Oleh

JUNINGTIJASTUTI

NRP.2208 201 008

Pembimbing :

Prof.Dr.Ir. IMAM ROBANDI,MT

PROGRAM STUDI MAGISTER

BIDANG KEAHLIAN SISTEM TENAGA

JURUSAN TEKNIK ELEKTRO – FAKULTAS TEKNIK INDDUSTRI

INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

2010

IMPLEMENTASI BACTERIA FORAGING

ALGORITHM DENGAN PENEMPATAN UPFC

UNTUK MEREDUKSI RUGI DAYA

PADA JARING TRANSMISI

SOLUSI

1. Flexible AC Transmisi System (FACTS)

a. K.S.Pandya, S.K.Joshi (JATIT,2005-2008) dengan berkembangnya

ilmu dan teknologi, aplikasi Optimal Power Flow pada sistem akan

lebih kompleks, metode yang digunakan dari metode klasik dan tahun

terakhir menggunakan metode Artificial Intelligence (AI)

b. N.G.Hingorani, L.Gyugi (IEEE Press,2000) flexibelitas dari FACTS

mampu mengatur dan mengontrol aliran daya pada Sistem Tenaga.

c. M.Tumay, A.Mete Vural (Journal Science & Engineering,vol.29,2004)

dengan modifikasi pemodelan matematika pada Newton Rapshon,

UPFC dapat ditempatkan dimana saja di sepanjang jaring transmisi

d. S.V.Ravi Kumar and S.Siva Nagarju (Medwell Journal,2007) UPFC

tidak hanya dapat membantu aliran daya, juga dapat menurunkan

rugi daya pada jaring transmisi

e. L.J.Cai,et.al (IEEE,2004) penempatan FACTS untuk optimisasi

STL yang besar dengan GA mampu minimisasi cost fuction dengan

tetap memperhatikan kebutuhan pasar.

2. Metode BFA melalui Bakteri E-Coli

a. Kevin M.Passino (IEEE,2002) metode BFA telah berhasil dalam

membawa bakteri E-Coli untuk menyelesaikan permasalahan yang

berkaitan dengan optimisasi dan kontrol.

b. Arijit Biswas,et.al (ASC,2004) Kombinasi metode PSO dan BFA

dengan operator Numerical Benchmark, bahwa dalam pencarian

nutrisi metode BFA lebih cepat dari PSO

c. W.J.Tang, Q.H.Wu (IEEE,2006) BFA mampu menyelesaikan

masalah stabilitas pada sistem dinamik dengan kekuatan tinggi dan

efektif dalam menentukan optimalisasi seting PSS pada sistem.

d. S.Mishra,G.Dillip Reddy, et all, (IEEE, 2007) implementasi BFA

pada sistem tenaga listrik,dengan penempatan FACTS secara acak

mampu menurunkan rugi daya jaring transmisi

e. Ajith Abraham,Sambarta Dagupta, et all (IEEE, 2008) BFA yang

memiliki empat kekuatan, dapat dioperasikan bersama secara

serempak atau dioperasikan secara terpisah.

Dari tinjauan pustaka yang telah dipelajari, bahwa :1. UPFC yang merupakan salah satu tipe peralatan FACTS sangat

tepat untuk membantu aliran daya sistem, jika dibandingkan tipeFACTS yang lain. UPFC dapat mengatur secara simultan danselektif untuk seluruh parameter-parameter yang mempengaruhialiran daya pada saluran transmisi,seperti : tegangan,impedansidan sudut phasa. UPFC dapat juga menurunkan rugi daya padajaring transmisi

2. Bacteria Foraging Algorithm (BFA) melalui bakteri E-Coli merupakanmetode yang tergolong baru, sangat tepat untuk menyelesaikanmasalah yang berkaitan dengan optimisasi dan kontrol.BFA dengan 4 kekuatan (Chemotaxcis, Swarming, Reproductiondan Ellimination and Dispersal) yang dimiliki, sangat sensitif dandapat bekerja serempak dalam menyelesaikan masalah optimisasi

3. Metode BFA dapat diaplikasikan pada sistem tenaga listrik, untukmembantu industri kelistrikan dalam menyelesaikan masalah rugidaya. BFA dapat diaplikasikan dan dikembangkan pada bidangilmu yang lain, selain bidang teknik, seperti : pada bidangsosial,kedokteran ,dll

