Penempatan dan Penentuan Kapasitas Optimal dari ...
Transcript of Penempatan dan Penentuan Kapasitas Optimal dari ...
1
Abstrak โ Beban listrik yang terus meningkat menuntut
adanya penambahan kapasitas pembangkitan. Pemba-
ngunan pembangkit-pembangkit baru dengan kapasitas
besar menimbulkan banyak permasalahan lingkungan
dan pembiayaan. Sistem pembangkit yang paling tepat
digunakan untuk mengatasi permasalahan tersebut,
dengan memperhatikan permasalahan energi dan
penurunan rugi-rugi jaringan adalah Pembangkit
Tersebar (Distributed Generation). Penambahan DG juga
mempengaruhi kemampuan pembebanan (loadability)
sistem. Loadability didefinisikan sebagai nilai pembebanan
maksimum yang masih mampu ditanggung oleh sistem
dalam batas kestabilannya. Konstrain loadability
maksimal yang akan dicapai oleh penempatan DG pada
sistem distribusi adalah batas tegangan (voltage limit).
Penempatan dan penentuan kapasitas optimal unit DG
dengan memperhatikan loadability maksimal sistem
merupakan permasalahan optimasi yang diselesaikan
menggunakan Non-Dominated Sorting Genetic Algorithm-
II (NSGA-II), suatu pengembangan dari algoritma
genetika dengan penambahan mekanisme elitism, non-
dominated sorting dan crowding distance. Optimasi
dilakukan untuk mendapatkan hasil terbaik antara dua
fungsi tujuan (multiobjective optimization), yaitu keandalan
DG dan penghematan bahan bakar. Hasil simulasi
menunjukkan bahwa penggunaan bahan bakar paling
efisien dicapai ketika daya keluaran DG bernilai 8 MW
dan cadangan daya DG sebesar 2 MW. Loadability
maksimum dicapai pada nilai 150% dengan penambahan
10 unit DG untuk sistem IEEE 14 bus, dan 110% dengan
penambahan 7 unit DG untuk sistem IEEE 30 bus.
Indeks โ DG, loadability, multiobjective optimization,
NSGA-II
I. PENDAHULUAN
ertumbuhan ekonomi yang cukup tinggi dan iklim usaha
yang semakin baik mengakibatkan meningkatnya
konsumsi energi listrik, baik oleh konsumen rumah tangga
maupun industri. Hal tersebut akan menimbulkan peningkatan
kebutuhan pasokan listrik terhadap sistem. Oleh karena itu,
penambahan kapasitas pembangkit sangat penting dilakukan
untuk menunjang pemenuhan kebutuhan beban listrik yang
terus meningkat [1].
Penambahan kapasitas pembangkit harus dilakukan dengan
cermat, tepat, dan efisien. Banyak aspek yang perlu ditinjau
dalam upaya penambahan kapasitas pembangkit pada suatu
sistem tenaga listrik. Faktor fleksibilitas, nilai ekonomis,
diversifikasi energi, dan pengaruh bagi lingkungan merupakan
hal-hal yang perlu dikaji secara mendalam. Dengan memper-
timbangkan beberapa faktor di atas, maka sistem pembangkit
yang sangat potensial untuk dikembangkan dalam upaya
mengatasi permasalahan pasokan listrik adalah pembangkit
tersebar atau dikenal dengan DG (Distributed Generation).
II. DG DAN LOADABILITY SISTEM
Penelitian mengenai penggunaan Distributed Generation
(DG) untuk menambah kapasitas pembangkitan guna me-
menuhi peningkatan kebutuhan beban listrik terus-menerus
dilakukan. DG memiliki nilai ekonomis yang lebih baik jika
dibandingkan dengan pembangkit sentral dengan ukuran
besar. Biaya investasi, pemeliharaan, dan biaya pembangkitan
DG lebih murah dibandingkan dengan pembangkit besar.
Keunggulan lain yang dimiliki DG adalah tingginya keandalan
sistem yang menggunakan DG. Selain itu penambahan DG
juga dapat meningkatkan stabilitas tegangan dan mengurangi
rugi-rugi total jaringan [2].
