PENENTUAN LOKASI PHOTOVOLTAIC DENGAN METODE CONTINUATION POWER FLOW UNTUK
MENGOPTIMALKAN PERFORMANSI SISTEM
DETERMINATION OF PHOTOVOLTAIC’S LOCATION WITH CONTINUATION POWER FLOW METHOD TO OPTIMIZE SYSTEM’S
PERFORMANCE
SITTI MARWAH RACHMAN
P2700215004
PROGRAM STUDI TEKNIK ELEKTRO PROGRAM PASCA SARJANA UNIVERSITAS HASANUDDIN
MAKASSAR 2017
i
PENENTUAN LOKASI PHOTOVOLTAIC DENGAN METODE CONTINUATION POWER FLOW UNTUK
MENGOPTIMALKAN PERFORMANSI SISTEM
Tesis
Sebagai Salah satu Syarat untuk Mencapai Gelar Magister
Program Studi
Teknik Elektro
Disusun dan diajukan oleh
SITTI MARWAH RACHMAN
Kepada
PROGRAM STUDI TEKNIK ELEKTRO PROGRAM PASCA SARJANA UNIVERSITAS HASANUDDIN
MAKASSAR 2017
iii
PERNYATAAN KEASLIAN TESIS
Yang bertanda tangan dibawah ini :
Nama : Sitti Marwah Rachman
Nim : P2700215004
Program Studi : Teknik Elektro
Menyatakan dengan sebenarnya bahwa tesis yang saya tulis ini
adalah benar-benar merupakan hasilkarya sendiri, bukan merupakan
pengambilalihan tulisan atau pemikiran orang lain. Apabila di kemudian hari
terbukti atau data dibuktikan bahwa sebagian atau keseluruhan tesis ini
hasil karya orang laian, saya bersedia menerima sanksi atas perbuatan
tersebut.
Makassar,…….November 2017 Yang menyatakan,
Sitti Marwah Rachman
iv
PRAKATA
Segala puji atas kehadirat Allah SWT yang senantiasa memberikan
kemudahan bagi penulis dalam menyelesaikan proposal penelitian ini.
Salam dan shalawat kita sampaikan kepada Rasulullah Muhammad SAW
sebagai tauladan bagi seluruh ummat manusia.
Penelitian ini penulis dedikasikan kepada suami tercinta Muhammad
Ilham dan anakda tersayang Afifah Salsabila Ilham dan anakda Ammar Aqil
Ilham atas kasih sayang, dukungan dan doanya sehingga penulis dapat
menyelesaikan penelitian ini hingga akhir.
Banyak kendala yang dihadapi oleh penulis dalam rangka
penyusunan tesis ini, yang hanya berkat bantuan berbagai pihak, maka
tesis ini dapat diselesaikan. Pada kesempatan ini penulis dengan tulus
menyampaikan terima kasih kepada:
1. Bapak Muhammad Bachtiar Nappu, ST, MT, Ph.D sebagai
pembimbing I dan Ibu Ardiaty Arief, ST, MTM, Ph.D. sebagai
pembimbing II yang sabar dan banyak meluangkan waktu, tenaga,
dan pikiran untuk memberikan bimbingan serta arahan mulai dari
awal hingga selesainya tesis ini.
2. Bapak Dr. Ir. H. Zahir Zainuddin selaku ketua program studi Teknik
Elektro Program Pascasarjana Universitas Hasanuddin.
3. Dosen serta staf jurusan elektro program studi Teknik Elektro
Pascasarjana Universitas Hasanuddin.
v
4. PT. PLN (Persero) Area Pembangkitan dan Penyaluran Beban
Wilayah Sulawesi Selatan, Tenggara dan Barat (Sulselrabar).
5. Rekan-rekan mahasiswa S2 TE-UH 2015 atas segala dukungannya.
Penelitian ini diharapkan dapat memberikan kontribusi pemikiran
kepada pembaca, terutama bagi penulis sendiri. Penilitian ini masih sangat
jauh dari kesempurnaan disebabkan keterbatasan penulis. Oleh karena itu,
penulis mengharapkan kedepannya agar penelitian ini dapat diteruskan
untuk kesempurnaan dan pembaharuan dari penelitian ini.
Makassar,.…November 2017
Penulis,
SITTI MARWAH RACHMAN
ABSTRAK
SITTI MARWAH RACHMAN. Penentuan Lokasi Photovoltaic dengan Menggunakan Metode Continuation Power Flow untuk Mengoptimalkan Performansi (dibimbing oleh M. Bachtiar Nappu dan Ardiaty Arief).
Tujuan penelitian ini adalah menetukan daerah-daerah yang
memiliki sensitivitas yang baik untuk memperbaiki kestabilan tegangan. Metode yang digunakan adalah metode Continuation Power Flow
yang merupakan sebuah metode yang digunakan untuk mendeteksi bus yang paling sensitif terhadap tegangan runtuh dan juga peningkatan rugi• rugi daya pada sistem jaringan.
Hasil yang dicapai. adalah berdasarkan data solar-Gis daerah Sulawesi Selatan yang memiliki irradiance yang baik dan menjadi input pada sistem jaringan, yaitu Tallo Lama, Panakukang, Bontoala, Daya, Sidrap, Jeneponto, Palopo, Bone, Pinrang, Polmas, dan Poso. Metode yang diusulkan dilakukan pada sistem interkoneksi Sulbagsel. Sistem tegangan terdiri dari 44 bus, 47 line, dan 7 generator yang dimodelkan untuk dilakukari riset penempatan PV guna mencari titik optimal dari setiap PV berdasarkan data solar-Gis. · Daya pembangkitan setiap PV yang disimulasikan sebesar 10MW, 20 MW, dan 30 MW yang diuji pada sistem. Berdasarkan data solar-Gis, Kota Makassar merupakan salah satu daerah yang memiliki irredience yang baik. Di Makassar sendiri terdapat beberapa gardu induk. Mengingat Makassar merupakan ibukota provinsi dan sangat padat penduduk, perhitungan sensivitas di Makassar diwakili oleh beberapa unit, yaitu Tallo Lama, Pankukang, Bontoala, dan Daya. Diperoleh data bahwa penempatan PV yang memiliki radiasi matahari yang baik dan sensitivitas yang baik adalah terdapat di Tallo Lama dan yang memiliki radiasi baik, namun sensitivitas yang tidak baik adalah Poso.
Kata kunci: photovoltaic, sensitivitas, metode continuation power flow, kestabilan tegangan
17
vi
..
ABSTRACT
SITTI MARWAH RACHMAN. The Determination of Photovoltaic Location Using
the Continuation Power Flow Method to Optimize Performance (supervised by M.
Bachtiar Nappu and Ardiaty Arief)
This research aimed to determine the areas which had good sensitivity to
improve the stability of the voltage. The method used was the Continuation Power Flow method to detect the
most sensitive bus to collapse the voltage and also to increase the loss of power in the network system.
The result obtained was based on solarGIS data of South Sulawesi region, which had good irradiation and became the input on the network system, and those were Ta l lo L a m a , Panakukang, Bontoala, Daya, Sidrap, Jeneponto, Palopo, Bone, Pinrang, Polmas, and Poso. The proposed method was performed on the interconnection system of Sulbagsel voltage system which consisted of 44 Buses, 47 lines, and 7 Generators modeled for PV placement research in order to find the optimal point of each PV based on SolarGis data. The generation power of each PV, which was simulated was 10MW, 20MW and 30MW, was tested in the system. Based on the solar Gis data, Makassar city was one of the areas which had the good irradiance. In Makassar itself, there were several substations. Noting that Makassar is the provincial capital and its population is very dense, for this research, the calculation of the sensitivity of Makassar could be represented by several units, such as Tello Lama, Panakukang, Bontoala, and Daya. The research found that the PV placement which had good solar radiation and good sensitivity was Tello Lama, while the PV placement which had good radiation, but bad sensitivity was Poso.
Keywords: photovoltaic, sensitivity, Continuation Power Flow method, voltage stability
vii
viii
DAFTAR ISI
SAMPUL
LEMBAR JUDUL .................................................................................. i
PENGESAHAN .................................................................................... ii
PERNYATAAN KEASLIAN TESIS ....................................................... iii
PRAKATA ............................................................................................ iv
ABSTRAK ............................................................................................ vi
ABSTRACT .......................................................................................... vii
DAFTAR ISI ......................................................................................... viii
DAFTAR TABEL .................................................................................. x
DAFTAR GAMBAR .............................................................................. xii
I. PENDAHULUAN ........................................................................... 1
A. Latar Belakang Masalah ........................................................ 1
B. Rumusan Masalah ................................................................. 3
C. Tujuan Penelitian ................................................................... 4
D. Batasan Masalah ................................................................... 4
E. Manfaat Penelitian ................................................................. 4
F. Sistematika Penulisan ............................................................ 5
II. TINJAUAN PUSTAKA ................................................................... 7
A. Irradiation .............................................................................. 7
B. Photovoltaic........................................................................... 16
C. Kestabilan Sistem Tenaga Listrik .......................................... 35
1. Gangguan Kecil ............................................................... 38
2. Gangguan Besar .............................................................. 38
D. Metode Continuation Power Flow (CPF) ............................... 39
ix
E. Penelitian Terkait .................................................................. 44
F. Kerangka Pikir ....................................................................... 46
III. METODE PENELITIAN ................................................................. 47
A. Studi Literatur ........................................................................ 47
B. Pengumpulan Data ............................................................... 48
Data Sistem Sulbagsel .......................................................... 48
C. Lokasi dan Waktu Penelitian ................................................. 53
D. Alat Yang Digunakan ............................................................ 53
E. Prosedur Penelitian ............................................................... 54
F. Jadwal Penelitian .................................................................. 55
IV. HASIL DAN PEMBAHASAN .......................................................... 56
A. Diagram Satu Garis ............................................................... 57
B. Simulasi dan Pembahasan ................................................... 59
B.1. Tegangan sebelum pemasangan PV (normal) .............. 59
B.2. Setelah pemasangan PV ............................................... 61
B.3. Aliran Daya untuk integrase 1 MWp .............................. 80
B.4. Aliran Daya untuk integrase 3 MWp .............................. 84
B.5. Aliran Daya untuk integrase 5 MWp .............................. 88
B.6. Aliran Daya untuk integrase 10 MWp ............................ 92
B.7. Aliran Daya untuk integrase 15 MWp ............................ 96
B.8. Aliran Daya untuk integrase 20 MWp ............................ 100
B.9. Aliran Daya untuk integrase 25 MWp ............................ 104
B.10. Aliran Daya untuk integrase 30 MWp .......................... 108
V. PENUTUP ..................................................................................... 113
5.1. Kesimpulan .......................................................................... 113
5.2. Saran ................................................................................... 113
Daftar Pustaka ..................................................................................... 114 LAMPIRAN
x
DAFTAR TABEL
Tabel Hal.
1. Rencana Pengembangan Pembangkit EBT (MWp) ...................... 33
2. Potensi Energi Baru dan Terbarukan ............................................ 35
3. Penelitian Terkait ........................................................................... 44
4. Data Transmisi Sistem Sulbagsel .................................................. 50
5. Data Parameter Dinamik Generator Sistem Sulbagsel .................. 51
6. Data Generator dan Beban ............................................................ 52
7. Jadwal Kegiatan Penelitian ............................................................ 55
8. Daerah yang memiliki Irradiance baik ........................................... 57
9. Nilai tegangan pada Bus tanpa PV ................................................ 59
10. Hasil total tegangan untuk integrase PV di daerah dengan irradiance
baik. ............................................................................................... 62
11. Rugi-rugi daya aktif setelah pemasangan PV pada daerah yang
memiliki irradiance yang baik ......................................................... 67
12. Rugi-rugi daya reaktif setelah pemasangan PV pada daerah yang
memiliki irradiance yang baik ......................................................... 71
13. Hasil simulasi aliran daya untuk integrase PV 1 MWp di daerah
dengan irradiance yang baik.......................................................... 81
14. Hasil simulasi aliran daya untuk integrase PV 3 MWp di daerah
dengan irradiance yang baik.......................................................... 85
xi
15. Hasil simulasi aliran daya untuk integrase PV 5 MWp di daerah
dengan irradiance yang baik ......................................................... 89
16. Hasil simulasi aliran daya untuk integrase PV 10 MWp di daerah
dengan irradiance yang baik ......................................................... 93
17. Hasil simulasi aliran daya untuk integrase PV 15 MWp di daerah
dengan irradiance yang baik.......................................................... 97
18. Hasil simulasi aliran daya untuk integrase PV 20 MWp di daerah
dengan irradiance yang baik.......................................................... 101
19. Hasil simulasi aliran daya untuk integrase PV 25 MWp di daerah
dengan irradiance yang baik.......................................................... 105
20. Hasil simulasi aliran daya untuk integrase PV 30 MWp di daerah
dengan irradiance yang baik.......................................................... 109
xii
DAFTAR GAMBAR
Gambar Hal.
