Ardyono Priyadi
Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember

Published : 11 Documents
Articles

Found 11 Documents
Search

Perancangan Filter Harmonisa Pasif untuk Sistem Distribusi Radial Tidak Seimbang Prihatama, Erlan Fajar; Penangsang, Ontoseno; Priyadi, Ardyono
Jurnal Teknik ITS Vol 2, No 2 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar | Full PDF (395.032 KB)

Abstract

Filter harmonisa pasif pada sistem distribusi radial digunakan untuk mengurangi harmonisa dan mengurangi rugi-rugi daya. Melalui perancangan yang tepat, Filter harmonisa pasif dapat mengurangi harmonisa secara maksimal (optimal). Dalam Tugas Akhir ini, filter harmonisa pasif yang digunakan ialah filter single tuned 5th dan filter single tuned 7th. Perancangan dan pemasangan filter harmonisa single tuned dilakukan pada setiap fasanya. Konsep perancangan filter ini ialah, setelah mengetahui besar THD (Total Harmonic Distortion) pada bus yang terdekat dengan sumber harmonisa dan THD terbesar, maka akan dilakukan perancangan filter harmonisa single tuned dengan mengunakan Metode PSO (Particle Swarm Optimization). Dengan mengkombinasi nilai kapasitor yang sudah disesuaikan dengan daya reaktif pada sistem, akan didapatkan komponen lainnya (R dan L). Komponen tersebut akan disusun menjadi impedansi filter, dimana akan digunakan untuk mengurangi arus injeksi harmonisa dengan cara perbandingan arus dari impedansi sistem dan impedansi filter. Hasil simulasi ini menunjukkan bahwa perancangan filter yang dipasang pada setiap fasanya dapat mengurangi harmonisa.
Koordinasi Optimal Capacitive Energy Storage (CES) dan Kontroler PID Menggunakan Differential Evolution Algorithm (DEA) pada Sistem Tenaga Listrik Swandaru, Akbar; Robandi, Imam; Priyadi, Ardyono
Jurnal Teknik ITS Vol 1, No 1 (2012): Jurnal Teknik ITS (ISSN 2301-9271)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar | Full PDF (646.95 KB)

Abstract

Peningkatan suplai daya listrik diperlukan untuk memenuhi kebutuhan daya listrik. Generator cenderung beroperasi dalam beban penuh.Hal ini berpengaruh pada keamanan generator dalam operasi sistem tenaga listrik.Salah satu masalah adalah osilasi frekuensi.Bila perubahan beban terjadi, kontroler diperlukan untuk meredam osilasi frekuensi ini.Pada tugas akhir ini diusulkan sebuah koordinasi antara Kontroler Capacitive Energy Storage (CES) dan Kontroler PID. CES disini berfungsi untuk membantu kinerja Governor agar meredam osilasi frekuensi dengan cepat. Kontroler CES ini digunakan bersama dengan PID controller yang dioptimalkan dengan  Differential Evolution Algorithm (DEA).
Optimisasi Economic Dispatch pada Sistem Kelistrikan Jawa Bali 500 kV menggunakan Differential Evolutionary Algorithm Violita, Anesya; Priyadi, Ardyono; Robandi, Robandi
Jurnal Teknik ITS Vol 1, No 1 (2012): Jurnal Teknik ITS (ISSN 2301-9271)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar | Full PDF (257.543 KB)

Abstract

Optimisasi besarnya pembangkitan untuk dapat memenuhi kebutuhan beban dengan biaya seminimal mungkin merupakan salah satu masalah tersendiri dalam suatu operasi sistem tenaga listrik. Permasalahan ini sendiri lebih dikenal dengan istilah Economic Dispatch (ED). Optimisasi ED ini sendiri sudah banyak dilakukan dengan berbagai macam metode Artificial Intelligence (AI). Untuk tugas akhir ini, metode AI yang dicoba untuk diaplikasikan pada optimisasi ED ini yakni Differential Evolutionary (DE) Algorithm. DE Algorithm ini akan dicoba diaplikasikan pada sistem kelistrikan Jawa-Bali 500 kV kemudian hasilnya dibandingkan dengan metode lainnya yakni Lagrange dan  PSO. Hasilnya metode DE Algorithm terbukti mampu menemukan solusi optimal dari permasalahan ED dengan penghematan biaya sebesar Rp. 104,76  juta/jam atau 1,545 % dibandingkan dengan metode PSO, dan penghematan biaya pembangkitan sebesar Rp. 1.167,72 juta/jam atau 14,892 % dibandingkan metode Lagrange. Sebagai referensi, metode DE Algorithm ini juga akan disimulasikan pada sistem tenaga listrik IEEE-30 bus yang hasilnya juga akan dibandingkan dengan hasil yang didapatkan apabila menggunakan metode Lagrange dan PSO. Hasil yang didapat juga mampu membuktikan bahwa metode Differential Evolutionary (DE) Algorithm juga mampu menemukan solusi lebih optimal dengan penghematan biaya sebesar 0,06 $/jam atau sekitar 0,008 % dibandingkan metode PSO, dan penghematan biaya sebesar 23,47 $/jam atau 2,92 % dibandingkan dengan metode Lagrange.
Penalaan Power System Stabilizer (PSS) untuk Perbaikan Stabilitas Dinamik pada Sistem Tenaga Listrik Menggunakan Bat Algorithm (BA) Suharto, Suharto; Robandi, Imam; Priyadi, Ardyono
Jurnal Teknik ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar | Full PDF (12.939 KB)

