JURNAL ILMIAH SUTET

Vol. 13, No. 2, Desember 2023, P-ISSN 2356-1505, E-ISSN 2656-9175

https://doi.org/10.33322/sutet.v13i2.2240

Optimasi Rekonfigurasi Jaringan Distribusi Tegangan Menengah

Kota Medan Menggunakan Algoritma Kunang – Kunang (Firefly
Algorithm)

Yoakim Simamora1

1. Fakultas Teknik Universitas Negeri Medan, Jl. William Iskandar Ps. V, Kenangan Baru,
Kec. Percut Sei Tuan, Kabupaten Deli Serdang, Sumatera Utara 20221, Indonesia.

Email: [email protected]

Received: 23 Oktober 2023 | Accepted: 9 Desember 2023 | Published: 2 Januari 2024

ABSTRACT
Network reconfiguration is defined as changing the topological structure of the distribution
network configuration by changing the switch position (open state or closed state) of the tie
and sectionalizing switches. The main goal of distribution network reconfiguration is to
reduce active power losses and improve the voltage profile. In the distribution network
reconfiguration process there are many limitations that must not be violated when finding
the most optimal distribution network configuration. maintained in radial form and
distribution system voltage in the range of -5% and +10% of nominal voltage. the selection
of open switches depends on the voltage difference, this results in the discovery of local
minima but the process of obtaining the optimal configuration is much faster. In this
research, the algorithm proposed is the firefly algorithm, this scheme was tested on the NR7
84 bus 20 kV distribution system in Medan. The results of the analysis using the proposed
method obtained a decrease in power loss from 33.21 kW to 24.49 kW or reduced 26.25%
with an open switch 84, 9, 10, 17, 19, 26, 29, 75, 34, 39, 43, 95, 96, 97.

Keywords: Network Reconfiguration, Firefly Algorithm, Power Loss

ABSTRAK
Rekonfigurasi jaringan didefenisikan sebagai mengubah struktur topologi dari konfigurasi
jaringan distribusi dengan cara mengubah posisi saklar (eadaan terbuka atau keadaan
tertutup) dari tie dan sectionalizing switch. tujuan utama dari konfigurasi ulang jaringan
distribusi adalah mengurangi rugi daya aktif dan meningkatkan profil tegangan, dalam
proses konfigurasi ulang jaringan distribusi ada banyak batasan yang tidak boleh dilanggar
saat menemukan konfigurasi jaringan distribusi yang paling optimal, saat melakukan proses
optimasi konfigurasi ulang jaringan distribusi bentuk jaringan harus terjaga dalam bentuk
radial dan tengangan sistem distribusi dalam range -5% dan +10% dari tegangan nominal.
pemilihan saklar yang terbuka tergantung pada perbedaan tegangan, hal ini mengakibatkan
penemuan lokal minima tetapi proses memperoleh konfigurasi optimal jauh lebih cepat.
pada penelitian ini algoritma yang disulkan adalah algoritma kunang – kunang, skema ini
telah diuji pada sistem distribusi NR7 84 bus 20 kV di Medan. Hasil analisis dengan
menggunakan metode usulan didapatkan penurunan rugi daya dari 33,21 kW menjadi
24,49 kW atau berkurang 26,25% dengan saklar terbuka 84, 9, 10, 17, 19, 26, 29, 75, 34,
39, 43 , 95, 96, 97.

Kata kunci: Rekonfigurasi Jaringan, Algoritma Kunang – Kunang, Rugi Daya

JURNAL ILMIAH SUTET | 82

JURNAL ILMIAH SUTET
Vol. 13, No. 2, Desember 2023, P-ISSN 2356-1505, E-ISSN 2656-9175
https://doi.org/10.33322/sutet.v13i2.2240