1. Data SOLARGIS memiliki radiasi yang baik .................................... 10
2. Daerah Sulselbar yang memiliki irradiance yang baik ..................... 11
3. Photovoltaic di Gurun Pasir ............................................................. 12
4. Healthy Light Source ....................................................................... 13
5. Efek Awan dan Atmosfor Bumi terhadap energi radiasi yang sampai
ke permukaan bumi ......................................................................... 14
6. Laser Focus World .......................................................................... 15
7. Langit Cerah dan Cahaya Matahari tepat Horizontal diatas
Permukaan Bumi ............................................................................. 16
8. Prinsip Kerja PV .............................................................................. 20
9. Sistem PLTS ................................................................................... 21
10. Potensi Tenaga Surya di Dunia ....................................................... 30
11. Sel Photovoltaic ............................................................................... 32
12. Klasifikasi Kestabilan Sistem Tenaga .............................................. 37
13. Skema Metode CPF Predictor-Corrector ......................................... 40
14. Kerangka Pikir ................................................................................. 46
15. Single Line Diagram Sistem Sulbagsel ............................................ 49
16. Flow Chart Pemasangan PV dengan Metode CPF ......................... 55
17. Diagram Satu Garis ......................................................................... 58
18. Profil tegangan sebelum Pemasangan PV ..................................... 60
xiii
19. PV Sensitivitas................................................................................. 65
20. Rugi-rugi daya aktif setelah pemasangan PV pada daerah yang
memiliki irradiance baik ................................................................... 69
21. Rugi – rugi daya reaktif setelah pemasangan PV pada daerah yang
memiliki irradiance baik ................................................................... 73
22. Profil tegangan untuk kondisi sebelum simulasi pemasangan PV dan
setelah pemasangan PV yang terbaik pada simulasi setiap nilai daya
output .............................................................................................. 75
23. Profil tegangan untuk kondisi sebelum simulasi pemasangan PV dan
setelah pemasangan PV yang terburuk pada simulasi setiap nilai
daya output ..................................................................................... 76
24. Hasil CPF setelah plot sebelum pemasangan PV dan sensitivitas
terbaik setelah pemasangan PV setiap nilai daya output yang
disimulasikan ................................................................................... 78
25. Hasil CPF setelah plot sebelum pemasangan PV dan sensitivitas
terburuk setelah pemasangan PV setiap nilai daya output yang
disimulasikan. .................................................................................. 79
26. Profil Tegangan tegangan setelah pemasangan PV 1 MWp pada
daerah yang memiliki irradiance baik .............................................. 82
27. Profil tegangan apabila PV 1 MWp dipasang pada Tallo Lama dan
Poso ................................................................................................ 83
28. Profil Tegangan setelah pemasangan PV 3 MWp pada daerah yang
memiliki irradiance baik ................................................................... 86
xiv
29. Profil tegangan apabila PV 3 MWp dipasang pada Tallo Lama dan
Poso ................................................................................................ 87
30. Profil Tegangan setelah pemasangan PV 5 MWp pada daerah yang
memiliki irradiance baik ................................................................... 90
31. Profil tegangan apabila PV 5 MWp dipasang pada Tallo Lama dan
Poso ................................................................................................ 91
32. Profil Tegangan setelah pemasangan PV 10 MWp pada daerah yang
memiliki irradiance baik ................................................................... 94
33. Profil tegangan apabila PV 10 MWp dipasang pada Tallo Lama dan
Poso ................................................................................................ 95
34. Profil Tegangan setelah pemasangan PV 15 MWp pada daerah yang
memiliki irradiance baik .................................................................. 98
35. Profil tegangan apabila PV 15 MWp dipasang pada Tallo Lama dan
Poso ................................................................................................ 99
36. Profil Tegangan setelah pemasangan PV 20 MWp pada daerah yang
memiliki irradiance baik ……………………………………………….102
37. Profil tegangan apabila PV 20 MWp dipasang pada Tallo Lama dan
Poso…………………………………………………………………….103
38. Profil Tegangan setelah pemasangan PV 25 MWp pada daerah yang
memiliki irradiance baik ………………………………………......….106
39. Profil tegangan apabila PV 25 MWp dipasang pada Tallo Lama dan
Poso …………………………………………………………………….107
xv
40. Profil Tegangan setelah pemasangan PV 30 MWp pada daerah yang
memiliki irradiance baik ……………………………………………….110
41. Profil tegangan apabila PV 30 MWp dipasang pada Tallo Lama dan
Poso …………………………………………………………………….111
1
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Pada saat ini energi matahari merupakan salah satu sumber energi
alternatif untuk menggantikan sumber energi fossil. Energi matahari
kemungkinan akan menjadi salah satu sumber energi utama di masa yang
akan datang karena dapat menjawab isu-isu lingkungan seperti pemanasan
global, menipisnya ketersediaan sumber energi fossil dan makin tingginya
harga minyak mentah dunia. Diantara sumber energi terbarukan yang ada
seperti energi matahari, angin, laut, hydro, dan panas bumi, ternyata
sumber energi matahari banyak dilirik oleh para insyinyur karena kinerjanya
tidak mencemari dalam menghasilkan energi listrik. Dalam istilah kestabilan
voltase erat hubungannya dengan kemampuan sistem tenaga untuk
menjaga voltase masing-masing bus baik dalam kondisi abnormal atau
karena gangguan [1]. Sistem tenaga akan mengalami ketidakstabilan
tegangan yang terjadi akibat meningkatnya permintaan atau perubahan
pada sistem. Keadaan ini akan memengaruhi profil voltase dan kehilangan
daya menjadi lebih besar, sehingga mungkin tidak terkendali [2]–[4].
Sinar matahari di dunia ini merupakan sumber energi terbesar,
sumber energi terbarukan, dan juga menjadi harapan untuk mengurangi
bahan bakar fosil secara signifikan dan juga dapat meningkatkan dampak
2
reboisasi membuat seluruh dunia tertarik pada energi alternative [5]–[9].
Energi dari sinar matahari dapat diubah menjadi energi listrik untuk
keperluan sehari-hari. Perangkat PV yang mengubah energi matahari
menjadi listrik adalah salah satu teknologi paling penting untuk
memanfaatkan energi matahari secara efisien untuk mengurangi krisis
energi global dan kerusakan lingkungan [10]. Energi tersebut diubah
dengan menggunakan panel surya. Panel surya merupakan alat yang terdiri
dari sel surya, aki, dan baterai. Panel surya ini akan menghasilkan arus
searah (arus DC). Panel surya atau solar cell merupakan salah satu jenis
cahaya Photovoltaic (PV), yaitu sensor yang dapat mengubah intensitas
cahaya menjadi perubahan tegangan pada outputnya. Apabila solar cell
menerima pancaran cahaya maka kedua terminal outputnya akan keluar
tegangan DC yang dapat mencapai 0,5 Volt. Dalam aplikasinya solar cell
lebih sering digunakan sebagai pembangkit listrik DC tenaga surya
(matahari). Dalam skala kecil solar cell sering di jumpai sebagai sumber
tegangan DC pada peralatan elektronika seperti kalkulator ataupun jam.
Dengan sumber energi terbarukan yang berkembang pesat di
seluruh dunia, seperti energi surya, hidro, angin, laut dan panas bumi, ini
telah menjadi pembangkit tenaga alternatif. Di sisi lain, hal ini juga dapat
meningkatkan kehandalan dalam mengurangi pemadaman listrik atau
pemadaman listrik di daerah sekitarnya [11]. Tegangan pada jaringan
sistem distribusi merupakan salah satu masalah kualitas daya yang perlu
3
diperhitungkan karena sangat mempengaruhi kinerja sistem saat
mendistribusikan energi ke konsumen [12].
Penempatan PV pada lokasi yang tepat pada sistem transmisi
sangat penting untuk menjaga kestabilan tegangan. Dalam penelitian ini,
penulis menggunakan metode baru dalam menentukan lokasi PV, yaitu
dengan terlebih dahulu mengindentifikasi daerah-daerah yang memiliki
radiasi matahari yang baik berdasarkan data SOLARGIS, yang kemudian
dihitung sensitifitas dari bus input atau daerah-daerah yang teridentifikasi
memiliki radiasi yang baik dengan metode Continuation Power Flow (CPF).
Metode CPF adalah merupakan metode untuk menganalisis kestabilan
tegangan quasi steady state dengan menelusuri solusi aliran beban
berdasarkan skenario pembebanan.
B. Rumusan Masalah
Berdasarkan latar belakang masalah, dapat dirumuskan
permasalahan sebagai berikut :
1. Bagaimana mengidentifikasi daerah–daerah yang memiliki
irradiance yang baik yang akan dihitung sensitifitasnya?
2. Bagaimana menentukan lokasi integrasi PV dengan
mempertimbangkan irradiance dan menggunakan metode CPF?
4
C. Tujuan Penelitian
Adapun tujuan penelitian ini adalah :
1. Mengidentifikasi daerah-daerah yang memiliki irradiance yang baik
yang akan dihitung sensitifitasnya.
2. Menentukan lokasi integrasi PV dengan mempertimbangkan
irradiance dan menggunakan metode CPF.
D. Batasan Masalah
Agar lebih efisien dalam melakukan penelitian maka kami
memberikan batasan masalah sebagai berikut :
1. Sistem dianalisis dalam keadaan steady state (normal).
2. Data irradiance yang baik berdasarkan data SOLARGIS
3. Penentuan lokasi ini lebih difokuskan pada integritas PV di sistem
interkoneksi PLN.
4. Penelitian ini hanya memberikan rekomendasi integrasi PV tanpa
merekomendasikan jenis PV tertentu dan biaya investasi.
E. Manfaat Penelitian
Adapun manfaat yang diharapkan dari penelitian yang dilakukan yaitu :
1. Agar penelitian ini, bisa dijadikan referensi oleh PLN dalam
menentukan lokasi integrasi PV berdasarkan sumber radiasi sinar
5
matahari yang baik sesuai data SOLARGIS dan lokasi yang memiliki
sensitifitas yang baik untuk meningkatkan kestabilan sistem.
2. Dapat dijadikan sebagai bahan acuan penelitian selanjutnya.
F. Sistematika Penulisan
Adapun sistematika penulisan pada penelitian Penentuan Lokasi
Photovoltaic dengan metode Continuation Power Flow untuk
Mengoptimalkan Performansi Sistem adalah:
1. BAB I PENDAHULUAN
Bab I berisi tentang penjelasan latar belakang masalah, rumusan
masalah, tujuan penelitian, batasan masalah, manfaat penelitian
serta sistematika penulisan.
2. BAB II TINJAUAN PUSTAKA
Bab II berisi tentang tinjauan pustaka yang merupakan penjelasan
teori tentang photovoltaic, irradiance, kestabilan tegangan, dan hasil
penelitian-penelitian yang berkaitan dengan penelitian yang
dilakukan. Adapun sumber acuannya adalah buku, artikel, jurnal,
prosiding dan tulisan lainnya yang berhubungan dengan judul dan
tema penelitian yang dilakukan dan juga sebagai arahan dalam
memecahkan masalah yang diteliti.
3. BAB III METODE PENELITIAN
6
Bab III ini merupakan penjelasan tentang metode penelitian yang
meliputi metode yang digunakan pada penelitian ini untuk
penyelesaian masalah penelitian.
4. BAB IV HASIL DAN ANALISIS
Bab IV ini merupakan hasil dan penjelasan penelitian yang telah
dilakukan dalam penyelesaian masalah. Hasil ini dapat memberikan
informasi dan gambaran tentang kestabilan tegangan pada sistem
Sulbagsel saat sebelum dan sesudah pemasangan Photovoltaic.
5. BAB V SIMPULAN DAN SARAN
Bab V ini berisi simpulan yang sesuai dengan tujuan penelitian dan
merupakan jawaban pertanyaan dari rumusan masalah sesuai
batasan masalah yang sudah ditetapkan. Saran merupakan
pernyataan atau rekomendasi peneliti yang dapat diterapkan pada
sistem tenaga listrik dalam menjaga kestabilan tegangan untuk
mengurangi seringnya terjadi blackout, dan juga untuk mengurangi
ketergantungan bahan bakar fossil.
