optimal placement and sizing of capacitor banks in

PENENTUAN LETAK DAN KAPASITAS BANK KAPASITOR SECARA OPTIMAL PADA
JARING TRANSMISI MENGGUNAKAN BEE COLONY ALGORITHM
Danang Sulistyo
Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember
Abstrak-Pertumbuhan industri diikuti permintaan daya reaktif
yang tinggi menyebabkan perencanaan dan operasi dari sistem
interkoneksi menjadi lebih kompleks sehingga kualitas sistem
menjadi kurang dapat diandalkan. Aliran daya reaktif dapat
menyebabkan drop tegangan dan kerugian baris dalam sistem
transmisi. Pemasangan kapasitor pada sistem transmisi adalah
salah satu cara untuk memecahkan masalah ini. Fungsi kapasitor
adalah untuk pasokan daya reaktif sehingga kapasitor dapat
memperbaiki faktor daya, mengurangi drop tegangan dan
mengurangi kerugian daya pada saluran transmisi. Sistem
transmisi listrik memiliki banyak variasi beban bus sehingga
memasang kapasitor perlu mempertimbangkan lokasi dan
kapasitas kapasitor. Algoritma Bee Colony adalah sebuah bentuk
kecerdasan buatan untuk menentukan lokasi dan kapasitas bank
kapasitor secara optimal sehingga sistem menjadi lebih andal.
Kata kunci-Bank kapasitor, Artificial Bee Colony (ABC)
Algorithm
1.
melakukan penempatan kapasitor mengunakan metode
fuzzy [6].
2.
Daya aktif dari rangkaian AC diperoleh dari perkalian
tegangan dan komponen arus yang sefase. Jika sebuah
beban induktif murni (L) dihubungkan dengan sumber V
(volt) akan menghasilkan arus lagging, yaitu arus I
tertinggal atau terbelakang 90º terhadap V. Sebaliknya jika
sebuah beban kapasitif murni (C) dihubungkan dengan
sumber V (volt) akan menghasilkan arus leading, yaitu arus
I mendahului 90º terhadap V.
Dalam suatu rangkaian beban, gambar 1 dan 2
menunjukkan rangkaian dan diagram phasor suatu beban
yang disuplai oleh sumber V,
I
PENDAHULUAN
Jaring transmisi pada sistem tenaga listrik berfungsi
sebagai sarana untuk menyalurkan energi listrik yang
dihasilkan dari pusat pembangkit ke pusat-pusat beban.
Jaring transmisi sebagai sarana untuk penyaluran daya
membutuhkan suatu kondisi yang optimal. Daya yang
disalurkan oleh jaring transmisi ini memiliki dua
komponen yaitu daya aktif dan daya reaktif. Besar aliran
daya pada suatu sistem berpengaruh pada tingkat keamanan
dan kestabilan sistem tenaga listrik
Dalam suatu sistem transmisi tenaga listrik, daya reaktif
berpengaruh pada kestabilan sistem. Daya reaktif
disebabkan oleh impedansi dari saluran yang sebagian
besar merupakan komponen reaktif. Daya reaktif juga
menjadi konsumsi untuk peralatan listrik seperti motor,
transformator dan peralatan elektronika daya. Bila suatu
jaring transmisi tidak memiliki sumber daya reaktif di
daerah sekitar beban, maka semua kebutuhan beban
reaktifnya dipikul oleh generator sehingga akan mengalir
arus reaktif pada jaring transmisi. Apabila kebutuhan ini
cukup besar maka arus yang mengalir di jaring transmisi
juga semakin besar yang akan berakibat pada penurunan
faktor daya, peningkatan rugi-rugi jaringan, jatuh tegangan
pada ujung saluran meningkat. Demikian juga pengaruh
kenaikan arus terhadap kapasitas peralatan yang pada
akhirnya berpengaruh pada umur peralatan.
Optimisasi dapat dicapai dengan mempertimbangkan
batas operasional dan kualitas daya yang dibutuhkan [1].
