optimisasi penempatan kapasitor bank sbs

Optimisasi Penempatan dan Ukuran Kapasitor Bank Untuk MengurangiRugi-Rugi Daya Menggunakan Metode Algoritma Genetika(Studi Kasus Interkoneksi Subsistem Sumbagsel 150 kV)

OLEH :

JONI IRAWAN

G1D006007

Dosen Pembimbing

Pembimbing Utama : Anizar Indriani,S.T.,M.T

Pembimbing II : Yuli Rodiah,S.T.,M.T

Seminar Skripsi Program Studi Teknik Elektro Universitas Bengkulu

PDF created with pdfFactory Pro trial version www.pdffactory.com

http://www.pdffactory.com


Optimal Placement Capacitor

Meningkatnya beban pada jaringan

Beban induktif

Kebutuhan daya reaktif meningkat

Arus reaktif mengalir pada jaringan

Faktor daya menurun, drop tegangan dan rugi-rugi daya besar,

Pemasangan kapasitor bank dengan optimisasi penempatan dan ukuranmenggunakan metode algoritma genetika

Meminimalkan rugi –rugi daya dan memperbaiki profil tegangan

Latar Belakang




• Apakah metode algoritma genetika bisa diterapkan juga pada data pembanding

sistem Jawa Bali 500 kV?

• Berapa persen perbedaan penurunan rugi-rugi daya antara metode algoritma

Artificial Bee Colony (ABC) dengan metode algoritma genetika pada sistem Jawa

Bali?

• Berapa besarnya daya pembangkitan, pembebanan interkoneksi subsistem

Sumbagsel 150 kV?

• Bagaimana cara mengimplementasikan metode algoritma genetika dalam

optimisasi penempatan dan ukuran kapasitor bank ?

• Bagaimana algoritma penyelesaian optimisasi penempatan dan ukuran kapasitor

bank dengan metode algoritma genetika?

Perumusan Masalah






• Membandingkan hasil optimisasi menggunakan metode algoritma Artificial Bee Colony

(ABC) dengan menggunakan metode algoritma genetika pada sistem Jawa Bali 500 kV.

• Menentukan aliran daya dan rugi-rugi daya pada jaringan interkoneksi subsistem

Sumbagsel 150 kV sebelum kompensasi daya reaktif.

• Optimisasi letak dan ukuran kapasitor bank pada jaringan interkoneksi subsistem

Sumbagsel 150 kV dengan menggunakan metode algoritma genetika.

• Menentukan aliran daya dan rugi-rugi daya pada jaringan interkoneksi subsistem

Sumbagsel 150 kV setelah kompensasi daya reaktif.

• Menentukan grafik perubahan tegangan tiap bus dan rugi-rugi daya subsistem

Sumbagsel 150 kV sebelum dan setelah kompensasi daya reaktif

TUJUAN PENELITIAN




• Faktor harmonisa akibat pemasangan kapasitor bank diabaikan.

• Biaya kapasitor bank tidak diperhitungkan.

• Hasil skripsi berupa analisis dan simulasi.

• Simulasi aliran daya Newthon Raphson menggunakan tool MATLAB

Hadi Saadat.

• Simulasi algoritma genetika menggunakan program MATLAB 7.0.1.

• Objek penelitian menggunakan data sekunder subsistem Sumbagsel 150

kV.

BATASAN MASALAH





1. Tegangan Bus Generator2. Tap Trafo3. Kompensator VAr

Tinjaun Pustaka

Kompensasi Daya Reaktif





Gambar 2.4. Tegangan terima sebelum dan sesudah dipasang kapasitor paralelSumber : Imam Robandi (2006)

Persamaan





P

S2

S1Q

Q-QC

QC

2

1

Gambar 2.5. Perbandingan besar daya semu yang dibutuhkanSumber : Imam Robandi (2006)

Persamaan





Algoritma Genetika

Menurut Suyanto (2005) Algoritma Genetika adalah algoritma pencarian

yang didasarkan pada mekanisme seleksi alamiah dan genetika alamiah.

Pertama kali Algoritma genetika dirintis oleh Jhon Holland pada tahun 1960-an

dan dikembangkan oleh muridnya David Goldberg. Algoritma Genetika telah

dipelajari, diteliti, dan diaplikasikan.

