BALARAJA Yi3 V3 -...
Transcript of BALARAJA Yi3 V3 -...
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 :