Banyak usaha yang telah dilakukan dalam menentukan
letak dan kapasitas kapasitor. Suatu metode yang
digunakan untuk menyelesaikan permasalahan peletakkan
kapasitor sebagai sebagai kompensasi daya reaktif,
penempatan kapasitor shunt pada suatu jaring distribusi
dengan menggunakan program aplikasi [2]. Ji-Pyng Chiou
dan kawan-kawan melakukan penelitian menggunakan
VSHDE (Variable Scaling Hybrid Differential Evolution)
untuk menentukan letak kapasitor pada jaring distribusi
dalam skala besar [3,4]. Ahmed M. Azmy mengoptimalkan
aliran daya untuk mengatur profil tegangan pada sistem
terinterkoneksi [5]. S.K. Bhattacharya dan S.K. Goswami
ALIRAN DAYA REAKTIF
I
90
90
XL
V
V
-90°
V
0
I
(a)
(b)
Gambar 1. Rangkaian dengan beban induktif
a) Rangkaian AC dengan beban elemen induktif
b) Diagram phasor rangkaian beban induktif
I
I
90
I
90°
XC
V
V
90
V
0
(a)
(b)
Gambar 2. Rangkaian dengan beban kapasitif
a) Rangkaian AC dengan beban elemen kapasitif
b) Diagram phasor rangkaian beban kapasitif
Daya listrik dibagi menjadi 3 elemen yang dapat
diketahui masing-masing elemen dari daya tersebut adalah,
Total power (S)) : S VI * (VA )
(1)
Active power (P) : P VI cos (Watt)
(2)
Reactive power (Q): Q VI sin (Var)
(3)
Sehingga faktor daya dapat diketahui dengan persamaan
Faktor daya =
daya aktif (KW)
cos
(4)
daya total (KVA)
Faktor daya dikatakan ”lagging” apabila beban induktif dan
sedangkan ”leading” apabila beban kapasitif.
2.1 Pengaruh Kompensasi Pada Beban Induktif
Kompensasi beban induktif dilakukan untuk
meningkatkan kualitas daya, yaitu profil tegangan dan
power factor (pf). Dngan menggunakan kapasitor, arus
reaktif yang mengalir pada saluran akan berkurang dan
mengurangi penurunan tegangan pada saluran, sehingga
tegangan sumber pada sisi kirim yang tidak berbeda jauh
dengan tegangan pada sisi terima.
2.2 Koreksi Faktor Daya
Pembangkitan daya reaktif pada perencanaan daya dan
pensuplaiannya ke beban-beban yang berlokasi pada jarak
yang jauh adalah tidak ekonomis, tetapi dapat dengan
mudah disediakan oleh kapasitor yang ditempatkan pada
pusat beban.
Dengan mengasumsikan beban disuplai dengan daya
nyata (aktif) P, daya reaktif tertinggal (lagging) Q1, dan
daya semu S1, pada faktor daya tertinggal bahwa :
cos
P
S1
1
(5)
P
( P 2 Q12 )
ketika kapasitor shunt Qc kVA dipasang pada beban, faktor
daya dapat ditingkatkan dari cos θ1 ke cos θ2, dimana :
cos
2
P
S2
P
(P
2
P
2
2
Q )
P
2
(6)
(Q1 Qc )
2
Oleh karena itu, dapat dilihat dari gambar .4, daya total
dan daya reaktif menurun dari S1 kVA menjadi S2 kVA dan
dari Q1 kvar menjadi Q2 kvar. Sehingga dapat diketahui
penurunan daya reaktif menyebabkan penurunan daya total
.
80
kVar
70
kW
60
kW
100 kVA
PF=0.6
43.59
kVar
60
kVar
71.41
kVar
80
kW
100 kVA
PF=0.7
100
kW
90
kW
100 kVA
PF=0.8
100 kVA
PF=0.9
100 kVA
PF=1
Gambar 3. Ilustrasi perubahan daya akibat perubahan faktor daya
P
P
Q1
Q 2 =Q1 QC
LOAD
(a)
2
1
S2
imum
imum
VLmin
VLi VLmax
untuk i=1,…, N pq
i
i
min imum
gi
Q
3.
QC
(b)
Fungsi objektif yang digunakan adalah rugi minimal
daya aktif (Ploss) pada sistem transmisi. Sehingga
pemasangan kapsitor untuk mengurangai rugi saluran
mengacu pada persamaan berikut,
Nl
g k [(tkVi ) 2
V j 2 2tk Vi V j cos
ij
]
Qgi Q
untuk i=1,…, N gen
(8)
(9)
ARTIFICIAL BEE COLONY (ABC)
Metode optimisasi yang digunakan untuk menentukan
letak dan kapasitas dari masing–masing bank kapasitor
adalah metode berbasis kawanan lebah yaitu Artificial Bee
Colony (ABC). ABC adalah sebuah metode optimisasi
yang terinspirasi oleh perilaku mencari makan lebah madu
diperkenalkan oleh Karaboga pada tahun 2005 [9].