Dasar BFA : strategi foraging dari bakteri E-Coli dalam mencari nutrisi (losses)

(a). Swiming dan Tumble melalui flagela :

Sebuah bakteri E-Coli bergerak kedua arah yang berbeda, yaitu run (swim

pada waktu periode tertentu) atau tumble (acak), secara bergantian antara

dua mode tersebut selama lifetime nya

(b). Chemotaxcis melalui flagela :

Apabila bakteri E-Coli berada pada bahan netral dalam waktu tertentu,

maka flagela akan merubah gerak dari run atau tumble secara bergantian

untuk mendapatkan nutrisi.

(c). Jika bakteri E-Coli menemui nutrisi, maka flagela akan bergerak swim dalam

waktu lama (tumble menentukan arah run dari bakteri)

METODOLOGI

PROSES

PENGERJAAN

PENELITIAN

Bus-i Bus-j

Piupfc +jQiupfcPjupfc +jQjupfc

Pi,Qi Pj,QjAliran daya (LF-NR)

1. Chemotaxcis

2. Swarming

3. Reproduction

4. Ellimination and Dispersal

Proses Iterasi BFO

Inisialisasi variabel :

1. Jumlah parameter yang

dioptimisasi = p

2. Jumlah bakteri = S

3. Panjang langkah swimming = Ns

4. Jumlah iterasi proses chemotactic

Nc (Nc > Ns)

5. Jumlah reproduksi = Nre

6. Jumlah elimination dan dispersal

Ned

7. Probabilitas elimination & dispersal

Ped

8. Lokasi masing-masing bakteri =

P(p,S,1)

9. Nilai koefisien dattract,

wattract,hrepelent dan wrepele ( 0 1)

10. Nutrisi = rugi daya

Diagram Segaris

Sistem 500 kV Jamali

base mva = 1000; accuracy = 0.0001; maxiter = 50; accel = 1.1;