Metode Optimisasi





1. Gen

2. Allel

3. Kromosom

4. Populasi

5. Generasi

Gambar 2.6 Representasi permasalahan algoritma genetika

Istilah dalam Algoritma Genetika





1. Jumlah Gen2. Jumlah Kromosom3. Kemungkinan pindah silang (Pc)4. Kemungkinan mutasi (Pm)5. Kemungkinan pelestarian (Pbreeder)6. Maksimum generasi

1. Pengkodean2. Nilai Fitness 3. Seleksi 4. Pindah Silang (crossover)5. Mutasi 6. Elitisme7. Regenerasi


Parameter Algoritma Genetika

Komponen-Komponen Algoritma Genetika




Gambar 2.1o Siklus Algoritma Genetika





Waktu penelitian bulan Desember 2010 s.d. Januari 2011 dan tempatpenelitian di PT.PLN Persero P3B Sumatera bagian operasi sistem

Untuk menentukan bus-bus yang akan dipasang kapasitor paralel danberapa ukuran kapasitor yang akan dipasang secara optimal

METODELOGI PENELITIAN

3.1 Waktu dan Tempat Penelitian

3.2 Implementasi Algoritma Genetika pada Sistem Jaringan Transmisi





Flowchart program optimisasi penempatan dan ukuran kapasitor bank menggunakan metode algoritma genetika pada sistem jaringan menggunakan MATLAB






Gambar 3.1. Model kromosom pada sistem

Berikut ini script program inisialisasi populasi dalam MATLAB :Populasi = rand(JumKrom,JumGen,2);for I = 1:JumKrom

for J = 1:JumGenif Populasi(I,J,1)<0.5

Populasi(I,J,1)=0; %(Posisi)Populasi(I,J,2)=0; %(Nilai kapasitor)

elsePopulasi(I,J,1)=1; %(Posisi) a=rand(1)*40;b=round(a);Populasi(I,J,2)=b*10; %(Nilai kapasitor)

endend

end

3.2.2 Inisialisasi Awal Populasi




Script injeksi kromosom dalam toot MATLAB Hadi Saadat :for k=1:nbus

n=databus(k,1);Qsh(n)=Populasi(I,k,2);Semula tanpa kompensasi Qsh adalah busdata (k,11).

Fungsi obyektif yang digunakan adalah total rugi-rugi daya saluran nominal (SLT)

Program ini mencari rugi-rugi daya minimum. Program akan berhenti saat injeksikromosom menghasilkan rugi-rugi minimum yang diinginkan dengan penempatan danukuran kapasitor bank yang optimal.

3.2.3 Fungsi Obyektif

3.2.4 Rugi-Rugi Daya Minimum

Script dalam MATLAB :if SLT<x

breakend





Script evaluasi fungsi fitness dalam MATLAB :if SLT > X % nilai x adalah batasan maksimum nilai obyektif

Fit(I)=0;else

Fit(I)=10000/SLT;end

JFit=JFit+Fit(I);

3.2.5. Evaluasi Fungsi Fitness





Script pembuatan roulette dalam MATLAB :% prosentase fitnessprosen=round(100*Fit(I)/JFit);

% Pembuatan roulete tanpa rankk=0;for I=1:JumKrom,

for J=1:prosenk=k+1;roulette(k)=I;

endend Script pemilihan dalam MATLAB :

% Proses Pemilihan (seleksi)for I=1:JumKrom;

r=round(k*rand);if r==0

r=1endpilih=roulette(r);for J=1:JumGen

Induk(I,J,1)=Populasi(pilih,J,1);Induk(I,J,2)=Populasi(pilih,J,2);

endend

3.2.6. Operator Algoritma Genetika

3.2.6.1. Seleksi





Script crossover dalam MATLAB :%Proses kawin silangsthj=JumKrom/2anak=Induk; for I=1:sthj

p=rand; % bangkitkan bil acak 0 s.d 1 sbyk jumKromif p<pcross

r1=round(JumGen*rand);if r1==0

r1=1;endr2=round((JumGen-r1)*rand)+r1;for J=r1:r2 % batasan titik kawin silang

anak(2*I-1,J,1)=Induk(2*I,J,1);anak(2*I-1,J,2)=Induk(2*I,J,2);anak(2*I,J,1)=Induk(2*I-1,J,1);anak(2*I,J,2)=Induk(2*I-1,J,2);

