FORECASTING PERFORMA TRASFORMATOR DAYA TRANSMISI TEGANGAN TINGGI GARDU INDUK KAPASITAS 60MVA MENGGUNAKAN METODE MONTE CARLO

KURNIAWAN, INDRA (2020) FORECASTING PERFORMA TRASFORMATOR DAYA TRANSMISI TEGANGAN TINGGI GARDU INDUK KAPASITAS 60MVA MENGGUNAKAN METODE MONTE CARLO. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (438kB) | Preview
Preview	Text (BAB I) 02 Bab 1.pdf Download (1MB) | Preview
Preview	Text (BAB II) 03 Bab 2.pdf Download (3MB) | Preview
Preview	Text (BAB III) 04 Bab 3.pdf Download (2MB) | Preview
Preview	Text (BAB IV) 05 Bab 4.pdf Download (3MB) | Preview
Preview	Text (BAB V) 06 Bab 5.pdf Download (388kB) | Preview
Preview	Text (DAFTAR PUSTAKA) 07 Daftar Pustaka.pdf Download (212kB) | Preview

Abstract

The increasing need for electricity, demands an electric power system that has high reliability in the supply and distribution of power. To determine the reliability of electricity distribution, the reliability index must be taken into account. To get the reliability index of the feeders on GI. Explain the system as a method of analysis and mathematical model to evaluate the reliability index model using mathematical solutions. The simulation method can determine the probability index. On the basis of the above, then evaluate the reliability of the distribution network through a Monte Carlo simulation approach that provides opportunities to develop knowledge and information on the variability associated with the annual index. Using the Monte Carlo Simulation (SMC) method. This method is a simulation procedure for obtaining a reliability index using random numbers. SMC is simulated through a program built in the Microsoft Excel Programming. For the results of the calculation the highest SAIFI value occurred in February amounted to 0,0004 times / plg / month and the lowest SAIFI value in August amounted to 0.00003 times / plg / month and has been complied with PLN Standards of 3.2 times / plg / yr or 0.2 times / plg / mo. Whereas the results of the calculation of the highest SAIDI value occurred in June amounted to 0.0182 hours / plg / mo and the lowest in August amounted to 0.000016 hours / plg / mo. and in accordance with PLN Standards of 1.75 hours / plg / mo or 21 hours / plg / yr. As for the results of the simulation the lowest SAIFI value occurred in August with a value of 0,0004 times / plg / mo and the highest SAIFI value occurred in October with a value of 0.156 times / plg / mo. For the results of the simulation, the lowest SAIDI value was achieved in August at 0,0001 hours / plg / mo and the highest SAIDI value occurred in September with a value of 0.021 hours / plg / mo. For the results of the Prediction falidation using the MAPE method, the SAIFI score with a very good prediction percentage was obtained in January at a rate of 0.2% and the SAIFI value with a good prediction percentage obtained in September was at a 14% rate. For the results of the Prediction falidation using the MAPE method the SAIDI value with a very good prediction percentage was obtained in January at a rate of 0.2% and a SAIFI value with a good predictive percentage obtained in September at a rate of 4%. Based on the calculation of Prediction The mean percentage error or MAPE obtained by the percentage of MAPE for the SAIFI and SAIDI values in January and September has the same percentage respectively. Keywords: Transmission System, Reliability, SAIFI, SAIDI. Meningkatnya kebutuhan akan tenaga listrik, menuntut suatu sistem tenaga listrik yang mempunyai keandalan yang tinggi dalam penyediaan dan penyaluran dayanya. Untuk mengetahui keandalan penyaluran tenaga listrik, perlu diperhitungkan indeks keandalannya. Untuk mendapatkan indeks keandalan pada penyulang-penyulang pada GI. Menjelaskan sistem sebagai metode analisis dan model matematika untuk mengevaluasi model indeks keandalan menggunakan solusi matematika. Metode simulasi dapat menentukan probabilitas indeks. Atas dasar hal di atas, maka lakukan evaluasi keandalan jaringan distribusi melalui pendekatan simulasi Monte Carlo yang memberikan peluang untuk mengembangkan pengetahuan dan informasi dari variabilitas yang terkait dengan indeks tahunan. Mengunakan metode Simulasi Monte Carlo (SMC). Metode ini adalah suatu prosedur simulasi untuk memperoleh indeks keandalan dengan memakai bilangan acak. SMC disimulasikan melalui program Microsoft Excel. Mean Absolute Percentage Error (MAPE) merupakan ukuran kesalahan relatif. MAPE menyatakan persentase kesalahan hasil pendugaan atau peramalan terhadap hasil aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah, dengan kata lain MAPE merupakan rata-rata kesalahan mutlak selama periode tertentu yang kemudian dikalikan 100% agar mendapatkan hasil secara persentase. Untuk hasil dari perhitungan Nilai SAIFI tertinggi terjadi di bulan Februari sebesar 0,0004 kali/plg/bln dan nilai SAIFI terendah di bulan Agustus sebesar 0,00003 kali/plg/bln dan telah susuai dengan Standar PLN yaitu sebesar 3,2 kali/plg/thn atau 0,2 kali/plg/bln. Sedangkan Untuk hasil dari perhitungan Nilai SAIDI tertinggi terjadi di bulan Juni sebesar 0,0182 jam/plg/bln dan terendah di bulan Agustus sebesar 0,000016 jam/plg/bln. dan telah sesuai dengan Standar PLN sebesar 1,75 jam/plg/bln atau 21 jam/plg/thn. Sedangkan untuk hasil dari simulasi nilai SAIFI terendah terjadi di bulan Agustus dengan nilai sebesar 0,0004 kali/plg/bln dan nilai SAIFI tertinggi terjadi di bulan October dengan nilai sebesar 0,156 kali/plg/bln. Untuk hasil dari simulasi yang didapat nilai SAIDI terendah dicapai pada bulan Agustus di angka 0,0001 jam/plg/bln dan nilai SAIDI tertinggi terjadi di bulan September dengan nilai sebesar 0,021 jam/plg/bln. Untuk hasil falidasi Prediksi mengunakan metode MAPE nilai SAIFI dengan persentase prediksi sangat baik didapat pada bulan Januari diangka 0.2% dan nilai SAIFI dengan persentase prediksi baik didapat pada bulan September diangka 14%. Untuk hasil falidasi Prediksi mengunakan metode MAPE nilai SAIDI dengan persentase prediksi sangat baik didapat pada bulan Januari diangka 0.2% dan nilai SAIFI dengan persentase prediksi baik didapat pada bulan September diangka 4%. Beradarkan perhitungan Prediksi Nilai tengah kesalahan presentase atau MAPE diperoleh persentase MAPE untuk nilai SAIFI dan SAIDI pada bulan Januari dan September memiliki masing-masing persentase yang sama. Kata-Kunci : Sistem Transmisi, Keandalan, SAIFI, SAIDI.

Actions (login required)

View Item