Bus Bus Volt. Angle

data code Mag Degree MW MVAR MW MVAR Qmin Qmax MW MVAR

1 1 1.020 0.000 135.000 40.000 3059.000 1262.000 -600.000 2040.000 0.000 0.000

2 0 1.000 0.000 620.000 200.000 0.000 0.000 0.000 0.000 0.000 0.000

3 0 1.000 0.000 670.000 230.000 0.000 0.000 0.000 0.000 0.000 0.000

4 0 1.000 0.000 480.000 160.000 0.000 0.000 0.000 0.000 0.000 0.000

5 0 1.000 0.000 615.000 190.000 0.000 0.000 0.000 0.000 0.000 0.000

6 0 1.000 0.000 670.000 160.000 0.000 0.000 0.000 0.000 0.000 0.000

7 0 1.000 0.000 570.000 150.000 0.000 0.000 0.000 0.000 0.000 0.000

8 2 1.000 0.000 0.000 0.000 1082.000 488.000 -700.000 1540.000 0.000 0.000

9 0 1.000 0.000 726.000 280.000 0.000 0.000 0.000 0.000 0.000 0.000

10 2 1.000 0.000 600.000 216.000 189.000 84.000 -488.000 488.000 0.000 0.000

11 2 1.000 0.000 0.000 0.000 300.000 65.000 -140.000 440.000 0.000 0.000

12 0 1.000 0.000 520.000 310.000 0.000 0.000 0.000 0.000 0.000 0.000

13 0 1.000 0.000 350.000 120.000 0.000 0.000 0.000 0.000 0.000 0.000

14 0 1.000 0.000 290.000 320.000 0.000 0.000 0.000 0.000 0.000 0.000

15 2 1.000 0.000 0.000 0.000 672.000 -64.000 -240.000 720.000 0.000 0.000

16 0 1.000 0.000 760.000 280.000 0.000 0.000 0.000 0.000 0.000 0.000

17 2 1.000 0.000 185.000 80.000 802.000 129.000 -610.000 660.000 0.000 0.000

18 0 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

19 0 1.000 0.000 244.000 15.000 0.000 0.000 0.000 0.000 0.000 0.000

20 0 1.000 0.000 462.000 215.000 0.000 0.000 0.000 0.000 0.000 0.000

21 0 1.000 0.000 316.000 182.000 0.000 0.000 0.000 0.000 0.000 0.000

22 2 1.000 0.000 740.000 240.000 3244.000 595.000 -840.000 1920.000 0.000 0.000

23 2 1.000 0.000 115.000 170.000 0.000 0.000 -302.000 566.000 0.000 0.000

GenerationLoad Injected

Tabel 1 : Data Generator dan Beban Sistem 500 kV Jamali

Tabel 2 : Data Jaring Transmisi 500 kV Jamali

No. Panjang R X 1/2 Bc

dari bus ke bus (km) (pu) (pu) (pu)

1 Suralaya 1 Cilegon 2 12.48 0.000626496 0.007008768 0.000

2 Suralaya 1 Gandul 4 111.148 0.006513273 0.062576324 0.005989820

3 Cilegon 2 Cibinong 5 130.81 0.013133324 0.146925792 0.003530571

4 Kembangan 3 Gandul 4 30.143 0.001513179 0.016928309 0.000

5 Gandul 4 Cibinong 5 21.27 0.001246422 0.011975010 0.000

6 Depok 18 Gandul 4 5.923 0.000694176 0.006669298 0.000

7 Bekasi 7 Cibinong 5 37.9 0.004441880 0.042675400 0.000

8 Cibinong 9 Muara Tawar 8 53 0.006211600 0.059678000 0.000

9 Saguling 11 Cibinong 6 81.9 0.004111380 0.045995040 0.004420973

10 Cawang 6 Bekasi 7 16.84 0.001973648 0.018961840 0.000

11 Cawang 6 Muara Tawar 8 48 0.005626000 0.054048000 0.000

12 Muara Tawar 8 Cibatu 9 48.158 0.002822059 0.027112954 0.000

13 Cibatu 9 Cirata 10 46.757 0.002739960 0.026324191 0.000

14 Cirata 10 Saguling 11 25.166 0.001474728 0.014168458 0.000

15 Saguling 11 Bandung Selatan 12 39 0.001957800 0.021902400 0.000

16 Bandung Selatan 12 Mandiracan 13 119.3 0.006990980 0.067165900 0.006429135

17 Mandiracan 13 Ungaran 14 230 0.013478000 0.129490000 0.012394812

18 Ungaran 14 Tanjung Jati 15 134.8 0.013533900 0.151407360 0.003638210

19 Surabaya Barat 16 Ungaran 14 134.8 0.015798560 0.086814600 0.003635519

20 Ungaran 14 Pedan 20 77.1 0.009036120 0.360662304 0.000

21 Tanjung Jati 15 Surabaya Barat 16 320.304 0.037539629 0.013399400 0.008630669

22 Gresik 17 Surabaya Barat 16 23.8 0.001394680 0.044596656 0.000

23 Grati 23 Surabaya Barat 16 79.41 0.003986382 0.157248000 0.000

24 Depok 18 Tasikmalaya 19 280 0.014056000 0.171288000 0.015114437

25 Tasikmalaya 19 Pedan 20 305 0.015311000 0.115128000 0.016463941

26 Pedan 20 Kediri 21 205 0.010291000 0.115128000 0.011065927

27 Kediri 21 Paiton 22 205 0.010291000 0.115128000 0.011065927

Jaring Transmisi

HASIL PENGUJIAN :

Penempatan UPFC pada sistem Jamali diantara bus 13 – 14

Jum.Pop. = 50

Max.Gen = 200

Losses tanpa UPFC : 136.539 MW

1223.030 MVAR

1 2 3 4 5 6 7 8 9 10126.14

126.142

126.144

126.146

126.148

126.15

126.152

126.154Grafik Konvergensi Bacteria Foraging Algorithm

Evaluation of Nutrient

Nut

rient

S = 50

Nc = 200

S = 50

Nc = 10

Penempatan UPFC pada sistem Jamali diantara bus 15 – 16

Jum.Pop. = 50

Max.Gen = 200

T = 25 menit

1 2 3 4 5 6 7 8 9 10137.41

137.42

137.43

137.44

137.45

137.46

137.47Grafik Konvergensi Bacteria Foraging Algorithm

Evaluation of Nutrient

Nut

rient

S=50

Nc = 200

S = 50

Nc = 10

REKAPITULASI HASIL PENGUJIAN :

