Optimalisasi Pengaturan Tegangan Dengan Algoritma Genetika
-
Upload
steven-voltage-humena -
Category
Documents
-
view
31 -
download
11
description
Transcript of Optimalisasi Pengaturan Tegangan Dengan Algoritma Genetika
Jurnal Teknika ISSN : 2085 - 0859 Fakultas Teknik Universitas Islam Lamongan Volume 1 No.2 Tahun 2009
1
Optimalisasi Pengaturan Tegangan dengan Algoritma Genetika
Zainal Abidin1
1) Dosen dpk pada Fakultas Teknik Prodi Elektro Universitas Islam Lamongan
Abstrak
Paper ini menyajikan penggunaan Algoritma Genetika untuk pengaturan optimalisasi
tegangan pada sistem. Sistem ini digabungkan dengan metode Newton Rapshon pada kasus
aliran daya untuk meminimalkan rugi-rugi daya. Walaupun beberapa metode kontrol tegangan
dapat digunakan, teori ini difokuskan pada kapasitor bank (kapasitor shunt) sebagai parameter
variabelnya. Metode ini diaplikasikan pada sistem 5 busbar dan sistem IEEE 14-busbar untuk
melihat kemampuan dan kapabilitasnya.
Dari beberapa percobaan dapat dilihat bahwa pendekatan algoritma genetika berhasil
membangkitkan nilai kapasitor shunt yang tepat yang akan ditempatkan pada tiap bus untuk
menghasilkan rugi daya yang minimum dan sekaligus menghasilkan optimasi tegangan.
Kata Kunci : Optimalisasi, Tegangan, Algoritma Genetika
I. PENDAHULUAN
Dalam operasi sistem tenaga listrik,
kestabilan penyaluran daya menjadi sangat
penting. Tujuan dari pengaturan optimisasi
tegangan adalah untuk meminimalisasi rugi-rugi
daya, juga menjaga penampilan tegangan yang
diinginkan seperti yang dibutuhkan konsumen.
Sekarang ini teknik optimisasi numerik dan
pendekatan sistem cerdas digunakan dengan
Artificial Intelegency diaplikasikan untuk
mendukung operasi sistem tenaga.
Sebagai paradigma baru untuk optimisasi
salah satunya menggunakan pendekatan dengan
Algoritma Genetika. Algoritma Genetika adalah
algoritma yang didasarkan pada seleksi genetik
alam. Algoritma menyediakan solusi pada
permasalahan yang luas dan lebih komplek.
Studi ini menyajikan penggunaan
Algoritma Genetika yang dibandingkan dengan
metode konvensional untuk menyelesaikan
masalah optimisasi tegangan.
Daftar Simbol
PL = rugi daya aktif
QL = rugi daya reaktif
Y = matrik admitansi
Gj = matrik real
B = matrik admitansi imajiner
n = total bus
i = bus i
j = bus j
V = tegangan pada bus
e = tegangan riil pada bus
f = tegangan riil bus
Ii = Aliran arus ke bus I
c = arus pada bus
d = arus imajiner pada bus
II. ANALISIS ALIRAN DAYA
Analisis aliran daya adalah hal yang paling
penting dalam perencanaan dan disain
pengembangan sistem daya terutama dalam
menghitung operasi terbaik dari sistem yang
terpasang [3]. Prinsip informasi didasarkan dari
studi aliran daya yakni tegangan dan sudut fase
tegangan pada tiap bus dan daya aktif dan daya
reaktif yang mengalir pada tiap saluran. Dalam
studi ini metode Newton Rapshon digunakan
untuk menghitung aliran daya.
A. Aplikasi Metode Newton Raphson
Metode Newton Raphson digunakan karena
lebih reliabel dan lebih cepat dalam konvergensi.
Metode ini kurang sensitif terhadap beberapa
faktor yang menyebabkan kelemahan atau tidak
konvergen denga metode aliran daya yang lain
[1].
Rata-rata nilai konvergen relatif lebih bebas dari
ukuran sistem. Dalam studi ini koordinat
rectangular dan admitansi Ybus dipergunakan [4].