endelse

for J=1:JumGenanak(2*I-1,J,1)=Induk(2*I,J,1);anak(2*I-1,J,2)=Induk(2*I,J,2);anak(2*I,J,1)=Induk(2*I-1,J,1);anak(2*I,J,2)=Induk(2*I-1,J,2);

endend

end

3.2.6.2 Kawin Silang (Crossover)





Script mutasi dalam MATLAB :% Proses Mutasifor I=1:JumKrom

p=rand; % bangkitkan bil acak 0 s.d 1 sbyk jumKromif p<pmut

r=round(JumGen*rand);if r==0

r=1;endanak(I,r,1)=1-anak(I,r,1); % Pembalikanif anak(I,r,1)==0

anak(I,r,2)=0;else

a=0;a=rand(1)*40;b=round(a);anak(I,r,2)=b*10;

endend

end

3.2.6.3 Mutasi





Script mutasi dalam MATLAB :% Proses Elitismefor i=1:JumKrom

p=rand;if p<Pbreeder

for J=1:JumGenanak(I,J,1)=Populasi(pilih,J,1);anak(I,J,2)=Populasi(pilih,J,2);

endend

end

Script regenerasi dalam MATLAB :Populasi=anak;

3.2.6.4. Elitisme

3.2.6.5. Regenerasi





Gambar 3.3. Single line diagram interkoneksi subsistem Sumbagsel 150 kVSumber: PT. PLN P3B Sumatera bidang operasi sistem (telah diolah kembali)