a. Losses (rugi daya ) sebelum sistem Jamali dipasang UPFC

136.539 MW , 1223.030 MVAR

b. Perbandingan Losses (rugi daya ) , sistem 500 kV Jamali dipasang UPFC

No. Metode BFO Lokasi Metode GA

Urut Injeksi UPFC Total Loses UPFC Injeksi UPFC Total Loses

MW MVAR MW MVAR Line bus MW MVAR MW MVAR

1 17.196 114.541 134.779 1205.397 2 19.204 367.784 134.707 1200.239

19.920 399.481 5 19.739 397.880

2 19.565 257.856 128.211 1132.284 13 18.411 393.076 129.720 1146.929

11.501 365.707 14 10.143 384.380

3 11.067 397.660 132.567 1178.615 14 10.567 387.171 132.401 1176.786

10.044 119.787 16 10.148 393.795

4 10.060 104.485 137.227 1230.079 15 10.585 399.373 137.206 1229.815

10.010 323.988 16 10.366 392.825

5 20.000 259.016 129.780 1149.901 18 19.855 386.009 126.799 1120.599

19.790 365.433 19 19.865 397.288

6 16.674 358.215 127.297 1120.103 19 17.468 381.598 129.238 1139.823

10.000 355.687 20 12.897 398.289

7 10.044 377.421 133.564 1188.889 21 10.038 396.736 133.446 1187.538

10.000 226.674 22 10.489 204.483

Tabel 1 : Perbandingan Losses dari metode BFO dan GA

Sistem tanpa UPFC

Losses = 136.539 MW

Sistem tanpa UPFC

Losses = 1223.030 MVAR

Kurva perbandingan Losses (MW) antara BFO dan GA

Kurva perbandingan Losses (MVAR) antara BFO dan GA

c. Perbandingan tegangan sebelum dan setelah dipasang UPFC

Tanpa UPFC Lokasi Dengan UPFC

No. UPFC Metode BFO Metode GA

Urut Teg. Sudut antara Teg. Sudut Teg. Sudut Mag drajat bus Mag drajat Mag drajat

1 1.016 -0.475 2 1.017 -0.471 1.019 -0.478 0.978 -5.772 5 0.984 -5.709 0.985 -5.706

2 0.939 -2.091 13 0.971 -2.044 0.972 -2.067 0.942 7.44 14 0.969 7.078 0.970 7.031

3 0.942 7.44 14 0.963 7.334 0.963 7.326 0.992 15.525 16 0.995 15.400 0.997 15.365

4 1.000 13.996 15 1.000 14.309 1.000 14.309 0.992 15.525 16 0.996 15.788 0.996 15.788

5 0.976 -5.058 18 0.992 -4.955 0.993 -4.966 0.949 -0.99 19 0.996 -1.041 0.999 -1.041

6 0.949 -0.99 19 1.005 -1.073 0.966 0.199 0.931 6.399 20 0.974 5.858 0.962 6.922

7 0.945 13.34 21 1.000 21.842 1.000 21.829 1.000 21.921 22 1.000 18.324 1.000 18.313

Tabel 2 : Perbandingan tegangan tanpa dan dengan UPFC

Kurva profil tegangan sistem sebelum dan setelah dipasang UPFC

Kesimpulan :

◦ Proses komputasi antara Metode BFO dengan empat kekuatan (Chemotaxis, Swarming,

Reproduction, Elimination and Dipersal) dan Load Flow, masing-masing dapat bekerja

secara serempak membutuhkan waktu lama dalam proses komputasi

◦ Berdasarkan Tabel 1, penempatan UPFC pada jaring transmisi 500 kV Jamali yang optimal,

jika dipasang pada jaring transmisi antara bus 13 dan bus 14.

◦ Berdasarkan Tabel 2, menunjukkan tegangan yang diperoleh dari hasil pengujian untuk

metode BFO dan metode GA rata-rata berada pada rentang tegangan yang diijinkan yaitu

antar 0,950 pu dan 1.050 pu.