7
BAB II
TINJAUAN PUSTAKA
A. Irradiation
Radiasi matahari adalah pancaran energi yang berasal dari proses
thermonuklir yang terjadi di matahari. Energi radiasi matahari berbentuk
sinar dan gelombang elektromagnetik. Energi matahari melakukan
perjalanannya ke bumi dengan mekanisme pemindahan energi yang
dinamakan radiasi. Energi yang dipindahkan dengan radiasi berjalan keluar
dari sumbernya dalam segala arah. Matahari memancarkan cahaya, panas
maupun cahaya UV yang menyebabkan warna kuning coklat karena
terbakar panas sinar matahari. Cahaya, panas dan cahaya UV adalah
hanya bagian dari deretan besar energi yang dinamakan radiasi
elektromanetik atau radiasi.
Irradiasi matahari merupakan parameter yang sangat penting untuk
sel PV, karena fungsinya seperti bahan bakar pembangkit listrik
konvensional yang membuat sistem mampu bekerja. Nilai standar radiasi
adalah 1000 Wp/m2 [13]. Semakin banyak iradiasi maka semakin bagus
arus yang dihasilkan. Iradiasi matahari yang sampai kepermukaan atmosfer
bumi tidak semuanya diterima oleh permukaan bumi karena mengalami
proses pengamburan oleh awan atau juga partikel-partikel lain yang ada
didalam atmosfer bumi. Indonesia merupakan negara yang berada digaris
8
khatulistiwa, sehingga memiliki potensi energi matahari yang cukup tinggi,
karena matahari terus ada sepanjang tahun.
Wilayah Indonesia bagian barat rata-rata matahari bersinar yang
berpotensi menghasilkan energi yaitu 4 – 5 jam perhari. Untuk wilayah
Indonesia bagian barat meliputi Aceh, Sumatra barat, Sumatra Utara, Riau,
Kepulauan Riau, dan Jambi memiliki potensi energi rata-rata 4,5
kWh/m2/hari, sedangkan wilayah Indonesia bagian timur meliputi seluruh
Papua, Maluku, Nusa Tenggara Timur, Nusa Tenggara Barat, dan sebagian
Sulawesi memiliki potensi energi rata-rata 5,1 kWh/m2/hari [14].
Partikel CO2 sifatnya selalu menghindari emisi dari teknologi PV
selama beroperasi. Pada pembagian kelompok negara, CO2 dalam
menghindari emisi PV sekitar 35 dan 40 ton. Untuk kelompok pertama
negara, yakni Turkmenistan, Irak, Eritrea, Kuwait, Arab Saudi, Oman, Afrika
Selatan, Australia, Kuba, India dan Cina Barat. Kelompok ini merupakan
negara yang mempunyai potensi paling tinggi dalam pengurangan CO2.
Sedangkan Negara Maroko, Kamboja, Israel, Indonesia, Jamaika, Yaman,
Uni Emirat Arab, Amerika Serikat Barat, Cina Timur dan Republik Dominika
masuk dalam kelompok kedua dalam pengurangan sebesar 25 dan 30 ton
CO2 per kWp selamanya [15]
Pada data SOLARGIS, daerah-daerah yang memiliki radiasi yang
baik. Untuk wilayah Sulawesi, nilai radiasi bernilai sekitar 4.0 – 4.4
kWh/m2/hari atau 1461 - 1607 kWh/m2/tahun. Energi matahari yang sampai
9
ke permukaan bumi biasanya dihitung oleh iradiasi horizontal global (GHI).
Untuk nilai rata-rata dalam jangka panjang dari Photovoltaic power
production potential (PVOUT) ditentukan oleh berbagai faktor termasuk
garis lintang, elevasi, bentuk lahan dan banyak variabel meteorologi
lainnya. Jumlah PVOUT pada tahun 2017 di indonesia ditunjukkan pada
Gambar 1 yang telah diperkirakan oleh SOLARGIS. Dan selanjutnya pada
Gambar 2 diperlihatkan daerah khusus Sulawesi yang memiliki irradiance
yang baik berdasarkan data SOLARGIS.
10
Gambar 1. Data SOLARGIS yang memiliki radiasi baik [16].
11
Gambar 2. Daerah sulselbar yang memiliki irradiance yang baik [16].
12
Matahari adalah salah satu komponen utama penggerak kehidupan.
Rasanya sulit membayangkan kelangsungan hidup makhluk hidup tanpa
adanya matahari. Siklus alam seperti angin, air, dan juga siklus dalam
tumbuhan yaitu fotosintesis, kesemuanya melibatkan peran matahari, baik
akibat dari posisi matahari terhadap bumi, maupun akibat radiasi cahaya
yang sampai ke bumi. Studi juga menunjukkan bahwa energi matahari yang
sampai kebumi dalam satu jam sudah cukup untuk memenuhi kebutuhan
energi seluruh manusia dipermukaan bumi dalam satu tahun. Gambar 3
memperlihatkan salah satu contoh photovoltaic yang berada di gurun pasir.
Gambar 3. Photovoltaic di gurun pasir [17].
Matahari memancarkan radiasi cahaya dengan berbagai panjang
gelombang, mulai dari ultraviolet, cahaya tampak, sampai infrared dari
spektrum elektromagnetik. Pada Gambar 4 memperlihatkan perbandingan
spectra energi radiasi yang menunjukan besar energi radiasi yang diterima
dari matahari per satuan area per satuan waktu sebagai fungsi dari panjang
gelombang.
13
Gambar 4. Healthy light source [17].
Pada permukaan matahari energi radiasi yang dipancarkan yaitu
sebesar 62 MW/m2, dan diatas atmosfer bumi radiasinya berkurang menjadi
total sebesar 1353 W/m2. Untuk radiasi blackbody, semakin tinggi
temperatur objek blackbody tersebut maka semakin besar juga energi
radiasinya. Blackbody pada temperatur rata-rata bumi yaitu 300 K, paling
kuat memancarkan pada gelombang infrared dan radiasinya tidak dapat
terlihat oleh mata. Untuk matahari, dengan temperatur skitar 5800 K,
radiasinya paling kuat berada pada gelombang cahaya tampak (visible)
dengan panjang gelombang sekitar 300 – 800 nanometer (nm).
Cahaya dengan panjang gelombang kurang dari 300 nm dan
cahaya tampak difilter oleh atom dan molekul oksigen (O2), ozon (O3), dan
nitrogen (N2). Sedangkan air (H2O) dan karbon dioksida (CO2) umumnya
14
menyerap cahaya pada area gelombang infrared yang merupakan alasan
penurunan secara drastis pada spektra radiasi di panjang gelombang 900,
1100, 1400, 1800, 1900 dan 2600 nm. Gambar 5 memperlihatkan efek
awan dan atmosfer bumi terhadap energi radiasi. Radiasi cahaya matahari
yang sampai dipermukaan atmosfer bumi tidak semuanya diterima oleh
permukaan bumi karena mengalami proses pengamburan oleh awan atau
juga partikel-partikel lain yang ada didalam atmosfer bumi.
Gambar 5. Efek Awan dan Atmosfer bumi terhadap energi radiasi yang sampai ke permukaan bumi [18].
Pengaruh dari atmosfer terhadap spektrum radiasi matahari
direpresentasikan dengan faktor “Air Mass” (AM), yang didefinisikan
sebagai jarak tempuh cahaya matahari dalam atmosfer bumi sebagai fungsi
dari sudut elevasi matahari terhadap permukaan bumi. Gambar 6
menggambarkan berbagai kondisi air mass sesuai sudut elevasi
matahari. Air Mass 0 (AM0) menggambarkan kondisi cahaya matahari
tepat diluar atmosfer bumi, sehingga relevan untuk panel surya yang
15
digunakan pada satelit-satelit bumi. Untuk AM1, jarak tempuh cahaya
matahari sama dengan tebal dari atmosfer ketika kondisi matahari tepat
berada diatas. Namun apabila tidak tepat berada diatas, jarak tempuhnya
semakin bertambah sesuai fungsi inverse dari cosinus sudut elevasi
matahari.
Gambar 6. Laser Focus World [18].
Besar aktual radiasi cahaya matahari yang diterima dipermukaan
bumi bervariasi tiap area, dan sangat bergantung kepada musim dan variasi
dari posisi matahari dan orientasi bumi. Gambar 7 menunjukkan besar rata-
rata energi radiasi cahaya dalam kWh persatuan area perhari diberbagai
belahan bumi, untuk kondisi langit cerah dan radiasi tepat horizontal diatas
permukaan bumi. Dari gambar tersebut jelas terlihat potensi penggunaan
energi surya dari negara-negara yang terletak dekat dengan ekuator
termasuk Indonesia. Selain itu, radiasi cahaya matahari di Indonesia pun
16
relatif konstan pertahunnya dikarenakan hanya terdapat dua musim,
dibandingkan negara-negara dengan empat musim dimana pada musim-
musim tertentu energi radiasi yang diterima akan berkurang.
Gambar 7. Langit cerah dan cahaya matahari tepat horizontal diatas permukaan bumi [18]
B. Photovoltaic
Menurut bahasa, kata Photovoltaic berasal dari bahasa Yunani
photos yang berarti cahaya dan volta yang merupakan nama ahli fisika dari
Italia yang menemukan tegangan listrik. Secara sederhana dapat diartikan
sebagai listrik dari cahaya. Photovoltaic merupakan sebuah proses untuk
mengubah energi cahaya menjadi energi listrik secara langsung [19].
Efek photovoltaic pertama kali berhasil diidentifikasi oleh seorang
ahli Fisika berkebangsaan Prancis Alexandre Edmond Becquerel pada
tahun 1839 [20]. Pada tahun 1876, William Grylls Adams bersama
17
muridnya, Richard Evans Day menemukan bahwa material padat selenium
dapat menghasilkan listrik ketika terkena paparan sinar.
Pada percobaan tersebut, walaupun gagal karena selenium belum
mampu mengkonversi listrik dalam jumlah yang diinginkan, namun hal itu
mampu membuktikan bahwa listrik bisa dihasilkan dari material padat tanpa
harus ada pemanasan ataupun bagian yang bergerak.
Tahun 1883, Charles Fritz mencoba melakukan penelitian dengan
melapisi semikonduktor selenium dengan lapisan emas yang sangat tipis.
Photovoltaic yang dibuatnya menghasilkan efisiensi kurang dari 1 %.
Perkembangan berikutnya yang berhubungan dengan ini adalah penemuan
Albert Einstein tentang efek fotolistrik pada tahun 1904. Tahun 1927,
photovoltaic dengan tipe yang baru dirancang menggunakan tembaga dan
semikonduktor copper oxide. Namun kombinasi ini juga hanya bisa
menghasilkan efisiensi kurang dari 1 % [20].
Pada tahun 1941, seorang peneliti bernama Russel Ohl berhasil
mengembangkan teknologi sel surya dan dikenal sebagai orang pertama
yang membuat paten peranti solar cell modern. Bahan yang digunakan
adalah silicon dan mampu menghasilkan efisiensi berkisar 4%. Barulah
kemudian di tahun 1954, Bell Laboratories berhasil mengembangkannya
hingga mencapai efisiensi 6% dan akhirnya 11% [20].
Pada tengah hari yang cerah radiasi sinar matahari mampu
mencapai 1000 W/m2. Jika sebuah piranti semikonduktor seluas satu meter
18
persegi memiliki efisiensi 10 persen, maka modul sel surya ini mampu
memberikan tenaga listrik sebesar 100 watt [19].
Sampai saat ini modul sel surya komersial memiliki efisiensi berkisar
antara 5 hingga 15 persen tergantung material penyusunnya. Tipe silikon
kristal merupakan jenis piranti sel surya yang memiliki efisiensi tinggi
meskipun biaya pembuatannya relatif lebih mahal dibandingkan jenis sel
surya lainnya. Tipe modul sel surya inilah yang banyak beredar di pasaran.
Sebenarnya ada produk sel surya yang efisiensinya bisa mencapai
40%, namun belum dijual secara masal. Prestasi ini dicapai oleh DoE yang
sudah mengembangkannya sejak awal tahun 1980. DoE memulai
penelitian yang dikenal dengan “multi-junction gallium arsenide-based solar
cell devices,” solar sel multi-layer yang dapat mengonversi 16 persen energi
menjadi listrik. Pada tahun 1994, laboratorium energi terbarukan (National
Renewable Energy laboratory) milik DoE berhasil memecahkan rekor
efisiensi 30% yang sangat menarik minat bagi dunia industri angkasa luar
untuk memanfaatkannya. Hampir semua satelit saat ini memanfaatkan
teknologi multi-junction cells.
