Modified Improved Particle Swarm Optimization for Optimal Generator Scheduling

Main Authors: Tuegeh, Maickel, Soeprijanto, Soeprijanto, Purnomo, Mauridhi H
Format: Article info application/pdf eJournal
Bahasa: eng
Terbitan: Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia , 2009
Online Access: http://journal.uii.ac.id/index.php/Snati/article/view/1282
http://journal.uii.ac.id/index.php/Snati/article/view/1282/1091
ctrlnum article-1282
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="en-US">Modified Improved Particle Swarm Optimization for Optimal Generator Scheduling</title><creator>Tuegeh, Maickel</creator><creator>Soeprijanto, Soeprijanto</creator><creator>Purnomo, Mauridhi H</creator><description lang="en-US">Generator scheduling merupakan bagian penting dalam pengoperasian sistem tenaga listrik. Tidak adapenjadwalan yang baik dapat menyebabkan biaya yang sangat besar dalam proses pengoperasian terutamapada sisi pembangkitan, juga dapat menyebabkan tidak ada koordinasi dalam menyalurkan tenaga listrik.Optimasi penjadwalan dari generator diperoleh dengan kecerdasan buatan diantaranya menggunakan teknikmodified improved Particle Swarm Optimization (MIPSO). Hasil simulasi menunjukkan bahwa metode yangdigunakan memberikan performa yang sangat baik dan hasil ini juga dibandingkan dengan metoda iterasilamda untuk melihat keakuratan dari hasil yang didapat. Metode ini diaplikasikan pada dua contoh sistem dandiselesaikan dengan menggunakan Matlab.Kata Kunci: Optimal Generator Scheduling, MIPSO.</description><publisher lang="en-US">Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia</publisher><contributor lang="en-US"/><date>2009-08-10</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>Other:</type><type>File:application/pdf</type><identifier>http://journal.uii.ac.id/index.php/Snati/article/view/1282</identifier><source lang="en-US">Seminar Nasional Aplikasi Teknologi Informasi (SNATI); 2009</source><source>1907-5022</source><language>eng</language><relation>http://journal.uii.ac.id/index.php/Snati/article/view/1282/1091</relation><recordID>article-1282</recordID></dc>
language eng
format Journal:Article
Journal
Other:info:eu-repo/semantics/publishedVersion
Other
Other:
File:application/pdf
File
Journal:eJournal
author Tuegeh, Maickel
Soeprijanto, Soeprijanto
Purnomo, Mauridhi H
title Modified Improved Particle Swarm Optimization for Optimal Generator Scheduling
publisher Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
publishDate 2009
url http://journal.uii.ac.id/index.php/Snati/article/view/1282
http://journal.uii.ac.id/index.php/Snati/article/view/1282/1091
contents Generator scheduling merupakan bagian penting dalam pengoperasian sistem tenaga listrik. Tidak adapenjadwalan yang baik dapat menyebabkan biaya yang sangat besar dalam proses pengoperasian terutamapada sisi pembangkitan, juga dapat menyebabkan tidak ada koordinasi dalam menyalurkan tenaga listrik.Optimasi penjadwalan dari generator diperoleh dengan kecerdasan buatan diantaranya menggunakan teknikmodified improved Particle Swarm Optimization (MIPSO). Hasil simulasi menunjukkan bahwa metode yangdigunakan memberikan performa yang sangat baik dan hasil ini juga dibandingkan dengan metoda iterasilamda untuk melihat keakuratan dari hasil yang didapat. Metode ini diaplikasikan pada dua contoh sistem dandiselesaikan dengan menggunakan Matlab.Kata Kunci: Optimal Generator Scheduling, MIPSO.
id IOS1365.article-1282
institution Universitas Islam Indonesia
institution_id 138
institution_type library:university
library
library Perpustakaan Universitas Islam Indonesia
library_id 497
collection Jurnal El Tarbawi (Jurnal Pendidikan Islam)
repository_id 1365
subject_area Pendidikan
city SLEMAN
province DAERAH ISTIMEWA YOGYAKARTA
repoId IOS1365
first_indexed 2016-09-24T07:05:41Z
last_indexed 2016-09-24T07:05:59Z
recordtype dc
merged_child_boolean 1
_version_ 1722648699175174144
score 17.203505