Abstract

Gangguan dinamik pada sistem tenaga listrik terjadi karena adanya perubahan beban secara tiba-tiba dan periodik. Gangguan dinamik pada sistem tenaga listik tidak dapat  direspon dengan baik oleh generator sehingga dapat mempengaruhi kestabilan dinamik sistem. Hal ini menyebabkan timbulnya osilasi frekuensi pada generator. Respon yang kurang baik dapat menimbulkan osilasi frekuensi dalam periode yang lama. Hal itu akan mengakibatkan generator lepas sinkron. Untuk mengatasi hal tersebut, generator memerlukan kontroler tambahan yaitu Power System Stabilizer (PSS). Untuk mendapatkan koordinasi PSS yang tepat, Parameter pada PSS dioptimisasi menggunakan Bat Algorithm (BA). Hasil simulasi menunjukkan bahwa penalaan parameter PSS menggunakan BA untuk perbaikan stabilitas dinamik berfungsi untuk mempercepat settling time dan meredam overshoot respon perubahan frekuensi dan respon perubahan sudut rotor  pada sistem tenaga listrik Single Machine Infinite Bus (SMIB
PARTICLE SWARM OPTIMIZATION FOR MANAGING AS INJECTION ALLOCATION Fatoni, Hannan; Hery P, Mauridhi; Priyadi, Ardyono
Kursor Vol 7, No 3 (2014)
Publisher : University of Trunojoyo Madura

Show Abstract | Original Source | Check in Google Scholar | Full PDF (569.446 KB)

Abstract

PARTICLE SWARM OPTIMIZATION FOR MANAGING AS INJECTION ALLOCATION aHannan Fatoni, bMauridhi Hery P, cArdyono Priyadi a Program Studi Magister ManajemenTeknologi, Institut Teknologi Sepuluh Nopember Jl. Cokroaminoto 12A, Surabaya, 60264, Indonesia b JurusanTeknikElektro, InstitutTeknologiSepuluhNopember Email: a hannanfatoni@gmail.com Abstract In oil and gas industry, the size of hydrocarbon reserves and type of the reservoir is crucial to the design methods and lifting the hydrocarbons for further processes. PT. XYZ uses the gas lift injection design to lift the oil content from the reservoir. In some conditions, the production choke valve shall be opened moreto increase the hydrocarbon production rates. However, it causes the reservoir instability, decreasing the reservoir pressure, and reducing the oil production drastically.Therefore, optimization of allocating gas lift injection rate on each of the production is needed to produce maximum oil and to improve the sustainability of oil and gas production on PT.XYZ. This paper proposes optimization technique for managing gas injection allocation using Particle Swarm Optimization (PSO). The procedure optimization can be explained as below; first step uses prosper modeling software to generate the model of production wells. Second, it obtains the curve of the gas lift injection rate against the oil production. Third, each well production model is validated by reference data from the well test result. The best PSO simulationwith limited gas injections which is 17 MMscfdresults of the gas lift injection allocation for each production wells are 0.98, 2.66, 1.39, 0.98, 3.19, 1.61, 1.78, 2.03, 1.40, and 0.98 MMscfd.With these gas injection allocations, the oil production increases to 4908.7 Barrels of oil per day (BPD). Maximum company profit after optimization reaching USD$ 578,004 compare with before optimization. The other optimization using Genetic Algorithm (GA) is also used for comparison. Keywords: Optimization, Prosper Modeling, PSO, GA.
DESIGN OPTIMIZATION OF MICRO HYDRO TURBINE USING ARTIFICIAL PARTICLE SWARM OPTIMIZATION AND ARTIFICIAL NEURAL NETWORK Jasa, Lie; Ika Putri, Ratna; Priyadi, Ardyono; Purnomo, Mauridhi Hery
Kursor Vol 7, No 3 (2014)
Publisher : University of Trunojoyo Madura