Pencapaian efisiensi hingga 40% tersebut dilakukan dengan
mengkonsentrasikan cahaya matahari. Teknologi ini menggunakan
konsentrator optik yang mampu meningkatkan intensitas cahaya matahari
sehingga konversi listriknya pun juga meningkat. Sedangkan pada
umumnya teknologi sel surya hanya mengandalkan cahaya matahari alami
atau dikenal dengan “one sun insolation” yang hanya mampu menghasilkan
19
efisiensi 12% hingga 18%. Boeing-Spectrolab memakai struktur yang
bernama multi-junction solar cell. Struktur ini mampu menangkap spectrum
sinar matahari lebih banyak dan mengubahnya menjadi energi listrik. Sel
individunya dibuat dalam beberapa lapis dan setiap lapisan mampu
menangkap cahaya yang melewati sel.
Masalah yang paling penting untuk merealisasikan sel surya sebagai
sumber energi alternatif adalah efisiensi peranti sel surya dan harga
pembuatannya. Efisiensi didefinisikan sebagai perbandingan antara tenaga
listrik yang dihasilkan oleh peranti sel surya dibandingkan dengan jumlah
energi cahaya yang diterima dari pancaran sinar matahari.
Photovoltaic merupakan komponen yang dapat mengkonversi energi
cahaya matahari secara langsung menjadi energi listrik. Dalam hal ini sel
photovoltaic lebih spesifik mengambil energi cahaya matahari sebagai
sumber energi utama yang dapat diambil secara bebas, bersih dan tidak
bersuara. Kata photovoltaic biasa disingkat dengan PV. Bahan
semikonduktor seperti silicon, gallium arsenide, dan cadmium telluride atau
copper indium deselenide biasanya digunakan sebagai bahan baku. Solar
cell crystalline biasanya digunakan secara luas untuk pembuatan solar cell.
Solar cell atau panel surya adalah alat untuk mengkonversi tenaga matahari
menjadi energi listrik. PV dikemas dalam sebuah unit yang disebut modul.
Dalam sebuah modul surya terdiri dari banyak sel surya yang biasa disusun
secara seri dan paralel.
20
Sedangkan yang dimaksud dengan sel surya adalah sebuah elemen
semikonduktor yang dapat mengkonversi energi surya menjadi energi listrik
atas dasar efek PV. Gambar 8 memperlihatkan cara kerja PV yaitu;
pertama; modul sel surya PV mengubah energi surya menjadi arus listrik
DC, kedua; arus listrik DC yang dihasilkan akan dialirkan melalui inverter
(konversi daya) yang mengubahnya menjadi arus listrik AC, dan ketiga;
secara otomatis mengatur seluruh sistem. Listrik AC akan didistribusikan
melalui panel distribusi indoor yang akan mengalirkan listrik sesuai
kebutuhan alat elektronik (lampu, televisi, radio, AC, dan lain-lain). Besar
dan biaya konsumsi listrik yang dipakai akan diukur dalam Watt-Hour
Meters. Photovoltaic dapat digunakan dalam situasi dimana sumber
pembangkit listrik tidak tersedia, seperti pada satelit yang mengorbit, alat-
alat elektronik seperti kalkulator, jam tangan, telepon, radio, dan pompa air.
Dalam bidang arsitektur, sel Photovoltaic dimanfaatkan untuk menyuplai
energi listrik untuk bangunan.
Gambar 8. Prinsip kerja PV
21
Pembangkit Listrik Tenaga Surya (PLTS) merupakan peralatan
pembangkit listrik yang mengubah cahaya menjadi listrik. PLTS juga sering
disebut solar cell, atau solar photovoltaic, atau solar energy. PLTS pada
dasarnya adalah pencatu daya (alat yang menyediakan daya), dan dapat
dirancang untuk mencatu kebutuhan listrik dari yang kecil sampai yang
besar, baik secara mandiri maupun secara hybrid (dikombinasikan dengan
sumber energi yang lain, seperti PLTS-genset, PLTS microhydro, PLTS-
Angin), baik dengan metoda desentralisasi (satu rumah satu pembangkit)
maupun metoda sentralisasi (listrik didistribusikan dengan jaringan kabel).
PLTS merupakan pembangkit yang tergolong mudah didapatkan, ramah
lingkungan, dan terbarukan. Gambar 9 memperlihatkan sistem PLTS,
dimana terjadi suatu proses penyimpanan energi listrik yang dihasilkan oleh
modul solar cell atau photovoltaic. Biasanya energi listrik ini disimpan pada
baterai dalam bentuk energi elektrokimia. Pada proses penyimpanan energi
tersebut, diperlukan suatu alat yang berfungsi mengatur proses tadi agar
tidak terjadi pengisian yang berlebih pada baterai (over charge) yang dapat
menyebabkan kerusakan pada baterai.
Gambar 9. Sistem PLTS
22
Instalasi listrik tenaga surya terdapat tiga komponen penting, yaitu :
1. Panel surya / solar cell / solar panel
2. Pengatur Pengisian Baterai / Battery Charger Regulator (BCR).
3. Baterai
Sel Surya (Solar Cell) termasuk dalam energi terbarukan yang telah
banyak dikenal di Indonesia tapi masih sangat jarang yang menggunakan
walaupun diketahui jika menggunakan Solar Cell ini akan mendapatkan
listrik jauh lebih murah dari pada pembangkit yang lain. Listrik tenaga surya
ini dihasilkan dengan proses yang disebut Photovoltaic. Dalam proses ini
sinar matahari yang menyentuh permukaan panel surya cell akan memecah
elektron sehingga elektron tersebut bergerak. Gerakan electron ini yang
menghasilkan energi listrik. Dengan menggunakan kabel listrik yang
dihasilkan bisa disalurkan untuk digunakan berbagai peralatan listrik.
Efisiensi penggunaan listrik dengan tenaga matahari ini akan jauh
lebih tinggi jika dikombinasi dengan penggunaan lampu LED karena jenis
lampu ini menghasilkan cahaya yang sama terangnya dengan lampu neon
tapi menggunakan listrik yang jauh lebih rendah. Keunggulan Solar Cell ini
adalah mudah dipasang dan bisa ditempatkan dimana saja asalkan
terjangkau dengan sinar matahari dan hal ini sangat sesuai dengan negara
kita yang hampir sepanjang tahun mendapatkan sinar matahari. Dengan
sedikit kreatifitas, penempatan solar cell panel bisa digunakan sebagai
pengganti atap rumah, atap parking area dan lain-lain. Penggunaan solar
cell ini sangat cocok untuk daerah yang belum terjangkau oleh PLN.
23
Sel surya terbuat dari potongan silicon yang sangat kecil dengan
dilapisi dengan bahan kimia khusus untuk membentuk dasar dari sel surya.
Sel surya pada umumnya memiliki ketebalan 0,3 mm yang terbuat dari
irisan bahan semikonduktor dengan kutup positif dan kutup negatif. Tiap sel
surya biasanya menghasilkan tegangan 0,5 V. Sel surya merupakan
elemen aktif (semikonduktor) yang memanfaatkan efek photovoltaic untuk
merubah energi surya menjadi energi listrik.
Pada sel surya terdapat sambungan (junction) antara lapisan tipis
terbuat dari bahan semikonduktor yang masing-masing diketahui
semikonduktor jenis’’P’’ (positif) dan semikonduktor jenis ’’N’’ (negatif).
Semikonduktor jenis ‘’N’’ terbuat dari kristal silikon dan terdapat juga
sejumlah material lain (umumnya posfor) dalam batasan bahwa material
tersebut dapat memberikan suatu kelebihan electron bebas.
Elektron adalah partikel sub atom yang bermuatan negatif, sehingga
silicon paduan dalam hal ini disebut sebagai semikonduktor jenis-N
(negatif). Semikonduktor jenis-P juga terbuat dari kristal silicon yang
didalamnya terdapat sejumlah kecil material lain (umumnya boron) yang
mana menyebabkan material tersebut kekurangan satu elektron bebas.
Kekurangan atau hilangnya electron tersebut disebut lubang (hole). Karena
tidak ada atau kurangnya elektron yang bermuatan listrik negatif maka
silicon paduan dalam hal ini sebagai semi konduktor jenis-P (positif).
Susunan sebuah solar sel sama dengan sebuah diode yang terdiri
dari dua lapisan yang dinamakan PN junction. PN junction diperoleh dengan
24
jalan menodai sebatang bahan semikonduktor silikon murni (valensinya 4)
dengan inpuriti yang bervalensi 3 pada bagian sebelah kiri, dan yang
sebelah kanan dinodai dengan impuriti bervalensi 5. Sehingga pada bagian
kiri terbentuk silikon yang tidak murni lagi dan dinamakan silikon jenis-N. Di
dalam silicon murni terdapat dua macam pembawa muatan listrik yang
seimbang. Pembawa muatan listrik yang positif dinamakan hole, sedangkan
yang negatif dinamakan elektron. Setelah dilakukan proses penodaan itu,
di dalam silikon jenis-P terbentuk hole (pembawa muatan listrik positif)
dalam jumlah yang sangat besar dibandingkan dengan elektronnya. Oleh
karena itu didalam silikon jenis-P merupakan pembawa muatan listrik
mayoritas, sedangkan elektron merupakan pembawa muatan listrik
minoritas.
Didalam batang silikon itu terjadi pertemuan antara bagian P dan
bagian N. Oleh karena itu dinamakan PN junction. Jika sekarang bagian P
dihubungkan dengan kutup positif dari sebuah baterai, sedangkan kutub
negatifnya dihubungkan dengan bagian N, maka terjadi hubungan yang
disebut ‘’forward bias’’. Dalam keadaan forward bias dalam rangkaian itu
timbul arus listrik yang disebabkan oleh kedua macam pembawa muatan.
Jadi arus listrik yang mengalir di dalam PN junction disebabkan oleh
gerakan hole, tapi berlawanan arah dengan gerakan elektron. Arus listrik itu
mengalir searah dengan gerakan hole, tapi berlawanan arah dengan
gerakan elektron. Sekedar lebih untuk menjelaskan, elektron yang bergerak
didalam bahan konduktor dapat menimbulkan energi listrik. Dan energi
25
listrik inilah yang disebut sebagai arus listrik yang mengalir berlawanan arah
dengan gerakan elektron. Tapi apabila bagian P dihubungkan dengan
kutup negatif baterai dan bagian N dihubungkan dengan kutup positifnya,
maka akan terbentuk yang dinamakan ‘’reverse bias’’.
Dengan keadaan seperti ini maka hole (pembawa muatan positif)
dapat terhubung langsung ke kutup positif, sedangkan elektron juga
langsung ke kutup positif. Jadi jelas kalau di dalam PN junction tidak ada
gerakan pembawa muatan mayoritas yang hole maupun elektron.
Sedangkan pembawa muatan minoritas (electron) didalam bagian P
bergerak berusaha untuk mencapai kutup positif baterai. Demikian pula
pembawa muatan minoritas (hole) didalam bagian N juga bergerak
berusaha untuk mencapai kutup negatif. Karena itu, dalam keadaan reserve
bias di dalam PN junction ada juga arus yang timbul meskipun dalam jumlah
yang sangat kecil (mikro ampere). Arus ini sering disebut dengan reverse
saturation current atau leakage current (arus bocor).
Ada yang menarik dalam keadaan reverse bias yaitu apabila suhu
PN junction tersebut dinaikkan maka ternyata dapat memperbesar arus
bocor. Berarti apabila diberi energi (panas), maka pembawa muatan
minoritas di dalam PN junction bertambah banyak. Karena cahaya itu
merupakan salah satu bentuk energi, maka apabila ada cahaya yang
menimpah suatu PN junction dapat juga menghasilkan energi yang cukup
untuk menghasilkan pembawa muatan. Gejala seperti ini dinamakan foto
26
konduktif. Berdasarkan gejala fotokonduktif itu maka dibuat komponen
elektronik foto dioda dari PN junction itu.
Dalam keadaan reverse bias, dengan memperbesar intensitas
cahaya yang menimpa foto dioda dapat meningkatkan arah arus bocornya.
Arus bocor dapat juga diperbesar dengan memperbesar tegangan baterai
(tegangan reverse), tetapi penambahan arus bocornya itu tidak signifikan.
Bila baterai dalam rangkaian reverse bias itu dilepas dan diganti dengan
beban tahanan, maka pemberian cahaya itu dapat menimbulkan pembawa
muatan baik hole maupun elektron. Jika iluminasi cahaya itu ditingkatkan
maka arus yang timbul semakin besar. Gejala seperti ini disebut
photovoltaic. Cahaya dapat memberikan energi yang cukup besar untuk
memperbesar jumlah hole pada bagian P dan jumlah elektron pada bagian
P. Berdasarkan gejala photovoltaic ini maka dapat diciptakan komponen
elektronik photovoltaic cell. Karena biasanya matahari sebagai sumber
cahaya, maka photovoltaic cell sering juga disebut solar cell (sel surya).