B. Koordinat Rectangular
Daya pada sistem bus i pada sistem n-bus dapat
digambarkan sebagai :
Jurnal Teknika ISSN : 2085 - 0859 Fakultas Teknik Universitas Islam Lamongan Volume 1 No.2 Tahun 2009
2
Si = Pi - jQi = Vi*II (1.0)
atau
n
j
jijVY1
i iji *V Q - P (2.0)
kemudian
Vi = ei + jFi (3.0)
Yij = Gif - jBij (4.0)
n
j
ijiijiji dCVYI1
(5.0)
Dimana Ii didefinisikan sebagai arus yang
mengalir ke bus i. Setelah disubstitusikan,
persamaan (2.0) dapat ditulis sebagai :
n
ij
jijjijiiijjijii eBfGffBeGeP )]()([ (6.0)
dan
n
ij
jijjijijijjijii eBfGefBeGfQ )]()([ (7.0)
Dengan catatan bahwa Pi dan Qi adalah fungsi
dari ej, ei, fi dan fj. Untuk tiap beban bus PQ, Pi
dan Qi dapat dihitung dengan persamaan (6.0)
dan (7.0), Secara langsung dapat dihitung untuk
tiap estimasi nilai e dan f. Setelah masing-
masing iterasi, perhitungan dari nilai Pi,calc dan
Qi,calc kemudian dibandingkan dengan nilai
yang telah diketahui dari nilai Pi,calc dan Qi,calc.
Dengan cara yang sama, untuk tiap PV bus
generator, nilai tegangan bus dapat dihitung
untuk perkiraan e dan f sebagai :
22
Iii feV (8.0)
Selanjutnya perhitungan nilai tegangan
dibandingkan dengan nilai yang
dispesifikasikannya. Setelah itu, nilai koreksi
dari iterasi k dapat dituliskan :
)(
,,
)( k
calcispeci
k
i PPP (9.0)
)(
,,
)( k
calcispeci
k
i QQQ (10.0)
)(
,,
2 k
calcispecii QQV (11.0)
Karena perubahan pada P, Q, dan V2
berhubungan dengan perubahan e dan f pada
persamaan (6.0) - (8.0), hal ini memungkinkan
variabel tersebut menjadi bentuk umum
Jacobian.
(12.0)
Hasil dari nilai e's dan f's dapat digunakan
dalam persamaan berikut untuk menentukan
tegangan bus estimasi baru untuk iterasi
berikutnya
)()()( k
i
k
i
ik
i eee (13.0)
)()()( k
i
k
i
Ik
i efff (14.0)
Proses ini diulang hingga nilai P, Q dan |Vi|2
dapat ditentukan dari persamaan (9.0) - (11.0)
lebih kecil daripada indeks ketepatan. Hal ini
memungkinkan pengembangan arus bus
diberikan dengan persamaan (15.0) sebagai
berikut :
n
ij
ijjij
n
ij
jijjijji BeGffBfGeI )()( (15.0)
Dimana
n
ij
ijjijji BfGec )( (16.0)
n
ij
ijjijji BeGfd )( (17.0)
n
ij
ijjijjiiiiiii BfGeBfGec )( (18.0)
n
ij
ijjijjiiiiiii BeGfBeGfd )( (19.0)
Dengan mensubstitusikan persamaan (16.0) dan
(17.0) ke dalam persamaan (6.0), daya aktif dari
bus i dapat dihitung dengan persamaan :
Pi = eici + fidi (20.0)
Dengan cara yang sama, dari persamaan (7.0),
daya reaktif bus i menjadi :
Qi = fici - ei di (21.0)
II. METODE PENGATURAN TEGANGAN
Tingkat pengaturan tegangan sangat tergantung
dari pengaturan produksi, penyaluran dan aliran
daya reaktif pada seluruh level sistem. Secara
normal ada beberapa metode pengaturan
tegangan [5], seperti trafo tap-changer, booster
transformer, injeksi daya reaktif dan sebagainya.
Dalam tulisan ini pengaturan tegangan
menggunakan daya reaktif atau kapasitor shunt,
sebagai unsur utama kontrol tegangan.
A. Shunt
Kapasitor shunt digunakan untuk rangkain daya
lagging. Kapasitor dihubungkan secara langsung
ke busbar atau lilitan tersier dari trafo utama dan
memperpendek jarak untuk meminimalisir rugi-
rugi dan drop tegangan.