ABC Adalah suatu metode pencarian nilai optimal yang
terinspirasi oleh kegiatan/pola dari kawanan lebah dalam
mencari makanan. Dalam metode ini, perilaku cerdas
tertentu dari sekawanan lebah madu berupa perilaku
mencari makan ditinjau, dan sebuah algoritma baru dari
koloni lebah buatan (Artificial Bee Colony) yang
mensimulasikan perilaku lebah madu tersebut dijelaskan
untuk memecahkan permasalahan optimisasi multidimensi
dan multimodal. Dalam model ABC algorithm, koloni
lebah buatan terdiri dari tiga kelompok lebah, yaitu: lebah
pekerja, lebah onlooker dan lebah scout. Lebah yang
menunggu di dance area untuk membuat keputusan dalam
memilih sumber makanan, disebut sebagai lebah onlooker
dan lebah yang pergi ke sumber makanan yang pernah
dikunjungi sendiri sebelumnya, diberi nama lebah pekerja.
Sedangkan lebah yang melakukan pencarian acak disebut
lebah scout. Untuk setiap sumber makanan, hanya ada satu
lebah pekerja. Lebah pekerja yang sumber makanannya
telah habis akan menjadi lebah scout [11]. Langkahlangkah utama dari algoritma ABC diberikan di Gambar 5.
Langkah-langkah utama proses optimisasi ABC
algorithm dapat diuraikan sebagai berikut,
1. Inisialisasi posisi sumber makanan.
2. Gerakkan lebah pekerja menuju sumber-sumber
makanan dan tentukan jumlah nektarnya.
Untuk tiap lebah pekerja, sebuah sumber makanan baru
dihasilkan melalui rumusan,
(10)
vij xij
xkj )
ij ( xij
Gambar 4. Ilustrasi koreksi faktor daya
Ploss
max imum
gi
3. Gerakkan lebah onlooker menuju sumber-sumber
makanan dan tentukan jumlah nektarnya.
Pada langkah ini, lebah onlooker memilih sebuah
sumber makanan dengan menggunakan perhi- tungan
probabilitas (4) dan mendapatkan sebuah sumber
makanan baru dalam area sumber ma- kanan yang telah
dipilih melalui rumusan (3).
Q2
Q1
S1
Batas tegangan tiap bus menggunakan persamaan 8 dan
batas suplai daya reaktif generator menggunakan persamaan
9,
(7)
k 1
Dengan Nl adalah jumlah saluran pada sistem transmision,
gk adalah konduktansi dari line k antara bus i dan j, tk
merupakan tap ratio dari transformator k, Vi adalah
magnitud tegangan pada bus i, θij perbedaan sudut tegangan
antara bus i dan j.
Pi
fiti
SN
i 1
(11)
fiti
4. Tentukan sumber makanan yang harus ditinggalkan dan
alokasikan lebah pekerjanya sebagai scout untuk
mencari sumber makanan baru berdasarkan pencarian
secara acak dengan memakai rumusan,
xij
j
j
xmin
rand[0,1]( xmax
j
xmin
)
(12)
5. Catat sumber makanan terbaik yang telah ditemukan
sejauh ini.
6. Ulangi langkah 2 5 hingga kriteria yang diinginkan
terpenuhi.
Tabel 1. Representasi ABC Algorithm untuk optimisasi kapasitor
INISIALISASI LETAK
SUMBER MAKANAN
ABC Algorithm
MENGHITUNG
JUMLAH NECTAR
Jumlah lebah pekerja atau
posisi sumber makanan
MENENTUKAN LETAK MAKANAN
BARU UNTUK LEBAH PEKERJA
MENGHITUNG JUMLAH
NECTAR YANG BARU
MENENTUKAN LETAK SUMBER
MAKANAN UNTUK LEBAH ONLOOKER
MEMILIH SUMBER MAKANAN
UNTUK LEBAH ONLOOKER
LEBAH ONLOOKER
DISEBARKAN SEMUA?
Dimensi
Fungsi obyektif
fitness
MENGINGAT LETAK
TERBAIK
MENGHASILKAN TEMPAT BARU UNTUK
PRODUKSI SUMBER MAKANAN
a) Percobaan 1
Lokasi bus untuk penempatan kapasitor adalah bus-bus
yang merupakan tegangan kritis sehingga kapasitor akan
diletakkan pada bus 13, 14, 19, 20, dan 21. Untuk
parameter ABC digunakan colony size 50 dan maximum
cycle 300.