3.5. Data Subsistem Sumbagsel 150 kV





i-j R(pu) X(pu) ½ B Tap setting

1-15 0,014196 0,047502 0,010500 1

1-21 0,019664 0,065800 0,011500 1

1-2 0,007017 0,032413 0,019250 1

1-16 0,021000 0,097000 0,019250 1

2-16 0,013983 0,064587 0,019250 1

3-16 0,007732 0,035715 0,014250 1

3-17 0,002937 0,013566 0,005250 1

4-5 0,000172 0,001100 0,002750 1

5-18 0,001813 0,011242 0,007750 1

6-19 0,001594 0,007174 0,008500 1

7-12 0,000509 0,002672 0,003750 1

8-33 0,000618 0,005085 0,004425 1

8-30 0,001468 0,016885 0,011000 1

8-34 0,001750 0,014392 0,010325 1

9-33 0,004183 0,013996 0,003250 1

10-23 0,003970 0,013283 0,002500 1

11-28 0,008028 0,036128 0,012500 1

12-14 0,003455 0,021421 0,015625 1

13-15 0,024764 0,082865 0,015000 1

14-15 0,004890 0,104200 0,025000 1

17-20 0,001250 0,007750 0,006000 1

17-18 0,000934 0,005790 0,004500 1

18-19 0,012458 0,066951 0,026000 1

21-22 0,034365 0,114991 0,019360 1

21-23 0,050417 0,168704 0,032000 1

22-23 0,017424 0,058305 0,012800 1

23-24 0,008886 0,029733 0,010500 1

24-26 0,030232 0,101163 0,018500 1

24-36 0,023660 0,079171 0,008000 1

24-25 0,007256 0,024279 0,007750 1

25-28 0,010121 0,033868 0,006250 1

25-31 0,004758 0,015922 0,002750 1

25-30 0,014626 0,078607 0,020500 1

25-29 0,011491 0,040218 0,007175 1

26-27 0,011881 0,040444 0,014500 1

29-30 0,026292 0,092023 0,013325 1

31-35 0,006572 0,021992 0,004750 1

31-33 0,015879 0,053132 0,009500 1

31-32 0,004364 0,014603 0,002750 1

33-35 0,009727 0,032548 0,006000 1

Tabel 3.1. Data saluran interkoneksi subsistem Sumbagsel 150 kV

No Bus Nama Bus

Beban Pembangkitan

MW MVAr MW MVAr Qmin Qmax

1 Bukit Asam (Slack) 34,48 16,7 260 61,8532 -130 220

2 Gunung Megang 25,32 12,26 80 -0,8714 -39,2 52,678

3 Indralaya 33,92 16,43 124 20,9901 -70 96

4 IPP Borang 0 0 150 4,5942 -40 60

5 Borang 94,08 45,56 36 -2,5351 -24,49 32,924

6 Talang Duku 0 0 28 0,7801 -15 18

7 Musi 0 0 210 55,3339 -102,879 138

8 New Tarahan 23,01 11,14 200 53,6101 -80 180

9 Tarahan 32,98 15,98 18 -2,6015 -8,367 10,5

10 Besai 0 0 90 19,7638 -80,6 76,2

11 Batu Tegi 0 0 28.6 3,8823 -16 18

12 Pekalongan 73,06 35,39 0 0 0 0

13 Pagar Alam 14,31 6,93 0 0 0 0

14 Lubuk Linggau 42,89 0,78 0 0 0 0

15 Lahat 22,35 10,83 0 0 0 0

16 Prabumulih 21,14 10,24 0 0 0 0

17 Keramasan 94,72 45,87 0 0 0 0

18 Talang Kelapa 30,21 14,63 0 0 0 0

19 Betung 0 0 0 0 0 0

20 Mariana 15,18 7,35 0 0 0 0

21 Baturaja 53,09 25,72 0 0 0 0

22 Blambangan Umpu 4,8 2,33 0 0 0 0

23 Bukitkemuning 24,32 11,78 0 0 0 0

24 Kotabumi 33,36 16,16 0 0 0 0

25 Tegineneng 35,57 17,23 0 0 0 0

26 Menggala 28,78 13,94 0 0 0 0

27 Gumawang 25,31 12,26 0 0 0 0

28 Pagelaran 37,29 18,06 0 0 0 0

29 Metro 30,05 14,56 0 0 0 0

30 Sribawono 28,28 13,69 0 0 0 0

31 Natar 34,48 41,70 0 0 0 0

32 Teluk Betung 60,7 29,39 0 0 0 0

33 Sutami 24,16 11,7 0 0 0 0

34 Kalianda 18,61 34,01 0 0 0 0

35 Sukarami 0 0 0 0 0 0

36 Adijaya 21,51 10,42 0 0 0 0

Tabel 3.2. Data pembangkitan dan beban subsistem Sumbagsel 150 kV




3.6 Data Pembanding Sistem Jawa Bali 500 kV





i-j R(pu) X(pu) ½ B Tap setting

1-2 0,000626496 0,007008768 0 1

1-4 0,006513273 0,062576324 0,005989820 1

2-5 0,013133324 0,146925792 0,003530571 1

3-4 0,001513179 0,016928309 0 1

4-5 0,001246422 0,011975010 0 1

4-18 0,000694176 0,006669298 0 1

5-7 0,004441880 0,042675400 0 1

5-8 0,006211600 0,059678000 0 1

5-11 0,004111380 0,045995040 0,004420973 1

6-7 0,001973648 0,018961840 0 1

6-8 0,005625600 0,054048000 0 1

8-9 0,002822059 0,027112954 0 1

9-10 0,002739960 0,026324191 0 1

10-11 0,001474728 0,014168458 0 1

11-12 0,001957800 0,021902400 0 1

12-13 0,006990980 0,067165900 0,006429135 1

13-14 0,013478000 0,129490000 0,012394812 1

14-15 0,013533920 0,151407360 0,003638261 1

14-16 0,015798560 0,151784800 0,003632219 1

14-20 0,009036120 0,086814600 0 1

15-16 0,037539629 0,360662304 0,008630669 1

16-17 0,001394680 0,013399400 0 1

16-23 0,003986382 0,044596656 0 1

18-19 0,014056000 0,157248000 0,015114437 1

19-20 0,015311000 0,171288000 0,016463941 1

20-21 0,010291000 0,115128000 0,011065927 1

21-22 0,010291000 0,115128000 0,011065927 1

22-23 0,004435823 0,049624661 0,004769846 1

Tabel 3.3. Data saluran transmisi Jawa Bali 500 kV

No

BusNama Bus

Beban Pembangkitan

MW MVAr MW MVAr Qmin Qmax

1 Suralaya 135 40 3059 1262 -600 20402 Cilegon 620 200 0 0 0 03 Kembangan 670 230 0 0 0 04 Gandul 480 160 0 0 0 05 Cibinong 615 190 0 0 0 06 Cawang 670 160 0 0 0 07 Bekasi 570 150 0 0 0 08 Muaratawar 0 0 1082 488 -700 15409 Cibatu 726 280 0 0 0 0