A. Distributed Generation (DG)
Secara teknis, DG memiliki beberapa aspek definisi yang
meliputi kapasitas, tujuan pemasangan, lokasi penempatan,
dan teknologi yang digunakan. Beberapa definisi kapasitas
DG yang dimiliki oleh lebaga riset internasional adalah
sebagai berikut:
1. The Electric Power Research Institute mendefinisikan
batas kapasitas DG sampai dengan 50 MW [3].
2. Gas Research Institute mendefinisikan DG sebagai
pembangkit dengan kapasitas antara 25 kW โ 25 MW [4].
3. Preston dan Rastler menentukan ukuran mulai dari
beberapa kilowatt hingga lebih dari 100 MW [5].
4. Cardell mendefinisikan DG sebagai pembangkit dengan
kapasitas antara 500 kW dan 1 MW [6].
5. International Conference on Large High Voltage Electric
Systems (CIGRE) mendefinisikan DG sebagai pembangkit
dengan kapasitas lebih kecil dari 50 - 100 MW [7].
Berdasarkan tujuan instalasinya, DG dibangun untuk
menyediakan sumber daya aktif pada sistem tenaga listrik.
Sehingga berdasarkan definisi secara internasional ini, DG
Radika Hendri Wijaya, Adi Soeprijanto, Heri Suryoatmojo Bidang Studi Teknik Sistem Tenaga - Jurusan Teknik Elektro
Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Email: [email protected]
Penempatan dan Penentuan Kapasitas Optimal dari
Distributed Generation (DG) dengan
Mempertimbangkan Maximum Loadability
Menggunakan Non-Dominated Sorting Genetic
Algorithm-II (NSGA-II)
P
2
tidak diharuskan untuk mampu menyediakan daya reaktif [8].
Definisi lokasi penempatan DG, masih mengundang kontro-
versi diantara banyak peneliti. Kebanyakan peneliti mende-
finisikan lokasi DG pada sistem distribusi, namun dalam
beberapa literatur penempatan DG juga dapat dilakukan pada
sisi sistem transmisi [3].
Menurut teknologi yang digunakan dalam pembangkitan,
DG dapat dibedakan menjadi Traditional Generator atau yang
biasanya menggunakan Internal Combustion Engine (ICE),
serta Modern Generator yang terdiri dari fuel cell, storage
device, dan renewable energy [8]. Penelitian ini menggunakan
DG jenis ICE dengan kapasitas antara 1 MW hingga 10 MW.
ICE dipilih karena memiliki efisiensi bahan bakar yang sangat
tinggi. Daya yang dibangkitkan dan penggunaan bahan bakar
ICE membentuk kurva yang hampir linier. Semakin tinggi
nilai daya yang diproduksi, maka semakin banyak bahan bakar
yang dikonsumsi. Sehingga fungsi penghematan bahan bakar
maksimal mampu dicapai ketika ICE dioperasikan pada
kondisi daya keluaran minimalnya.
B. Loadability
Sistem tenaga listrik selalu mendapatkan tekanan yang
berat karena peningkatan beban yang terjadi pada jaringan dan
sulitnya pembangunan pembangkit listrik baru yang letaknya
dekat dengan beban. Hal tersebut menyebabkan keamanan
sistem tenaga menjadi parameter yang sangat penting,
terutama mengenai batas tegangan. Loadability maksimum
merupakan nilai pembebanan maksimum yang masih mampu
diterima oleh sistem dalam kondisi operasi normal [9].
Untuk saluran yang tidak terkompensasi dengan panjang
lebih dari 80 km, yang menjadi batasan loadability adalah
jatuh tegangan, sedangkan untuk saluran dengan panjang lebih
dari 320 km, yang menjadi batasan loadability adalah nilai
steady state margin. Sedangkan untuk sistem distribusi nilai
loadability dapat dievaluasi dengan melihat Voltage Limit
(VL) atau Voltage Stability Limit (VSL) [10].
Batas tegangan (VL) dalam analisis sangat berkaitan
dengan fenomena jatuh tegangan yang terjadi pada jaringan.
