilihat pada gambar 3.2.
Gambar 3.2 Grafik beban harian pembangkit hidrotermal
(Senin, 9 September 2013)
Data beban harian dibagi menjadi 8 periode, dimana setiap periodenya
merupakan beban rata-rata selama 3 jam. Dari gambar dapat dilihat bahwa beban
puncak berada pada periode 7, yaitu pukul 19.00–21.00 WIB dengan nilai beban
mencapai 10895,27 MW dan beban minimal terjadi pada periode 1, yaitu pukul
01.00–03.00 WIB dengan nilai beban rata-rata sebesar 7460,51 MW.
Tabel 3.8 Pembagian periode waktu
1-3 4-6 7-9 10-12 13-15 16-18 19-21 22-24
B
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 3.2 Perangkat Penelitian
Penelitian mengenai optimisasi pembangkitan hidrotermal dapat
dilakukan dengan sistem komputerisasi. Penelitian ini dilakukan dengan
menggunakan laptop yang memiliki spesifikasi OS yang digunakan Microsoft
Windows 7 Home Premium 64-bit dan Processor Intel ® Core ™ i3 CPU.
Penelitian ini juga ditunjang dengan beberapa software yang bertujuan untuk
membantu penulis dalam melakukan optimisasi pembangkitan hidrotermal.
Adapun software yang digunakan diantaranya Microsoft Excel, Microsoft Word,
MATLAB, dan Mendeley.
3.3 Prosedur Penelitian
Agar penulisan dalam penelitian ini lebih terarah dan sistematis, maka di
bawah ini merupakan diagram alir dari penelitian skripsi dan algoritma simulated
annealing yang menunjukkan langkah-langkah dari optimisasi pembangkitan
hidrotermal namun tetap memperhatikan batasan-batasan yang ada dalam sistem
dan pembangkitan tenaga listrik.
MULAI
Studi Literatur
Pengumpulan Data
Pengolahan Data
Analisis
Hasil Optimal
SELESAI Tidak
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Gambar 3.3 Diagram alir penelitian skripsi
Start
Inisialisasi Parameter
Inisialisasi nilai kontrol
parameter
Iterasi k = 1
Solusi Xj Total Cost TCj
TCj ≤ TCi
ΔC = TCj - TCi
Iterasi Selesai
Solusi Optimal Ya
Stop Ya
Tidak
Tidak k = k + 1
Gambar 3.4 Diagram alir algoritma simulated annealing
Penelitian menggunakan metode simulated annealing mempunyai tahapan
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Langkah 1 : Tentukan kemungkinan solusi yang layak dengan memasukan data
berupa fungsi objektif dan fungsi kendala.
Langkah 2 : Atur nilai parameter control atau jumlah iterasi maksimal yang
akan dilakukan, pada metode ini jumlah iterasi ditentukan oleh
nilai suhu temperaturnya.
Langkah 3 : Mulai iterasi pertama
Langkah 4 : Mendapatkan solusi awal Xj dan jumlah dari fungsi biaya TCj
Langkah 5 : Jika TCj ≤ TCi maka Xi = Xj dan TCj = TCi Lanjutkan ke langkah
berikutnya. Jika tidak hitung nilai deviasi biaya ∆C = TCj – Tci
sehingga mendapat nilai Xi
Langkah 6 : Lakukan proses tersebut sampai iterasi terakhir.