Hasil simulasi diperoleh nilai kapsitor yang terpasang
yaitu sebagai berkut:
1) Bus 13 = 400 MVar 4) Bus 20 = 400 MVar
2) Bus 14 = 400 MVar 5) Bus 21 = 400 MVar
3) Bus 19 = 248.245 MVar
KRITERIA AKHIR
MEMUASKAN?
LETAK AKHIR
MAKANAN
Gambar 5, flowchart algoritma ABC
Suralaya
1
Cilegon
2
Kembangan
Cibinong
3
4
Gandul
8
6
Cirata
18
Depok
19
Tasikmalaya
Muaratawar
Cawang
7
10
Bekasi
Mandiracan
13
9
20 Pedan
Cibatu
Saguling
11
12
Bandung
Kediri
21
14 Ungaran
15
Tanjung jati
22
16
23
Grati
1
1 fungsi _ objektif
Dari hasil analisis load flow diperoleh bahwa tidak
semua profil tegangan bus berada dalam batas standar yang
diijinkan yaitu bus 13, 14, 19, 20, dan 21 kurang dari 0.95
p.u. Sedangkan total kerugian daya saluran transmisi
adalah 136.539+j1223.030 MVA.
MENEMUKAN SUMBER MAKANAN
YANG DITINGGALKAN
5
Optimisasi kapasitor pada
sistem transmisi
Kandidat bus sebagai posisi
kapasitor dan kandidat
kapasitas kapasitor yang akan
dipasang
Jumlah kapasitor yang akan
dipasang pada bus sistem
transmisi
F = min Ploss
Paiton
Surabaya Barat
17
Gresik
Gambar 6. Single line diagram JAMALI 500kV
4. ANALISA DATA DAN HASIL PERCOBAAN
Simulasi pada Tugas akhir ini menggunakan sistem
transmisi Jawa Bali 500 kV yang terdiri dari 23 bus, 28
saluran, dan 8 pusat pembangkit, single line diagram sistem
dapat dilihat pada gambar 6.
Langkah yang harus dilakukan pertama kali untuk
proses implementasi adalah merepresentasikan parameterparameter yang dibutuhkan untuk kompensasi menjadi
parameter algoritma koloni lebah sehinga proses optimasi
dapat dilakukan representasi parameter dapat dilihat pada
table 1.
Dari hasil optimisasi dengan ABC pada percobaan 2,
total rugi daya dapat diturunkan menjadi 120.666
+j1043.621 MVA. Perbandingan hasil simulasi sebelum
dan setelah kompensasi pada percobaan 1 dapat dilihat
pada gambar 7, 11,15.
b) Percobaan 2
Pada percobaan 2, bus-bus yang akan dipasang
kapasitor adalah seluruh bus beban yang bukan bus
pembangkit yaitu 2, 3, 4, 5, 6, 7, 9, 12, 13, 14, 16, 18, 19,
20, dan 21. Untuk parameter ABC digunakan colony size
50 dan maximum cycle 300.
Hasil simulasi diperoleh nilai kapasitor yang terpasang
yaitu sebagai berkut:
Bus 2 = 274.589 MVar Bus 13 = 300 MVar
Bus 3 = 236.731 MVar Bus 14 = 300 MVar
Bus 4 = 171.664 MVar Bus 16 = 296.539 MVar
Bus 5 = 276.086 MVar Bus 18 = 100.405 MVar
Bus 6 = 182.250 MVar Bus 19 = 197.122 MVar
Bus 7 = 173.497 MVar Bus 20 = 300 MVar
Bus 9 = 289.051 MVar Bus 21 = 300 MVar
Bus 12 = 247.509 MVar
Dari hasil optimisasi dengan ABC pada percobaan 2,
total rugi-rugi daya dapat diturunkan menjadi 116.989
+j1006.091 MVA. Perbandingan hasil simulasi sebelum
dan setelah kompensasi pada percobaan 2 dapat dilihat
pada gambar 8, 12, 16.
c) Percobaan 3
Percobaan kali ini tidak hanya kapasitas saja yang
dioptimasi tetapi letak kapasitor juga dioptimasi,
sedangkan Untuk parameter ABC digunakan colony size 50
dan maximum cycle 300.