Tegangan sistem yang dipengaruhi oleh besarnya nilai jatuh
tegangan tersebut dapat dilihat melalui nilai tegangan pada
tiap-tiap bus. Variasi nilai tegangan bus tidak boleh melebihi
batas keamanaan sistem tenaga yang diijinkan. Jika batasan
(constraint) tegangan tersebut dilanggar, maka loadability
maksimum tidak dicapai pada nilai pembebanan tersebut.
Standar batas tegangan PLN adalah antara 0,9 pu - 1,05 pu.
III. METODE PENEMPATAN DAN PENENTUAN KAPASITAS
OPTIMAL DG
Proses penentuan lokasi penempatan dan daya yang
dikeluarkan oleh DG memerlukan iterasi proses yang sangat
panjang dan rumit, karena harus dilakukan pencarian nilai
yang paling optimal dari semua kemungkinan yang ada dan
menghitung ulang keseluruhan nilai aliran daya yang dimiliki
sistem. Oleh karena itu pencarian solusi optimal dilakukan
dengan menggunakan bantuan kecerdasan buatan, yaitu
NSGA-II. Untuk mendapatkan hasil optimasi yang maksimal,
maka pemodelan sistem, fungsi evaluasi, dan parameter
NSGA-II yang akan digunakan dalam strategi optimasi harus
didefinisikan dengan jelas.
A. Karakteristik dan Pemodelan Sistem
Sistem distribusi tenaga listrik yang digunakan dalam
pengujian penempatan dan penentuan kapasitas optimal DG
ini bertipe grid distribution network dan menggunakan bus uji
standar IEEE 14 dan 30 bus. DG yang digunakan dalam
penelitian ini adalah jenis pembangkit pembakaran dalam atau
ICE (Internal Combustion Engine). DG dimodelkan sebagai
injeksi daya aktif pada bus, yang akan dikodekan dalam
bentuk kromosom menurut aturan tertentu.
Simulasi dijalankan dengan ketentuan bahwa kondisi
pembangkit dalam keadaan normal, sistem dalam keadaan
seimbang (pembebanan masing-masing fasa sama), dan tidak
terjadi perubahan beban sistem selama proses simulasi ini
dijalankan, kecuali peningkatan beban secara gradual dan
serempak pada pengujian loadability sistem.
B. Evaluasi Maksimum Loadability Sistem
Batasan loadability sistem yang digunakan adalah batas
tegangan atau disebut voltage limit (VL). VL dilihat dan
dievaluasi melalui tegangan masing-masing bus dari sistem
yang diujikan. Standar batas tegangan yang digunakan dalam
penelitian ini mengikuti standar PLN (0.9 pu โ 1.05 pu).
Ketika tegangan sistem masih berada pada batas nilai
tegangan yang diijinkan, maka proses optimasi terus dilakukan
dengan menambahkan jumlah unit DG dan meningkatkan
pembebanan sistem. Sesuai dengan penyederhanaan perhi-
tungan Continuation Power Flow (CPF), maka untuk mening-
katkan pembebanan sistem, nilai loading sistem dikalikan
dengan suatu bilangan (), yang nilainya akan terus meningkat
dengan selisih sebesar 10% system loading untuk setiap
iterasi. Maximum loadability akan dicapai pada system loading
tertinggi, dengan tegangan masing-masing bus tetap berada
pada batas nilai yang diijinkan [10].
C. Evaluasi Fungsi Multiobjective
Pemasangan unit DG dilakukan untuk meningkatkan ke-
mampuan sistem dalam memenuhi peningkatan kebutuhan
pembebanan, sehingga dapat mengakomodasi penambahan
beban yang akan terjadi. Hal ini mengakibatkan kapasitas
cadangan daya (spinning reserve) yang dimiliki unit DG harus
tinggi. Selain itu, efisiensi pembangkit juga sangat penting
untuk diperhatikan. Penggunaan BBM meningkat sejalan
dengan meningkatnya daya output pembangkit. Sehingga
penghematan bahan bakar dapat dilakukan dengan menekan
daya keluaran unit DG. Kedua fungsi tujuan tersebut dapat
ditulis sebagai berikut:
๐๐๐๐๐๐๐๐ ๐ ๐๐ ๐๐๐ฃ๐ ๐๐ ๐ท๐บ = ๐๐๐ท๐บ๐ โ ๐๐๐ข๐ก๐ท๐บ๐๐๐=1 (1)
๐น๐ข๐๐ ๐๐๐ฃ๐๐๐ ๐น๐ ๐ท๐บ = ๐๐๐ข๐ก๐ท๐บ๐๐๐=1 (2)
Dengan variabel i menunjukan lokasi DG pada bus ke-i, Pk
menunjukan kapasitas daya DG, Pout menunjukan daya
keluaran DG. Pemasangan DG pada sistem pembangkit
mempengaruhi rugi daya saluran sehingga besar rugi daya
saluran dihitung kembali.
