Estimasi Profil Tegangan pada Sistem Distribusi IEEE 33-Bus Menggunakan Deep Learning Berbasis Hasil Aliran Daya Backward-Forward Sweep

Sahrul, Muhammad (2026) Estimasi Profil Tegangan pada Sistem Distribusi IEEE 33-Bus Menggunakan Deep Learning Berbasis Hasil Aliran Daya Backward-Forward Sweep. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 04191056_cover.pdf Restricted to Repository staff only until 4 October 2028. Download (351kB) | Request a copy
	Text 04191056_statement_of_authenticity.pdf Restricted to Repository staff only until 4 October 2028. Download (238kB) | Request a copy
	Text 04191056_publishing_agreement.pdf Restricted to Repository staff only until 4 October 2028. Download (291kB) | Request a copy
	Text 04191056_approval_sheet.pdf Restricted to Repository staff only until 4 October 2028. Download (247kB) | Request a copy
	Text 04191056_preface.pdf Restricted to Repository staff only until 4 October 2028. Download (291kB) | Request a copy
	Text 04191056_abstract_id.pdf Restricted to Repository staff only until 4 October 2028. Download (233kB) | Request a copy
	Text 04191056_abstract_en.pdf Restricted to Repository staff only until 4 October 2028. Download (239kB) | Request a copy
	Text 04191056_table_of_content.pdf Restricted to Repository staff only until 4 October 2028. Download (796kB) | Request a copy
	Text 04191056_illustrations.pdf Restricted to Repository staff only until 4 October 2028. Download (232kB) | Request a copy
	Text 04191056_tables.pdf Restricted to Repository staff only until 4 October 2028. Download (257kB) | Request a copy
	Text 04191056_notations.pdf Restricted to Repository staff only until 4 October 2028. Download (331kB) | Request a copy
	Text 04191056_chapter_1.pdf Restricted to Repository staff only until 4 October 2028. Download (2MB) | Request a copy
	Text 04191056_chapter_2.pdf Restricted to Repository staff only until 4 October 2028. Download (4MB) | Request a copy
	Text 04191056_chapter_3.pdf Restricted to Repository staff only until 4 October 2028. Download (4MB) | Request a copy
	Text 04191056_chapter_4.pdf Restricted to Repository staff only until 4 October 2028. Download (9MB) | Request a copy
	Text 04191056_conclusions.pdf Restricted to Repository staff only until 4 October 2028. Download (981kB) | Request a copy
	Text 04191056_bibliography.pdf Restricted to Repository staff only until 4 October 2028. Download (594kB) | Request a copy
	Text 04191056_enclosure.pdf Restricted to Repository staff only until 4 October 2028. Download (1MB) | Request a copy
	Text 04191056_paper.pdf Restricted to Repository staff only until 4 October 2028. Download (751kB) | Request a copy
	Text 04191056_presentation.pdf Restricted to Repository staff only until 4 October 2028. Download (1MB) | Request a copy
	Text 04191056_Form. TA-020.pdf Restricted to Repository staff only until 4 October 2028. Download (243kB) | Request a copy

Abstract

Peningkatan beban acak pada jaringan distribusi radial membutuhkan metode pemantauan profil tegangan yang cepat dan akurat. Penelitian ini menggunakan metode Deep Learning berbasis jaringan saraf tiruan untuk mengestimasi profil tegangan pada sistem distribusi radial IEEE 33-bus. Untuk membandingkan hasilnya, digunakan algoritma Backward-Forward Sweep sebagai acuan. Algoritma ini digunakan untuk membangkitkan 500 skenario dataset acak dengan perubahan beban aktif total 3715,00 kW dan beban reaktif total 2300,00 kVAr. Tiga variasi arsitektur lapisan tersembunyi, yaitu 10, 15, dan 20 neuron, dilatih menggunakan algoritma optimasi Levenberg-Marquardt. Hasil simulasi pada kondisi nominal menunjukkan nilai rugi-rugi daya aktif sebesar 210,9876 kW dengan magnitudo tegangan minimum sebesar 0,9038 p.u. di Bus 18. Dari pengujian performa, variasi 15 neuron dinyatakan sebagai arsitektur terbaik karena menghasilkan tingkat kesalahan terkecil dengan nilai Testing Mean Squared Error (MSE) sebesar.〖1,769828 x 10〗^(-7) dan Mean Absolute Error (MAE) sebesar 0,000284 p.u. Dengan beroperasi dalam waktu yang cukup lama, model yang menggunakan 15 neuron ini bisa mengekstrak hasil estimasi nilai tegangan dengan sangat cepat. Rata-rata waktu yang dibutuhkan untuk mengolah data ini adalah sekitar 0,4000 milidetik per skenario. Dengan menggunakan metode Deep Learning, analisis profil tegangan bisa disajikan secara presisi dan efisien. Ini membantu sistem manajemen grid distribusi kelistrikan bekerja dengan lebih baik. Model 15 neuron ini menunjukkan bahwa integrasi Deep Learning sangat efektif dalam menyajikan analisis yang presisi dengan waktu komputasi yang singkat. Kata Kunci: Deep Learning, Jaringan Distribusi Radial, Backward-Forward Sweep, Profil Tegangan.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > T Technology (General)
Divisions:	Jurusan Teknologi Industri dan Proses > Teknik Elektro
Depositing User:	Muhammad Muhammad Sahrul
Date Deposited:	17 Jul 2026 03:03
Last Modified:	17 Jul 2026 03:03
URI:	http://repository.itk.ac.id/id/eprint/27639

Actions (login required)

View Item