1. PENDAHULUAN
Jaringan distribusi mempunyai karakteristik desain loop tertutup, operasi loop
terbuka. Rekonfigurasi jaringan distribusi menyesuaikan status sakelar setiap cabang,
mengubah arah aliran daya, mengurangi kerugian dalam proses distribusi, dan
meningkatkan manfaat ekonomi dan keandalan pasokan listrik pada sistem jaringan
distribusi Setelah beberapa dekade pengembangan, metode konfigurasi ulang jaringan
distribusi dapat dibagi menjadi tiga kategori yaitu metode analitik, algoritma heuristik,
algoritma optimasi stokastik. Metode analitik adalah menyelesaikan masalah rekonstruksi
sebagai masalah optimasi matematis. Namun beban perhitungan metode ini terlalu berat,
serta terdapat gap dengan sistem distribusi sebenarnya, sehingga tidak cocok untuk sistem
jaringan distribusi skala besar. Heuristik berarti bahwa peneliti telah menetapkan aturan
heuristik sebagai dasar operasi konfigurasi ulang jaringan distribusi. Berdasarkan aturan
tersebut, keadaan switch cabang dalam jaringan ditetapkan, sehingga dapat mengurangi
kerugian jaringan. Metode terakhir adalah metode optimasi stokastik tidak ditentukan oleh
jaringan awal, dan kemungkinan menemukan solusi optimal global tinggi.
Huifang dalam penelitian nya mengajukan algoritma Deep Q-Learning untuk
melakukan konfigurasi ulang pada jaringan distribusi. Algoritma ini diujikan pada sistem
distribusi IEEE 33 bus dengan mempertimbangkan perubahan beban terhadap waktu, hasil
penelitian berhasil mendapatkan konfigurasi jaringan yg paling optimal tiap jam dan mampu
mengurangi rugi daya pada sistem distribusi [1].
Ma Zhigang dalam penelitiannya melakukan rekonfigurasi jaringan menggunakan
based genetic simulated annealing algorithm, algoritma ini diuji coba pada sistem 69 bus
kelistrikan amerika, rekonfigurasi jaringan dengan metode genetic simulated annealing
algorithm dibandingkan dengan genetic algortihm dan simulated annealing algorithm hasil
simulasi menampilkan bahwa genetic simulated annealing algorithm mengurangi rugi daya
dan meningkatkan profil tegangan paling baik dengan waktu iterasi paling cepat [2].
Jun han dalam penelitiannya memperkenalkan improve newton method untuk
mengurangi rugi daya dan mengurangi deviasi tegangan melalui cara rekonfigurasi
jaringan, metode ini di uji coba pada sistem IEEE 33 bus hasil penelitian menunjukkan
improved newton method mampu mengurangi rugi daya dan mengurangi deviasi tegangan
[3].
Haiguo Tang dalam jurnalnya mengajukan back propagation neural network dalam
melakukan proses konfigurasi ulang jaringan distribusi untuk mengurangi rugi daya, metode
back propagation dibandingkan dengan metode meanwhile random forest dan support
vector machine, hasil penelitian menampilkan bahwa metode backpropagation neural
network mendapatkan konfigurassi jaringan paling optimal dengan rugi daya paling minimal
[4].
Raida Sellami dalam risetnya mengajukan algoritma particle swarm optimization
untuk meminimalkan rugi daya aktif dan memaksimalkan profil tegangan, algoritma paricle
swarm optimization dibandingkan dengan algoritma genetika dan artificial bee algorithm,
hasil menunjukkan algoritma particle swarm optimozation mampu meningkkatkan tegangan
dan mengurangi rugi daya paling optimal [5].
Bhoomesh radha dalam penelitiannya memperkenalkan quantum evolutionory
algorithm untuk diaplikasikan pada konfigurasi ulang jaringan, metode ini di uji coba pada
sistem distribusi 16 bus dan 33 bus, hasil penelitian membandingkan algoritma yang

83 | JURNAL ILMIAH SUTET

 JURNAL ILMIAH SUTET
Vol. 13, No. 2, Desember 2023, P-ISSN 2356-1505, E-ISSN 2656-9175
https://doi.org/10.33322/sutet.v13i2.2240

diajukan dengan algoritma lain hasilnya quantum evolionory algorithm menghasilkan

konfigurasi optimal dengan rugi daya paling kecil [6].
Viresh patel mengajukan hopfield neural network untuk mendapatkan konfigurasi
jaringan paling optimal dengan rugi daya paling optimal, hopfield neural network berhasil
menguragi rugi daya aktif dengan durasi komputsi yang singkat dibandingakan dengan
algoritma binary particle swarm optimization [7]. Panagiotis pada penelitiannya mengajukan
rekonfigurasi jaringan untuk meningkatkan reliability indeks dan mengurangi rugi daya atif,
rekonfigurasi diujicoba pada sistem distribusi 69 bus, hasil penelitian menunjukkan
rekonfigurasi jaringan mampu meningkatkan ralibility indeks dan mengurangi rugi daya aktif
[8].
Hiroyuki mori dalam penelitiaanya mengajukan metode evolutionory particle swarm
optimization, algoritma ini merupakan pengembangan dari algoritma particle swarm
optimization konvensional, algoritma evolutionory particle swarm optimization terbukti dapat
mendapatkan konfigurasi jaringan yang paling baik dan mampu mengurangi rugi daya aktif
pada sistem distribusi. [9]. Penelitian ini menggunakan rekonfigurasi jaringan untuk
meminimalisasi rugi-rugi jaringan, algoritma kunang – kunang diaplikasikan kedalam
metode rekonfigurasi jaringan. Skema ini diuji pada sistem distribusi 20 kV di Medan,
konfigurasi jaringan yang optimal diharapkan dapat menghasilkan rugi yang optimal.