Show Abstract | Original Source | Check in Google Scholar | Full PDF (556.696 KB)

Abstract

DESIGN OPTIMIZATION OF MICRO HYDRO TURBINE USING ARTIFICIAL PARTICLE SWARM OPTIMIZATION AND ARTIFICIAL NEURAL NETWORK aLie Jasa, bRatna Ika Putri, cArdyono Priyadi, dMauridhi Hery Purnomo a,b,c,d Instrumentation, Measurement, and Power Systems Identification Laboratory Electrical Engineering Department, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia a Electrical Engineering Department, Udayana University, Bali, Indonesia b Electrical Engineering Department, Politeknik Negeri Malang, Malang, Indonesia. Email: liejasa@unud.ac.id Abstrak Turbin digunakan mengkonversi energy potensial menjadi energy kinetik. Kapasitas Energy yang dihasilkan dipengaruhi oleh sudu-sudu turbin yang dipasang pada tepi. Sudu turbin dirancang seorang ahli dengan sudut kelengkungan tertentu. Efisiensi dari turbin dipengaruhi oleh besarnya sudut, jumlah dan bentuk sudu. Algoritma PSO dapat digunakan untuk komputasi dan optimasi dari design turbin mikro hidro. Penelitian ini dilakukan dengan; Pertama, Formula design turbin dioptimasi dengan PSO. Kedua, Data hasil optimasi PSO diinputkan kedalam jaringan ANN. Ketiga, training dan testing terhadap simulasi jaringan ANN. Dan yang terakhir, Analisa kesalahanr dari jaringan ANN. Data PSO sebanyak 180 record, 144 digunakan untuk training dan sisanya 40 untuk testing. Hasil penelitian ini adalah MAE= 0.4237, MSE=0.3826, dan SSE=165.2654. Error training terendah didapatkan dengan algoritma pembelajaran trainlm. Kondisi ini membuktikan bahwa jaringan ANN mampu menghasilkan desain turbin yang optimal. Kata kunci: Turbin, PSO, ANN, Energi Abstract Turbines are used to convert potential energy into kinetic energy. The blades installed on the turbine edge influence the amount of energy generated. Turbine blades are designed expertly with specific curvature angles. The number, shape, and angle of the blades influence the turbine efficiency. The particle swarm optimization (PSO) algorithm can be used to design and optimize micro-hydro turbines. In this study, we first optimized the formula for turbine using PSO. Second, we input the PSO optimization data into an artificial neural network (ANN). Third, we performed ANN network simulation testing and training. Finally, we conducted ANN network error analysis. From the 180 PSO data records, 144 were used for training, and the remaining 40 were used for testing. The results of this study are as follows: MAE = 0.4237, MSE = 0.3826, and SSE = 165.2654. The lowest training error was achieved when using the trainlm learning algorithm. The results prove that the ANN network can be used for optimizing turbine designs. Keywords: Turbine, PSO, ANN, Energy
PREDIKSI KECEPATAN ANGIN PADA SISTEM KONVERSI ENERGI ANGIN BERBASIS NEURAL NETWORK Putri, Ratna Ika; Priyadi, Ardyono; Purnomo, Mauridhi Hery
SENTIA 2015 Vol 7, No 1 (2015)
Publisher : SENTIA 2015

Show Abstract | Original Source | Check in Google Scholar | Full PDF (235.365 KB)