10 Cirata 600 216 189 84 -488 48811 Saguling 0 0 300 65 -140 44012 Bandung Selatam 520 310 0 0 0 0

13 Mandirancan 350 120 0 0 0 014 Ungaran 290 320 0 0 0 015 Tanjung Jati 0 0 672 -64 -240 72016 Surabaya Barat 760 280 0 0 0 017 Gresik 185 80 802 129 -610 66018 Depok 0 0 0 0 0 019 Tasikmalaya 244 15 0 0 0 020 Pedan 462 215 0 0 0 021 Kediri 316 182 0 0 0 022 Paiton 740 240 3244 595 -840 192023 Grati 115 170 0 0 -302 566

Tabel 3.4. Data pembangkitan dan pembebanan sistem Jawa Bali 500 kV





Pengujian Program Algoritma Genetika

Algoritma genetika Optimisasi kapasitor pada sistem transmisi

Kromosom Kandidat bus sebagai posisi kapasitor dankandidat kapasitas kapasitor yang akandipasang

Gen Jumlah kapasitor yang akan dipasang pada bussistem transmisi

Fungsi obyektif F = min SLT (Rugi-rugi daya total)Fitness

Tabel 3.7. Representasi algoritma genetika untuk optimisasi kapasitor

P e n g u j i a n Penentuan Parameter

q Jumlah Kromosom = 20

q Jumlah Gen

Untuk Jawa Bali Jumlah Gen = 23 sedangkan SBS Jumlah Gen = 36





q Peluang crossover (Pc)

Tabel 3.8. Data sampel nilai obyektif dari generasi 1 s.d 4 percobaan Pc=0

Gambar 3.5. Grafik nilai obyektif terbaik setiap generasi padapercobaan Pc=0, Pm=0, Predeer=0 dan MaxGenerasi=4

Gambar 3.6. Grafik nilai obyektif terbaik setiap generasi padapercobaan Pc=0, Pm=0, Predeer=0, dan MaxGenerasi=50





Tabel 3.9. Data sampel nilai obyektif dari generasi 1 s,d 4 percobaan Pc=0.9

Gambar 3.7. Grafik nilai obyektif terbaik setiap generasi padapercobaan Pc = 0,9, Pm=0, Pbreeder=0, dan MaxGenerasi=4

q Peluang mutasi (Pm)Peluang mutasi yang digunakan adalah 0,1





q Peluang pelestarian kromosom (Pbreeder)Peluang pelestarian kromosom yang digunakan adalah 0,2

Gambar 3.8. Grafik nilai obyektif terbaik setiap generasi padapercobaan Pc = 0, Pm=0, Pbreeder=0,2, dan MaxGenerasi=50





3.7.2. Pembentukan Roulette dan Proses Seleksi

Tabel 3.10. Data sampel nilai obyektif, nilai fitness dan fitness relatif

Gambar 3.9 Roulette hasil perhitungan





Tabel 3.11. Bilangan acak dan pemilihan

Tabel 3.12. Populasi baru hasil seleksi





HASIL DAN PEMBAHASAN

v Menggunakan Data Pembanding Jawa Bali 500 kV

Aliran daya sebelum kompensasi daya reaktif

Aliran daya setelah kompensasi menggunakan metode algoritma ABC

Aliran daya setelah kompensasi menggunakan metode algoritma genetika





Hasil Perbandingan Kompensasi Daya Reaktif Metode Algoritma ABC dengan Metode Algoritma Genetika

0.880

0.900

0.920

0.940

0.960

0.980

1.000

1.020

1.040

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29

Te

ga

ng

an

(p

u)

No bus

Perbandingan Tegangan (pu)

sblm ABC

0.000

5.000

10.000

15.000

20.000

25.000

Ru

gi-

rug

i da

ya

ak

tif

(MW

)

Saluran transmisi

Perbandingan Rugi Daya Aktif (MW)

sblm ABC




-50.000

0.000

50.000

100.000

150.000

200.000

1─2

1─4

2─5

3─4

4─

5

4─

18

5─7

5─8

5─11

6─

7

6─

8

8─

99─

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

Ru

gi

da

ya

re

ak

tif

(MV

Ar)

