Wyniki wyszukiwania - Biblioteka Nauki

1

A new perspective in power loss reduction of ninety two buses integrated D-STATCOM

100%

Muslimin Z.

Przegląd Elektrotechniczny

|

2020

|

tom R. 96, nr 12

53--57

EN

The electrical energy demand continues to increase along with the rapid development of technology and population growth. Fulfilling the electricity supply is a challenge for the operation of the electric power system since the construction of distribution and transmission infrastructures require large costs and such long time process. The complexity of the power distribution system itself may affect the voltage deviation and power loss parameters. The more complex of the distribution system was configured the more critical impacts on those disturbance parameters encountered entire the power network. The main contribution in this research is exploring on 99 bus context with D-STATCOM injection to increase the voltage profile, reducing the total active power loss and optimal size of D-STATCOM using the Optimal Power Flow (OPF) method for load flow analysis and Particle Swarm Optimization (PSO) in optimizing total loss active power and size of D-STATCOM on a radial distribution network system. This study aims to improve the distribution network performance in terms of the voltage profile, the total active power loss through optimal D-STATCOM placement. Optimization uses the Optimal Power Flow (OPF) method based on Particle Swarm Optimization (PSO). The proposed algorithm is calculated numerically for the North Makassar distribution system with ninety two buses included a network pattern open-loop radial configuration and the total load reaches 4.914 MW. The optimized computation algorithm result a minimum voltage profile of up to 0.73%, an average voltage profile up 0.8% or 4kV and a minimum total active power loss around 10.53%.

PL

Celem artykułu jest poprawa parametrów sieci przez optymalizację położenia układu D-STATCOM oraz zastosowanie metody OPF (optymalny przepływ mocy) z wykorzystaniem algorytmów rojowych PS. Zaproponowany algorytm jest obliczony numerycznie dla regionu North Makasar w Algerii. Uzyskano poprawę jakości napięcia I minimum mocy biernej.

2

Managing electricity consumption for household sector in Indonesia

51%

Akil Y. S. , Wardi , Muslimin Z. , Amar K.

Przegląd Elektrotechniczny

|

2021

|

tom R. 97, nr 5

34--39

EN

This study has focus to investigate a number of aspects that influencing electricity consumption for urban household in Indonesia. For this purpose, a questionnaire is developed to get primary data from two cities, namely Makassar and Yogyakarta. The collected data are analyzed using statistical approach. From analysis of 231 usable data obtained in September and October 2020, majority occupants have practiced specific energy saving lifestyle at their homes although the usage of energy efficiency appliances (EEA) is still low. Higher cost to buy EEA, the absence of non-flat electricity tariff scheme and energy management supporting system are some main barriers to support further occupants in reducing consumption. Another result from regression model revealed that income variable, family size, and installed electricity at home (IEA) are significant predictors for electricity consumption. The variables can explain variation of the household consumption around 47% where the IEA is the most predictor. Provided information can assist power utility in Indonesia in designing more realistic strategy to promote energy saving program or to propose wise ways in managing energy usage for household sector.

PL

Praca ma na celu zbadanie szeregu aspektów wpływających na zużycie energii elektrycznej przez gospodarstwa domowe w Indonezji. W tym celu opracowano kwestionariusz, aby uzyskać podstawowe dane z dwóch miast, a mianowicie Makassar i Yogyakarta. Zebrane dane są analizowane za pomocą podejścia statystycznego. Z analizy 231 użytecznych danych uzyskanych we wrześniu i październiku 2020 r. Wynika, że większość mieszkańców prowadzi w swoich domach określony tryb życia oszczędzający energię, chociaż użycie urządzeń energooszczędnych (EEA) jest nadal niskie. Wyższe koszty zakupu EOG, brak taryfy opłat za energię elektryczną i systemu wspierającego zarządzanie energią to główne bariery wspierające mieszkańców w ograniczaniu zużycia energii.

3

Forecasting voltage collapse when large-scale wind turbines penetrated to power systems using optimally pruned extreme learning machines (OPELM) - case study: electric power system South Sulawesi-Indonesia

32%

Chaerah Gunadin I. , Siswanto A. , Safrizal S. , Syukriyadin S. , Rosyadi M. , Muslimin Z. , Gassing , Rasyid R.

Przegląd Elektrotechniczny

|

2022

|

tom R. 98, nr 5

80--84

EN

The problem of voltage collapse is a major issue in the operation of the current power system, especially when the penetration of wind turbines into the system continues to increase. The intermittency of the wind turbine has an impact on the stability of the system voltage. Fast Voltage Stability Index (FVSI) is used as a parameter for the condition of the system with the phenomenon of voltage collapse. This study aims to observe and predict the value of the Line stability index using Optimally Pruned Extreme Learning Machine (OP-ELM). The test case in this study is the South Sulawesi-Indonesia Electric Power System, with a total wind turbine penetration of 142 MW. From the simulation, it can be seen that OPELM can do forecasting very well with an error rate of 0.0886%.

PL

Problem załamania napięcia jest poważnym problemem w funkcjonowaniu obecnego systemu elektroenergetycznego, zwłaszcza gdy penetracja turbin wiatrowych do systemu nadal wzrasta. Przerywalność turbiny wiatrowej ma wpływ na stabilność napięcia systemu. Wskaźnik stabilności szybkiego napięcia (FVSI) jest używany jako parametr stanu systemu ze zjawiskiem załamania napięcia. Niniejsze badanie ma na celu obserwowanie i przewidywanie wartości wskaźnika stabilności linii przy użyciu maszyny OP-ELM (ang. Optimally Pruned Extreme Learning Machine). Przykładem testowym w tym badaniu jest system elektroenergetyczny South Sulawesi-Indonesia, z całkowitą penetracją turbin wiatrowych 142 MW. Z symulacji widać, że OP-ELM może bardzo dobrze wykonywać prognozy ze wskaźnikiem błędu 0,0886%.