Abstract:
Unit Commitment (UC) merupakan penjadwalan operasi nyala-padam unit pembangkit listrik untuk memenuhi kebutuhan daya listrik dalam rentang waktu tertentu dengan tujuan memperoleh total biaya pembangkitan yang ekonomis. Pada pembangkit listrik, UC dianggap sebagai salah satu permasalahan fundamental dalam manajemen sistem tenaga listrik dan telah menjadi fokus penelitian selama bertahun-tahun. Tugas akhir ini dilakukan pemodelan Machine Learning (ML) untuk optimalisasi UC dengan menggunakan Supervised Learning algoritma Random Forest. Algoritma Random Forest dipilih karena memiliki kemampuan untuk menangani data-data kompleks dan memprediksi yang akurat. Pada pemodelan tersebut bertujuan untuk memprediksi zona operasi Pembangkit Listrik Tenaga Air (PLTA) dalam pengaturan kebijakan UC. Data yang mencakup time, head, release reservoir, spillage reservoir, power, discharge unit, dan power unit digunakan untuk melatih model. Melalui proses ensemble learning, algoritma Random Forest membangun sejumlah pohon keputusan dengan menggunakan subset acak dari fitur-fitur tersebut. Prediksi akhir zona operasi PLTA dihasilkan dengan menggabungkan hasil dari semua pohon tersebut. Pendekatan ini terbukti memberikan prediksi zona operasi PLTA dengan akurasi di atas 0,9 untuk masing-masing unit sehingga memungkinkan identifikasi faktor-faktor krusial yang mempengaruhi zona operasi PLTA dalam pengoptimalan kebijakan UC.