2. METODE/PERANCANGAN PENELITIAN
Proses awal penelitian dimulai dengan mengumpulkan informasi penyulang NR7 kota
medan berupa sinle line diagram, kapasitas transformator, pembebanan transformator serta
impedansi saluran penghantar penyulang NR7. Data diolah untuk memperoleh nilai rugi
jaringan awal dan level tegangan tiap bus melalui Analisa aliran daya, seteleah rugi jaringan
awal dan level tegangan tiap bus diperoleh maka dilakukan optimasi rekonfigurasi jaringan
distribusi menggunakan algoritma kunang – kunang yang diharapkan dapat mengurangi
rugi jaringan dan memperbaiki level tegangan tiap bus.

JURNAL ILMIAH SUTET | 84

JURNAL ILMIAH SUTET
Vol. 13, No. 2, Desember 2023, P-ISSN 2356-1505, E-ISSN 2656-9175
https://doi.org/10.33322/sutet.v13i2.2240

Gambar 1. Diagram Alir Penelitian

2.1. Algoritma Kunang – Kunang

Kedipan cahaya kunang - kunang menjadi pemandangan luar biasa di langit pada
saat musim panas di daerah tropis dan sedang. Ada berbagai jenis kunang-kunang
menghasilkan kilatan kecil dan berulang. Pola kilatannya khas untuk spesies tertentu. Dua
karakteristik penting dari cahaya kunang - kunang adalah untuk memikat pasangan kawin
dan menarik mangsa potensial. konsep dasar algoritma kunang - kunang:
1. kunang - kunang secara teknis adalah mahluk hidup dengan kelamin unisex, jadi
kunang - kunang mana pun dapat tertarik pada kunang - kunang lain. gerak aktif
kunang - kunang berbanding lurus dengan kecerahan. satu kunang- kunang
tertarik dengan kunang - lain walau tidak berada dalam satu komunitas.
2. Gerak aktif kunang - kunang berbanding lurus dengan kecerahan. kunang - kunang
yg memiliki kecerahan yang lebih besar akan menarik perhatian kunang - kunang
lain sehingga jarak antar kunang - kunang akan semakin kecil. kunang - kunang
akan bergerak secara random jika tidak ada kunang - kunang yang lebih cerah.
Masalah minimum global, kecerahan berbanding terbalik dengan nilai fungsi tujuan.
Algoritma kunang-kunang memiliki dua konsep penting, yang pertama adalah perbedaan
intensitas cahaya dan yang kedua adalah timbulnya daya tarik. Untuk lebih mudah , daya
tarik kunang-kunang ditentukan oleh kecerahan kunang - kunang yang terkait dengan fungsi
tujuan [10].

85 | JURNAL ILMIAH SUTET

 JURNAL ILMIAH SUTET
Vol. 13, No. 2, Desember 2023, P-ISSN 2356-1505, E-ISSN 2656-9175
https://doi.org/10.33322/sutet.v13i2.2240

Kecerahan kunang-kunang pada posisi x dipilih sebagai B(x). Untuk medium tertentu,
koefisien serapan cahaya γ, intensitas cahaya B berfluktuasi dengan jarak r dan diberikan
dengan persamamaan,

𝐵 = 𝐵0 ∗ 𝑒 (−𝛾𝑟^2 ) (1)

Dimana B0 adalah intensitas cahaya kondisi awal pada posisi r = 0.

Daya tarik kunang-kunang mempunyai hubungan dengan intensitas cahaya dialami
oleh kunang - kunang yang berdekatan, jadi daya tarik β dari a kunang-kunang dapat
dibatasi oleh persamaan berikut,

𝛽(𝑟) = 𝛽0 ∗ 𝑒 (−𝛾𝑟^𝑚 ) , (𝑚 ≥ 1) (2)

Dimana 𝛽0 adalah daya tarik pada r = 0.