Abstract

Kebutuhan energi listrik semakin meningkat sedangkan ketersediaan energi fosil sebagai sumber energi semakin terbatas. Energi angin di Indonesia memiliki potensi yang sangat besar untuk dapat menghasilkan energi listrik. Penggunaan energi angin memiliki keuntungan yaitu ketersediaan yang tidak terbatas, bersih dan ramah lingkungan. Namun, pembangkitan tenaga listrik dari tenaga angin ini sangat tergantung pada kecepatan angin di suatu daerah. Perubahan kecepatan angin akan menyebabkan kualitas daya yang dikirim ke beban sehingga diperlukan prediksi kecepatan angin. Pada makalah ini bertujuan untuk memprediksi kecepatan angin jangka pendek dengan menggunakan artificial neural network. Dua metode artificial neural network yaitu multi layer perceptron dan radial basis neural network digunakan untuk prediksi kecepatan angin dan akan dibandingkan performansinya berdasarkan nilai koefisien korelasi, MAE, MAPE dan RMSE. Berdasarkan pengujian didapatkan bahwa neural network dengan multilayer perceptron memiliki performansi yang lebih baik dibandingkan radial basis function dengan nilai koefisien korelasi 0.9534, RMSE sebesar 0.3087, MAE sebesar 0.2065 dan MAPE sebesar 7.8206.
Estimator Parameter Tegangan Jaringan Tiga Fasa Berbasis D-SOGI PLL Setiawan, Iwan; Facta, Mochammad; Priyadi, Ardyono; Purnomo, Mauridhi Hery
Majalah Ilmiah Teknologi Elektro Vol 16 No 2 (2017): (May - Agustus) Majalah Ilmiah Teknologi Elektro
Publisher : Universitas Udayana

Show Abstract | Original Source | Check in Google Scholar

Abstract

Phase locked loop (PLL) adalah sebuah sistem umpan balik yang memegang peran penting dalam sistem-sistem konverter terkoneksi jaringan listrik. Fungsi utama PLL adalah mendapatkan beragam informasi parameter jaringan yaitu seperti phase dan magnitude tegangan. Informasi-informasi tersebut selanjutnya digunakan sebagai dasar proses sinkronisasi peralatan dengan jaringan listrik. Tujuan utama paper ini adalah memodelkan sekaligus membandingkan unjuk kerja salah satu jenis PLL yang dikenal dengan nama Dual Second Order Generalized Integrator Phase-Locked Loop dengan SRF-PLL yaitu sebuah PLL yang relatif standar. Berdasarkan hasil simulasi, unjuk kerja D-SOGI PLL dalam keadaan tunaknya lebih unggul dibandingkan SRF-PLL terutama untuk kondisi jaringan listrik tiga phase tidak seimbang.
Pengembangan Economic Dispatch Pada Sistem Microgrid Menggunakan Metode Multiobjective Optimization Harahap, Ario Pamungkas; Penangsang, Ontoseno; Priyadi, Ardyono
SENTIA 2015 Vol 7, No 1 (2015)
Publisher : SENTIA 2015

Show Abstract | Original Source | Check in Google Scholar | Full PDF (318.676 KB)

Abstract

Kebutuhan daya listrik saat ini meningkat pesat seiring dengan perkembangan teknologi. Peningkatan kebutuhan daya listrik ini bertolak belakang dengan menipisnya ketersediaan sumber energi minyak dan batu bara. Permasalahan ini berdampak pada ketahanan listrik nasional. Untuk memenuhi kebutuhan daya listrik yang besar dengan cakupan wilayah yang luas diperlukan pembangkit-pembangkit tersebar berskala kecil. Pembangkit tersebar ini diupayakan bersumber pada energi terbarukan untuk meminimalkan pemakaian dari sumber energi minyak dan batu bara lalu dihubungkan ke grid utama PLN melalui Micro Grid. Oleh karena banyaknya pembangkit tersebar ini maka penting untuk menentukan besarnya pembangkitan daya listrik yang optimal dari masing-masing pembangkitnya sehingga kebutuhan daya listrik dapat dipenuhi dengan biaya dan emisi yang minimal. Optimisasi ini dikenal dengan istilah Emission dan Economic Dispatch. Optimisasi ini sudah banyak dilakukan dengan berbagai macam metode. Pada penelitian ini, metode yang digunakan adalah Multiobjective Genetic Algorithm.
Design Optimal Feedback Control Using Evolutionary Particle Swarm Optimization in Multi- Machine Power System Priyadi, Ardyono; Purnomo, Mauridhy Hery; Pujiantoro, Margo
JAVA Journal of Electrical and Electronics Engineering Vol 11, No 2 (2013)
Publisher : JAVA Journal of Electrical and Electronics Engineering

Show Abstract | Original Source | Check in Google Scholar | Full PDF (108.974 KB)

Abstract

This This paper proposes an application of Evolutionary Particle Swarm Optimization (EPSO) to design weighting matrices Q and R elements in Linear Quadratic Regulator (LQR) optimization process. Solving optimal feedback control has already established by LQR method. However, there still has some problem to find the weighting matrices Q and R.These weighting matrices are the most important components in LQR optimization method. Weighting matrices are calculated using trial and error, Particle Swarm Optimazation (PSO), and EPSO techniques and simulation results are compared. Static and Dynamic loads are considered and comparison is illustrated.