Semua kelas Silabus Optimasi Distributed Generation PSO-GWO · Episode 3 dari 6

Kelas Optimasi Distributed Generation PSO-GWO #3: Fungsi Objektif & Batasan: Rugi Daya, Tegangan, dan Kapasitas DG

0 kali dilihat

Kelas fungsi objektif optimasi penempatan distributed generation dengan Python bahasa Indonesia: rugi daya, batasan tegangan dan kapasitas, metode penalti, sensitivitas lokasi dan ukuran DG. Episode 3.

Software: Python (NumPy, Metaheuristik)
Level: Menengah
Durasi: ± 11 menit
Total seri: 1 jam · 6 video
Terbit: 25 Oktober 2026

Episode 3 dari 6 · lihat silabus

Berlangganan ▶ Tonton video praktik0 kali ditonton

Memeriksa akses...

Ingin belajar lebih dalam?

Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.

Lihat silabus lengkap 6 episode Lihat Kursus Optimasi Sistem Tenaga Tanya via WhatsApp

Kelas yang direkomendasikan untuk Anda

Dipilih dari software, topik, dan level “Kelas Optimasi Distributed Generation PSO-GWO #3: Fungsi Objektif & Batasan: Rugi Daya, Tegangan, dan Kapasitas DG”.

Klasifikasi Gangguan Kualitas Daya Wavelet

6 episodeAda gratis

Python · Menengah–Mahir

Klasifikasi Gangguan Kualitas Daya Wavelet

6 episode video + PDF, total 40 menit. Dimulai dari: Jenis Gangguan Kualitas Daya: Sag, Swell, Harmonik, Transien, Flicker.

40 menit 1 0

Lihat kelas

6 episodeAda gratis

Python · Menengah–Mahir

PID & FOPID Metaheuristik

6 episode video + PDF, total 52 menit. Dimulai dari: Sistem Kendali: Fungsi Alih, Respon Step, dan Spesifikasi Kinerja.

52 menit 1 0

Lihat kelas

6 episodeAda gratis

Python · Menengah–Mahir

Manajemen Energi Microgrid MPC

6 episode video + PDF, total 54 menit. Dimulai dari: Komponen Microgrid & Profil PV, Angin, Beban, dan Tarif Listrik.

54 menit 0 0

Lihat kelas

Kelas MATLAB: Optimasi Kapasitas PLTS dan Inverter untuk Biaya Hidrogen (LCOH) Termurah

Gratis

MATLAB R2025b · Menengah

Kelas MATLAB: Optimasi Kapasitas PLTS dan Inverter untuk Biaya Hidrogen (LCOH) Termurah

Kelas MATLAB dari proyek kosong: mengunduh data PVGIS, memodelkan PLTS atap on-grid dan inverter per jam (8.760 jam), lalu mencari kapasitas dengan biaya hidrogen (LCOH) terendah memakai Particle Swarm Optimization, divalidasi Exhaustive Grid Search, lengkap dengan sensitivitas dan uji asumsi. 19 file kode ditulis dan dijelaskan baris demi baris.

1 jam 8 menit 12 0

Lihat kelas

Kelas MATLAB: Water Cycle Algorithm (WCA) untuk Optimasi Microgrid Hibrid

Premium

MATLAB R2025b · Menengah

Kelas MATLAB: Water Cycle Algorithm (WCA) untuk Optimasi Microgrid Hibrid

Kelas MATLAB dari proyek kosong: menerapkan Water Cycle Algorithm untuk menentukan jumlah panel surya, turbin angin, baterai, dan generator diesel pada microgrid hibrid. Lengkap dengan validasi terhadap optimum teoretis, uji stabilitas 30 run, dan pengaruh ukuran populasi. 11 file kode ditulis dan dijelaskan baris demi baris.

