SISTEM PREDIKSI INFLOW DAN OPTIMASI PRODUKSI PLTA GRINDULU MENGGUNAKAN MODEL Bi-LSTM Seq2Seq QUANTILE REGRESSION

MA'MUR, MOCH TAOFIK and Diantari, Retno Aita (2026) SISTEM PREDIKSI INFLOW DAN OPTIMASI PRODUKSI PLTA GRINDULU MENGGUNAKAN MODEL Bi-LSTM Seq2Seq QUANTILE REGRESSION. Masters thesis, Institut Teknologi PLN.

[thumbnail of Cover Tesis.pdf] Text
Cover Tesis.pdf

Download (407kB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (240kB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf

Download (478kB)
[thumbnail of daftar pustaka.pdf] Text
daftar pustaka.pdf

Download (205kB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (245kB) | Request a copy
[thumbnail of BAB IV.pdf] Text
BAB IV.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
[thumbnail of BAB V.pdf] Text
BAB V.pdf
Restricted to Registered users only

Download (201kB) | Request a copy
[thumbnail of TESIS_202310001_MOCH TAOFIK .pdf] Text
TESIS_202310001_MOCH TAOFIK .pdf
Restricted to Registered users only

Download (5MB) | Request a copy
[thumbnail of Lembar Pengesahan.pdf] Text
Lembar Pengesahan.pdf

Download (702kB)
[thumbnail of Abstrak.pdf] Text
Abstrak.pdf

Download (260kB)

Abstract

Kebutuhan energi listrik yang terus meningkat mendorong Pemerintah Indonesia melakukan pengembangan kapasitas pembangkit dengan memanfaatkan tenaga air (hydropower) melalui Pembangkit Listrik Tenaga Air (PLTA). PLTA Grindulu PS merupakan salah satu PLTA yang mengandalkan aliran Sungai Grindulu sebagai sumber energi utama. Ketidakteraturan debit air khususnya pada titik terendah di musim kemarau maka PLTA Grindulu PS direncanakan dibangun dengan teknologi variable speed drive (VSD). Tujuan dari penelitian ini adalah untuk menganalisis data hidrologi dan hidraulika Sungai Grindulu untuk mengetahui profil debit air sepanjang tahun khususnya pada musim kemarau, menganalisis potensi minimum pembangkitan daya listrik dari PLTA Grindulu PS berdasarkan debit terendah yang tersedia, dan menganalisis sistem Variable Speed Drive (VSD) PLTA Grindulu PS dalam mengoptimalkan pembangkitan listrik pada kondisi debit minimum pada musim kemarau.
Penelitian ini merupakan studi kuantitatif-prediktif yang bertujuan memodelkan prediksi inflow pada calon lokasi PLTA Grindulu yang direncanakan menggunakan sistem pumped-storage. Model prediksi yang digunakan adalah Bi-Directional Long Short-Term Memory Sequence-to-Sequence (Bi-LSTM Seq2Seq) dengan pendekatan Quantile Regression (QR) untuk menghasilkan perkiraan inflow pada berbagai tingkat ketidakpastian (q10, q50, dan q90). Hasil prediksi ini dimaksudkan untuk memberikan gambaran awal mengenai ketersediaan air dan variasi debit harian/musiman pada DAS Grindulu.
Hasil penelitian menunjukkan bahwa karakteristik debit aliran DAS Grindulu didominasi oleh kondisi aliran rendah yang relatif konstan sepanjang tahun khususnya pada musim kemarau. Potensi debit minimum dengan debit deain sistem reservoir 242 m3/s maka dapat diperoleh daya pembangkitan +1000 MW. Pada PLTA DAS Grindulu sistem VSD memungkinkan pengoperasian turbun pompa lebih fleksibel dan efisien sehingga pembangkitan listrik tetap normal meski pada kondisi debit minimum. Hasil analisis menunjukkan parameter teknis hidraulika yang perlu diperhatikan dalam mendukung penerapan sistem VSD pada kondisi debit minimum adalah debit air, head efektif, fluktuasi muka air reseroir, tingkat efisiensi turbin, dan tingkat stabilitas aliran.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Variable Speed Drive, Hydropower, Bi-LSTM Seq2Seq
Subjects: Bidang Keilmuan > Analisis Beban
Bidang Keilmuan > Analysis Kinerja
Bidang Keilmuan > Electrical Engineering
Bidang Keilmuan > Energi dan Ketenagalistrikan
Bidang Keilmuan > Hydropower
Bidang Keilmuan > Power Plant
Bidang Keilmuan > Production and Quality System
Skripsi
Bidang Keilmuan > System Performance
Bidang Keilmuan > Teknik Elektro
Thesis
Divisions: Pasca Sarjana > S2 Teknik Elektro
Depositing User: FAK PASCA SARJANA
Date Deposited: 31 Aug 2026 09:40
Last Modified: 25 Sep 2026 02:13
URI: https://repository.itpln.ac.id/id/eprint/7729

Actions (login required)

View Item
View Item