Langkah 7 : Mendapatkan solusi optimal
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB V
SIMPULAN, IMPLIKASI DAN REKOMENDASI
5.1 Simpulan
Berdasar pada pembahasan dan temuan yang didapatkan dalam penelitian
ini maka beberapa hal dapat disimpulkan terkait dengan rumusan masalah yang
telah ditentukan. Simpulan pertama, mengenai karakteristik input-output untuk
pembangkit hidro dipengaruhi oleh debit air setiap pembangkit hidro, sehingga
didapat daya output yang dapat dibangkitkan dan untuk pembangkit termal
diperoleh dari heat rate masing-masing unit pembangkit termal kemudian
diperoleh fungsi biaya dari setiap unit pembangkit termal serta parameter saluran
yang digunakan dalam perhitungan optimisasi pembangkit termal. Kedua, pada
optimisasi pembangkit termal menggunakan metode simulated annealing dapat
menggunakan software MATLAB dengan menentukan parameter pada toolbox
atau membuat script pada command window. Adapun parameter untuk optimisasi
pembangkit termal diantaranya fungsi biaya bahan bakar masing-masing unit
pembangkit, batasan daya keluaran masing-masing unit pembangkit, koefisien
pada rugi-rugi transmisi serta permintaan beban yang dibutuhkan. Ketiga, terkait
pembagian beban dari pembangkit hidro dan pembangkit termal dimana
pembangkit hidro dijadikan sebagai penopang beban dasar sedangkan pembangkit
termal menopang beban sisa yang tak dapat ditopang oleh pembangkit hidro, hasil
optimisasi menggunakan simulated annealing menunjukan bahwa total biaya
operasional yang didapat sebesar $ 13288508,01.
5.2 Implikasi
Koordinasi pembangkit hidrotermal mempertimbangkan pembagian beban
antara pembangkit hidro dan pembangkit termal, pembagian beban menggunakan
metode simulated annealing dapat menjadi salah satu pilihan dalam mengatur
daya keluaran pada masing- masing unit pembangkit.
Hasil yang diperlihatkan pada koordinasi pembangkit hidrotermal
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
masukan dalam melakukan optimisasi pada pembangkitan agar mendapat hasil
yang optimal guna memenuhi kebutuhan beban.
5.3 Rekomendasi
Koordinasi pembangkit hidro termal menggunakan simulated annealing
dapat digunakan sebagai pembanding dalam melakukan optimisasi pembangkitan,
semoga menjadi pertimbangan penggunaan metode ini untuk melakukan
optimisasi pembangkit untuk penelitian maupun penerapan di lapangan khususnya
oleh PT. PLN P3B Jawa-Bali. Rekomendasi lain yang didapatkan dalam
penelitian ini ialah untuk melakukan pengembangan terhadap metode simulated
annealing hasilnya akan lebih optimal jika dilakukan prediksi beban terlebih
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu DAFTAR PUSTAKA
Araujo, T. D. F., Uturbey, W., & Nunes, L. C. (2013). Short-Term Hydrothermal Dispatch and Demand Management with Evolutionary Algorithms. 12th International Conference on Environment and Electrical Engineering, EEEIC 2013, (1), 259–264. http://doi.org/10.1109/EEEIC.2013.6549627
Bilbao, M., & Alba, E. (2009). Simulated annealing for optimization of wind farm annual profit. 2009 2nd International Symposium on Logistics and Industrial
Informatics, LINDI 2009, 0(2), 1–5.
http://doi.org/10.1109/LINDI.2009.5258656
Chang, W. C. W. (2010). Optimal Scheduling of Hydrothermal System Based on Improved Particle Swarm Optimization. Power and Energy Engineering
Conference (APPEEC), 2010 Asia-Pacific, 1–4.
http://doi.org/10.1109/APPEEC.2010.5448307
Chen, P.-H. (2008). Pumped-Storage Scheduling Using Evolutionary Particle Swarm Optimization. IEEE Transactions on Energy Conversion. http://doi.org/10.1109/TEC.2007.914312
Chen, Z., & Luo, P. (2011). QISA: Incorporating quantum computation into Simulated Annealing for optimization problems. 2011 IEEE Congress of
Evolutionary Computation, CEC 2011, 2480–2487.
http://doi.org/10.1109/CEC.2011.5949925
Cherian, S. (2008). Hydro Thermal Scheduling using Particle Swarm Optimization. In Transmission and Distribution Conference and Exposition, 2008. T&D. IEEE/PES (pp. 1–5). http://doi.org/10.1109/TDC.2008.4517221
Dahal, K. P., Burt, G. M., McDonald, J. R., & Galloway, S. J. (2000). GA/SA-based hybrid techniques for the scheduling of generator maintenance in power systems. Proceedings of the 2000 Congress on Evolutionary
Computation. CEC00 (Cat. No.00TH8512), 1.
http://doi.org/10.1109/CEC.2000.870347
Dai, E., & Turkay, B. E. (2009). Power Dispatch of Hydrothermal Coordination using Evolutionary Algorithm. 2009 International Conference on Electrical and Electronics Engineering - ELECO 2009, 2(15), 392–395.
