Design and Analysis of Algorithm Brute Force and Exhaustive Search Algorithm
IMPLEMENTASI BACTERIA FORAGING ALGORITHM DENGAN...
Transcript of IMPLEMENTASI BACTERIA FORAGING ALGORITHM DENGAN...
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
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)
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
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
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
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