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, perbandingan adil tiga algoritma dari 20 kali percobaan. Ketiganya mampu menemukan solusi terbaik, tetapi yang paling konsisten adalah hybrid PSO-GWO, dan ada temuan menarik tentang kecepatan PSO-Ayo kita mulai. Halo, selamat datang di episode terakhir seri optimasi Distributed Generation. Meta heuristik bersifat acak, jadi satu kali percobaan tidak cukup untuk menyimpulkan algoritma mana yang lebih baik. Penelitian yang baik menjalankan setiap algoritma berkali-kali dengan SID berbeda, lalu melaporkan statistiknya. Hari ini kita melakukannya untuk PSO, GWO, dan hybrid PSO-GWO.
Langkah 1: Dua puluh percobaan tiap algoritma
Buat file analisis.py Ketiga algoritma dijalankan 20 kali dengan SID 0-19, dengan pengaturan yang sama, 30 agen dan 100 iterasi. Untuk setiap percobaan kita simpan rugi daya akhir, kurva konvergensi, dan solusinya. Lalu kita cetak tabel rugi terbaik, rata-rata, simpangan baku, terburuk, dan persentase penurunan rata-rata. Jalankan, 60 optimasi selesai dalam sekitar setengah menit.
Langkah 2: " statistik
Hasilnya, ketiga algoritma menemukan rugi terbaik yang sama, sekitar 71,5 kW di bus 14, 24, dan 30. Perbedaannya ada di konsistensi. Hybrid PSO-GWO punya rata-rata terendah, sekitar 72 kW, dan simpangan baku terkecil, sekitar 1,1. PSO rata-rata sekitar 72,5, sedangkan GWO yang unggul di fungsi benchmark justru paling lemah di sini, rata-rata sekitar 73,1 dengan simpangan terbesar.
Langkah 3: Konvergensi & boxplot
Mari kita gambar. Kurva konvergensi rata-rata memperlihatkan PSO turun paling cepat di awal, tetapi kemudian mendatar. Hybrid lebih lambat di awal, namun terus turun dan berakhir paling rendah. Box plot di kanan memperlihatkan sebarannya, GWO punya kotak yang lebar karena banyak percobaan terjebak di optimum lokal sekitar 76 kW, sedangkan hybrid paling rapat. Kesimpulannya, hybrid PSO-GWO paling bisa diandalkan untuk masalah ini, sedangkan PSO cocok bila iterasinya terbatas. Hasil disimpan ke hasil perbandingan .json untuk laporan.
Selesai!
Selesai, dan selesai pula seri ini. Kita sudah membangun penelitian optimasi distributed generation secara lengkap, data IEEE 33 bus, aliran daya backward forward sweep, fungsi objektif dengan penalti, PSO dan gray wolf optimizer dari nol, algoritma hybrid, sampai analisis statistik 20 percobaan. Untuk penelitian lanjutan, coba digi dengan faktor daya tidak satu, sistem IEEE 69 bus, objektif ganda rugi dan biaya, atau profil beban 24 jam dengan panel surya. Terima kasih sudah mengikuti seri ini. 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 enam 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 cerdasinovasidigital.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 video1.290 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.