= =
P
Q
|V|2
J
1
J
3
J
5
J
2
J
4
J
6
J2
f
Jurnal Teknika ISSN : 2085 - 0859 Fakultas Teknik Universitas Islam Lamongan Volume 1 No.2 Tahun 2009
3
Penggunaan kapasitor untuk mencari rugi
daya minimum dan pada saat yang sama
menjaga kualitas tegangan dengan batas tertentu.
Ketika bank kapasitor ditempatkan di bus,
matrik admitansi Y berubah.
Perubahan dalam matrik Y digambarkan
pada tabel 1.0, dimana hanya nilai yang diagonal
yang berpengaruh.
YI1 + U1 Y12 …Y1n
Y21 Y22 + U2 …..Y2n
. . .
Yn1 Yn2 Ynn+Un
Tabel 1.0 : Matrik admitansi dengan
kapasitor shunt untuk sistem n bus.
Nilai dari U1, U2,……..dan Un dihitung dengan
Algoritma Genetika untuk tiap generasi dari
kromosom.The value of U1, U2, …. And Un are
computed by GA for each generation of the
chromosomes.
IV. ALGORITMA GENETIKA
Algoritma Genetika adalah metode
pencarian algoritma didasarkan pada mekanika
seleksi alam dan genetik [6].
Algoritma Genetika adalah algoritma
yang digunakan untuk optimisasi berdasar
prinsip pencarian biologi yang simultan
berdasar banyak titik dalam space pencarian.
AG bekerja tidak dengan parameter-parameter
namun dengan nomor-nomor string yang
menggambarkan satuan parameter. Dengan
aturan aturan probabilitas untuk metode
pencarian algoritma. Dengan memperhatikan
banyak titik dalam space pencarian yang secara
simultan mengurangi perubahan konvergensi
untuk nilai minimal.
Proses AG mengikuti aturan berikut [7].
1) Tentukan inisial populasi (biasanya string
dibangkitkan acak)
2) Evaluasi seluruh individu (aplikasikan
beberapa fungsi atau formula individu)
3) Menyeleksi populasi baru dari populasi awal
berdasar nilai fitnes dari individu yang
diberikan oleh fungsi evaluasi.
4) Aplikasikan operator genetika seperti mutasi
dan pindah silang untuk tiap anggota
populasi untuk mendapatkan pemecahan
baru.
5) Evaluasi individual baru yang terbentuk.
6) Ulangi langkah 3-6 (satu generasi) hingga
terminasi kriteria memuaskan (biasanya
berbentuk nomor generasi tertentu)
Konsep dari pelaksanaan adalah
mempertahankan nilai fitnes. Pemecahan
reproduksi sukses secara langsung menjadi nilai
fitness, yang ditandai selama evaluasi. Solusi
terburuk mungkin tidak diproduksi pada semua
sisi.
Kemajuan AG untuk memanipulasi
komputasi secara sederhana, dan AG memiliki
kemampuan pencarian untuk menentukan nilai
optimasi. Proses selanjutnya dari AG adalah
kemampuan yang lebih kuat dengan respon
problem yang lebih komplek.
V. DESKRIPSI AG DALAM MASALAH
OPTIMISASI TEGANGAN
Untuk mengimplementasikan algoritma
genetika dalam optimisasi masalah tegangan,
struktur pita algoritma dihitung. Tiap unit
kapasitor daya reaktif pada sistem, yang
merupakan peralatan terkontrol, dikodekan
dalam digit biner, dan ditempatkan pada sebuah
string. Jumlah panjang pita kemudian akan
dipilih.
Selanjutnya tiap kombinasi nilai kapasitor
direpresentasikan dalam bentuk pita. Gambar 1
menampilkan diagram alir dari operasi AG
untuk optimisasi tegangan.
Gambar 1. Flow chart Algoritma Genetika dalam
optimisasi tegangan
Yes
No
Mulai
Jumlah generasi
Ukuran pop
Mutasi
Pindah silang
probabilitas
Jalankan Algoritma Genetika
Tentukan aliran daya Hitung rugi daya
Batas Rugi Daya?