Hasil simulasi diperoleh letak dan kapasitas kapasitor
yang terpasang yaitu sebagai berkut:
1) Bus 12 = 364.050 MVar 4) Bus 20 = 400 MVar
2) Bus 13 = 400 MVar 5) Bus 21 = 400 MVar
3) Bus 14 = 400 MVar
Dari hasil optimisasi dengan ABC pada percobaan 2,
total rugi-rugi daya dapat diturunkan menjadi 119.576
+j1033.322 MVA. Perbandingan hasil simulasi sebelum
dan setelah kompensasi pada percobaan 3 dapat dilihat
pada gambar 9, 13, 17.
d) Percobaan 4
Percobaan kali ini tidak hanya kapasitas saja yang
dioptimasi tetapi letak kapasitor juga dioptimasi,
sedangkan Untuk parameter ABC digunakan colony size 70
dan maximum cycle 500.
Hasil simulasi diperoleh letak dan kapasitas kapasitor
yang terpasang yaitu sebagai berkut,
Bus 3 = 300 MVar Bus 13 = 300 MVar
Bus 4 = 300 MVar Bus 14 = 300 MVar
Bus 7 = 300 MVar Bus 19 = 227.819 MVar
Bus 9 = 300 MVar Bus 20 = 300 MVar
Bus 12 = 300 MVar Bus 21 = 300 MVar
Dari hasil optimisasi dengan ABC pada percobaan 2,
total rugi daya dapat diturunkan menjadi 117.374
+j1009.983 MVA. Perbandingan hasil simulasi sebelum
dan setelah kompensasi pada percobaan 3 dapat dilihat
pada gambar 10, 14, 18.
Gambar 7. Grafik perbandingan rugi daya aktif sebelum dan setelah pemasangan kapasitor percobaan 1.
Gambar 8. Grafik perbandingan rugi daya aktif sebelum dan setelah pemasangan kapasitor percobaan 2.
25
rugi daya aktif (MW)
20
15
10
5
0
1-2
1-4
2-5
3-4
4-5
4-18
5-7
5-8
5-11
6-7
6-8
8-9
9-10 10-11 11-12 12-13 13-14 14-15 14-16 14-20 15-16 16-17 16-23 18-19 19-20 20-21 21-22 22-23
saluran transmisi
sebelum kompensasi
setelah kompensasi
Gambar 9. Grafik perbandingan rugi daya aktif sebelum dan setelah pemasangan kapasitor percobaan 3.
1.04
1.04
1.02
1.02
1
tegangan (p.u)
tegangan (p.u)
Gambar 10. Grafik perbandingan rugi daya aktif sebelum dan setelah pemasangan kapasitor percobaan 4.
0.98
0.96
0.94
0.92
1
0.98
0.96
0.94
0.92
0.9
0.9
0.88
0.88
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
no Bus
tanpa kompensasi
setelah kompensasi
Gambar 11. Perbandingan tegangan masing-masing bus sebelum dan
sesudah penempatan kapasitor percobaan 1
no bus
sebelum
setelah kompensasi
Gambar 12. Perbandingan tegangan masing-masing bus sebelum dan
sesudah penempatan kapasitor percobaan 2
1.04
tegangan (p.u)
1.02
1
0.98
0.96
0.94
0.92
0.9
0.88
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
no bus
sebelum kompensasi
setelah kompensasi
Gambar 13. Perbandingan tegangan masing-masing bus sebelum dan
sesudah penempatan kapasitor percobaan 3
Gambar 15. Grafik konvergensi optimisasi ABC pada percobaan 1
Gambar 14. Perbandingan tegangan masing-masing bus sebelum dan
sesudah penempatan kapasitor percobaan 4
Gambar 16. Grafik konvergensi optimisasi ABC pada percobaan 2
Gambar 17. Grafik konvergensi optimisasi ABC pada percobaan 3
5.
KESIMPULAN
Dari percobaan yang telah dilakukan ABC dapat
memperoleh hasil yang optimal untuk menentukan lokasi
dan kapasitas bank kapasitor. Percobaan dilakukan dengan
pertimbangan batas-batas yang digunakan untuk
menemukan solusi yang lebih baik. Peformansi komputasi
menunukkan hasil memuaskan dengan melihat penurunan
kerugian daya Kompensasi tidak cukup dengan optimasi
kapasitas kapasitor saja tetapi juga dengan mengoptimasi
letak kapasitor. Jumlah kapasitor berpengaruh pada
pemenuhan kebutuhan daya reaktif pada sistem.
6.
DAFTAR PUSTAKA
[1] Mohammad A. S. Masoum, Marjan Ladjevardi, Akbar
Jafarian and Ewald F. Fuchs, “Optimal Placement,
Replacement and Sizing of Capacitor Banks in
Distorted Distribution Networks by Genetic
Algorithms”, IEEE Transaction on Power Delivery,
Vol. 19, No. 4, Oktober 2004.