PG = Psystem + PoutDG (3)
Ploss = PG โ Pload (4)
dengan PG menunjukan jumlah total daya pembangkitan,
Psystem menunjukan daya keluaran pembangkit sistem, PoutDG
menunjukan daya keluaran pembangkit DG, Pload menunjukan
daya beban, Ploss menunjukan rugi daya saluran.
3
Dengan mempertimbangkan penurunan total rugi-rugi
jaringan yang spesifik dan loadability maksimum sistem,
fungsi multiobjective yang digunakan dalam penelitian ini
adalah untuk mendapatkan nilai maksimal dari fungsi SRDG(),
sehingga didapatkan sistem dengan keandalan suplai daya
yang tinggi serta evaluasi fungsi FSDG(), sehingga didapatkan
daya keluaran unit DG yang paling minimal supaya
penghematan bahan bakar unit DG dapat dicapai.
D. Studi Aliran Daya
Dalam penyelesaian studi aliran daya, sistem diasumsikan
berada dalam kondisi seimbang, sehingga perhitungan
dilakukan dalam satu fasa.
Gambar 1. Sistem tenaga listrik dengan 4 bus [11]
Untuk sistem yang terdiri dari n bus n saluran, aliran daya
dihitung menurut Kirchoff, arus yang masuk bus i adalah [11]:
๐ผ๐ = ๐ฆ๐0๐๐ + ๐ฆ๐1 ๐๐ โ ๐1 + โฏ + ๐ฆ๐๐ ๐๐ โ ๐๐ (5)
๐ผ๐ = ๐๐ ๐ฆ๐๐๐๐=0 โ ๐ฆ๐๐๐๐
๐๐=0 , ๐ โ ๐ (7)
๐ผ๐ =๐๐โ๐๐
๐๐โ (8)
Substitusi Ii pada persamaan (7) ke dalam persamaan (8) akan
menghasilkan: ๐๐โ๐๐
๐๐โ = ๐๐ ๐ฆ๐๐
๐๐=0 โ ๐ฆ๐๐๐๐
๐๐=0 , ๐ โ ๐ (9)
Persamaan (9) dapat ditulis dalam bentuk:
๐ผ๐ = ๐๐๐๐๐๐๐=1 (10)
Persamaan (10) dalam bentuk polar dapat ditulis:
๐ผ๐ = ๐๐๐ ๐๐ โ (๐๐๐ + ๐ฟ๐ )๐๐=1 (11)
Substitusi persamaan (11) pada persamaan (8) adalah:
๐๐ โ ๐๐๐ = ๐๐ โ (โ๐ฟ๐) ร ๐๐๐ ๐๐ โ (๐๐๐ + ๐ฟ๐ )๐๐=1 (12)
๐๐ = ๐๐ ๐๐ ๐๐๐ ๐๐๐ (๐๐๐ โ ๐ฟ๐ + ๐ฟ๐ )๐๐=1 (13)
๐๐ = ๐๐ ๐๐ ๐๐๐ ๐ ๐๐(๐๐๐ โ ๐ฟ๐ + ๐ฟ๐ )๐๐=1 (14)
Dihitung elemen-elemen matriks jacobian sesuai persamaan:
โ๐1
(๐)
โฎ
โ๐๐(๐)
โ๐1(๐)
โฎ
โ๐๐(๐)
=
๐๐1
(๐)
๐๐ฟ1โฏ
๐๐1(๐)
๐๐ฟ๐
โฎ โฎ โฎ๐๐๐
(๐)
๐๐ฟ1โฏ
๐๐๐(๐)
๐๐ฟ๐
๐๐1(๐)
๐ ๐1 โฏ
๐๐1(๐)
๐ ๐๐
โฎ โฎ โฎ๐๐๐
(๐)
๐ ๐1 โฏ
๐๐๐(๐)
๐ ๐๐
๐๐1(๐)
๐๐ฟ1โฏ
๐๐1(๐)
๐๐ฟ๐
โฎ โฎ โฎ๐๐๐
(๐)
๐๐ฟ1โฏ
๐๐๐(๐)
๐๐ฟ๐
๐๐1(๐)
๐ ๐1 โฏ
๐๐1(๐)
๐ ๐๐
โฎ โฎ โฎ๐๐๐
(๐)
๐ ๐1 โฏ
๐๐๐(๐)
๐ ๐๐
.