Selesai
Jurnal Teknika ISSN : 2085 - 0859 Fakultas Teknik Universitas Islam Lamongan Volume 1 No.2 Tahun 2009
4
A. Metode Kodifikasi untuk Kapasitor
Langkah awal dalam implementasi algoritma
genetika untuk menyelesaikan masalah
penempatan kapasitor adalah menghitung
struktur kode suseptansi kapasitor
multiparameter, pemetaan, kode fixed point
digunakan pada aplikasi ini sebagaimana gambar
2. Sebuah pita 5-bit mewakili tiap parameter.
01101 | 00010 | 1101 | 10000
U1 U2 U3 U4
Gambar 2 : Multi Parameter Kode
Dekoding ditandai dengan integer yang secara
linierr dipetakan dari [0,21] hingga interval
tertentu [Umin, Umax.]. Nilai dari 2 adalah 25 = 32
dan kemudian, koding pemetaan secara persis
diberikan oleh :
= 125
.max.min
UU
Algoritma Genetika dalam menghitung fungsi
fitnes menggunakan routine kode. Routine kode
dapat digunakan untuk satu atau multi parameter
dalam masalah optimisasi.
B. Pemetaan Fungsi Obyek ke dalam Bentuk
Fitness
Komputasi fungsi obyektif dari persamaan 1.0
diterapkan untuk tiap satuan populasi. Untuk
mencari populasi terbaik, lebih baik merubah
fungsi obyektif menjadi fungsi fitness f(V).
Persamaan 23.0 menunjukkan bagaimana
perubahan tersebut:
F(V) = Cmax - g(V) when g(V) < Cmax
= 0
Cmax dipilih karena lebih besar dari nilai g dalam
populasi ini.
VI. HASIL SIMULASI
Hasil simulasi diperoleh dari 5-busbar dan
sistem IEEE 14-busbar. Dalam setiap percobaan
dengan menggunakan AG yang digunakan
parameter tetap :
Ukuran populasi= 10
Probabilitas pindah silang = 0.5
Mutasi = 60%
Jumlah generasi = 100
Tabel 1 dan 4 menunjukkan perrhitungan aliran
beban. Dengan kapasitor shunt dipilih dengan
algoritma genetika rugi daya dapat direduksi
seperti Tabel 2 dan 5, sementara tegangan pada
busbar diberikan selisih kecil. Tabel 3 dan 6
menunjukkan nilai kapasitor shunt yang
diseleksi dengan algoritma genetika.