Jadi sel surya itu pada dasarnya sebuah foto diode yang besar dan
dirancang dengan mengacu pada gejala photovoltaic sedemikian rupa
sehingga dapat menghasilkan daya yang sebesar mungkin. Silikon jenis P
merupakan lapisan permukaan yang dibuat sangat tipis supaya cahaya
matahari dapat menembus langsung hingga mencapai junction. Bagian P
ini diberi lapisan nikel yang berbentuk cincin, sebagian terminal keluaran
positif. Di bawah bagian P terdapat bagian jenis N yang dilapisi dengan nikel
juga sebagai terminal keluaran negatif.
27
Dunia telah membangun berbagai pembangkit Pusat Listrik Tenaga
Surya (PLTS). Pembangkitan listrik dilakukan dengan panel surya penerima
panas (solar thermal) dan panel photovoltaic. Ada berbagai teknologi yang
digunakan untuk membangkitkan listrik menggunakan panel surya
penerima panas, diantaranya, pembangkit menara (power tower) berbasis
turbin uap, pembangkit menara berbasis turbin udara (solar updraft),
pembangkit parabola, dan pembangkit lensa cekung.
Salah satu keunggulan PLTS dengan panel thermal adalah daya
yang dihasilkan bisa sangat besar, mencapai ratusan MW. Salah satu
power tower di Amerika bisa berkapasitas 700 MW. PLTS berbasis panel
thermal juga dibangun di lahan yang tidak produktif atau yang sulit ditanami
tanaman pangan dan industri karena lahannya yang ekstrim. Lahan yang
cocok adalah sahara atau padang pasir yang banyak terdapat di Amerika,
Australia, Afrika, dan Timur Tengah. Salah satu kendala ada pada teknologi
berbasis turbin uap karena membutuhkan air yang cukup banyak untuk
menghasilkan uap, padahal lokasi pembangunannya di tempat ekstrim
yang mana air merupakan barang yang sangat berharga. Namun, kendala
ini sekarang bisa diatasi dengan teknologi turbin berbasis gas dan aliran
udara ke atas (solar up draft).
Adapun berbagai manfaat Pembangkit Listrik Tenaga Surya yaitu:
1. Sudut pandang lingkungan:
a. PLTS menggunakan sinar matahari dimana sinar matahari
merupakan energi yang terbarukan, selalu tersedia dan tidak
28
akan pernah habis seperti bahan bakar fosil lainnya sehingga
tidak menyebabkan krisis kelangkaan energi.
b. Tenaga surya adalah energi yang bersih dan ramah
lingkungan, karena tidak memancarkan emisi karbon
berbahaya yang berkontribusi terhadap perubahan iklim
seperti pada bahan bakar fosil.
c. Tidak menghasilkan getaran ataupun suara yang dapat
mengganggu pendengaran.
2. Sudut pandang ekonomi:
a. Energi matahari sebagai salah satu energi alternatif tidak
perlu dibeli.
b. Pemasangannya sangat mudah.
c. Tidak memerlukan biaya perawatan khusus sehingga bebas
dari biaya perawatan
d. Hemat karena tidak memerlukan bahan bakar.
e. Tidak memerlukan konstruksi yang berat dan menetap,
sehingga dapat dipasang dimana saja dan dapat dipindahkan
bilamana dibutuhkan.
f. Bersifat moduler artinya kapastitas listrik yang dihasilkan
dapat sesuai dengan kebutuhan.
3. Sudut pandang daya jangkau pemenuhan kebutuhan listrik:
29
a. Jumlah pasokan energi matahari sangat melimpah terutama
jika di wilayah dengan intensitas sinar matahari yang cukup
tinggi.
b. Sangat cocok untuk daerah tropis seperti Indonesia.
c. Energi surya dapat dipakai dimana saja terutama di daerah-
daerah yang belum terjangkau jaringan listrik. Pemanfaatan
energi surya ini adalah salah satu pilihan terbaik untuk
pemenuhan kebutuhan listrik daerah pedesaan, daerah
terisolasi, pulau-pulau terpencil, dan lain-lain.
Dari segi manfaat Pembangkit Listrik Tenaga Surya yang sudah
diuraikan diatas, dapat dikatakan bahwa teknologi PLTS ini bisa menjadi
salah satu alternatif pemenuhan kebutuhan listrik yang dapat diandalkan
(technically reliable), layak secara ekonomis (economy feasible) dan dapat
diterima oleh masyarakat (socially feasible).
Kebutuhan listrik terus meningkat sesuai dengan kemajuan
teknologi. Oleh karena itu, PLN sering melakukan pemadaman listrik
bergilir. Kita mengharapkan agar sumber energi alternatif tidak
hanya bersifat renewable dan mudah dikonversi menjadi energi listrik, dan
juga ramah lingkungan. Salah satu energi yang paling sesuai adalah energi
surya. Gambar 10 memperlihatkan potensi tenaga surya dunia. Potensi
tenaga surya Indonesia secara umum berada pada
tingkat satisfactory (cukup) yang dapat kita jadikan sebagai salah satu
30
patokan untuk menyusun perencanaan pembangunan sumber energi PLTS
pada masa depan.
Gambar 10. Potensi tenaga surya di dunia.
Menuju pada tingkat kemampuan yang baik dalam hal supply tenaga
listrik yang bersumberkan dari energi surya, memerlukan teknologi konversi
tenaga surya menjadi tenaga listrik bukanlah teknologi sederhana.
Teknologi ini memerlukan berbagai mesin, sistem, komponen yang harus
dihitung cermat dan baik agar sesuai dengan kondisi alam di Indonesia.
Menurut Phelia salah seorang pemerhati tenaga surya, proses
teknologi surya melibatkan fluida gerak yang menyerap panas dari surya.
Fluida itu melalui turbin yang mengkonversi panas menjadi energi mekanik.
Energi mekanik ini diteruskan ke generator dan dikonversikan menjadi
energi (sumber) listrik.
31
Pemanfaatan energi matahari sebagai sumber energi alternatif untuk
mengatasi krisis energi, khususnya minyak bumi, yang terjadi sejak tahun
1970-an mendapat perhatian yang cukup besar dari banyak negara di
dunia. Di samping jumlahnya yang tidak terbatas, pemanfaatannya juga
tidak menimbulkan polusi yang dapat merusak lingkungan. Cahaya atau
sinar matahari dapat dikonversi menjadi listrik dengan menggunakan
teknologi sel surya atau fotovoltaik.
Komponen utama sistem PLTS dengan menggunakan teknologi
fotovoltaik adalah sel surya. Saat ini terdapat banyak teknologi pembuatan
sel surya. Sel surya konvensional yang sudah komersial adalah
penggunaan teknologi wafer silikon kristalin yang proses produksinya
cukup kompleks dan mahal. Secara umum, pembuatan sel surya
konvensional diawali dengan proses pemurnian silika untuk menghasilkan
silika solar grade (ingot), dilanjutkan dengan pemotongan silika menjadi
wafer silika. Selanjutnya wafer silika diproses menjadi sel surya, kemudian
sel-sel surya disusun membentuk modul surya. Tahap terakhir adalah
mengintegrasi modul surya dengan balance of system (BOS) menjadi
sistem PLTS. BOS adalah komponen pendukung yang digunakan dalam
sistem PLTS seperti inverter, baterei, sistem kontrol, dan lain-lain. Pada
Gambar 11 memperlihatkan photovoltaic cell.
32
Gambar 11. Sel Fotovoltaik [21].
Meski pengembangan PLTS telah mempunyai basis yang cukup
kuat dari aspek kebijakan, namun pada tahap implementasi, potensi yang
ada belum dimanfaatkan secara optimal. Secara teknologi, industri
photovoltaic (PV) di Indonesia baru mampu melakukan pada tahap hilir—
memproduksi modul surya dan mengintegrasikannya menjadi PLTS,
sementara sel suryanya masih impor. Padahal sel surya adalah komponen
utama dan yang paling mahal dalam sistem PLTS. Harga yang masih tinggi
menjadi isu penting dalam perkembangan industri sel surya. Berbagai
teknologi pembuatan sel surya terus diteliti dan dikembangkan dalam
rangka upaya penurunan harga produksi sel surya agar mampu bersaing
dengan sumber energi lain.
Ratio elektrifikasi di Indonesia baru mencapai 55-60 % dan hampir
seluruh pedesaan belum dialiri listrik karena jauh dari pusat pembangkit
listrik. Oleh karena itu, PLTS yang dibangun hampir di semua lokasi
33
merupakan alternatif sangat tepat untuk dikembangkan. Dalam kurun waktu
tahun 2016 - 2025, pemerintah telah merencanakan menyediakan 1 juta
Solar Home System berkapasitas 50 Wp untuk masyarakat berpendapatan
rendah serta 346,5 MWp PLTS hybrid untuk daerah terpencil. Hingga tahun
2025 pemerintah merencanakan akan ada sekitar 444 MWp kapasitas
PLTS terpasang seperti yang diperlihatkan pada Tabel 1.
Tabel 1. Rencana Pengembangan Pembangkit EBT (MWp) [22]
Tipe 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 TOTAL
Panas bumi 85 350 320 590 580 450 340 935 1.25 1.25 6,150
Hidro skala besar 45 57 175 1405 147 330 639 2.322 2.031 5.95 13,100
Hidro skala kecil 32 78 115 292 81 86 196 26 257 201 1,365
Tenaga surya 26 122 70 50 118 11 10 17 10 10 444
Tenaga bayu - 70 190 165 195 10 - 5 - 5 640
Biomassa/Biogas 125 142 135 11 21 11 - 21 15 6 488
TOTAL 812 594 1,005 2,513 230 898 173 3,326 3,563 7,422 22,186
Dengan asumsi penguasaan pasar hingga 50%, pasar energi surya
di Indonesia sudah cukup besar untuk menyerap keluaran dari suatu pabrik
sel surya berkapasitas hingga 25 MWp per tahun. Hal ini tentu merupakan
peluang besar bagi industri lokal untuk mengembangkan bisnisnya ke
pabrikasi sel surya.
Dengan wilayah yang luas dan intensitas cahaya matahari yang
tinggi, pasokan listrik dari tenaga surya bisa menjadi andalan, demikian
34
Principal Advisor Deutsche Gessellschaft fur Internationale
Zusammenarbeit Indonesia Rudolf Rauch. Ia menambahkan Jerman
dengan intensitas matahari yang tidak terlalu tinggi, bisa membangkitkan
listrik 25 ribu MW. “Indonesia memiliki potensi 6 hingga 10 kali dari Jerman,”
kata Rudolf pada April 2012. Kunci kebehasilan PLTS terletak pada
penyusunan receiver dengan bahan dan susunan yang dapat menyerap
energi panas dari matahari dengan baik dan memiliki harga yang ekonomis.
Untuk mampu menyerap energi panas diperlukan struktur film yang
kristalin. Dalam pembuatan satu sel dengan struktur kristalin diperlukan
teknologi yang baik dan cukup mahal. Umumnya bahan ini berbasiskan
silikon. Sebagai gambaran, bentuk receiver panas surya dapat dilihat pada
gambar pada awal tulisan ini. Receiver berbentuk
silinder tersusun dari tabung gelas, ruang vakum dan sel penyerap panas.
Selain dalam hal receiver panas kendala lain dalam aplikasi sel surya
adalah pembuatan baterai penyimpan energi listrik yang murah. Oleh
karena itu, penelitian ke arah teknologi sel surya dan komponen-
komponennya yang lebih ekonomis dan praktis sangat diperlukan. Dengan
demikian, teknologi ini diharapkan tidak hanya menjadi teknologi yang
berguna bagi negara maju namun juga bagi daerah yang mengalami
keterbatasan pasokan listrik. Pembangkit listrik tenaga surya (PLTS)
sebenarnya tergantung pada efisiensi konversi energi dan konsentrasi sinar
matahari yang diterima sel tersebut. Profesor Smalley, peraih Nobel bidang
kimia, menyatakan bahwa teknologi nano menjanjikan peningkatan
35
efisiensi dalam pembuatan sel surya antara 10 hingga 100 kali pada sel
surya. Sedangkan pada Tabel 2 memperlihatkan besarnya potensi energi
terbarukan dan energi surya di Indonesia yakni sekitar 4.80
kWh/m2/hari atau setara dengan 112.000 GWp.