◦ Ditinjau dari metode, nilai rugi daya yang diperoleh dari metode BFO rata-rata lebih rendah

jika dibandingkan dengan metode GA.

◦ Ditinjau dari waktu proses komputasi, metode GA lebih cepat dari metode BFO

Saran :

◦ Metode BFO dapat dikembangkan dan diaplikasikan pada sistem yang lain, dengan hanya

menggunakan salah satu kekuatan yang dimiliki (missal : chemotaxcis , reproduction) atau

menggunakan keempat kekuatan secara serempak.

◦ Metode BFO untuk sistem yang besar kurang optimal dan membutuhkan waktu panjang

dalam mencapai konvergen, maka sebaiknya dikombinasikan dengan metode yang lain

(missal : Fuzzy, GA)

1. Seminar Nasional APTEC-I, ITS, 22 Desember 2009 :

“ Optimal Sizing of Static Var Compensators (SVCs) for Reducing

Power Losses in 500 kV JAMALI Grid Power System using

Bacteria Foraging Algorithm (BFA) “

2. Seminar nasional FMIPA-UI, Jakarta, 6 Februari 2010 :

“ Kompensasi Daya Reaktif pada Sistem 500 kV Jamali

Menggunakan Bacteria Foraging Algorithm “

3. Seminar Nasional FMIPA – UNIBRAW, Malang, 20 Februari 2010 :

“ Pemodelan dan Analisis : Aplikasi PSS pada Multi Mesin “

DAFTAR PUSTAKA

[1] P.Ristanovic, 1996, “Succesive Linier Programming Based OPF

Solution, Optimal Power Flow: Solution, Techniques, Requerements and

Challenges”, IEEE Power Engineering Sac., pp.1-9, 1996

[2] Jason Yuryevich, Kit Po Wong, 1999, “Evolotionary Programming

Based Optimal Power Flow Algorithm“ , IEEE Transsc. On Power

Systems, Vol.14, No.4.

[3] Hadi Saadat, 1999, “ Power System Analysis ”, McGraw-Hill, Book Co-

Singapura.

[4] John.J.Grainger and William.D.Stevenson.Jx,1994,“Power System

Analysis”, Mc. Graw Hill Series in Electrical Engineering and Computer

Engineering, Internasional Editor, Princeton Road, SC1, Higtstown, New

York, 08520.

[5] K.S.Pandya, S.K.Joshi, 2005-2008, “A Survey of Optimal Power Flow Met

hodes”, Journal of Theoritical and Applied Information Technology (JATIT),

[6] J.L.Martinez Ramos, A.G.Exposito and V.Quintana, 2005, “Transmission

Loss Reduction by Interior Point Method : Implementasi , Issue and Pratical

Experimence“,proc.Inst.Elect.Eng.Gen.Trans.Distr.,Vol.152, No.1, pp.90-98

[7] N.G.Hingorani, L.Gyugi, 2000, “ Understanding FACTS Conceps and

Technology of Flexible AC Transmission System ”, IEEE Press, ISBN. 0-

7803-3455-8.

[10] S.Heng Hui Lee and Chia Chi Chu, 2003, “ Power Fow Models of Unified

Power Flow Contoller in Various Operation Mode”, IEEE,\. Delivery

[11] Acha,Esquive, Perez, Comocho, 2004, “FACTS Modeling and Simulation in

Power Network”, John Welly & Sons, Ltd.[13] M.Tumay, A.Mete Vural, 2004, “Analysis and Modeling of UPFC : Modification

of Newton Rapshon Algorithm and User Definrd Modeling Approch for Power

Flow Studies”, The Journal for Science and Enginnering, Vol.29, No.2B.

[14] S.V. Ravi Kumar and S.Siva Nagaraju,, 2007, “Loss Minimazation by

Incorporation of UPFC in Load Flow Studies”, International Journal of

Electrical and Power Enginnering 1(3) : 321-327, Medwell Journals.

[15] Samina E.M., R.K.Nema and Gayatri Agnihotri, “Power Flow Control with

UPFC in Power Transmission System”, Word Academy Science, Enginnering

and Technology 47, 2008

[16] K.M.Passino, “ Biomimicry for Optimizaation, Control, and Automation “,

Dept.Electric Engineering, The Ohio State University 2015 Neil Avenue,

Columbus, Copyright March, 2003.