Dasgupta, K. (2014). Short-Term Hydrothermal Scheduling Using Particle Swarm Optimization with Constriction Factor and Inertia Weight Approach. Automation, Control, Energy and System (ACES), 2014 First International Conference on, 1–6. http://doi.org/10.1109/ACES.2014.6808021
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Programming and Genetic Algorithms. IEEE Porto Power Tech Proceedings, 3, 6. http://doi.org/10.1109/PTC.2001.964887
Diniz, A. L., Sagastizábal, C., & Maceira, M. E. P. (2007). Assessment of lagrangian relaxation with variable splitting for hydrothermal scheduling. In 2007 IEEE Power Engineering Society General Meeting, PES (pp. 1–8). http://doi.org/10.1109/PES.2007.386246
Duncan, R. a., Seymore, G. E., Streiffert, D. L., & Engberg, D. J. (1985). Optimal Hydrothermal Coordination for Multiple Reservoir River Systems. IEEE Transactions on Power Apparatus and Systems, PAS-104(5), 1154–1159. http://doi.org/10.1109/TPAS.1985.323467
El-Hawary, M. E. (1982). Optimum Operation of Fixed-Head Hydro-Thermal
Electric Power Systems: Powell’s Hybrid Method Versus Newton-Raphson
Method. IEEE Transactions on Power Apparatus and Systems, PAS-101(3), 547–554. http://doi.org/10.1109/TPAS.1982.317267
Erkmen, I., & Karatas, B. (1994). Short-Term Hydrothermal Coordination by using Multi-Pass Dynamic Programming with Successive Approximation.
Proceedings of MELECON ’94. Mediterranean Electrotechnical Conference,
3, 925–928. http://doi.org/10.1109/MELCON.1994.380950
Farhat, I. A. (2011). Short-term Coordination of Hydro-Thermal Systems with Cascaded Reservoirs using Bacterial Foraging Algorithm. Electrical and Computer Engineering (CCECE), 2011 24th Canadian Conference on, 11, 000430 – 000435.
Farhat, I. A., & El-Hawary, M. E. (2009a). Optimization Methods Applied for Solving the Short-Term Hydrothermal Coordination Problem. Electric Power
Systems Research, 79(9), 1308–1320.
http://doi.org/10.1016/j.epsr.2009.04.001
Farhat, I. A., & El-Hawary, M. E. (2009b). Short-term Hydro-Thermal Scheduling using an Improved Bacterial Foraging Algorithm. In Electrical Power &
Energy Conference (EPEC), 2009 IEEE (pp. 1–5).
http://doi.org/10.1109/EPEC.2009.5420913
Farhat, I. A., & Member, S. (2010). Fixed-Head Hydro-Thermal Scheduling Using a Modified Bacterial Foraging Algorithm. Electrical Power and
Energy Conference (EPEC), 2010 IEEE, 10, 1 – 6.
http://doi.org/10.1109/EPEC.2010.5697200
Farhat, I. A., & El-Hawary, M. E. (2009). Short-term Hydro-Thermal Scheduling using an Improved Bacterial Foraging Algorithm. In Electrical Power &
Energy Conference (EPEC), 2009 IEEE (pp. 1–5).