Tabel 2. Potensi Energi Baru dan Terbarukan [23]
No Energi Baru dan
Terbarukan Sumber Daya
1 Panas Bumi 12.386 Mwe
2 Hydro 75.000 Mwe
3 Biomassa 32.654 Mwe
4 Tenaga Surya 4,80 kWh/m2/hari
5 Tenaga Angin 970 MW
6 Gelombang laut 1995.2 MW
C. Kestabilan Sistem Tenaga Listrik
Kestabilan tegangan system tenaga listrik sangat berhubungan
dengan kemampuan sistem tenaga untuk tetap stabil pada semua
bus, tidak hanya dibawah kondisi normal operasi, tetapi juga setelah
terjadinya gangguan [24]. Kestabilan tegangan merupakan masalah
penting dalam sistem daya modern saat ini. Kebutuhan daya yang
sangat besar memungkinkan terjadinya pendekatan batas titik tegangan
jatuh dalam sistem.
36
Dengan meningkatnya kebutuhan daya pada masyarakat, dapat
memiliki efek negatif terhadap kestabilan tegangan. Jika ada sedikit
kenaikan pada kebutuhan beban, maka permintaan daya aktif akan lebih
besar dari suplai, dan tegangan akan menurun. Dengan menurunnya nilai
tegangan, perbedaan antara suplai daya aktif dan permintaan menjadi
meningkat, dan saat tegangan terus menurun maka akan menjadi nilai
yang sangat kecil, kejadian ini biasa disebut sebagai tegangan jatuh.
Integritas sistem terjaga ketika secara nyata seluruh sistem tenaga tetap
lengkap tanpa adanya trip pada generator maupun beban, terkecuali
untuk bagian yang diputus untuk menjaga kelangsungan operasi dari
sistem. Kestabilan adalah kondisi seimbang diantara dua gaya yang
berlawanan.
Definisi kestabilan sistem tenaga listrik merupakan sifat sistem yang
memungkinkan mesin bergerak serempak dalam sistem untuk memberikan
reaksinya terhadap gangguan dalam keadaan kerja normal serta balik
kembali kekeadaan semula bila keadaan menjadi normal.
Dalam sistem tenaga listrik yang baik maka harus memenuhi 3
syarat yaitu; 1. Reliability adalah kemampuan suatu sistem untuk
menyalurkan daya atau energi secara terus menerus. 2. Quality adalah
kemampuan sistem tenaga listrik untuk menghasilkan besaran-besaran
standar yang ditetapkan untuk tegangan dan frekuensi. 3. Stability adalah
kemampuan dari sistem untuk kembali bekerja secara normal setelah
mengalami suatu gangguan [24]. Jika semua terpenuhi maka sistem
37
mampu memberi pasokan listrik secara terus menerus dengan standar
besaran untuk tegangan dan frekuensi sesuai dengan aturan yang berlaku
dan harus segera kembali normal bila sistem terkena gangguan.
Untuk menjaga kestabilan sebuah sistem, maka perlu diupayakan
mesin-mesin sinkron berada pada kondisi sinkronnya. Sistem harus mampu
merespon dengan cepat terhadap suatu gangguan tingkat kestabilan
sementara dan kestabilan sinyal yang lemah (smal signal stability).
Ketidakstabilan terjadi ketika gangguan menyebabkan ketidakseimbangan
terus-menerus antara gaya yang berlawanan tersebut. Kestabilan sistem
tenaga dikelompokkan menjadi beberapa jenis seperti pada Gambar 12.
Gambar 12. Klasifikasi kestabilan sistem tenaga [24]
Kestabilan sistem tenaga listrik merupakan karakteristik sistem
tenaga yang memungkinkan mesin bergerak serempak dalam sistem pada
operasi normal dan dapat kembali dalam keadaan seimbang setelah terjadi
gangguan. Secara umum permasalahan kestabilan sistem tenaga listrik
38
dapat diklasifikasikan berdasarkan sifat alami dan magnitude tegangan
yaitu kestabilan steady state, kestabilan transient, dan kestabilan dinamis.
Gangguan kecil atau besar pada sistem tenaga berdampak pada
operasi sinkron. Sebagai contoh, kenaikan atau penurunan tiba-tiba pada
beban, atau akibat rugi pembangkitan menjadi salah satu jenis gangguan
yang berpengaruh sangat signifikan terhadap sistem. Jenis lain dari
gangguan adalah jaring transmisi yang terputus, beban lebih, atau hubung
singkat. Dengan demikian diharapkan kestabilan sistem akan menuju ke
keadaan mantap dalam waktu singkat setelah gangguan menghilang.
Secara umum gangguan dibagi menjadi 2 kategori yakni:
1. Gangguan Kecil
yaitu merupakan satu dari elemen sistem dinamik yang dapat
dianalisis menggunakan persamaan linear (analysis small signal).
Gangguan kecil yang terjadi berupa perubahan beban pada sisi beban atau
pembangkit secara acak, pelan, dan jatuh bertingkat. Jatuh (trip) yang
dialami oleh jaring tenaga listrik dianggap sebagai gangguan kecil jika
pengaruhnya terhadap aliran daya sebelum gangguan pada jaring itu tidak
signifikan.
2. Gangguan Besar.
Gangguan ini bersifat mendadak, yakni gangguan yang
menghasilkan kejutan tegangan tiba tiba pada tegangan bus. Gangguan
besar ini harus secepatnya dihilangkan, jika tidak dihilangkan secepatnya,
39
gangguan tersebut sangat mempengaruhi kestabilan sistem. Tidak hanya
gangguan, waktu gangguan juga berpengaruh terhadap kestabilan sistem.
D. Metode Continuation Power Flow (CPF)
Secara umum, metode-metode analisis kestabilan tegangan
diklasifikasikan menjadi 3 yaitu; 1. Static (steady-State) voltage stability
analysis, 2. Quasi-Steadi-State Voltage Analysis, 3. Dynamic Voltage
Stability Analysis [25]. Salah satu metode yaitu Quasi static yang well know
adalah metode CPF yang dikembangkan oleh Ajjarapu dan Christy [26].
Metode CPF adalah metode analisis kestabilan voltase yang
mengkodekan kembali persamaan aliran daya konvensional untuk
menemukan solusi aliran daya mulai dari beban dasar hingga keadaan
kestabilan stabil atau kritis yang menggunakan skema prediktor dan
korektor. Selain itu, metode CPF dapat digunakan untuk mendeteksi bus
yang paling sensitif terhadap keruntuhan tegangan dan juga meningkatkan
atau menurunkan kerugian daya pada system [27], [28].
Pada umumnya Continuation Power Flow menggunakan metode
Newton-Rapshon untuk menghitung aliran daya dari sebuah sistem tenaga
yang digunakan sebagai data awal yang selanjutnya akan diolah untuk
membentuk kurva P-V dengan adanya penambahan beban secara terus
menerus, namun dalam kondisi penggunaan metode Newton-Rapshon
pada sistem tertentu matriks Jacobian yang dihasilkan menjadi singular.
40
Setelah pemasangan PV pada sistem berdasarkan data SOLARGIS,
kami juga mengevaluasi kerugian jaringan di setiap gardu yang digunakan
untuk penempatan PV di sistem tenaga Sulawesi Selatan. Penilaian
kerugian jaringan penting dalam perencanaan sistem tenaga [29], [30].
Dalam paper ini, penempatan PV analitis yang optimal digunakan
metode Continuation Power Flow (CPF). Hanya bus dengan irradiance
yang baik yang akan dihitung sensitivitasnya. Metode CPF merupakan
sebuah metode yang mereformulasi persamaan aliran daya konvensional
untuk menemukan solusi aliran daya mulai dari beban dasar sampai
dengan keadaan kestabilan stabil/titik kritis. Metode CPF digunakan untuk
mendeteksi bus yang paling sensitif terhadap tegangan runtuh dan juga
peningkatan rugi-rugi daya pada sistem jaringan. Berdasarkan pada daya
aktif dan daya reaktif yang ditransfer dari jalur distribusi atau transmisi.
Gambar 13 menunjukkan grafik skema predictor-corrector dimana
prosedur analisis dimulai dengan hasil yang diketahui, dan akan diprediksi
solusi selanjutnya dengan beban yang berbeda.
Gambar 13. Skema metode CPF Predictor-corrector [26].
Bu
s V
olt
age
Predictor
Corrector
Critical Point
Load
41
Hal yang harus dilakukan adalah menerapkan teknik parameter terhadap
masalah aliran daya, parameter tersebut dimasukkan ke dalam persamaan.
Pertama dimisalkan ∅ sebagai parameter beban, maka ∅ didefinisikan
sebagai:
0 ≤ ∅ ≤ ∅𝑘𝑟𝑖𝑡𝑖𝑠
Dimana ∅ = 0 memiliki hubungan dengan beban dasar dan ∅ = ∅𝑘𝑟𝑖𝑡𝑖𝑠 dan
berhubungan dengan beban kritis. Parameter beban ini kemudian
dimasukkan kedalam persamaan daya aktif dan reaktif, sehingga:
0 = 𝑃𝐺𝑖 − 𝑃𝐿𝑖 − 𝑃𝑇𝑖 , 𝑃𝑇𝑖 = ∑ 𝑉𝑖𝑉𝑗
𝑛
𝑗=1
𝑦𝑖𝑗 cos (𝛿𝑖 𝛿𝑗 𝜈𝑖𝑗)
0 = 𝑄𝐺𝑖 − 𝑄𝐿𝑖 − 𝑄𝑇𝑖 , 𝑄𝑇𝑖 = ∑ 𝑉𝑖𝑉𝑗
𝑛
𝑗=1
𝑦𝑖𝑗 sin (𝛿𝑖 𝛿𝑗 𝜈𝑖𝑗)
Untuk setiap bus 𝔦 pada bus 𝔫 , dimana subkrip L, G, dan T menunjukkan
beban bus yang di injeksi. Tegangan pada bus 𝔦 dan 𝔧 adalah masing-
masing 𝑉𝑖 ∠𝛿𝑖 𝑑𝑎𝑛 𝑉𝑗 ∠𝛿𝑗 dan 𝑦𝑖𝑗 ∠𝑣𝑖𝑗 adalah merupakan elemen pada bus
𝑌𝐵𝑈𝑆.
Untuk mensimulasi perubahan beban 𝑃𝐿𝑖 dan 𝑄𝐿𝑖 harus diubah
dengan cara memisahkan kedua komponen. Satu komponen sesuai
dengan beban pada bus 𝔦 dan komponen lainnya akan mewakili perubahan
beban yang disebabkan oleh perubahan parameter beban.
Kemudian,
42
𝑃𝐿𝑖 = 𝑃𝐿𝑖𝑜 + ∅(𝑘𝐿𝑖𝑆∆𝑏𝑎𝑠𝑒 cos 𝜓𝑖)
𝑄𝐿𝑖 = 𝑄𝐿𝑖𝑜 + 𝜙(𝑘𝐿𝑖𝑆Δ𝑏𝑎𝑠𝑒 sin 𝜓𝑖)
Dimana,
𝑃𝐿𝑖𝑜 , 𝑄𝐿𝑖𝑜 adalah beban pasti pada bus 𝔦, beban aktif dan reaktif.
𝑘𝐿𝑖 = indicator yang menunjukkan tingkat perubahan beban pada bus 𝔦
terhadap perubahan ∅
ψ𝑖 = sudut daya terhadap dari perubahan beban terhadap bus 𝔦.
𝑆Δ𝑏𝑎𝑠𝑒 = kualitas dari daya semu yang dipilih untuk menginjeksikan skala
yang tepat dari ∅
𝑘𝐺𝑖 = nilai konstan pada generator untuk menentukan tingkat perubahan
yang bervariasi pada generator ∅
𝑃𝑇𝑖 , 𝑄𝑇𝑖 = parameter aktif dan reaktif yang diinjeksikan ke system.
Selain itu, pembangkit aktif dapat diubah ke,
𝑃𝐺𝑖 = 𝑃𝐺𝑖𝑜 (1 + ∅𝑘𝐺𝑖)
Apabila ungkapan diatas diganti dengan persamaan aliran daya, kemudian
dimasukkan kedalam persamaan daya aktif dan reaktif, maka hasilnya
sebagai berikut:
0 = 𝑃𝐺𝑖0(1 + ∅𝑘𝐺𝑖) − 𝑃𝐿𝑖0 − ∅(𝑘𝐿𝑖 𝑆∆𝑏𝑎𝑠𝑒) cos 𝜓𝑖) − 𝑃𝑇𝑖
0 = 𝑄𝐺𝑖0 − 𝑄𝐿𝑖0 − ∅ (𝑘𝐿𝑖 𝑆∆𝑏𝑎𝑠𝑒 sin 𝜓𝑖) − 𝑄𝑇𝑖
Dimana,
𝑃𝐺𝑖0 merupakan daya aktif pada generator terhadap bus i sebagai studi
kasus
43
Kemudian dilanjutkan dengan komputasi pada algoritma menggunakan
persamaan aliran daya sebagai berikut;
𝐹 (𝛿, 𝑉, ∅) = 0
dimana adalah 𝛿 vektor sudut generator, V adalah vektor magnitude
tegangan bus dan ∅ adalah parameter pembebanan.