27 menit 5 0

Lihat kelas

Simulasi Wave Flume 2D dengan Breakwater di Ansys Fluent

Premium

ANSYS 2026 R1 (SpaceClaim, Meshing, Fluent) · Menengah

Simulasi Wave Flume 2D dengan Breakwater di Ansys Fluent

Simulasi wave flume 2D di Ansys Fluent 2026 R1: geometri flume 100 m dan breakwater terendam, mesh, VOF dengan gelombang Airy, numerical beach, sampai profil muka air.

15 menit 10 0

Lihat kelas

Simulasi Aliran Saluran Terbuka Dua Fase dengan Ansys Fluent

Premium

ANSYS 2026 R1 (SpaceClaim, Meshing, Fluent) · Menengah

Simulasi Aliran Saluran Terbuka Dua Fase dengan Ansys Fluent

Simulasi aliran saluran terbuka dua fase di Ansys Fluent 2026 R1: saluran lurus 12 m, mesh, VOF dengan Open Channel, kondisi batas inlet dan outlet, model turbulen k-epsilon, run transient 20 detik, dan pengukuran kedalaman air.

11 menit 8 0

Lihat kelas

Simulasi CFD Globe Valve dengan Ansys Fluent (Seri Katup #4)

Premium

ANSYS 2026 R1 (SpaceClaim, Fluent) · Menengah

Simulasi CFD Globe Valve dengan Ansys Fluent (Seri Katup #4)

Simulasi CFD globe valve dengan lintasan aliran S di Ansys Fluent 2026 R1: mass flow inlet, material steam, dan kontur kecepatan, tekanan, serta turbulensi.

10 menit 7 0

Lihat kelas

Butuh lebih dari video?

Pilihan lain dari kami untuk Python.

Belajar bareng mentor

Kursus Simulasi & Rekayasa Teknik terjadwal, dibimbing langsung, bersertifikat.

Kursus

Kursus Ansys: Analisis Perpindahan Panas dan Heat Flux Menggunakan ANSYS Fluent dari Dasar Hingga Studi Kasus Industri

★ 5.0 (10)

Kursus

Kursus Matlab: Perancangan Aplikasi MATLAB: Panduan utama untuk Aplikasi MATLAB

★ 5.0 (10)

Kursus

Kursus Ansys: Simulasi Aliran Udara pada Radiator Mobil dengan ANSYS Fluent

★ 5.0 (9)

Lihat semua Simulasi & Rekayasa Teknik →

Minta dibuatkan

Tidak sempat belajar Python? Tim kami bisa mengerjakan proyeknya.

Jasa

Jasa Pembuatan Matlab — Complete Neural Signal Processing and Analysis Zero to hero

★ 5.0 (59)

Jasa

Jasa Pembuatan Ansys Maxwell

★ 5.0 (50)

Jasa

Jasa Pembuatan Petrel

★ 5.0 (14)

Lihat semua Simulasi & Rekayasa Teknik →

Kabari saya kalau ada kelas Python baru

Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.

Transkrip

Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.

Tampilkan transkrip

Pembuka

Inilah hasil akhirnya, pengaruh lokasi dan ukuran 1 DG terhadap rugi daya. Lokasi terbaik bergantung pada ukurannya, dan DG yang terlalu besar justru menaikkan rugi daya lagi. Kita juga merumuskan fungsi objektif yang akan dioptimalkan oleh PSO dan Gray Wolf. Ayo kita mulai. Halo, selamat datang di episode ketiga seri Optimasi Distributed Generation. Sebelum memakai algoritma optimasi, kita harus merumuskan masalahnya dengan jelas. Apa yang dicari, apa yang diminimalkan, dan batasan apa yang harus dipenuhi. Hari ini kita menulis fungsi objektif untuk 3 DG dan melihat langsung kenapa masalah ini tidak bisa diselesaikan dengan coba-coba.