[18] Tjahjadi Purwoko,S.Si,M.Si , 2007, “ Fisologi Mikroba “ , Bumi Aksara.

[22] M.Tripathy and S.Mishra,2007, “Bacteria Foraging – Based Solution to

Optimize Both Real Power Loss and Voltage Staability Limit “, IEEE

Transaction on Power Syatems, Vol.22,No.1.

[23] M.Tripathy, S.Mishra , L.L.Lay, Q.P.Zhang, 2006, “ Transmission Loss

Reduction Based on FACTS and Bacterial Foraging Algorithm”,

T.P.Runarsson at all (Eds) : PPSN IX, LNCS 4193, pp.222-231

[26] Sambarta Dasgupta, Arijit Biswas, Ajith Abraham and Swagatarn Das, “

Adaptive Computational Chemotaxis in Bacteria Foraging Algorithm”,

International Conference on Complex, Intelligent and Software Intensive

System, IEEE, 0-7695-3109-1, 2008

[27] Ajith Abraham, Arijit Biswas, Sambarta Dasgupta and Swagatarn Das,

“Analysis of Reproduction Operator in Bacterial Foraging Optimization

Algorithm”, IEEE, 978-1-4244-1823-7, 2008

[20] S.Mishra, G. Dillip Reddy, P.E.Rao and K. Santosh, 2007, “ Implementation of

New Evolotionary Techniques for Transmission Loss Reduction” IEEE, 1-

4244-1340-0..

V

Δ

JJ

JJ

ΔQ

ΔP

43

21

δj)δi(θsinYVV

δj)δi(θcosYVVjQP

: sehingga

jQPSdengan IVS

ij.j

1

i

ij.j

1

iii

ii,ii.i*

n

j

n

j

Vi

Vl

Ii

o

1. Aliran daya mebggunakan metode Newton Rapshon (NR)

2. Menentukan rugi daya pada jaring transmisi.

a. Sistem tanpa UPFC

Z4.IiBentuk matrik Jacobian :

b. Sistem dengan UPFC

sehingga :

dan

Sij = Pij + j.Qij ; Sji = Pji + j Qji

Z4.IijVj

Vse

Iij

Vl

Vi

Iij=Ise

Ise Vse

> o

V’I = Vse + Vi

Bentuk umum aliran daya :

P = f1(V, ,B,G)

Q = f2(V, ,B,G)

Bentuk matriks Jacobian :

CELL (SEL)

Bakteri E-Coli

Kakuatan Bacteria Foraging :

1. Cnemotaxcis

2. Swarming

3. Reproduction

4. Ellimination and DispersalMedia cair

Proses Komputasi untuk

menyelesaikan optimisasi

dengan Matlab 7.1

Pengertian BFO dalam sistem tenaga listrik :

a). Bakteri E-Coli memiliki 4.288 gen dan mutasi terjadi pada 10-7 setiap gen,

setiap generasi [16]b). Nutrisi yang dimaksud adalah rugi daya (losses)

c). Chemotaxcis adalah langkah untuk mendapatkan nutrisi, yang terdiri dari

Swim/run (searah) atau tumble (acak)

d). Reproduction,

Bakteri yang sehat merupakan jumlah anggota populasi yang mempunyai

cukup makanan dan akan reproduksi (membelah dua) tanpa mutasi.

Bakteri yang tidak sehat adalah bakteri yang tidak mendapatkan makanan

selama foraging, sehingga tidak mampu reproduksi akan mati.

Metode ini menguntungkan pada bakteri yang sehat (banyak makanan) dan

membuat populasi tetap konstan sesuai dengan pengkodean algoritma.

e). Ellimination and Dispersal,

Dalam populasi, bakteri mengalami perubahan hidup (melalui komsumsi

makanan) secara perlahan atau secara tiba-tiba karena pengaruh yang lain

(misal : lingkungan)

Ada pihak luar (social behavior atau air) yang dapat memindahkan

populasi dalam waktu tertentu.

Ellimination and Dispersal dapat membantu/merusak proses chemotaxcis