Metode CPF menjabarkan sebuah skema langkah korektor prediktor
untuk mencari solusi persamaan aliran daya yang direformulasi. Di prediksi
pada tangen vektor dihitung dengan menurunkan kedua sisi persamaan
aliran daya, sehingga:
[𝐹𝛿 𝐹𝑉 𝐹∅] [𝑑𝛿𝑑𝑉𝑑∅
] = 0
Selanjutnya,
Dari di lakukan koreksi dengan memperluas parameterisasi yang telah di
indentifikasi dari setiap solusi yang telah didapatkan setelah dilakukan
proses komputasi. Hasil yang di peroleh akan menunjukkan setiap bus
terlemah pada system. Bus yang paling sensitif memiliki rasio besaran
perubahan diferensial tegangan terhadap perubahan diferensial perubahan
beban. Oleh Karena itu, dalam penelitian ini kami memformasikan PV-
Sensitiviti untuk menentukan lokasi PV sebagai berikut :
𝑃𝑉 − 𝑆𝑒𝑛𝑠𝑖𝑡𝑖𝑣𝑖𝑡𝑦 = |𝑑𝑉𝑗
𝑑𝑃𝑡𝑜𝑡𝑎𝑙| = max ||
𝑑𝑉1
𝑑𝑃𝑡𝑜𝑡𝑎𝑙| , |
𝑑𝑉2
𝑑𝑃𝑡𝑜𝑡𝑎𝑙| , … … . |
𝑑𝑉𝑛
𝑑𝑃𝑡𝑜𝑡𝑎𝑙||
44
E. Penelitian Terkait
Beberapa penelitian sebelumnya yang sudah dilakukan dan menjadi
rujukan penulis untuk penelitian ini dapat dilihat pada Tabel 3:
Tabel 3. Penelitian terkait
No Judul Penulis Tahun Publikasi Pembahasan
3. A Monte Carlo Method for Optimum Placement of Photovoltaic Generation Using a Multicore Computing Environment [31].
Gerardo Guerra and Juan A. Martinez
2014 IEEE Menyajikan tentang pemasangan Photovoltaic yang optimal dengan menggunakan metode Monte Carlo.
4. Optimal Placement of PV-Distributed Generation units in radial distribution system based on sensitivity approaches [32].
Sirine Essallah, Adel Bouallegue and Adel Khedher
2015 IEEE Menyajikan penempat PV yang optimal dengan menggunakan indeks keruntuhan tegangan (L-index), loss faktor sensitivitas (LSF) dan indeks kinerja tegangan (VPI). Kemudia Metode ini dieksekusi menggunakan alat MATLAB PSAT
5. A Methodology to Determine Suitable Placement of Solar Photovoltaic Sources in the Transmission System taking into account Voltage Stability Index (VSI) [33].
Adrian W. H. Sie, Izham Z. Abidin, and H. hashim
2014 IEEE Menyajikan sebuah metodelogi untuk mendeteksi sensitifitas pada bus terhadap tegangan jatuh dan juga garis kritis
6. Optimal Integration of Solar Distributed Generations in Distribution Network Using SPEA2 [6].
Imen Ben Hamida, Saoussen Brini Salah, Faouzi Mshali, Mouhamed Faouzi
2016 IEEE Makalah ini membahas masalah tempat dan ukuran optimal dari solar photovoltaic DGs dgn menggunakan teknik evolusi SPEA2 (Strength Pareto Evolutionary Algorithm 2). Tujuannya adalah untuk meminimalkan daya aktif dan biaya operasi tahunan
45
dalam rangka operasional dan keamanan sistem kendala dalam sistem distribusi
7. Optimal allocation and sizing of Photovoltaic-based distributed generation for voltage dip improvement [12].
Saádah Daud, Aida Fazliana Abdul Kadir, Chin Kim gan, Abdul Rahim Abdullah
2016 IEEE Menyajinkan penempatan PV dengan menggunakan sebuah algoritma IGSA
8. Optimal allocation of solar based distributed generators in distribution system using Bat algoritma [9].
Suresh Kumar Sudabattula daan Kowsalya M
2016 Science Direct
Dalam makalah ini teknik yang efektif diusulkan untuk optimalisasi alokasi generator berbasis solar pada jaringan distribusi dengan menggunakan algoritma Bat (BA). Tujuannya adalah untuk meminimalkan kehilangan daya dari sistem distribusi radial.
46
F. Kerangka Pikir
Adapun kerangka pikir yang akan dibangun dalam penelitian ini
adalah seperti yang diperlihatkan pada Gambar 14.
PROBLEM
PROBLEM
TARGET IMPLEMENTASI
OLAH DATA
HASIL
Gambar 14. Kerangka Pikir
MERANCANG PENEMPATAN LOKASI PHOTOVOLTAIC (PV) DENGAN METODE CPF UNTUK MENGOPTIMALKAN SISTEM
MEMPERTIMBANGKAN IRRADIANCE UNTUK PENENTUAN LOKASI
PENEMPATAN PHOTOVOLTAIC (PV)
MENGANALISIS KESTABILAN TEGANGAN DENGAN METODE CONTINUATION
POWER FLOW (CPF)
MEMPEROLEH LOKASI INTEGRASI IRRADIANCE YANG BAIK DAN DAPAT
MEMINIMALKAN RUGI JARINGAN
47
BAB III
METODOLOGI PENELITIAN
Dalam melakukan penelitian kestabilan tegangan pada sistem multi
mesin yang diperoleh dari proses komputasi dan pengolahan data pada
Power System Analysis Toolbox (PSAT) yang telah terintegrasi pada
perangkat lunak Matrix Laboratory (MATLAB) . Studi kasus yang diangkat
yaitu sistem interkoneksi Sulbagsel terdiri dari 15 generator, 44 bus, 47 line
dan 34 beban yang tersebar yang akan diteliti, dengan variasi tegangan dari
30 kV, 70 kV, 150 kV dan 275 kV [34].
A. Studi Literatur
Penelitian ini dilakukan studi literatur dengan cara mencari bahan
bacaan dari paper atau jurnal nasional dan international, tugas akhir dan
buku-buku teks yang berkaitan dengan permasalahan yang akan diteliti.
Pada penelitian ini literatur yang digunakan sebagai acuan adalah referensi
dari buku-buku teks, tugas akhir dan artikel-artikel ilmiah, baik dalam bentuk
jurnal maupun prosiding konferense nasional dan internasional yang
berkaitan dengan Photovoltaic, Irradiance, PLTS, Kestabilan tegangan,
Continuation Power Flow (CPF).
48
B. Pengumpulan Data
Sebelum dilakukan penelitian, dilakukan pengumpulan serta
pengambilan data sistem interkoneksi transmisi dan single line pada sistem
transmisi kelistrikan Sulbagsel 275 kV, 150 kV, 70 kV dan 30 kV serta data
pendukung lainnya yang mendukung penelitian yang akan dilakukan.
Data Sistem Sulbagsel
Gambar 15 memperlihatkan single line Sistem interkoneksi Sulbagsel
beroperasi pada tegangan 275 kV, 150 kV, 70 kV, dan 30 kV.
49
Gambar 15. Single line diagram system sulbagsel [35].
50
Tabel 4. Data Transmisi Sistem Sulbagsel
NO BUS
NAMA BUS NO BUS
NAMA BUS R(PU) X(PU) 1/2 B(PU)
1 SENGKANG 2 SIDRAP 0,01058 0,07259 0,00342
1 SENGKANG 3 SOPPENG 0,02106 0,1267 0,00404
2 SIDRAP 3 SOPPENG 0,05643 0,20275 0,00482
2 SIDRAP 4 PAREPARE 0,02003 0,07198 0,00142
4 PAREPARE 5 PINRANG 0,01388 0,04974 0,00067
4 PAREPARE 10 SUPPA 0,00787 0,02826 0,00056
4 PAREPARE 11 PLTU BARRU 0,01 0,07946 0,00396
4 PAREPARE 6 POLMAS 0,03663 0,13159 0,01819
5 PINRANG 7 BAKARU 0,03076 0,11023 0,01012
6 POLMAS 7 BAKARU 0,02627 0,0944 0,00743
6 POLMAS 8 MAJENE 0,05261 0,18902 0,00372
8 MAJENE 9 MAMUJU 0,03076 0,11023 0,01012
11 PLTU BARRU 12 BARRU 0,01173 0,03973 0,00198
12 BARRU 13 PANGKEP 0,02419 0,08667 0,01167
13 PANGKEP 14 PANGKEP 70 0 0,39492 0
13 PANGKEP 16 BOSOWA 0,0109 0,03919 0,00493
13 PANGKEP 17 KIMA 0,00845 0,03024 0,0038
14 PANGKEP 70 15 TONASA 0,03275 0,06013 0,00005
14 PANKEP 70 22 MANDAI 0,36318 0,66671 0,0005
16 BOSOWA 18 TALLO 0,04764 0,17071 0,00575
17 KIMA 18 TALLO 0,00845 0,03024 0,0038
18 TALLO 16 TALLO LAMA 0,00726 0,026 0,00088
18 TALLO 19 PANKUKANG 0,04334 0,07958 0,00006
18 TALLO 29 SUNGGUMINASA 0,00385 0,02635 0,00124
18 TALLO 20 TALLO 70 0 0,41587 0
18 TALLO 24 TALLO 30 0 0,5535 0
26 TALLO LAMA 27 TALLO LAMA 70 0 0,41587 0
27 TALLO LAMA 70 28 BONTOALA 0,04046 0,07428 0,00006
20 TALLO 70 21 BORONGLOE 0,06069 0,11141 0,00034
20 TALLO 70 22 MANDAI 0,05828 0,10699 0,00032
20 TALLO 70 23 DAYA 0,02408 0,04421 0,00013
22 MANDAI 23 DAYA 0,0342 0,06278 0,00019
24 TALLO 30 25 BARAWAJA 0,12292 0,17508 0,00002
29 SUNGGUMINASA 30 TANJUNG BUNGA 0,00707 0,04256 0,00136
29 SUNGGUMINASA 31 TALLASA 0,0097 0,06649 0,00314
29 SUNGGUMINASA 32 MAROS 0,05433 0,37234 0,01756
31 TALLASA 33 PGAYA 0,01756 0,04609 0,00217
51
31 TALLASA 34 JENEPONTO 0,03241 0,13837 0,01973
33 PGAYA 34 JENEPONTO 0,0097 0,06649 0,00314
34 JENEPONTO 35 BULUKUMBA 0,04861 0,17466 0,00344
35 BULUKUMBA 36 SINJAI 0,0312 0,11211 0,00882
36 SINJAI 37 BONE 0,01149 0,14603 0,01149
35 BULUKUMBA 37 BONE 0,0312 0,11211 0,00882
37 BONE 3 SOPPENG 0,04578 0,16306 0,00402
2 SIDRAP 32 MAROS 0,01235 0,08464 0,00399
2 SIDRAP 38 MAKALE 0,06274 0,37753 0,01203
38 MAKALE 39 PALOPO 0,03917 0,14076 0,00277
39 PALOPO 40 LTUPA 0 0,17234 0
40 LTUPA 42 PAMONA 0,051 0,38 0,00134
41 PLTA POSO 42 PAMONA 0 0,013 0
42 PAMONA 43 PAMONA 150 0,01914 0,06356 0,00018
43 PAMONA 150 44 POSO 0,01604 0,13353 0,00667
*Sumber data: PT. PLN (Persero) AP2B Wilayah Sulbagsel
Tabel 5. Data parameter dinamik generator sistem Sulbagsel
No Generator Xd
(p.u) X'd
(p.u) X"d (pu)
Xq (p.u)
X'q (p.u)
X"q (p.u)
ra xl
1 PLT U T allo 1,182 0,0995 0,102 1,091 0,1975 0,102 0 0.107
2 PLT U Barru 2,363 0,199 0,204 2,182 0,395 0,204 0 0.107
3 PLT A T eppo
(Pinrang) 2,08 0,385 0,261 1,12 0,274 0,261 0 0.186
4 PLT D Suppa 2,08 0,385 0,261 1,12 0,267 0,261 0 0.186
5 PLT A Bakaru 0,924 0,268 0,27 0,553 0,276 0,27 0 0.12
6 PLTD Makale (Torja)
2,08 0,385 0,261 1,12 0,337 0,261 0 0.186
7 PLTD Palopo 2,08 0,385 0,261 1,12 0,337 0,261 0 0.186