โ๐ฟ1
(๐)
โฎ
โ๐ฟ๐(๐)
โ ๐1(๐)
โฎ
โ ๐๐(๐)
(15)
Diperoleh ๐ dan ๐ baru hasil koreksi sebagai berikut:
๐๐ ๐+1
= ๐๐ ๐
โ โ๐๐ ๐
(16)
๐๐ ๐+1
= ๐๐ ๐
โ โ ๐๐ ๐
(17)
Proses diulangi hingga semua nilai โ ๐๐ dan โ๐๐ lebih kecil
nilainya dari suatu indeks ketepatan (accuracy) tertentu.
E. Optimasi Penempatan dan Penentuan Kapasitas DG
Strategi optimasi penempatan dan penentuan kapasitas DG
dilakukan berdasarkan kedua fungsi tujuan yang diharapkan,
untuk mendapatkan penurunan rugi-rugi terbaik dan maximum
loadability menurut diagram alir berikut.
Gambar 2. Diagram alir strategi optimasi DG
Pengkodean Kromosom dan Pembangkitan Populasi Awal
Setiap unit DG diwakili oleh S string biner dari 8 bit gen
dalam satu kromosom. Keempat bit awal mewakili kapasitas
unit DG, sedangkan 4 bit sisanya mewakili daya keluaran DG.
Sesuai dengan rating daya keluaran ICE, maka daya keluaran
yang mampu dihasilkan adalah antara 1 โ 10 MW. Sedangkan
lokasi penempatan DG dikodekan menurut jumlah bus sistem
yang digunakan. Setiap bus diwakili oleh L string biner dari 4
bit untuk 14 bus dan 5 bit untuk 30 bus.
Pembentukan kromosom dilakukan dengan menggabung-
kan string S dan L menjadi satu array gen individu yang
terdiri dari 12 bit (untuk sistem 14 bus) dan 13 bit (untuk
sistem 30 bus). Nilai masing-masing elemen kromosom (gen)
dibangkitkan secara acak menggunakan software MATLAB
2010a. Sehingga diperoleh ilustrasi representasi kromosom
seperti gambar berikut.
Mulai
System Loading = 100%
Membangkitkan
Populasi Awal
Kromosom = Rating,
Lokasi DG Konfigurasi kromosom
SL
= S
L +
10
%
nDG = nDG + 1
Tidak
Ya
Tidak
Ya
Tidak Ya
nDG = 1
running loadflow (NR)
Evaluasi fitness
SRDG() dan FSDG()
Baca data DG, Bus dan
Parameter NSGA-II
iterasi = maxgen?
Individu Terbaik
(maximum loadability)
nDG = maxDG?
Plot Placement and
Sizing DG terbaik
Selesai
Proses NSGA-II
1. Non-Dominated
Sorting
2. Crowding
Distance
3. Selection
4. Elitism
5. Crossover
6. Binary Mutation
fitness = OptF?