Langkah 1: Vektor solusi & fungsi objektif

Buat file objektif.py Kita mencari 3 DG, jadi faktor solusinya punya 6 angka, 3 nomor bus dan 3 daya dalam megawatt. Batasannya, bus 2 sampai 33, daya setiap DG 0 sampai 2 megawatt, total DG tidak boleh melebihi total beban, dan tegangan harus diantara 0,95 dan 1,05 per unit. Fungsi uraikan membulatkan nomor bus karena algoritma bekerja dengan bilangan kontinu. Fungsi objektif adalah rugi daya dibagi rugi kasus dasar, ditambah penalti bila tegangan keluar batas, ada bus ganda, atau total DG berlebih.

Langkah 2: Sensitivitas lokasi & ukuran DG

Buat file sensitivitas.py Pertama kita pasang 1 DG 1 megawatt di setiap bus, lalu ulangi dengan ukuran terbaik di setiap bus. Jalankan. Dengan 1 megawatt, lokasi terbaik di bus 30. Tapi bila ukurannya juga dioptimalkan, lokasi terbaik pindah ke bus 6 dengan 2,6 megawatt, dan rugi turun menjadi sekitar 104 kilowatt. Artinya lokasi dan ukuran saling bergantung dan harus dioptimalkan bersamaan. Dan DG 5 megawatt di bus 6 justru menaikkan rugi lagi ke 180 kilowatt, karena daya mengalir balik ke gardu.

Langkah 3: Menguji fungsi objektif

Sekarang kita uji fungsi objektif pada 3 solusi. Solusi acap mendapat nilai 4,1 karena tegangannya melanggar batas. Solusi manual di bus 14, 24, dan 30 mendapat 0,35, artinya rugi tinggal 35 persen. Solusi dengan bus ganda mendapat penalti 1. Grafik kiri membandingkan rugi daya untuk setiap lokasi, dan grafik kanan kurva berbentuk U antara ukuran DG dan rugi daya. Untuk 3 DG, ruang pencariannya puluhan ribu kombinasi bus dikali ukuran kontinu. Sehingga kita butuh algoritma metaheuristik.

si Selesai!

Selesai. Kita sudah merumuskan faktor solusi 3 DG, fungsi objektif dengan penalti batasan, dan melihat bahwa lokasi serta ukuran DG saling bergantung. Di episode berikutnya kita menulis partikel Swarm Optimization dan Gray Wolf Optimizer dari 0. Sedang menyusun skripsi, tesis, atau riset di bidang sistem tenaga listrik dan energi terbarukan? Cerdas inovasi digital membantu implementasi optimasi sistem tenaga, dari aliran daya backward forward sweep, penempatan dan kapasitas distributed generation, PSO, Gray Wolf Optimizer, sampai algoritma hybrid, serta membuka kursus pemrograman Python untuk teknik elektro. Ingin menguasai seluruh seri ini, dari data IEEE 33 bus sampai analisis perbandingan algoritma? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdas inovasi digital.com. Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com. Terima kasih telah menonton, sampai jumpa di episode berikutnya.

Tanya materi kelas

Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.

Catatan saya

Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.

Tanya jawab

Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.

Belum ada pertanyaan.

Pengajar

Tim Cerdas Inovasi Digital

Pengembang software, engineer BIM & 3D, dan praktisi AI

53 kelas video1.296 episode

Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.

Lihat klien kami →

Memuat

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

0:48Langkah 1: Vektor solusi & fungsi objektif

3:41Langkah 2: Sensitivitas lokasi & ukuran DG

6:21Langkah 3: Menguji fungsi objektif

9:15si Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

0:48Langkah 1: Vektor solusi & fungsi objektif

3:41Langkah 2: Sensitivitas lokasi & ukuran DG

6:21Langkah 3: Menguji fungsi objektif

9:15si Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

Pembuka

Langkah 1: Vektor solusi & fungsi objektif

Langkah 2: Sensitivitas lokasi & ukuran DG

Langkah 3: Menguji fungsi objektif

si Selesai!

Pembuka

Langkah 1: Vektor solusi & fungsi objektif

Langkah 2: Sensitivitas lokasi & ukuran DG

Langkah 3: Menguji fungsi objektif

si Selesai!