Kembali ke Beranda
Power Operations
MODUL PERKULIAHAN MINGGU KE-14

Integrasi Operasi Daya & Kuantisasi Ketidakpastian

Peramalan Probabilistik (Quantile Regression P10-P90), Optimasi BESS Mikrogrid, dan MPC

Berkas & Bahan Ajar
Unduh Slide (ch14.pdf) Unduh Soal C1–C6 (PDF)

Capaian Pembelajaran Khusus (Sub-CPMK)

Sub-CPMK 13: Mampu mengkuantisasi ketidakpastian EBT dan mengintegrasikannya ke penjadwalan baterai BESS mikrogrid.

Kelemahan peramalan titik tunggal, formulasi Quantile Regression Loss (Pinball Loss), peramalan pita probabilitas P10-P50-P90, evaluasi PICP dan PINAW, integrasi peramalan ke Unit Commitment dan Model Predictive Control (MPC), serta optimasi arbitrase tarif BESS mikrogrid.

Formulasi Matematis & Persamaan Inti

$$\mathcal{L}_\tau(y, \hat{y}_\tau) = \max\left( \tau(y - \hat{y}_\tau), (1 - \tau)(\hat{y}_\tau - y) \right), \quad \min \sum_{t=1}^{24} C(t) P_{\text{grid}}(t) \Delta t$$

Pemetaan Taksonomi Bloom (C1–C6)

C1–C2 (Mengingat & Memahami)

Definisi fungsi kerugian Pinball Loss dan tujuan operasional pita ketidakpastian P10-P90 bagi operator PLN.

C3–C4 (Menerapkan & Menganalisis)

Kalkulasi keseimbangan daya mikrogrid, pengosongan baterai BESS, dan pembaruan State-of-Charge (SoC).

C5–C6 (Mengevaluasi & Berkreasi)

Evaluasi trade-off PICP vs PINAW dan perancangan formulasi program matematika optimasi linier MILP/CVXPY.

Implementasi Komputasi (Python / Statsmodels)

import lightgbm as lgb

# Melatih 3 Model Kuantil (P10, P50, P90)
q_models = {}
for q in [0.10, 0.50, 0.90]:
    params = {'objective': 'quantile', 'alpha': q, 'learning_rate': 0.05}
    q_models[q] = lgb.train(params, lgb_train, num_boost_round=200)

p10 = q_models[0.10].predict(X_test)
p50 = q_models[0.50].predict(X_test)
p90 = q_models[0.90].predict(X_test)

Topik Bahasan Teori

  • Dari Point Forecast ke Probabilistic Forecast: Urgensi Kuantisasi Risiko
  • Formulasi Pinball Loss / Quantile Regression untuk Batas Kuantil Tau
  • Metrik Evaluasi Pita Ketidakpastian: PICP (Coverage) dan PINAW (Width)
  • Integrasi Peramalan pada Unit Commitment (UC) dan Cadangan Putar (Spinning Reserve)
  • Model Predictive Control (MPC) untuk Penjadwalan BESS pada Smart Microgrid
  • Strategi Peak Shaving dan Arbitrase Tarif Listrik Waktu Penggunaan (ToU)

Praktikum Terkait

Modul 13: Peramalan Probabilistik Kuantil LightGBM dan Optimasi Dispatch BESS Mikrogrid