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Gil, E., Bustos, J., & Rudnick, H. (2003). Shor-Term Hydrothermal Generation Scheduling Model using a Genetic Algorithm. IEEE Transactions on Power Systems, 18(4), 1256 – 1264. http://doi.org/10.1109/TPWRS.2003.819877
Monte, B., Soares, S., & Member, S. (2009). Fuzzy Inference Systems Approach for Long Term Hydrothermal Scheduling. Power Systems Conference and
Exposition, 2009. PSCE ’09. IEEE/PES, 1–7.
http://doi.org/10.1109/PSCE.2009.4840020
Nabona, N., Castro, J., & Gonzalez, J. a. (1995). Optimum Long-Term Hydrothermal Coordination with Fuel Limits. IEEE Transactions on Power Systems, 10(2), 1054–1062. http://doi.org/10.1109/59.387951
Rashtchi, V., Bayat, A., & Vahedi, R. (2009). Adaptive Step Length Bacterial Foraging Algorithm. Intelligent Computing and Intelligent Systems, 2009. ICIS 2009. IEEE International Conference on, 1, 322–326. http://doi.org/10.1109/ICICISYS.2009.5357834
Ružić, S. (1998). Optimal Distance Method for Lagrangian Multipliers Updating
in Short-Term Hydro-Thermal Coordination. IEEE Transactions on Power Systems, 13(4), 1439–1444. http://doi.org/10.1109/59.736287
Salam, S. (1997). Comprehensive Algorithm for Hydrothermal Coordination. IEEE Proceedings Generation Transmission and Distribution, 144(5), 482 – 488. http://doi.org/10.1049/ip- gtd:19970819
Simopoulos, D., & Kavatza, S. (2005). Consideration of ramp rate constraints in unit commitment using simulated annealing. 2005 IEEE Russia Power Tech, PowerTech. http://doi.org/10.1109/PTC.2005.4524359
Soares, S. (1980). Optimal Generation Scheduling of Hydrothermal Power System. IEEE Transactions on Power Apparatus and Systems, PAS-99(3), 1107–1118. http://doi.org/10.1109/TPAS.1980.319741
Tong, S. K., & Shahidehpour, S. M. (1990). Hydrothermal Unit Commitment with Probabilistic Constraints using Segmentation Method. IEEE Transactions on Power Systems, 5(1), 276–282. http://doi.org/10.1109/59.49117
Vahedi, H., Hosseini, S. H., & Noroozian, R. (2010). Bacterial Foraging Algorithm for Security Constrained Optimal Power Flow. Energy Market (EEM), 2010 7th International Conference on the European, 1–6. http://doi.org/10.1109/EEM.2010.5558709
Watchorn, C. W. (1967). Inside Hydrothermal Coordination. IEEE Transactions
on Power Apparatus and Systems, PAS-86(1), 106 – 117.
Bagus Wicaksono,2015
KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Wong, K. P., Member, S., & Wong, Y. W. (1997). Hybrid Genetic/Simulated Annealing Approach To Short-Term Multiple-Fuel-Constrained Generation Scheduling. IEEE Transactions on Power Systems, (2), 776–784.
Xingwen, J., & Jianzhong, Z. (2013). Hybrid DE-TLBO Algorithm for Solving Short Term Hydro-thermal Optimal Scheduling with Incommensurable Objectives. Control Conference (CCC), 2013 32nd Chinese, (1), 2474–2479.
Xiong-fa, M. A. I. (2012). Bacterial Foraging Algorithm Based on Gradient Particle Swarm Optimization Algorithm. Natural Computation (ICNC), 2012
Eighth International Conference on, (Icnc), 1026–1030.
http://doi.org/10.1109/ICNC.2012.6234588
Yan, H., Luh, P. B., Guan, X., & Rogan, P. M. (1994). Scheduling of Hydrothermal Power Systems Using the Augmented Lagrangian Decomposition and Coordination Technique. American Control Conference, 1994, 2, 1558–1562. http://doi.org/10.1109/ACC.1994.752331
Yang, J. S., & Chen, N. (1989). Short Term Hydrothermal Coordination using Multi-Pass Dynamic Programming. IEEE Transactions on Power Systems, 4(3), 1050–1056. http://doi.org/10.1109/59.32598
Zhu, Y., Jian, J., Wu, J., & Yang, L. (2013). Global Optimization of Non-Convex Hydro-Thermal Coordination Based on Semidefinite Programming. IEEE
Transactions on Power Systems, 28(4), 3720–3728.