4
Mekanisme NS dan CD
Pada semua individu dalam populasi yang telah dibangkit-
kan, dilakukan perhitungan fitness menurut kedua fungsi
tujuan yang telah didefinisikan. Evaluasi fitness multi tujuan
dilakukan dalam mekanisme NS (Non-dominated Sort) dan
CD (Crowding Distance). Populasi yang telah dihitung nilai
fungsi obyekifnya, diklasifikasikan dalam bidang-bidang
optimasi (pareto-optimal front). Suatu individu dikatakan
mendominasi individu lain jika hasil evaluasi seluruh fungsi
tujuan dari individu tersebut tidak sebih buruk dari individu
lainnya dan minimal satu dari hasil evalusi fungsi tujuan
tersebut yang lebih baik dari pada individu lainnya [12].
Setelah semua individu diurutkan dalam bidang-bidang
tertentu, dilakukanlah perhitungan nilai crowding distance dari
masing-masing individu. Pemikiran dasar yang melatarbela-
kangi perhitungan CD (crowding distance) adalah usaha untuk
menemukan jarak Euclidean antara setiap individu pada suatu
bidang berdasarkan pada nilai fungsi tujuan m. Perhitungan
kedua mekanisme itu divisualisasikan seperti gambar berikut.
Gambar 3. Visualisasi hasil perhitungan NS dan CD pada NSGA-II [12]
Operator Genetik
Proses optimasi dilanjutkan dengan dengan menerapkan
beberapa operator genetik, yaitu; elitisme, pindah silang, dan
mutasi. Elitisme dilakukan dengan mengkopi individu terbaik
hasil seleksi yang telah didapatkan. Pindah silang (crossover)
dilakukan untuk mengatur ulang informasi dari dua individu
yang berbeda dan membuat individu baru. Metode pindah
silang yang digunakan adalah one-point crossover, yaitu
pindah silang titik potong tunggal. Pemilihan titik potong
dilakukan secara random dan probabilitas pindah silang yang
digunakan dalam penelitian ini adalah 0,9.
Operator mutasi yang digunakan dalam penelitian ini
adalah binary mutation. Proses ini hanya dilakukan dengan
mengubah nilai gen dari 0 menjadi 1 ataupun sebaliknya.
Sedangkan probabilitas mutasi yang dipilih dalam penelitian
ini adalah (1/nGen). Probabilitas mutasi yang kecil ini dilakukan
agar populasi asli tidak kehilangan sifat genetisnya, namun
tetap memberikan kemungkinan cukup untuk memunculkan
individu dengan kemungkinan penyelesaian permasalahan
yang lebih baik daripada individu yang telah ada.
IV. PENGUJIAN SISTEM DAN ANALISIS
Analisa aliran daya dilakukan dengan akurasi mencapai
0.00001, akselerasi 1.6, dan iterasi maksimum sebanyak 100
kali proses. Parameter sistem yang diperhatikan dalam
simulasi tersebut adalah rugi-rugi jaringan total dan nilai
tegangan dari masing-masing bus dalam sistem tersebut.
Kemudian mulai dilakukan peningkatan pembebanan sistem
dan penambahan unit DG. Simulasi yang dianalisis merupakan
kombinasi unit DG yang memberikan nilai loadability sistem
paling maksimal pada sistem IEEE 14 dan 30 bus.
A. Kombinasi dengan Loadability Maksimum (IEEE 14 bus)
Gambar 4. Pareto-optimal front hasil optimasi NSGA-II
TABEL 2
LOADABILITY MAKSIMUM PADA IEEE 14 BUS Jumlah Unit DG = 4
Loadability = 150%
Running Summary (21/12/2011 โ 13:43:02)
Lokasi
DG
Daya Keluaran
DG (MW)
Kapasitas DG
(MW)
Jumlah Unit
DG
4 8.00 10 1
12 8.00 10 1
13 8.00 10 1
14 8.00 10 1
Total Loss tanpa DG 36.570 MW
Total Loss menggunakan DG 29.764 MW
Penurunan Total Loss 6.807 MW
Total Daya Output DG 32.00 MW
Total Cadangan Daya 8.00 MW
Cadangan daya DG 20.00 %
Penambahan empat unit DG pada sistem IEEE 14 bus,
menjadikan sistem masih mampu menerima kenaikan
pembebanan sebesar 50% dari beban normalnya. Peningkatan
pembebanan menyebabkan kenaikan rugi-rugi jaringan. Rugi-
rugi daya aktif naik dari 13.869 MW menjadi 29.764 MW. Hal
ini terjadi karena aliran daya saluran juga makin besar.