Jarak antara dua kunang-kunang i dan j dapat dinyatakan sebagai persamaan
berikut,

𝑟𝑖𝑗 = 𝑋𝑖 − 𝑋𝑗 = √∑𝐷
𝑘=1(𝑋𝑖,𝑘 − 𝑋𝑗,𝑘 )
2 (3)

Dimana 𝑋𝑖,𝑘 adalah komponen ke kth dari ith kunang – kunang.

Pergerakan kunang – kunang ith menuju kunang – kunang jth di evaluasi dengan
persamaan berikut,

1
,𝑥𝑖 𝑏𝑎𝑟𝑢 = 𝑥𝑖 + 𝛽0 ∗ 𝑒(−𝛾𝑟𝑖𝑗2 ) ∗ (𝑥𝑖 − 𝑥𝑗 )+ ∝ ∗ (𝑟𝑎𝑛𝑑 − ) (4)
2
Jika kunang – kunang ke i lebih terang dari kunang – kunang ke j, maka kunang –
kunang j akan lebih ternag melakukan pergerakan menuju kunang kunang i. suku ke tiga
pada persamaan 4 adalah nilai random dengan parameter pengatur ∝. Yang menghasilkan
penjelajahan lebih luas dengan 𝛽0 = 1, α € [0, 1], dua nilai koefsien pada persamaan (4) γ
→ 0 dan γ → ~.

2.2. Objective Function

Rekonfigurasi Jaringan didefinisikan sebagai proses mengubah topologi jaringan
distribusi dengan tujuan untuk memperoleh konfigurasi jaringan yang paling optimal. Tujuan
utama dari rekonfigurasi jaringan adalah untuk mengurangi rugi jaringan distribusi, yang
dapat didefinisikan mengikuti persa,aan berikut

𝑅
minimize 𝐹 = ∆ 𝑃𝑙𝑜𝑠𝑠 + 𝑉𝐷 (5)

𝑅
pengurangan rugi daya aktif (∆ 𝑃𝑙𝑜𝑠𝑠 ) diperoleh dari perbandingan antara rugi daya
jaringan distribusi sebelum dan sesudah rekonfigurasi

𝑟𝑒𝑐
𝑅 𝑃𝑙𝑜𝑠𝑠
∆ 𝑃𝑙𝑜𝑠𝑠 = 0 (6)
𝑃𝑙𝑜𝑠𝑠

JURNAL ILMIAH SUTET | 86

JURNAL ILMIAH SUTET
Vol. 13, No. 2, Desember 2023, P-ISSN 2356-1505, E-ISSN 2656-9175
https://doi.org/10.33322/sutet.v13i2.2240

𝑃𝑖2 + 𝑄𝑖2
𝑃𝑙𝑜𝑠𝑠 = ∑𝑁𝑏𝑟
𝑖=1 𝑅𝑖 𝑥 ( ) (7)
𝑉𝑖2

2.3. Constraints
Tegangan dan Batas Arus dalam proses rekonfigurasi jaringan adalah sebagai
berikut

𝑉𝑚𝑖𝑛 ≤ 𝑉𝑖 ≤𝑉𝑚𝑎𝑥 ; i =1,2,……, 𝑁𝑏𝑢𝑠 (8)

0 ≤ 𝐼𝑖 ≤𝐼𝑚𝑎𝑥 ; i =1,2,……, 𝑁𝑏𝑟 (9)

Power Balance Constraints

𝑃𝑠𝑠 = ∑𝑁𝐵 𝑁𝐿
𝑖=2 𝑃𝐷 (𝑖) + ∑𝑗=1 𝑃𝑙𝑜𝑠𝑠 (𝑗) (10)

𝑄𝑠𝑠 = ∑𝑁𝐵 𝑁𝐿
𝑖=2 𝑄𝐷 (𝑖) + ∑𝑗=1 𝑄𝑙𝑜𝑠𝑠 (𝑗) (11)

3. HASIL DAN PEMBAHASAN

Pada penelitian ini menggunakan sistem jaringan distribusi radial bus NR7 84 di kota
Medan, rekonfigurasi jaringan menggunakan algoritma kunang - kunang untuk
mendapatkan jaringan distribusi yang optimal dan rugi daya yang paling kecil. Jaringan
distribusi radial bus NR7 84 terdiri dari 14 buka normal dan 83 tutup normal. Seperti yang
ditunjukkan pada gambar 1.
Pada penelitian ini rekonfigurasi dilakukan pada sistem distribusi bus NR7 84.
Rekonfigurasi dilakukan dengan menata ulang jaringan sistem distribusi. Rekonfigurasi
dilakukan guna mendapatkan profil tegangan yang lebih baik, rugi daya yang minimal dari
kondisi awal. Rekonfigurasi jaringan adalah pengaturan ulang konfigurasi jaringan distribusi
dengan menutup dan membuka switch pada sistem jaringan distribusi. Pada sistem
distribusi bus NR7 84 terdapat 14 saklar dalam keadaan terbuka. Pada kondisi awal switch
yang terbuka adalah switch 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97. Setelah
dilakukan rekonfigurasi jaringan menggunakan Algoritma kunag - kunang, kombinasi baru
open switch diperoleh. Kombinasi open switch tersebut adalah switch 84, 9, 10, 17, 19, 26,
29, 75, 34 , 39, 43, 95, 96, 97. Hasil simulasi pada sistem distribusi bus NR7 84 setelah
rekonfigurasi adalah ditunjukkan pada Tabel 1 dan Gambar 2.

Tabel 1. Hasil Rekonfigurasi Penyulang NR7

Kondisi Sebelum Sesudah
Rekonfigurasi Rekonfigurasi Rekonfigurasi
Open Switch 84, 85, 86, 87, 84, 9, 10, 17,
88, 89, 90, 91, 19, 26, 29, 75,
92, 93, 94, 95, 34 , 39, 43, 95,
96, 97 96, 97
Tegagan 19, 7756 19, 8818
Minimum (kV)
Rugi Daya 33, 21 24, 49
Aktif (kW)

87 | JURNAL ILMIAH SUTET

 JURNAL ILMIAH SUTET
Vol. 13, No. 2, Desember 2023, P-ISSN 2356-1505, E-ISSN 2656-9175
https://doi.org/10.33322/sutet.v13i2.2240

Tabel 1 menggambarkan hasil rekonfigurasi jaringan sistem distribusi bus NR7 84.
Dari hasil rekonfigurasi diperoleh konfigurasi jaringan yang paling optimal dengan kombinasi
open switch 84, 9, 10, 17, 19, 26, 29, 75, 34 , 39, 43, 95, 96, 97, dari hasil rekonfigurasi
jaringan menggunakan algoritma kunang - kunang diperoleh perbaikan level tegangan dari
19,7756 kV menjadi 19,8818 kV dan perbaikan rugi daya aktif dari 33,21 kW menjadi 24,49
kW atau berkurang sebesar 26,25%.

1
2 Substation
3 Bus
84 Sectionalizing Switch
4
63 64
5 Tie Switch
6
54
7

8 85

10
55
11 65 66
86
12
56
13

14
87
15

16

17

58 57 18
67
19

20

88 21

22

23

24 89
59
25
68 69 70 71 72
26
60
27

28

90 29
73 74 75
30

31
61 91
32
76
33
62
34
92
35

36
77
37
93
38
94 81 95
39
96 97
40 78
80
41
79
42
82 83 84
43

44 45 46 47 48 49 50 51 52 53

JURNAL ILMIAH SUTET | 88

JURNAL ILMIAH SUTET
Vol. 13, No. 2, Desember 2023, P-ISSN 2356-1505, E-ISSN 2656-9175
https://doi.org/10.33322/sutet.v13i2.2240

Gambar 2. Single Line Diagram Penyulang NR7

Gambar 2 menunjukkan diagram level tegangan tiap bus penyulang NR7 sebelum
dan sesudah rekonfigurasi menggunakan algoritma kunang – kunang, dari diagram
diperoleh level tegangan paling minimum sebelum dilakukan rekonfigurasi jaringan
menggunakan algoritma kunang – kunang berada pada bus 84 dengan level tegangan
sebesar 19,7756, setelah dilakukan rekonfigurasi jaringan pada penyulang NR7
menggunakan algoritma kunang – kunang diperoleh kenaikan level tegangan menjadi
19,8818.

20

19.95 Sebelum Rekonfigurasi sesudah rekonfigurasi

19.9

19.85
Voltage

19.8

19.75

19.7

19.65
1 3 5 7 9 11131517192123252729313335373941434547495153555759616365676971737577798183
Bus
Gambar 2. Level Tegangan Sebelum dan Sesudah Rekonfigurasi

4. KESIMPULAN DAN SARAN

Algoritma kunang - kunang telah berhasil diimplementasikan untuk rekonfigurasi
jaringan yang optimal dalam pengujian sistem. Ini telah diterapkan secara efektif dalam
pengujian sistem untuk tujuan meminimalkan rugi jaringan. Rekonfigurasi jaringan dari
sistem pengujian juga mempengaruhi profil tegangan tiap bus.
Dari hasil rekonfigurasi jaringan distribusi menggunakan algoritma kunang – kunang
pada sistem distribusi bus NR7 84 diperoleh beberapa kesimpulan sebagai berikut,
Konfigurasi yang paling optimal adalah membuka saklar 84, 9, 10, 17, 19, 26, 29, 75, 34,
39, 43, 95, 96, 97, 3. Rugi daya yang dihasilkan setelah rekonfigurasi lebih kecil, dari 33,21
kW menjadi 24,49 kW, dan tegangan minimum setelah rekonfigurasi meningkat dari
19,7756 kV menjadi 19,818 kV.

DAFTAR ISI
[1] H. Di, Y. Bao, and B. Wang, “Research on distribution network reconfiguration based
on deep Q-learning network,” 2020 IEEE 4th Conf. Energy Internet Energy Syst.
Integr. Connect. Grids Towar. a Low-Carbon High-Efficiency Energy Syst. EI2 2020,
pp. 2728–2732, 2020, doi: 10.1109/EI250167.2020.9346939.
[2] Z. Ma, “Study on distribution network reconfiguration based on genetic simulated
annealing algorithm,” 2008 China Int. Conf. Electr. Distrib. CICED 2008, 2008, doi:
10.1109/CICED.2008.5211684.

89 | JURNAL ILMIAH SUTET

 JURNAL ILMIAH SUTET
Vol. 13, No. 2, Desember 2023, P-ISSN 2356-1505, E-ISSN 2656-9175
https://doi.org/10.33322/sutet.v13i2.2240

[3] J. Han, Z. Zhou, H. Wang, H. Jiang, C. Cai, and A. Fan, “Research on the
Reconfiguration of Multi-Objective Distribution Network Based on Improved Newton
Method,” Proc. - 2021 6th Asia Conf. Power Electr. Eng. ACPEE 2021, pp. 1341–
1345, 2021, doi: 10.1109/ACPEE51499.2021.9437083.
[4] H. Tang, J. Zhu, C. Chen, Z. Zhang, and D. Zhang, “Distribution Network
Reconfiguration Based on Back Propagation neural networks,” 2019 3rd IEEE Conf.
Energy Internet Energy Syst. Integr. Ubiquitous Energy Netw. Connect. Everything,
EI2 2019, vol. 2, no. 1, pp. 2578–2582, 2019, doi: 10.1109/EI247390.2019.9062258.
[5] R. Sellami, R. Neji, and T. Bouktir, “Enhancing Radial Distribution Network
Performance by Optimal Reconfiguration with PSO Algorithm,” 16th Int. Multi-
Conference Syst. Signals Devices, SSD 2019, no. 1, pp. 180–186, 2019, doi:
10.1109/SSD.2019.8893158.
[6] H. Zongyao and L. Zhou, “A new real-coded quantum-inspired evolutionary
algorithm,” Int. J. Adv. Comput. Technol., vol. 3, no. 7, pp. 108–116, 2011, doi:
10.4156/ijact.vol3.issue7.14.
[7] V. S. Patel, S. Chakrabarti, and S. N. Singh, “A hopfield neural network based
reconfiguration algorithm for power distribution systems,” TENSYMP 2017 - IEEE Int.
Symp. Technol. Smart Cities, no. 1, 2017, doi:
10.1109/TENCONSpring.2017.8070048.
[8] P. A. Karafotis and P. S. Georgilakis, “Reliability improvement and loss minimization
by optimal distribution network reconfiguration,” 6th IEEE Int. Energy Conf.
ENERGYCon 2020, pp. 23–28, 2020, doi:
10.1109/ENERGYCon48941.2020.9236545.
[9] H. Mori and H. Ikegami, “Parallel discrete EPSO for distribution network
reconfigurations,” IEEE Reg. 10 Annu. Int. Conf. Proceedings/TENCON, pp. 2662–
2665, 2017, doi: 10.1109/TENCON.2016.7848521.
[10] Y. Simamora, O. Penangsang, and R. S. Wibowo, “Estimation Losses in Radial
Distribution Network Under Unbalanced Loading Condition Considering Time Varying
Load,” pp. 44–47, 2016.

JURNAL ILMIAH SUTET | 90