[2] Ngakan Putu Satriya Utama, “Memperbaiki Profil
Tegangan Di Sistem Distribusi Primer Dengan
Kapasitor Shunt”, Teknologi Elektro, 45 Vol, 7 No, 1
Januari - Juni 2008.
[3] Ji-Pyng Chiou, Chung-Fu Chang and Ching-Tzong Su,
”Ant Direction Hybrid Differential Evolution for
Solving Large Capacitor Placement Problems”, IEEE
Transaction On Power Systems, Vol. 19, No. 4,
Nopember 2004.
[4] Ji-Pyng Chiou, Chung-Fu Chang and Ching-Tzong Su,
“Capacitor placement in large-scale distribution
systems using variable scaling hybrid differential
evolution”, Electrical Power and Energy Systems, Vol
28 Desember 2006.
[5] Ahmed M. Azmy, “Optimal Power Flow to Manage
Voltage Profiles in Interconnected Networks Using
Expert Systems”, IEEE Transaction On Power Systems
, Vol 22, No. 4, Nopember 2007.
[6] S.K. Bhattacharya, S.K. Goswami, “A new fuzzy based
solution of the capacitor placement problem in radial
distribution
system”,
Expert
Systems
with
Applications, Vol 36, 2009.
[7] Imam Robandi, “Desain Sistem Tenaga Modern”,
ANDI, Yogyakarta, 2006.
[8] Hadi Saadat, “Power System Analysis”, McGraw-Hill,
Singapore, 2004.
[9] Karaboga, D., “An Idea Based On Honey Bee Swarm
For Numerical Optimization”, Technical Report-
Gambar 18. Grafik konvergensi optimisasi ABC pada percobaan 4
TR06, Erciyes University, Engineering Faculty,
Computer Engineering Departmen, 2005
[10] Haiyan Quan, Xinling Shi, “On the Analysis of
Performance of the Improved Artificial-Bee-Colony
Algorithm”. Fourth International Conference on
Natural Computation, 2008.
[11] Li-Pei Wong, Malcolm Yoke Hean Low and Chin
Soon Chong, “A Bee Colony Optimization Algorithm
for Traveling Salesman Problem”, Second Asia
International Conference on Modelling & Simulation,
Vol 27, No 4, Oktober 2008.
[12] Nurhan Karaboga. “A New Design Method Based on
Artificial Bee Colony Algorithm for Digital IIR
Filters”, Journal of the Franklin Institute November
2008.
[13] http://us1.harunyahya.com/Detail/T/EDCRFV/product
Id/15049/THE_MIRACLE_OF_THE_HONEYBEE.
[14] Tereshko V., “Reaction-diffusion model of a honey bee
colony’s foraging behaviour”, Lecture Notes in
Computer Science, vol 1917, Springer-Verlag: Berlin,
p. 807-816, 2000.
[15] V. Tereshko, A. Loengarov, “Collective DecisionMaking in Honey Bee Foraging Dynamics”,
Computing and Information Systems Journal, ISSN
1352-9404, vol. 9, No 3, October 2005.
[16] Isnaini Laili Izzati, “Economic dispatch optimization
for 500 kV Jawa Bali electrical power system using
bacterial foraging optimization”, Final Project,
Department of Electrical Engineering, Institut
Teknologi Sepuluh Nopember, Surabaya, Indonesia
2010.
[17] Juningtijastuti, “Optimization of parameter and
location of UPFC for transmission loss reduction
using Bacteria Foraging algorithm”, Master Thesis,
Department of Electrical Engineering, Institut
Teknologi Sepuluh Nopember, Surabaya, Indonesia
2010.
DANANG SULISTYO, lahir di Madiun,
Jawa Timur pada tanggal 24 September 1986
dari pasangan Bapak Santoso dan Ibu
Sarminah, merupakan putra pertama dari dua
bersaudara. Pada tahun 1999 penulis lulus
dari SD Ledok Kulon III Bojonegoro.
Penulis melanjutkan di SMPN 1 Bojonegoro
dan lulus pada tahun 2002. Setelah lulus dari SMUN 1
Bojonegoro pada tahun 2005, penulis melanjutkan studi S1
di Institut Teknologi Sepuluh Nopember (ITS) Surabaya
jurusan Teknik Elektro. Penulis dapat dihubungi melalui
alamat email: [email protected]