Metoda Penelitian dengan Metoda Taguchi

(1)

Metoda Penelitian dengan

Metoda Taguchi

Menentukan faktor- faktor yang berhubungan dengan hasil yang

ingin dicapai Menentukan level yang bervariasi untuk masing-masing faktor Menyusun orthogonal array berdasarkan jumlah faktor dan

level

Lakukan eksperimen sesuai jumlah yang

diperlukan dalam orthogonal array untuk

melihat pengaruh masing-masing faktor Dari hasil eksperimen

dilakukan analisis untuk mengatur

faktor-faktor tersebut agar sesuai dengan hasil

yang diharapkan Apabila hasil yang diperoleh belum sesuai

dengan yang diharapkan, ubah nilai

level masing-masing faktor

Ulangi eksperimen dengan nilai level

yang berbeda

Bandingkan hasil eksperimen yang diperoleh dengan hasil

eksperimen sebelumnya Ulangi eksperimen sampai diperoleh hasil yang diinginkan

(2)

Bentuk umum Orthogonal Arrays : L

a

(b

c

)

a = banyaknya baris / eksperimen

b = banyaknya level

c = banyaknya kolom / faktor

Orthogonal Arrays standard

• Orthogonal Arrays dengan 2 level

(3)

Dalam memilih orthogonal array yang sesuai diperlukan suatu

persamaan yang dapat mempresentasikan jumlah faktor,

jumlah level dan jumlah eksperimen yang akan dilakukan.

Jumlah derajat kebebasan pada orthogonal array standar harus

lebih besar atau samadengan perhitungan derajat kebebasan

pada eksperimen yang akan dilakukan.

(4)

Orthogonal Array L

₉

(3

4 ₎

Eksperimen

2

1

2

2 J

₂

3

1

3

3 J

₃

4

2

1

2

2 J

9

V

3(3)

V

4(3)

(5)

Gambar di bawah menunjukkan kecenderungan fungsi biaya dengan sumbu x

menunjukkan tiga level dari masing-masing faktor dan sumbu y menunjukkan

kontribusi total dari masing-masing level setiap faktor. Dari gambar

kecenderungan fungsi biaya, dapat ditentukan nilai dari masing-masing faktor

harus dinaikkan

atau

diturunkan untuk menurunkan biaya.

unkan untuk

menurunkan biaya.

(6)

Optimisasi ED menggunakan Metoda

Taguchi

Y Y T T

(7)

(8)

PERBANDINGAN HASIL SIMULASI

METODA LAGRANGE MULTIPLIER DENGAN

METODA TAGUCHI

Beban 492 MW

Unit Pembangkit

Metoda lagrange

Multiplier

Metoda Taguchi

Pembangkit 1 (MW)

212.135 214.1654

Pembangkit 2 (MW)

50.000

50.000 Pembangkit 3 (MW)

82.274

80.102 Pembangkit 4 (MW)

50.000

50.000 Pembangkit 5 (MW)

50.000

50.000 Pembangkit 6 (MW)

50.000

50.000 Total losses (MW)

2.409

2.165 Total pembangkitan (MW)

494.409 494.1654

Daya beban (MW)

492

492 Biaya ($/hr)

6089.97

6087.83

(9)

Beban 903 MW

—

Unit Pembangki

Unit Pembangkit

Metoda lagrange

Multiplier

Metoda Taguchi

Pembangkit 1 (MW)

369.267 365.6244

Pembangkit 2 (MW)

112.059 112.9004

Pembangkit 3 (MW)

201.474 200.6978

Pembangkit 4 (MW)

73.456 71.9903

Pembangkit 5 (MW)

102.850 107.8629

Pembangkit 6 (MW)

50.000

50.000 Total losses (MW)

6.106

6.076 Total pembangkitan

(MW)

909.106

909.076 Daya beban (MW)

903

903 Biaya ($/hr)

10766.82

10766.60

(10)

Beban 1263 MW

Unit Pembangkit

Metoda lagrange

Multiplier

Metoda Taguchi

Pembangkit 1 (MW)

447.611 448.8643

Pembangkit 2 (MW)

173.087 170.1742

Pembangkit 3 (MW)

263.363 260.9448

Pembangkit 4 (MW)

138.716 134.7694

Pembangkit 5 (MW)

166.099 174.4492

Pembangkit 6 (MW)

86.939 86.6146

Total losses (MW)

12.815

12.816 Total pembangkitan

(MW)

1275.815

1275.816

Daya beban (MW)

1263

Biaya ($/hr)

15447.72

15446.86

(11)

Dari ketiga simulasi tersebut, dapat dilihat bahwa

penggunaan metoda Taguchi dalam masalah ED untuk

meminimisasi biaya bahan bakar memberikan hasil

yang

lebih

baik

dibandingkan

dengan

metoda

Lagrange Multiplier.

