Prediksi Beban Listrik Jangka Pendek Menggunakan Algoritma Feed Forward Back Propagation dengan Mempertimbangkan Variasi Tipe Hari release_lffsshgak5gmto4ircj3g3w4ym

Abstract

Abstrak-Perkembangan teknologi komputasi yang sudah mengarah kepada teknologi soft computing mendorong peneliti untuk mencoba mencari suatu metode alternatif untuk memprediksi beban listrik berbasis kecerdasan buatan (yang populer dan banyak digunakan: Adaptive Neural Network / Jaringan Syaraf Tiruan). Prediksi beban listrik jangka pendek memegang peranan yang sangat penting bagi efisiensi energi listrik. Untuk itu akan dilakukan prediksi beban listrik jangka pendek untuk 3 tipe hari yaitu hari kerja, hari libur akhir pekan, dan hari libur nasional dengan metode Jaringan Syaraf Tiruan (JST) menggunakan algoritma feedforward backpropagation, dan data yang digunakan adalah data aktual sepanjang tahun 2013 dan tahun 2014. Software pendukung untuk merancang program digunakan Matlab dari Mathwork Corps. Berdasarkan hasil pengujian didapatkan nilai rata-rata error terbaik untuk ketiga tipe hari yaitu 2,89% dari prediksi PLN yang didapat 8,84% pada tipe hari libur nasional, sehingga didapatkan efisiensi energi listrik pada hari libur nasional rata-rata 6% pada setiap jamnya. Kata Kunci-prediksi beban listrik jangka pendek, algoritma back propagasi, variasi hari. Abstract-The development of computing technology that has lead to soft computing technologies prompted researchers to try for finding an alternative method to predict the power load-based artificial intelligence (which is a popular and widely used: Adaptive Neural Network / Neural Network). Short term load forecasting has a very important role for the efficiency of electrical energy. For it will be done prediction electrical load short term for the 3 types of days, weekdays, weekends and national holidays by the method of Artificial Neural Network (ANN) algorithm using feedforward backpropagation, and the data used is real data throughout 2013 and 2014. The software for designing programs to use is Matlab from Mathwork Corps. Based on test results obtained average value error for all three types of day best is 2.89% and the forecasting from PLN gained 8.84% on the type of national holidays, so we get electrical energy efficiency on a national holiday the average 6% in each hour.
In text/plain format

Archived Files and Locations