Saluran transmisi

Perbandingan Rugi Daya Reaktif (MVAr)

sblm ABC GA

q Menggunakan Data Subsistem Sumbagsel 150 kV

Aliran daya sebelum kompensasi daya reaktif

Aliran daya setelah kompensasi daya reaktif menggunakan metode GA





Hasil Perbandingan Kompensasi Daya Reaktif Kondisi Real dengan Metode Algoritma Genetika

0.800

0.850

0.900

0.950

1.000

1.050

1.100

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35

Te

ga

ng

an

(p

u)

No. Bus

Perbandingan Tegangan (pu)

sblm kondisi





0.000

1.000

2.000

3.000

4.000

5.000

6.000

7.000

8.000

1 ─15

1 ─21

1 ─2

1─16

2 ─16

3 ─16

3 ─17

4 ─5

5 ─18

6 ─19

7 ─12

8 ─33

8 ─30

8 ─34

9 ─33

10 ─23

11 ─28

12 ─14

13 ─15

14 ─15

17 ─20

17 ─18

18 ─19

21 ─22

21 ─23

22 ─23

23 ─24

24 ─26

24 ─36

24 ─25

25 ─28

25 ─31

25 ─30

25 ─29

26 ─27

29 ─30

31 ─35

31 ─33

31 ─32

33 ─35

Ru

gi

da

ya

re

ak

tif

(MW

)

Saluran transmisi

Perbandingan Rugi-Rugi Daya Aktif (MW)

sblm kondisi optimisasi





-10.000

-5.000

0.000

5.000

10.000

15.000

20.000

25.000

1 ─15

1 ─21

1 ─2

1─16

2 ─16

3 ─16

3 ─17

4 ─5

5 ─18

6 ─19

7 ─12

8 ─33

8 ─30

8 ─34

9 ─33

10 ─23

11 ─28

12 ─14

13 ─15

14 ─15

17 ─20

17 ─18

18 ─19

21 ─22

21 ─23

22 ─23

23 ─24

24 ─26

24 ─36

24 ─25

25 ─28

25 ─31

25 ─30

25 ─29

26 ─27

29 ─30

31 ─35

31 ─33

31 ─32

33 ─35

Ru

gi

da

ya

re

ak

tif

(MV

Ar)

Saluran transmisi

Perbandingan Rugi-Rugi Daya Reaktif (MVAr)

sblm kondisi optimisasi





KESIMPULAN

q Metode algoritma genetika dapat diterapkan dalam optimisasi penempatan dan ukurankapasitor bank pada jaringan transmisi dibuktikan dengan hasil perbandingan antarametode Algorithm Bee Colony (ABC) dengan metode algoritma genetika pada sistem JawaBali 500 kV.

q Hasil perbandingan dua metode optimisasi pada sistem Jawa Bali 500 kV, metodealgoritma genetika mengalami penurunan rugi daya aktif sebesar 13,68 % dan penurunanrugi daya reaktif sebesar 16,96 % sedangkan dengan metode ABC mengalami penurunanrugi daya aktif sebesar 14,04 % dan penurunan rugi daya reaktif sebesar 17,41 %.

q Sebelum dilakukan kompensasi daya reaktif subsistem Sumbagsel memiliki totalpembangkitan sebesar 1043,275+j532,342 MVA, pembebanan sebesar 1017,960 +j523,040MVA dan rugi-rugi daya sebesar 25,315+j9,303 MVA.

q Optimisasi letak dan ukuran kapasitor bank pada subsistem Sumbagsel pada posisi bus 3,4, 8, 9, 10, 14, 17 ,22, 23, 25, 26, 27, 29, 31, 32, 33, 35,36 dengan total kapasitas 110MVAr.

q Setelah dilakukan kompensasi daya reaktif subsistem Sumbagsel memiliki totalpembangkitan sebesar 1041,509+j413,812 MVA, pembebanan sebesar 1017,960+j523,040MVA, injeksi daya reaktif sebesar 110 MVAr dan rugi-rugi daya sebesar 23,549+j0,773MVA

q Pemasangan kapasitor bank dapat menaikkan tegangan terminal dan mengurangi rugi-rugidaya.






ElektroUNIB2011




optimisasi penempatan kapasitor bank sbs

Documents