Steady-State Stability Assessment Using Neural Network Based on Network Equivalent

Sistem tenaga di seluruh dunia mengalami peningkatan pada ukuran dan kompleksitas yang diakibatkan oleh pengembangan sistem interkoneksi secara luas. Situasi ini akan membawa sistem tenaga lebih sering beroperasi mendekati batas kestabilan steady-state yang berakibat pada peningkatan ketidakstabilan tegangan atau voltage collapse. Paper ini menjelaskan perbaikan Steady-state Stability Limit (SSSL) pada system tenaga menggunakan kombinasi metode REI-Dimo dan Artificial Neural Network (ANN). REI-Dimo equivalent digunakan untuk memperoleh indeks SSSL pada sistem tenaga. Selanjutnya hasil dari REI-Dimo akan diajarkan pada metode ANN secara on-line. Studi ini dilakukan pada sistem Jawa-Bali 500kV. Dari simulari terlihat bahwa metode yang diusulkan dapat memprediksi SSSL pada sistem tenaga secara akurat. Metode melakukan perhitungan lebih efisien dan cocok digunakan untuk memonitor secara on-line kondisi kestabilan steady-state pada sistem tenaga. Kata kunci: neural network,REI-Dimo,steady-state stability limit, voltage collapse Power systems in all over the world have increased in size and complexity due to rapid growth of widespread interconnection. This situation will make power system operated closer to steady-state stability limit (SSSL) resulting in higher probability voltage instability or voltage collapse. This paper presents SSS