Tugas Akhir Sarjana

Analisis Optimalisasi Unit Commitment Pembangkit Listrik Tenaga Air (PLTA) dengan Machine Learning

---

Unit Commitment (UC) merupakan penjadwalan operasi nyala-padam unit pembangkit
listrik untuk memenuhi kebutuhan daya listrik dalam rentang waktu tertentu dengan
tujuan memperoleh total biaya pembangkitan yang ekonomis. Pada pembangkit listrik,
UC dianggap sebagai salah satu permasalahan fundamental dalam manajemen sistem
tenaga listrik dan telah menjadi fokus penelitian selama bertahun-tahun. Tugas akhir ini
dilakukan pemodelan Machine Learning (ML) untuk optimalisasi UC dengan
menggunakan Supervised Learning algoritma Random Forest. Algoritma Random
Forest dipilih karena memiliki kemampuan untuk menangani data-data kompleks dan
memprediksi yang akurat. Pada pemodelan tersebut bertujuan untuk memprediksi zona
operasi Pembangkit Listrik Tenaga Air (PLTA) dalam pengaturan kebijakan UC. Data
yang mencakup time, head, release reservoir, spillage reservoir, power, discharge unit,
dan power unit digunakan untuk melatih model. Melalui proses ensemble learning,
algoritma Random Forest membangun sejumlah pohon keputusan dengan
menggunakan subset acak dari fitur-fitur tersebut. Prediksi akhir zona operasi PLTA
dihasilkan dengan menggabungkan hasil dari semua pohon tersebut. Pendekatan ini
terbukti memberikan prediksi zona operasi PLTA dengan akurasi di atas 0,9 untuk
masing-masing unit sehingga memungkinkan identifikasi faktor-faktor krusial yang
mempengaruhi zona operasi PLTA dalam pengoptimalan kebijakan UC.
Kata Kunci: Optimalisasi Unit Commitment, Machine Learning, Random Forest

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

EL 2024 011

Penerbit

Tangerang Selatan : TEKNIK ELEKTRO., 2024

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

TUGAS AKHIR - PRODI TEKNIK ELEKTRO

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar