1

Abstrak— Pertumbuhan jumlah penduduk di Indonesia juga

mempengaruhi pertumbuhan beban listrik tiap tahunnya yang

menyebabkan sistem tenaga listrik menanggung beban yang

lebih besar dan akan mencapai titik kritis sistem dalam

menanggung beban, yang disebut Pembebanan Maksimum.

Untuk mengatasi hal tersebut, diperlukan penambahan sistem

seperti jaringan transmisi dan unit generator. Akan tetapi,

dengan adanya penambahan tersebut, mengakibatkan sistem

menjadi semakin kompleks dan rentan terhadap gangguan yang

dapat menyebabkan kegagalan total dalam pemenuhan

kebutuhan beban. Pada Tugas Akhir ini diusulkan dua buah

FACTS devices yang berguna untuk mengatur daya reaktif,

reaktansi sistem, dan menurunkan rugi-rugi daya pada sistem,

yaitu Thyristor Controlled Series Capacitor (TCSC) dan Static

Var Compensator (SVC). TCSC mengontrol reaktansi pada

jaringan dan SVC mengatur daya reaktif pada sistem. Untuk

mendapatkan penempatan TCSC dan SVC yang optimal pada

sistem kelistrikan Jawa Bali 500 kV digunakan metode

Quantum Behaved Particle Swarm Optimization (QPSO). Hasil

yang diperoleh dari simulasi adalah dengan penempatan

optimal TCSC-SVC dapat memperbaiki kualitas nilai tegangan

pada nilai 1±5% pu, meningkatkan kapabilitas saluran

transmisi dan mengurangi rugi-rugi daya pada sistem sebesar

10.706 MW (3.899%) pada beban 100% dan 82.644 MW pada

beban 190%.

Kata Kunci— Pembebanan Maksimum, TCSC, SVC, QPSO.

I. PENDAHULUAN

ERTUMBUHAN beban pada sebuah sistem tenaga listrik

yang tidak dapat diprediksi, akan memberikan dampak

bagi keberlangsungan sistem tenaga listrik. Sebuah sistem

tenaga listrik memiliki kapasitas penyediaan suplai daya bagi

konsumen, dan apabila melebihi kapasitasnya, dapat

menimbulkan gangguan bagi sistem tenaga itu sendiri. Untuk

itu, diperlukan solusi penambahan unit pembangkitan dan

penyaluran daya. Akan tetapi, solusi tersebut terkendala oleh

lahan, dan akan membuat sistem tenaga menjadi kompleks,

sehingga sangat rentan terhadap gangguan dan

mempengaruhi stabilitas pemenuhan daya. Oleh karena itu,

dibutuhkan alat yang dapat mengkompensasi rugi daya dan

mensuplai daya secara langsung pada saat beban puncak .

Thyristor Controlled Series Capacitor (TCSC) dan Static

Var Compensator (SVC) adalah peralatan FACTS yang

dapat melakukan pengompensasian pada sistem tenaga.

TCSC dapat mengatur reaktansi saluran sehingga dapat

mengurangi losses sistem dan meningkatkan batas kestabilan

steady-state. SVC mengatur daya reaktif pada sistem dan

memperbaiki tegangan pada bus-bus sistem.

Pada Tugas Akhir ini dibahas penempatan optimal TCSC-

SVC yang diaplikasikan pada sistem tenaga Jawa Bali

500kV. Untuk mendapatkan penempatan optimal, maka

digunakan metode Quantum Behaved Particle Swarm

Optimization (QPSO).

II. DASAR TEORI

A. Sistem Tenaga Jawa-Bali 500kV

Sistem Tenaga Jawa Bali 500 memiliki 8 generator, 25 bus

transmisi dengan 30 saluran transmisi yang menyuplai

kebutuhan daya Jawa-Bali.

1

245

7

6

8

10

1111

4

183

2

12

13

14

25

16

15

1719

20

21

2223

SURALAYACILEGON

DEPOK

KEMBANGAN

GANDUL

NGIMBANG

CIBINONG

CAWANG

BEKASI

MUARA

TAWAR

UNGARAN

TASIKMALAYA

CIRATA

SAGULING

BALARAJA

TANJUNG JATI

SURABAYA BARATGRESIK

PEDAN

KEDIRI

PAITON

GRATI

BANDUNG SELATAN

MADURACAN

9

CIBATU

Gambar 1. Sistem Tenaga Jawa-Bali 500 kV

B. Studi Aliran Daya

Studi aliran daya merupakan bagian terpenting dalam

sistem tenaga karena mampu menghitung dengan tepat nilai

tegangan, sudut tegangan, impedansi saluran pada sistem

dalam p.u [7], aliran daya aktif dan reaktif pada saluran.

Gambar 1 adalah penjelasan sederhana proses aliran daya.

.

.

.

.

Yi0

Yi1

Yi2

Yi3

Yin

V1

V2

V3

Vn

Ii

Vi

Gambar 2. Bus dan Saluran transmisi pada sistem [7]

Pada gambar 2, tegangan bus dan arus dapat dihitung

dengan menggunakan persamaan matriks berikut [31]:

FRISKY ALFARIZY, ADI SOEPRIJANTO, HERI SURYOATMOJO

Jurusan Teknik Elektro FTI - ITS

Penempatan Optimal Thyristor Controlled Series Capacitor (TCSC) and

Static Var Compensator (SVC) Menggunakan Quantum Behaved Particle

Swarm Optimization (QPSO) Untuk Pembebanan Maksimum

P

Ibus = Ybus . Vbus

(1)

(2)

2

Dengan hukum Kirchoff [4], nilai arus dapat ditemukan

dengan :

Ii = yi0Vi + yi1(Vi-V1) + yi2(Vi-V2) +......+ yin(Vi-Vn)

= (yi0+ yi1+ yi2+ ...+ yin)Vi - yi1V1 - yi2V2 - .... yinVn

0 0

, 1i i ij ij j

n n

j j

I V Y Y V j

Persamaan daya aktif dan reaktif pada bus i adalah :

Pi+jQi = Vi Ii*

*

i i

i

i

P jQI

V

0 0

, 1*

i i

i ij ij j

i

n n

j j

P jQV Y Y V j

V

Persamaan arus dalam bentuk polar adalah :

1

i j j j j

n

j

I Yi V i

Daya aktif dan reaktif dalam bentuk polar adalah :

1

cos( )i j j i j i j

n

j

P Yi V V i

1

cos( )i j j i j i j

n

j

Q Yi V V i

Sehingga, persamaan Taylor :

Langkah selanjutnya adalah menemukan persamaan

matriks diagonal J1, J2, J3 dan J4 dan persamaan daya

scheduling dan daya mismach, sehingga didapatkan

persamaan tegangan dan sudut baru :

δi(k+1)

= δi(k)

+ ∆δi(k)

|Vi(k+1)

| = |Vi(k)

| + ∆|Vi(k)

|

C. Thyristor Controlled Series Compensator (TCSC)

TCSC merupakan jenis FACTS Devices yang pertama kali

dikembangkan. Komponen utama TCSC adalah TCR yang

tersusun dari sebuah induktor yang seri dengan thyristor dan

diparalel dengan kapasitor [1,21,23]. TCSC mampu

mengatur reaktansi saluran transmisi dengan melakukan

pengaturan sudut penyalaan thyristor.

Bentuk TCSC ditunjukkan pada gambar 3.

KapasitorKapasitor

TCR

Induktor Induktor

ThyristorThyristor

TCR

Bus i Bus j

Gambar 3. Rangkaian Sederhana TCSC [1,2].

Nilai Xeq didapatkan berdasarkan sudut penyalaan pada

thyristor yang ditunjukkan oleh persamaan :

1

( )eq

L c

XB B

dengan :

( )

1 2 sin(2 )( ) (1 )

eq L c

L

C

B B B

BL

B C

Nilai maksimum dan minimum dari sudut penyalaan

thyristor adalah 00 dan 90

0 [8] sebagai penjabaran kurva

ekivalen reaktansi TCSC yang ditunjukkan pada gambar 4.

Ka

pa

sit

ifIn

du

kti

f

res

on

an

si

Daerah

kapasitif

unavailable

αL max αres αC min

α

∆α

XL(α)=XCDaerah

induktif

900

00

Xmax

Xmin

Xbypass

Xblock

Xeq

Gambar 4. Kurva Ekivalen Reaktansi TCSC [21]

Untuk mencegah kompensasi berlebihan [6], derajat

kompensasi TCSC diatur pada nilai 20% induktif dan 70%

kapasitif [2,5]. Sehingga :

rTCSC Min = -0.7 r TCSC Max=0.2

Pemodelan TCSC dengan persamaannya yang dapat

mengubah nilai reaktansi saluran transmisi, ditunjukkan pada

gambar 5.

Gambar 5. Pemodelan TCSC pada Saluran Transmisi [6]

Xij = Xsaluran + XTCSC, XTCSC = rTCSC.Xsaluran [6,32]

dengan :

Xsaluran= Reaktansi saluran transmisi

rTCSC = rating kompensasi TCSC

D. Static Var Compensator (SVC)

Perkembangan FACTS mengarah pada sumber var static

yang dapat dikontrol. SVC pertama kali dikembangkan

untuk kontrol tegangan secara cepat untuk mengatasi beban

industri yang besar dan berubah-ubah. SVC memiliki

komponen yang sama dengan TCSC. Saat ini, SVC

digunakan untuk mengontrol aliran daya reaktif pada sistem.

Prinsip kerja SVC berdasarkan pada nilai tegangan. Saat

tegangan sistem rendah, SVC akan menginjeksikan daya

reaktif yang dibangkitkan dari kapasitor bank dan begitu pula

sebaliknya. Kontrol sudut penyalaan thyristor mempengaruhi

nilai daya reaktif dari SVC [1,3]. Penempatan dan bentuk

SVC ditunjukkan pada gambar 6.

(15)

(16)

(17)

(18)

(19)

(5)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

(3)

(4)

(6)

3

Kapasitor

Induktor

Thyristor

Bus j

Gambar 6. Penempatan dan Model SVC [16, 34]

Persamaan SVC didapatkan dari gambar 6. Persamaan

induktor pada SVC sama dengan TCSC, yaitu berdasarkan

sudut penyalaan thyristor :

( )1 2 sin(2 )

(1 )LBL

CB C

( )SVC L CB B B

Nilai minimum dan maksimum sudut penyalaan thyristor

pada SVC adalah 00 dan 90

0. Pengaturan sudut penyalaan

berdasarkan pada kurva ekivalen SVC pada gambar 7.

α

αres00

900

Beq

Bmax

Bmin

unavailable

unavailable

Gambar 7. Kurva Ekivalen SVC untuk Sudut Penyalaan [21]

Dari gambar tersebut, nilai SVC (BSVC) berada pada range

nilai minimum dan maksimum yang diatur oleh sudut

penyalaan.

BSVCmin ≥ BSVC ≥ BSVCmax

Nilai injeksi Var SVC didapat dari persamaan berikut

[6,32] :

QSVC = -Vi2*BSVC

Nilai SVC adalah -200 Mvar hingga 200 Mvar [6,32].

Qsvc = Qmin~Qmax

Bus i

Gambar 8. Pemodelan Penginjeksian SVC [6]

E. Batas-Batas Pembebanan Saluran Transmisi[22]

Konsep loadability diperkenalkan oleh S.T. Clair. Konsep

tersebut digambarkan melalui sebuah kurva yang disebut S.T.

Clair’s curves. Loadability sangat penting untuk menjelaskan

batas-batas pembebanan pada saluran transmisi yang

dipengaruhi oleh tegangan dan panjang saluran. Tegangan

pada bus mempengaruhi nilai Pmax pada saluran transmisi

yang ditunjukkan oleh persamaan [19]:

max

r st

s L R

E xEP

X X X

Line

load

lim

it (p

u of

SIL

)

0,5

2,0

3,0

1,5

2,5

1,0

480160 320 800 960

Panjang saluran (km)

21 3

1. Daerah batas termal

2. Daerah batas jatuh tegangan

3. Daerah batas kestabilan steady-state

Gambar 9. Kurva Pembebanan Saluran (Uncompensated) [19,33]

Berdasarkan gambar 9, saluran pendek dipengaruhi oleh

batas kestabilan thermal. Ini menunjukkan bahwa nilai KHA

pada saluran pendek lebih kecil dibandingkan dengan batas

kestabilan steady-state dan berkebalikan dengan saluran

panjang yang dipengaruhi oleh kestabilan steady-state.

Saluran menengah dipengaruhi oleh batas jatuh tegangan

yang berada pada nilai 1±5% pu. Batas kestabilan steady-

state adalah 0.7Pmax dengan sudut 440 (gambar 10).

Pt

dala

m p

uP

lim

it

Pt max

Pt max Sin δ

440

900

δ (deg)

XS XL XR

ES<δ ER<0 Pt = Pt max Sin δ

0,7

Bus jBus i

Gambar 10. Kurva Batas Kestabilan Steady-State [19]

III. QUANTUM BEHAVED PARTICLE SWARM OPTIMIZATION

Quantum Behaved Particle Swarm Optimization (QPSO)

merupakan kombinasi mekanika kauntum dan PSO. Prinsip

dasar QPSO menjelaskan bahwa lintasan untuk partikel

menjadi tidak berarti karena posisi dan kecepatan partikel

tidak dapat ditentukan secara bersamaan[17, 25-30, 35]:

Dengan menggunakan metode Monte Carlo, perpindahan

partikel QPSO dituliskan pada persamaan (25) and (26)

[25,27].

1( 1) ( ) ( )*( ( ) ( ))*ln( ), 0.5

1( 1) ( ) ( )*( ( ) ( ))*ln( ), 0.5

id id d id

id id d id

X t P t t mbest t X t ku

X t P t t mbest t X t ku

1 1

1 2 2

( ) ( )* ( ) (1 ( ))* ( )

* ( )( )

( * ( )) ( * ( ))

id id d d

dd

id d

P t d t pbest t t gbest t

c r tt

c r t c r t

Xid(t) adalah posisi dari partikel pada iterasi t. Xid(t+1)

adalah posisi dari partikel pada iterasi t+1. r1d(t) dan r2d(t)

adalah bilangan acak terdistribusi seragam antara 0 dan 1.

Pbestid(t) adalah posisi terbaik lokal partikel pada iterasi t.

Gbestid(t) adalah posisi terbaik global partikel pada iterasi t.

Pid(t) adalah Local attractor dari partikel pada iterasi t. C1

adalah konstanta akselerasi 1 (konstanta kognitif). C2 adalah

konstanta akselerasi 2 (konstanta sosial)

Parameter lain dalam QPSO adalah contraction-expansion

coefficient yang digunakan untuk mengatur kecepatan

konvergensi partikel. Persamaan Beta (β) adalah [25,27,30]:

max minmax

max

( ) ( )* ( )t iter titer

(20)

(21)

(22)

(23)

(24)

(25)

(26)

(28)

(29)

(27)

4

β(t) adalah contraction-expansion coefficient (beta). βmax(t)

adalah nilai awal contraction-expansion coefficient. βmin

adalah nilai akhir contraction-expansion coefficient.

QPSO juga akan melakukan update posisi rata-rata terbaik

yang ditunjukkan oleh persamaan [25,26,28,29,30]:

1

1( ) ( )

N

d id

t

mbest t pbest tN

N adalah Jumlah Partikel

Tabel I adalah penempatan optimal TCSC-SVC, dan pada

penelitian ini juga, flowchart penempatan optimal TCSC-

SVC oleh QPSO ditunjukkan pada gambar 11.

MULAI

Inisialisasi rating dan

lokasi TCSC-SVC

Parameter QPSO, batas

rating TCSC-SVC, dan

data sistem

i=0

Partikel Lokal

Terbaik (j)

Losses minimum

If Partikel (j)<Losses

minimum

Partikel (j-1)

A

C

B

Partikel Global Terbaik(j) = Partikel

Lokal Terbaik (j)

A B

C

Update Nilai Mbest

dan Beta

Update Posisi

partikel

i<i maks

Partikel Global

Terbaik (j) =

Partikel Global

Terbaik (j-1)

Lokasi, rating

TCSC-SVC =

Partikel Global

Terbaik

Losses

minimum

Tidak

Ya

i=i+1

Tidak

Ya

Berhenti

Beban > 190%

Beban =

Beban + 15% D

D

Ya

Tidak

j=50

Losses Iterasi (i) <

Losses Iterasi (I-1)

Losses

minimum

iterasi (i)

Losses

minimum

iterasi (i-1)Ya

Tidak

Gambar 11. Diagram Alir Penempatan Optimal TCSC-SVC oleh QPSO

TABLE I

QPSO Parameters

Jumlah Partikel 50 c2 2

Maksimum Iterasi 20 w 0.9

Jumlah Variabel 3 Maksimum Beta 1.0

c1 2 Minimum Beta 0.3

Grafik konvergensi saat beban 100% ditunjukkan pada

gambar 12.

Gambar 12. Grafik konvergensi QPSO saat beban 100%

Dari gambar diatas, titik konvergensi tercapai saat iterasi 5

dan nilai optimal pada partikel ke 32. Penempatan optimal

TCSC-SVC saat beban 100% ditunjukkan pada Tabel II.

TABEL II

Penempatan Optimal TCSC-SVC Oleh QPSO Saat Beban 100%

No Jenis FACTS

Devices Lokasi Rating

1 TCSC 17 -0.6985

2 TCSC 15 -0.4090

3 SVC 8 -111.652

Grafik konvergensi saat beban 190% ditunjukkan pada

gambar 12.

Gambar 13. Grafik konvergensi QPSO saat beban 190%

Dari gambar diatas, titik konvergensi tercapai saat iterasi 5

dan nilai optimal pada partikel ke 33. Penempatan optimal

TCSC-SVC saat beban 190% ditunjukkan pada Tabel III.

TABEL III

Penempatan Optimal TCSC-SVC Oleh QPSO Saat Beban 190%

No

Jenis

FACTS

Devices

Lokasi Rating No

Jenis

FACTS

Devices

Lokasi Rating

1 TCSC 24 -0.1861 8 SVC 10 -124.113

2 SVC 6 -10.7084 9 TCSC 3 -0.6900

3 SVC 1 12.3035 10 SVC 23 -37.8321

4 TCSC 28 -0.2467 11 TCSC 17 -0.2118

5 TCSC 2 -0.6861 12 SVC 4 129.4455

6 SVC 7 -55.9974 13 SVC 27 -38.6892

7 TCSC 14 -0.1067 14 SVC 16 -163.025

IV. HASIL SIMULASI DAN ANALISA

4.1 Beban 100%

Pada simulasi ini akan membandingkan tegangan tiap bus,

losses saluran dan batas kestabilan steady-state berdasarkan

pada 3 kondisi sistem, yaitu system tanpa TCSC-SVC,

dengan TCSC-SVC dengan TCSC-SVC-QPSO. Tegangan

tiap bus ditunjukkan oleh gambar 15 dan tabel IV. Losses

saluran ditunjukkan oleh gambar 16 dan tabel V.

Gambar 15. Perbandingan Level Tegangan Saat Beban 100%

TABEL IV

Perbandingan Level Tegangan dari 3 Kondisi Sistem saat Beban 100%

Bus

No

TCSC

SVC

(pu)

TCSC-

SVC

(pu)

TCSC-

SVC

QPSO

(pu)

Bus

No

TCSC

SVC

(pu)

TCSC-

SVC

(pu)

TCSC-

SVC

QPSO

(pu)

Suralaya 1,020 1,020 1,020 Ungaran 0,928 0,959 0,958

Cilegon 1,016 1,016 1,016 Tnjg Jati 1,000 1,000 1,000

Kembangan 0,967 0,968 0,969 Srbya Barat 0,972 0,983 0,984

Gandul 0,968 0,969 0,970 Gresik 0,980 0,990 0,990

Cibinong 0,948 0,969 0,970 Depok 0,966 0,967 0,968

Cawang 0,966 0,966 0,967 Tasikmalaya 0,916 0,922 0,951

Bekasi 0,960 0,961 0,961 Pedan 0,912 0,926 0,954

Muaratawar 1,000 1,000 1,000 Kediri 0,934 0,959 0,956

Cibatu 0,983 0,983 0,983 Paiton 1,000 1,000 1,000

Cirata 0,980 0,980 0,980 Grati 0,990 1,000 1,000

Saguling 0,970 0,970 0,970 Ngimbang 0,985 0,986 0,986

Bdg Sltn 0,951 0,952 0,953 Balaraja 0,958 0,969 0,973

Mandiracan 0,921 0,957 0,955

(30)

5

Level tegangan pada bus 5 meningkat dari 0.948 pu,

menjadi 0.969 pu dengan nilai SVC -168.317 Mvar (TCSC-

SVC-no QPSO) dan 0.970 pu dengan nilai SVC -111.65

Mvar (TCSC-SVC-QPSO). Dan saluran 15, level tegangan

bus 13 meningkat dari 0.921 pu menjadi 0.955 pu dengan

nilai TCSC -0.4090Xline (TCSC-SVC-QPSO).

Gambar 16. Perbandingan Losses Sistem saat Beban 100%

TABEL V

Perbandingan Rugi Daya dari 3 Kondisi Sistem Saat Beban 100%

Salu

ran

No

TCSC

SVC

(MW)

TCSC-

SVC

(MW)

TCSC-

SVC

QPSO

(MW)

Salu

ran

No

TCSC

SVC

(MW)

TCSC

SVC

(MW)

TCSC-

SVC

QPSO

(MW)

1-2 0,266 0,264 0,258 13-14 56,432 53,318 57,320

1-24 5,163 5,083 4,962 14-15 26,886 26,024 28,026

2-5 1,460 1,436 1,379 14-16 15,369 10,555 14,708

3-4 0,068 0,068 0,068 14-20 3,360 1,348 2,915

4-18 0,812 0,814 0,802 16-17 1,215 1,142 1,031

5-7 3,086 3,111 3,040 16-23 8,113 5,447 8,082

5-8 2,868 2,793 2,815 18-5 0,119 0,098 0,130

5-11 5,924 5,726 6,454 18-19 19,836 20,481 16,511

6-7 0,366 0,358 0,362 19-20 26,963 27,768 22,882

6-8 7,979 7,918 7,985 20-21 13,055 19,262 12,078

8-9 1,130 1,138 1,112 21-22 28,722 37,099 26,939

9-10 2,579 2,531 2,694 22-23 6,093 3,703 6,251

10-11 1,385 1,367 1,429 24-4 1,076 1,047 0,982

11-12 4,207 3,804 4,083 25-14 5,241 3,439 5,011

12-13 21,459 20,044 21,942 25-16 3,379 2,589 3,242

Dari Gambar 16 dan Tabel VII, dapat dianalisa bahwa

jumlah losses pada system menurun setelah penempatan

TCSC-SVC. Losses sistem tanpa TCSC-SVC sebesar

274.611 MW, dengan TCSC-SVC sebesar 269.773 MW, dan

dengan TCSC-SVC-QPSO sebesar 263.905 MW.

Selain itu, batas kestabilan steady-state saluran meningkat.

Pada saluran 17, sebelum penempatan TCSC, nilai kestabilan

adalah 1,328 GW, tetapi daya yang mengalir sebesar 1,321

GW. Setelah ditambahkan TCSC sebesar -0.6985Xline,

maka batas steady-state meningkat menjadi 3,750 GW.

4.2 Beban 190%

Simulasi pada sistem saat beban maksimum (190%) sama

dengan simulasi pada beban 100%. Tegangan tiap bus

ditunjukkan oleh gambar 17 dan tabel VI. Losses tiap saluran

ditunjukkan oleh gambar 18 dan tabel VII.

Gambar 17. Perbandingan Level Tegangan Saat Beban 190%

TABLE VI

Perbandingan Level Tegangan dari 3 Kondisi Sistem saat Beban 190%

Bus

No

TCSC

SVC

(pu)

TCSC-

SVC

(pu)

TCSC-

SVC

QPSO

(pu)

Bus

No

TCSC

SVC

(pu)

TCSC-

SVC

(pu)

TCSC

SVC

QPSO (pu)

Suralaya 1,020 1,020 1,020 Ungaran 0,931 0,956 0,952

Cilegon 1,006 1,007 1,009 Tnjg Jati 1,000 1,000 1,000

Kembangan 0,877 0,953 0,958 Srbya Barat 0,963 0,976 0,964

Gandul 0,879 0,955 0,950 Gresik 0,970 0,980 0,970

Cibinong 0,888 0,956 0,955 Depok 0,882 0,899 0,956

Cawang 0,879 0,954 0,953 Tasikmalaya 0,890 0,936 0,956

Bekasi 0,866 0,932 0,955 Pedan 0,911 0,939 0,957

Muaratawar 0,950 0,960 0,970 Kediri 0,931 0,941 0,959

Cibatu 0,942 0,950 0,952 Paiton 1,000 1,000 1,000

Cirata 0,960 0,960 0,960 Grati 0,990 0,990 0,990

Saguling 0,950 0,950 0,950 Ngimbang 0,905 0,955 0,975

Bdg Sltn 0,933 0,946 0,956 Balaraja 0,949 0,961 0,950

Mandiracan 0,923 0,942 0,958

Level tegangan pada bus 5 meningkat dari 0.888 pu,

menjadi 0.956 pu dengan nilai SVC 13.43 Mvar (TCSC-

SVC-no QPSO) dan 0.955 pu dengan nilai SVC 55.99 Mvar

(TCSC-SVC-QPSO). Dan saluran 14, level tegangan bus 12

meningkat dari 0.933 pu menjadi 0.956 pu dengan nilai

TCSC -0.1067Xline (TCSC-SVC-QPSO).

Gambar 18. Perbandingan Losses Sistem Saat Beban 190%

TABLE VII

Perbandingan Rugi Daya dari 3 Kondisi Sistem Saat Beban 190%

Salu

ran

No

TCSC

SVC

(MW)

TCSC-

SVC

(MW)

TCSC-

SVC

QPSO

(MW)

Salu

ran

No

TCSC

SVC

(MW)

TCSC-

SVC

(MW)

TCSC-

SVC

QPSO

(MW)

1-2 9,653 9,381 12,679 13-14 8,861 8,348 8,171

1-24 220,739 213,740 155,796 14-15 26,622 28,013 26,263

2-5 135,789 131,367 190,548 14-16 1,694 1,928 1,214

3-4 0,301 0,29 0,263 14-20 2,622 3,720 2,594

4-18 11,132 10,982 5,817 16-17 0,913 1,230 0,853

5-7 31,870 28,853 30,032 16-23 6,165 6,022 6,061

5-8 12,669 8,687 7,150 18-5 8,032 8,120 3,357

5-11 14,185 22,654 6,029 18-19 0,663 0,590 0,428

6-7 0,964 0,668 0,459 19-20 0,303 0,381 0,168

6-8 17,577 17,203 13,532 20-21 1,290 0,651 1,153

8-9 5,787 4,014 6,413 21-22 19,907 16,894 19,271

9-10 3,120 4,079 2,188 22-23 5,097 6,257 5,056

10-11 2,721 6,879 2,654 24-4 112,020 108,576 74,062

11-12 2,098 1,863 2,044 25-14 0,166 0,081 0,186

12-13 0,516 0,284 0,349 25-16 2,126 2,191 2,226

Dari Gambar 18 dan Tabel IX, dapat dianalisa bahwa

jumlah losses pada sistem menurun setelah penempatan

TCSC-SVC. Losses sistem tanpa TCSC-SVC sebesar

665.603 MW, dengan TCSC-SVC sebesar 653.949 MW, dan

dengan TCSC-SVC-QPSO sebesar 582.959 MW.

Selain itu, batas kestabilan steady-state saluran meningkat.

Pada Saluran 2, sebelum penempatan TCSC, nilai kestabilan

adalah 5,5865 GW, akan tetapi daya yang mengalir sebesar

7,106 GW. Setelah penempatan TCSC sebesar -0.6861Xline,

batas steady-state meningkat menjadi 8,558 GW dan aliran

daya menurun menjadi 6,259 GW.

6

V. KESIMPULAN DAN SARAN

A. Kesimpulan

1. Penempatan dan rating optimal pada TCSC-SVC dapat

meningkatkan kapabilitas saluran transmisi Sistem

Tenaga Listrik Jawa-Bali 500kV.

2. TCSC-SVC yang dioptimisasi QPSO dapat mereduksi

losses sebesar 3.899% (10.706 MW) saat beban 100%

dan 12.42% (82.644 MW) saat beban 190%.

3. TCSC-SVC mampu memperbaiki nilai tegangan pada

bus yang mengalami drop tegangan menjadi 1±5% pu

pada sistem tenaga listrik Jawa Bali 500kV.

B. Saran

1. Penempatan dan rating optimal dapat diproses dengan

metode lain atau modifikasi dari QPSO untuk hasil

yang lebih optimal.

2. Untuk penelitian selanjutanya, faktor biaya FACTS juga

diikutkan sebagai bahan pertimbangan untuk biaya

pembangkitan pada sebuah sistem tenaga listrik.

3. Dapat menggunakan koordinasi FACTS yang lain,

sehingga dapat mereduksi losses sistem lebih besar dari

TCSC-SVC.

DAFTAR PUSTAKA

[1] Umar, "Optimal Location of TCSC and SVC in 500 kV Java-Bali Power System by

Means of Breeder Genetic Algorithm" M.T. thesis, Dept. Electrical Engineering.,

Sepuluh Nopember Institute of Technology, Surabaya, 2008.

[2] Enrique Acha, Claudio R. Fuerte-Esquivel, Hugo Ambriz-Pe´rez, Ce´sar Angeles-

Camacho,” FACTS Modelling and Simulation in Power Networks”, John Wiley &

Sons Ltd, 2004.

[3] Klaus Habur and Donal O’Leary,” FACTS for Cost Effective and Reliable

Transmission of Electrical Energy Siemens AG “, Erlangen Germany.

[4] Tina Orfanogianni,” A Flexible sofware Environment for Steady State Power Flow

Optimization With Series FACTS Devices “, S3 dissertation, ETH Zurich, 2000.

[5] Zuwei Yu and D. lusan, “Optimal Placement of FACTS Device in Deregulated

Systems Considering Losses”, ELSEVIER Electrical Power and Energy System

26(2004) 818-819, July 2004.

[6] Lijun Cai and Istvan Erlich,” Optimal Choice and Allocation of FACTS Device in

Deregulated Electricity Market using Genetic Algoritm”, IEEE Transaction On

Power System, 2004.

[7] H.Saadat, “Power System Analysis,” McGraw-Hill International Edition, 1999.

[8] Kwang-Ho Lee and Jun-Mo Moon,” Optimal Siting of UPFC for Reducting

Congestion Cost by Using Shadow Prices”, IEEE transaction on PE,11A-4, 2001.

[9] Joseph Mutane and Goran Strbac,” Transmission Network Reinforcement Versus

FACTS: An Economic Assesment”, IEEE Tanssaction On Power System Vol 15,

No 3, August 2000.

[10] CR Fuerte-Esquivael, Enrique Acha,” A Newton Type Algoritm The Control of

Power Flow in Electrical Power Network”, Tanssaction On Power System, Vol 12,

No. 4, November 1997.

[11] CR Fuerte, Esquieval, E. Acha, SG Tan JJ Riuco,” Efficient Object Oriented

Power System Software for The Analysis of Large Scale Network 86 Containing

FACTS-Controlled Brances”, IEEE Tanssaction On Power System Vol 13, No2,

May 1998.

[12] Douglas J. Gotham and G.T. Heydt,” Power Flow Control and Power Flow Studies

for Systems With FACTS Devices”, IEEE Tanssaction on Power System, Vol 13,

No. 1, Februari 1998.

[13] E.J. Oliveira, J. W. Marangon Lima, K.C. Almeida,” Allocation of FACTS Devices

in Hydrotermal Systems”, IEEE Transaction on Power Systems Vol. 15, No. 1

February 2000.

[14] John J. Paserba, Gregory FR, M. Takeda, T. Arutsuka,” FACTS and Custom

Power Equipment for The Enchancement of Power Transmission System

Performance and Power Quality”, Symposium of Specialists in Electric Operational

and Expansion Planning (VII SEPOPE), Brazil, 2000.

[15] Pierre Paterni, Sylvain Vitet, Michel Bena, A. Yokoyama, “Optimal Location of

Phase Shifter in The French Network by Genetic Algorithm”, IEEE Transaction on

Power Systems vol. 14, No. 1 February 1999.

[16] R. Benabid, M. Boudour, M. A. Abido,” Optimal Location and Setting of SVC and

TCSC devices using Non-dominated Sorting Particle Swarm Optimization”,

Elsevier-Electric Power System Research vol. 79 pp 1668-1677, July 2009.

[17] Shuyuan Yang, Min Wang, Licheng Jiao, “A Quantum Particle Swarm

Optimization”, IEEE Transaction on Power Systems vol. 04, No. 2 2004.

[18] Janita D. Indiarti, "Penempatan TCSC Pada Jaring Transmisi untuk Optimal

Economic Dispatch menggunakan Particle Swarm Optimization" S1-Tugas Akhir,

Teknik Elektro., Institut Teknologi Sepuluh Nopember, Surabaya, 2010.

[19] P.Kundur, “Power System Stability and Control,” McGraw-Hill International

Edition, 1993.

[20] John J. Grainger, William D. Stevenson, JR,” Power System Analysis”, McGraw-

Hill, Singapore, 1994.

[21] G. Glanzmann, G. Andersson,” Coordinated Control of FACTS Devices base on

Optimal Power Flow”, 2004.

[22] ST. Clair, “Practical Concepts in Capability and Performance of Transmission

Lines”, December 1953.

[23] M. Noroozian, L. Angquist, M. Ghandhari, G. Andersson, “Improving Power

System Dinamics By Series Connected FACTS Devices”, IEEE Transactions on

Power Delivery, Vol. 12, No.4, October 1997.

[24] Murat Fahrioglu, Fernando L.Alvarado,” Using TCSC Devices for Optimal

Economic Dispatch”, Department of Electrical and Computing Engineering of

Wisconsin University.

[25] S.N. Omkar, R. Khandelwai, T.V.S. Ananth, G. Narayana Naik, S.

Gopalakrishnan, “Quantun behaved Particle Swarm Optimization (QPSO) for

multi-objective design optimization of composite structures”, Elsevier Expert

Systems with Applications, 36, pp 11312-11322, 2009.

[26] Maolong Xi, Jun Sun, Wenbo Xu, “An improved quantum-behaved particle swarm

optimization algorithm with weighted mean best position”, Elsevier Applied

Mathematics and Computation, 205, pp 751-759, 2008.

[27] Refi A. Krisida, "Optimisasi Pengaturan Daya Reaktif dan Tegangan pada Sistem

Interkoneksi Jawa Bali 500kV menggunakan Quantum behaved Particle Swarm

Optimization" S1-Tugas Akhir, Teknik Elektro., Institut Teknologi Sepuluh

Nopember, Surabaya, 2010.

[28] Zhang Zhisheng, “Quantum-behaved particle swarm optimization algorithm for

economic load dispatch of power system”, Elsevier Expert Systems with

Applications, 37, pp 1800-1803, 2010.

[29] Songfeng Lu, Chengfu Sun, Zhengding Lu, “An improved quantum-behaved

particle swarm optimization method for short-term combined economic emission

hydrothermal scheduling”, Elsevier Energy Conversion and Management, 51, pp

561-571, November 2009.

[30] Jun Sun, Wei Fang, Daojun Wang, Wenbo Xu, “Solving the economic dispatch

problem with a modified quantum behaved particle swarm optimization method”,

Elsevier Energy Conversion and Management, 50, pp 2967-2975, September 2009.

[31] Adi Soeprijanto, Ontoseno Penangsang, “Modul Buku Ajar Analisis Sistem

Tenaga”, Teknik Elektro ITS.

[32] Stephane Gerbex, Rachid Cerkaouni, and Alain J. Germond, “Optimal Location of

Multi-Type FACTS Devices in a Power system by Means of Genetic Algorithm”,

IEEE Tanssaction On Power System, Vol 16, No. 3, August 2001.

[33] M. Noroozian, L. Angquist, M. Ghandhari, G. Andersson, “Improving Power

System Dinamics By Series Connected FACTS Devices”, IEEE Transactions on

Power Delivery, Vol. 12, No.4, October 1997.

[34] Martin Geidl,”Implementation of FACTS in an Interactive Power Flow Simulation

Platform”, Diploma Thesis, TUG Graz University of Technology, Zurich, March

2003.

[35] Shuyuan Yang, Min Wang, and Lincheng Jiao, “A Quantum Particle Swarm

Optimizaion,” China.

FRISKY ALFARIZY lahir di Surabaya, 28 Juni

1990 sebagai anak ketiga dari pasangan Drs. Ec.

Sardju, MM dan Frida Sustyawati. Penulis lulus

dari SDN Wonorejo No. 274 pada tahun 2002,

melanjutkan sekolah di SMPN 1 Surabaya lulus

pada tahun 2005, lalu melanjutkan pendidikan di

SMAN 5 Surabaya dan lulus pada tahun 2008.

Kemudian penulis melanjutkan pendidikan S1-nya

di jurusan teknik elektro ITS melalui jalur

SNMPTN dan memilih bidang studi teknik sistem

tenaga. Di bangku kuliah, penulis juga aktif sebagai Direktur Human

Resources Divisi Usaha Himpunan Mahasiswa Teknik Elektro

(HIMATEKTRO) ITS dan Himpunan Mahasiswa Islam (HMI). Penulis

aktif menulis paper pada seminar Nasional dan Internasional. Beberapa

karya dari penulis telah dipubilkasikan dalam ICAST 2010 di Kumamoto’s

University, Japan dan dalam seminar APTECS 2010&2011 dalam bidang

kontrol sistem tenaga. Penulis dapat dihubungi melalui email :

frisky_rungkut@yahoo.co.id.