Penempatan optimal DG pada sistem mampu menurunkan
rugi-rugi daya aktif jaringan sebesar 6.807 MW.
Gambar 5. Hasil optimasi NSGA-II untuk 4 unit DG
5
Hasil simulasi peningkatan loadability sistem hingga 50%
menunjukkan bahwa tegangan masing-masing bus masih
dalam batas operasi normal yaitu 0.9 - 1.05 p.u. Sehingga
penambahan unit DG tidak mengganggu kestabilan sistem.
Gambar 6. Profil tegangan hasil running max pada IEEE 14 bus
Gambar 7. Sistem IEEE 14 bus dengan 4 unit DG
B. Kombinasi dengan Loadability Maksimum (IEEE 30 bus)
Gambar 8. Pareto-optimal front hasil optimasi NSGA-II
TABEL 4
LOADABILITY MAKSIMUM PADA IEEE 30 BUS Jumlah Unit DG = 7
Loadability = 110%
Running Summary (22/12/2011 โ 05:47:50)
Lokasi
DG
Daya Keluaran
DG (MW)
Kapasitas DG
(MW)
Jumlah Unit
DG
15 8.00 10 1
25 16.00 20 2
22 24.00 30 3
26 8.00 10 1
Total Loss tanpa DG 23.019 MW
Total Loss menggunakan DG 15.938 MW
Penurunan Total Loss 7.081 MW
Total Daya Output DG 56.00 MW
Total Cadangan Daya 14.00 MW
Cadangan daya DG 20.00 %
Gambar 9. Hasil optimasi NSGA-II untuk 7 unit DG
Penambahan tujuh unit DG pada sistem IEEE 30 bus,
menjadikan sistem masih mampu menerima kenaikan
pembebanan sebesar 10% dari beban normalnya. Namun
demikian peningkatan pembebanan sistem menyebabkan
peningkatan rugi-rugi jaringan, dari 18.403 MW naik menjadi
23.019 MW. Penempatan DG yang optimal pada sistem masih
mampu memberikan penurunan rugi-rugi jaringan sebesar
30.8% dan cadangan daya mencapai 20%. Pada kenaikan
pembebanan ini, tegangan masing-masing bus masih berada
dalam batas normal.
Gambar 10. Profil tegangan hasil running max pada IEEE 30 bus
12
13
11
10
14
6
9
8
1
5
C
C C
2
3
4
C
9
4
7 8
6
Gambar 11. Sistem IEEE 30 bus dengan 7 unit DG
Daya keluaran total pada semua bus yang terseleksi adalah
sebesar 56 MW. Nilai tersebut merupakan hasil proses
optimasi menggunakan NSGA-II sehingga didapatkan
kompromi terbaik antara keandalan unit DG dan penghematan
bahan bakar sebagai fungsi dari daya keluaran DG. Dengan
nilai daya keluaran total sebesar 56 MW, DG masih memiliki
cadangan daya sebesar 14 MW (20% dari total kapasitas
terpasang DG). Selain itu penambahan 7 unit DG dengan
kombinasi optimal ini juga mengakibatkan nilai pembebanan
yang masih dapat ditanggung sistem mencapai 110% dari
beban normalnya serta memberikan penurunan rugi-rugi
jaringan yang cukup besar.
V. KESIMPULAN
Dari hasil simulasi dan analisis yang telah dilakukan dapat
disimpulkan bahwa :
1. Penempatan dan penentuan daya keluaran DG yang tepat
dapat memperbaiki nilai tegangan bus agar dapat tetap
berada pada batas normalnya.
2. Pemilihan lokasi dan daya keluaran yang tepat
menyebabkan unit DG memiliki keandalan yang tinggi dan
menggunakan bahan bakar dengan lebih efisien.
3. Penghematan bahan bakar unit DG sangat mempengaruhi
cadangan daya DG atau dengan kata lain memiliki dampak
yang besar terhadap keandalan sistem.