A. 5-Busbar Tabel 1. Sistem 5-Busbar tanpa Kapasitor Shunt
Bus Voltages
Mag Angles
Power Loss
MW MVAR
1
2
3
4 5
1.06 0
1.0474 -2.8064
1.0242 -4.9970
1.0236 -5.3291 1.0179 -6.1503
129.5095 -7.6570
20.0704 20.0352
-44.8931 -14.9578
-39.9972 -4.9533 -59.9934 -9.9044
Hasil perhitungan kerugian sistem adalah PLoss =
5.6062 MW dan QLoss = -17.4373 MWAR.
Tabel 2. Sistem 5-Busbar dengan Kapasitor Shunt
Bus Voltages
Mag Angles
Power Loss
MW MVAR
1
2
3
4 5
1.06 0
1.0517 -2.8694
1.0328 -5.1120
1.0318 -5.4316 1.0253 -6.2279
129.4561 -18.7815
20.0704 20.0417
-44.8931 -14.9498
-39.9993 -4.9485 -59.9949 -9.8981
Hasil perhitungan rugi sistem adalah PLoss =
4.5642 MW dan QLoss = -28.5362 MWAR.
Tabel 3. Nilai Kapasitor Shunt yang dipilih dengan
Algoritma Genetika
Parameters Final Susceptance
Value of Capacitor
U1
U2
U3 U4
U5
0.0
0.0
0.07 0.01
0.02
B. IEEE 14-Busbar Tabel 4. Sistem 14 Busbar tanpa Kapasitor Shunt
Bus Voltages
Mag Angles
Power Loss
MW MVAR
1 2
3
4
5 6
7
8 9
10
11
12 13
14
1.600 0 1.0186 -5.0375
1.0339 -13.0566
1.0206 -10.7800
1.1503 -9.3105 1.0235 -14.9026
1.0247 -13.7984
1.0121 -15.3600 1.0049 -15.2200
1.0436 -15.6114
1.0176 -15.9600
1.0063 -14.6536 1.0182 -13.3001
1.0198 -13.4397
233.1227 -31.0314 18.3000 14.0211
-94.2001 4.4521
-47.6600 3.9126
-7.6185 -1.6533 -11.1997 13.1289
0.0 0.0
0.0 18.5727 -28.5910 4.6200
-9.0080 -5.8044
-3.5000 -1.8000
-6.1771 -1.6867 -13.6000 -5.9812
-15.0035 -5.0800
Jurnal Teknika ISSN : 2085 - 0859 Fakultas Teknik Universitas Islam Lamongan Volume 1 No.2 Tahun 2009
5
Hasil perhitungan rugi sistem adalah
PLoss = 14.8648 MW dan
QLoss = 5.6704 MWAR
Tabel 5 : Sistem 14-Busbar tanpa Kapasitor Shunt
Bus Voltages
Mag Angles
Power Loss
MW MVAR
1
2
3
4 5
6
7
8 9
10
11
12 13
14
0.0600 0
1.0210 -5.0436
1.0397 -13.1627
1.0276 -10.8001 1.1512 -9.5106
1.0248 -14.9026
1.0257 -13.8666
1.0201 -15.5001 1.0135 -15.3120
1.0438 -15.7251
1.0216 -16.1035
1.0149 -14.7211 1.0226 -13.9066
1.0207 -13.0074
232.1371 -31.1300
18.0979 14.0124
-94.2120 3.8922
-47.6603 3.8922 -7.6118 -1.7326
-11.2896 13.1289
0.0 0.0
0.0 18.5601 -28.5910 4.6000
-9.0080 -6.0020
-3.4998 -1.8950
-6.1791 -1.8184 -13.6020 -1.9900
-15.0039 -5.0911
Hasil perhitungan rugi sistem adalah PLoss =
13.5577 MW dan QLoss = 4.4213 MWAR
Tabel 6 : Nilai Kapasitor Shunt yang dipilih
Algoritma Genetika
Parameters Final Susceptance Value of
Capacitor
U1
U2 U3
U4
U5
U6 U7
U8
U9
U10 U11
U12
U13
U14
0.0
0.0 0.0
0.056
0.13
0.0 0.04
0.0
0.19
0.02 0.0
0.08
0.035
0.05
VII. KESIMPULAN
Simulasi dilakukan dengan menggunakan
Algoritma Genetika untuk mengatasi
permasalahan optimisasi tegangan dengan
mengatur kapasitor shunt. Dari beberapa
percobaan dapat dilihat bahwa pendekatan
algoritma genetika berhasil membangkitkan nilai
kapasitor shunt yang tepat yang akan
ditempatkan pada tiap bus untuk menghasilkan
rugi daya yang minimum dan sekaligus
menghasilkan optimasi tegangan.
VIII. DAFTAR PUSTAKA
[1] Stagg, G.W. and El-Abiad, A.H.
Computer Methods in Power System
Analysis, McGraw-Hill Kogakusha Ltd.
Tokyo, 1968.
[2] D.I. Sun Et. Al, Optimal Power Flow By
Newton Approach, IEEE transaction on
PS Vols. No. 21984, pp 2864.
[3] El-Hawary, M.E. Power Systems Design
and Analysis. Prentice-Hall, Reston,
Virginia 1983.
[4] Gonen, T., Electric Power Distribution
System Engineering, McGraw-Hill, New
York, 1996.
[5] Kundur, Prabha, Power System Stability
and Control. McGraw-Hill. Auckland
Bogota 1994.
[6] Golber, D.E. Genetic Algorithms in
Search, Optimization and Machine
Learning. Addison-Wesley, USA. 1989.
[7] C.R. Houck, J. Joines, and M. Kay. A
Genetic Algorithms for Optimization : A
Matlab Implementation ACM Tran. On
Math. Software 1996
Jurnal Teknika ISSN : 2085 - 0859 Fakultas Teknik Universitas Islam Lamongan Volume 1 No.2 Tahun 2009
6
Halaman ini sengaja dikosongkan