Pada beban rendah yaitu 492 MW, selisih biaya antara

kedua metoda tersebut adalah sebesar 2,14 $/jam

atau 0,035% dan selisih losses sebesar 0,244 MW atau

0,049%. Pada beban menengah yaitu 903 MW, selisih

biaya antara kedua metoda tersebut adalah sebesar

0,22 $/jam atau 0.002% dan selisih losses sebesar 0.03

MW atau 0,491%

Sedangkan pada beban tinggi yaitu 1263 MW, selisih

biaya antara kedua metoda tersebut adalah sebesar

0,86 $/jam atau 0,006% dan besarnya losses sama.

(12)

[1] Saadat, H., (1999), Power System Analysis, McGraw-Hill Companies, Inc, Singapura. [2] Fan, J.Y. dan Zhang, L., (1998), “Real-Time Economic Dispatch With Line flow and

Emission Constrains Using Quadratic Programming”, IEEE Trans. Power Syst., vol. 13, no. 2, pp. 320-325.

[3] Naka, S., Genji, T. Dan Fukuyama, Y., (2001), “Practical Distribution State Estimation Using Hybrid Particle Swarm Optimization”, in Proc. IEEE Power Engineering Society

Winter Meeting, vol. 2, Columbus, OH, pp. 815-820.

[4] Wood, A.J. dan Wollenberg, B.F., (1996), “Power Generation Operation and Control, 2nd

edition, John Wiley & Sons. Inc., New York.

[5] Liang, J.X. dan Glover, J.D., (1992), “A Zoom Feature for a Dynamic Programming Solution to Economic Dispatch Including Transmission Losses”, IEEE Trans. Power Syst., vol. 7, no. 2, pp. 544-550.

[6] Lin, W.M., Cheng, F.S. dan Tsay, M.T., (2002), “An Improved Tabu Search for Economic Dispatch With Multiple Minima”, IEEE Trans. Power Syst., vol. 17, no. 1, pp. 108-112.

[7] Ross, D.W. dan Kim, S., (1989), “Dynamic Economic Dispatch of Gene-ration”, IEEE Trans.

Power Apparatus and Systems, vol. PASS-99, no. 6, pp. 2060-2088.

[8] Sinha, N., Chakrabarti, R. Dan Chattopadhyay, P.K., (2003), “Evolutionary Programming Techniques for Economic Load Dispatch”, IEEE Trans. Evol. Comput.., vol. 7, no. 1, pp. 83-94.

[9] Yang, H.T., Yang, P.C. dan Huang, C.L., (1996), “Evolutionary Programming Based

Economic Dispatch for Units With Nonsmooth Fuel Cost Functions”, IEEE Trans.

(13)

[10] Lee, K.Y., Yome, A.S. dan Park, J.H., (1998), “Adaptive Hopfield Neural Networks for Economic Load Dispatch”, IEEE Trans. Power Syst., vol. 13, no. 2, pp. 519-526.

[11]Park, J.H., Kim, Y.S., Eom, I.K. dan Lee, K.Y., (1993), “Economic Load Dispatch for Piecewise Quadratic Cost Function Using Hopfield Neural Network”, IEEE Trans. Power

Syst., vol. 8, no. 3, pp. 1030-1038.

[12]Park, J.B., Lee, K.S., Shin, J.R., Lee, K.Y., (2005), “A Particle Swarm Optimization for

Economic Load Dispatch with Nonsmooth Cost Function”, IEEE Trans. Power Syst., vol. 20, no. 1, pp. 34-42.

[13]Saber, A.Y., Chakraborty, S., Razzak, S.M., dan Senjyu, T., (2009),“Optimization of Economic load Dispatch of Higher Order General Cost Polynomials and Sensitivity Using

Modified Particle Swarm Optimization”, Electric Power System Research, no. 79, pp. 98-106. [14]Walters, D.C. dan Sheble, G.B., (1993), “Genetic Algorith Solution of Economic Dispatch With Valve Point Loading”, IEEE Trans. Power Syst., vol. 8, no. 3, pp. 1325-1332.

[15]Liu, D. dan Cai, Y., (2005), “Taguchi Method for Solving the Economic Dispatch Problem With Nonsmooth Cost Function”, IEEE Trans. Power Syst., vol. 20, no. 4, pp. 2006-2014. [16]Ni Ketut A.,- (2005), Optimasi Operasi Pembangkit Sistem Tenaga Menggunakan Algoritma

Genetika, Tesis Jurusan Teknik Elektro FTI-ITS, Surabaya.

[17] Marsudi, D., Ir., Operasi Sistem Tenaga Listrik, Balai Penerbit & Humas ISTN, Jakarta. [18] Roy, R. K., (), “A Primer on The Taguchi Method”, Society of Manufacturing Engineers,

(14)