4. Penambahan DG dalam kondisi yang optimal pada sistem
mampu menurunkan rugi-rugi total jaringan dan
mengakomodasi adanya peningkatan nilai pembebanan
(loadability) sistem.
5. Penggunaan NSGA-II mampu menghasilkan solusi
optimal untuk mendapatkan komporomi terbaik antara
penghematan penggunaan bahan bakar dan keandalan unit
DG sebagai suatu proses optimasi multiobjective.
REFERENSI
[1] Harjono, โPerencanaan Kebutuhan Energi Listrik Nasional dengan Menggunakan Metode Ekonometrikโ, ITS Digital Library, Surabaya,
2009.
[2] A.A. Abou El-Ela, S.M. Allam, and M.M. Shatla, "Maximal optimal benefits of distributed generation using genetic algorithms",
ELSEVIER : Electric Power System Research, 2010.
[3] Electric Power Research Institute web-page (November 2011): http://www.epri.com/gg/newgen/disgen/index.html.
[4] Gas Research Institute, Distributed Power Generation: A Strategy for a
Competitive Energy Industry, Gas Research Institute, Chicago, USA 1998.
[5] D. Sharma, R. Bartels, Distributed electricity generation in competitive
energy markets: a case study in Australia, in: The Energy Journal Special issue: Distributed Resources: Toward a New Paradigm of the
Electricity Business, The International Association for Energy
Economics, Clevland, Ohio, USA, 1998, pp. 17โ40. [6] J. Cardell, R. Tabors, Operation and control in a competitive market:
distributed generation in a restructured industry, in: The Energy Journal
Special Issue: Distributed Resources: Toward a New Paradigm of the Electricity Business, The International Association for Energy
Economics, Clevland, Ohio, USA, 1998, pp. 111โ135.
[7] CIGRE, Impact of increasing contribution of dispersed generation on the power system; CIGRE Study Committee no 37, Final Report,
September 1998.
[8] Thomas Ackermann, Goran Andersson, and Lennart Soder, โ Distributed Generation: a definitionโ, ELSEVIER Electrical Power
Sistem Research 57 (2001) 195-204, Desember 2000.
[9] A. Shunmugalatha and Dr. S. Mary Raja Slochanal, "Optimum
Allocation of Generation for Maximum Loadability Limit of Power
System using Multiagent Based Particle Swarm Optimization
(MAPSO), The 8th International Power Engineering Conference (IPEC), India, 2007.
[10] Nasser Hemdan and Michael Kurrat, โInfluence of Distributed
Generation on Different Loadability Aspects of Electrical Distribution Systemsโ, 20th International Conference on Electricity Distribution,
Prague, 2009.
[11] Hadi Saadat, Power System Analysis, Mc Graw-Hill, New York, 2000. [12] Kalyanmoy Deb, et al, "A Fast and Elitist Multiobjective Genetic
Algorithm: NSGA-II", IEEE Transaction on Evolutionary
Computation, Vol. 6, No. 2, April 2002, pp. 182-197.
Radika Hendri Wijaya, lahir di kota Nganjuk pada tanggal
28 Desember 1988 dari pasangan suami-istri Widodo dan
Hartiningsih. merupakan anak pertama dari dua
bersaudara, menempuh pendidikan sekolah dasar di
Sekolah Dasar Negeri Banaran I. Kemudian melanjutkan
pendidikan ke Sekolah Menengah Pertama Negeri 1 Kertosono, dan menempuh pendidikan Sekolah
Menengah Atas di SMA Negeri 1 Kertosono. Sekarang ini
sedang menempuh pendidikan di Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember. Menekuni
bidang studi Teknik Sistem Tenaga. Dalam beorganisasi, aktif sebagai Ketua
Persekutuan Mahasiswa Kristen (PMK) ITS, kepanitiaan SITIA (Seminar on Inteligent Technologi and Its Application), serta beberapa kegiatan
kemahasiswaan lainnya.
1
8
C
2
3
4
5
6
7
C
10
6
9 11
10
11
C 12
13
C
14
15
16
17
19
18
20
21
22 23 24
25
26
27 28
29 30