8 PLT A Poso 0,924 0,268 0,27 0,553 0,368 0,27 0 0.12
9 PLT GU Sengkang
2,31 0,2 0,12 0,553 0,6 0,12 0 0.6
10 PLT A Bili-Bili 2,08 0,385 0,261 1,12 0,330 0,261 0 0.186
11 PLTD
Sungguminasa 2,08 0,385 0,261 1,12 0,337 0,261 0 0.186
12 PLTD Tallasa 2,08 0,385 0,261 1,12 0,485 0,261 0 0,186
13 PLTU Arena (Jeneponto)
2,08 0,385 0,261 1,12 0.485 0,261 0 0.186
14 PLTA Tangka manipi (sinjai)
1,924 0,268 0,27 1,553 0,256 0,27 0 0.12
15 PLTD Agrekko (Tallo Lama)
2,363 0,199 0,204 2,182 0,395 0,204 0 0.107
*Sumber data: PT. PLN (Persero) AP2B Wilayah Sulbagsel
52
Tabel 6. Data Generator dan Beban
NO
BU
S
NAMA BUS
Volta
ge
Mag
Angle
degre
e
BEBAN GENERATOR JENI
S
BUS MW MVA
R MW MVA
R Qmax
Qmin
1 Sengkang 1,02 0.00 18.40 11.00 266.30 7.90 300 80 Slack
2 Sidrap 1,01 0.00 23.80 10.40 0.00 0.00 0 0 PQ
3 Soppeng 1,02 0.00 9.40 4.20 0.00 0.00 0 0 PQ
4 Parepare 1,00 0.00 17.10 5.40 0.00 0.00 0 0 PQ
5 Pinrang 1,00 0.00 20.20 8.20 0.00 0.00 200 50 PQ
6 Polmas 1,01 0.00 12.30 4.40 0.00 0.00 0 0 PQ
7 Bakaru 1,03 0.00 2.10 0.20 63.00 6.96 500 100 PV
8 Majene 1,00 0.00 7.80 2.40 0.00 0.00 0 0 PQ
9 Mamuju 1,00 0.00 16.60 2.90 0.00 0.00 0 0 PQ
10 Suppa 1,00 0.00 0.00 0.00 0.00 0.00 300 80 PQ
11 PLTU Barru/GI Balusu
1,00 0.00 0.00 0.00 62.11 15.69 150 50 PQ
12 Barru 1,00 0.00 7.10 3.60 0.00 0.00 0 0 PQ
13 Pangkep 0,97 0.00 20.20 8.30 0.00 0.00 0 0 PQ
14 Pangkep 70 1,00 0.00 0.00 0.00 0.00 0.00 0 0 PQ
15 Tonasa 1,00 0.00 38.20 5.10 0.00 0.00 0 0 PQ
16 Bosowa 1,00 0.00 4.97 24.94 0.00 0.00 0 0 PQ
17 Kima 1,00 0.00 22.00 7.30 0.00 0.00 0 0 PQ
18 Tello 0,97 0.00 61.00 19.30 0.00 0.00 200 50 PQ
19 Panakukang 0,97 0.00 67.10 17.80 0.00 0.00 0 0 PQ
20 Tallo 70 0,96 0.00 0.00 0,0 0.00 0.00 0 0 PQ
21 Barangloe/bili bili
0,94 0.00 10.00 0.00 5.10 9.90 200 50 PV
22 Mandai 1,00 0.00 20.20 2.70 0.00 0.00 0 0 PQ
23 Daya 0,98 0.00 24.20 4.20 0.00 0.00 0 0 PQ
24 Tallo 30 1,00 0.00 0.00 0.00 0.00 0.00 0 0 PQ
25 Barawaja 1,00 0.00 0.00 0.00 0.00 0.00 0 0 PQ
26 Tallo Lama 0,97 0.00 33.40 10.20 0.00 0.00 150 50 PQ
27 Tallo Lama 70 0,97 0.00 0.00 0.00 0.00 0.00 0 0 PQ
28 Bontoala 1,00 0.00 23.80 8.20 0.00 0.00 0 0 PQ
29 Sunggumnasa 0,98 0.00 4.60 9.20 20.00 6.00 150 50 PV
30 Tanjng Bunga 1,00 0.00 54.20 17.90 0.00 0.00 0 0 PQ
31 Tallasa 0,99 0.00 15.20 5.00 20.00 0.00 150 50 PQ
32 Maros 1,00 0.00 15.30 6.20 0.00 0.00 0 0 PQ
33 Pagaya 1,00 0.00 0.00 0.00 212.36 92.82 300 80 PV
34 Jeneponto 1,00 0.00 11.00 4.10 0.00 0.00 0 0 PQ
35 Bulukumba 1,00 0.00 19.20 6.00 0.00 0.00 0 0 PQ
53
36 Sinjai 1,00 0.00 12.20 6.20 4.00 0.62 200 50 PV
37 Bone 1,00 0.00 23.50 9.30 0.00 0.00 0 0 PQ
38 Makale 1,02 0.00 5.90 2.60 8.65 2.17 200 50 PQ
39 Palopo 1,00 0.00 34.90 13.10 3.00 1.40 120 50 PQ
40 LTUPA 275 1,00 0.00 0.00 0.00 0.00 0.00 0 0 PQ
41 PLTA Poso 1,00 0.00 0.00 0.00 167.30 22.13 300 50 PV
42 PAMONA 275 1,00 0.00 0.00 0.00 0.00 0.00 0 0 PQ
43 Pamona 150 1,00 0.00 1.65 0.22 0.00 0.00 0 0 PQ
44 Poso 1,00 0.00 8.48 1.95 167.30 22.13 0 0 PQ
*Sumber data: PLN (Persero) AP2B Wilayah Sulbagsel C. Lokasi dan Waktu Penelitian
1. Lokasi
Penelitian ini dilakukan di Laboratorium Power Sistem Fakultas
Teknik Universitas Hasanuddin Sungguminasa - Gowa
2. Waktu
Waktu penelitian dilaksanakan selama 5 bulan dimulai pada tanggal
5 Juli 2017 sampai tgl 25 November 2017.
D. Alat yang digunakan
Pada penelitian ini digunakan alat:
a. Perangkat keras Laptop dengan spesifikasi sebagai berikut:
- DELL Inspiron 14 3000 series
- Printer Epson L310 dan printer HP Laserjet P1102
54
b. Perangkat lunak Software MATLAB Versi 2014 dan PSAT Toolbox
Versi 2.1.9.-Mat.
E. Prosedur Penelitian
Gambar 16 memperlihatkan sebuah diagram alir dari PV yang coba
diusulkan dengan menggunakan metode CPF dan info irradiance. Setelah
dilakukan studi aliran daya dan analisis kestabilan tegangan langkah
selanjutnya adalah menjalankan CPF dan menghitung PV - Sensitivitas
dalam menentukan ketidakstabilan pada sistem. Hasil yang menunjukkan
nilai tegangan yang terlemah kemudian dijadikan prioritas penempatan PV
kemudian dilakukan proses komputasi untuk melihat nilai perubahan
tegangan yang ada. Jika kendala terpenuhi maka, akan didapatkan lokasi
yang optimal dalam pemasangan PV.
55
Gambar 16. Flow chart pemasangan PV dengan metode CPF [36].
F. Jadwal Penelitian
Adapun jadwal dari penelitian yang akan dilakukan adalah:
Tabel 7. Jadwal kegiatan penelitian
No.
Keg
iata
n
Tahun I (2016) Tahun II (2017)
Sept Oktober November Desember Juli Ags Sep Okt Nov
IV I II III IIV I II III IV I II III IV
1 Penentuan Topik
2 Studi literatur
3 Perumusan masalah
4 Penyusunan rancangan
5 Pembuatan proposal
6 Seminar proposal
7 Pengambilan data terbaru PLN
8 Pengujian dan analisa sistem
9 Penulisan laporan
10 Submit jurnal
11 Seminar hasil
12 Accepted jurnal
13 Conference
13 Ujian sidang
Star
Identifying location with high irradiance from solargis info
Perform power flow and voltage stability analisys for initial condition
(without PV unit) to calculate voltage magnitude at each buses
Perform the CPF method to calculate PV-Sensitivity to determine the
most influence bus to the instability
Install PV unit with certain capacity in this weak bus
Perform power flow analisys and voltage stability analysis to calculate
voltage magnitude
Stop
Display results
56
BAB IV
HASIL DAN PEMBAHASAN
Dalam penelitian ini, program computer digunakan sebagai media
dalam melakukan penelitian, dalam hal ini program MATLAB yang telah
diintegrasikan pada software simulink PSAT versi 2.1.9. 2014 untuk
mengetahui hasil analisis pada sistem interkoneksi Sulawesi Bagian
Selatan (Sulbagsel).
Dalam penggunaan program MATLAB yang diintegrasikan pada
software PSAT, dapat memudahkan dalam mengeksekusi analisis load flow
dan sensitifitas tegangan. Pada kajian load flow digunakan untuk
mendapatkan parameter tegangan dan daya di setiap bus sebelum dan
setelah terpasangnya PV pada sistem Sulbagsel. Ada 44 bus, 47 line, 6
transformer, 8 generator dan 34 beban yang akan di modelkan dan diteliti.
Adapun 8 generator tersebut dapat dilihat pada Tabel 6.
Daerah yang memiliki irradiance yang baik menurut data dari solargis
yaitu Makassar, Sidrap, Pinrang, Jeneponto, Palopo, Bone, Polmas, dan
Poso. Karena makassar adalah pusat beban dan memiliki beberapa gardu
induk maka diwakili oleh 4 tempat yaitu Tallo Lama, Panakukang, Bontoala,
dan Daya untuk dilakukan simulasi pemasangan PV. Tabel 8
memperlihatkan daerah-daerah yang memiliki irradiance yang baik
berdasarkan SOLARGIS, yang kemudian akan dihitung sensitifitasnya.
57
Tabel 8. Daerah yang memiliki Irradiance baik
Daerah Irradiance baik
Tallo Lama Jeneponto
Panakukang Palopo
Bontoala Bone
Daya Polmas
Sidrap Poso
Pinrang
A. Diagram Satu Garis
Sistem interkoneksi yang bertujuan untuk menjaga kestabilan
tegangan dan ketersediaan tenaga listrik terhadap kebutuhan beban yang
semakin meningkat tiap tahunnya. Semakin berkembangnya sistem tenaga
listrik dapat mengakibatkan lemahnya performansi sistem ketika terjadi
gangguan. Pada Gambar 17 memperlihatkan diagram satu garis pada
PSAT.
58
Gambar 17. Diagram satu garis
59
B. Simulasi dan Pembahasan
Pada penelitian ini, setiap daerah dengan irradiance yang baik akan
dihitung nilai PV-Sensitifitasnya. Nilai daya output PV yang disimulasikan
untuk setiap daerah dalam thesis ini, yaitu 1 MWp, 3 MWp, 5 MWp, 10
MWp, 15 MWp, 20 MWp, 25 MWp, dan 30 MWp.
B.1. Tegangan sebelum pemasangan PV (normal)
Tabel 9 memperlihatkan hasil tegangan sebelum pemasangan PV dari
single line diagram. Adapun grafik profil tegangan diperlihatkan pada
gambar 18.
Tabel 9. Nilai tegangan pada bus tanpa PV
TEGANGAN NORMAL SEBELUM PEMASANGAN PV 1. SENGKANG 1.02 23. DAYA 0.966913875
2. SIDRAP 0.988988046 24. TELLO 30 0.892148745
3. SOPPENG 0.994256815 25. BARAWAJA 0.892150307
4. PARE-PARE 0.998208354 26. TALLO LAMA 0.88600745
5. PINRANG 1.011766543 27. TALLO LAMA 70 0.880299525
6. POLMAS 1.013566945 28. BONTOALA 0.860995177
7. BAKARU 1.05 29. SUNGGUMINASA 0.909930197
8. MAJENE 0.979684154 30. TANJUNG BUNGA 0.897346569
9. MAMUJU 0.971695717 31. TALLASA 0.99
10. SUPPA 1 32. MAROS 0.966080787
11. PLTU BARRU 1 33. PAGAYA 1
12. BARRU 0.964645272 34. JENEPONTO 0.991503963
13. PANGKEP 0.903987303 35. BULUKUMBA 0.976466235
14. PANGKEP70 0.956730578 36. SINJAI 0.975316229
15.TONASA 0.947933013 37. BONE 0.974263767
16. BOSOWA 0.898021868 38. MAKALE 0.945073558
17. KIMA 0.896254906 39. PALOPO 0.942629244
18. TELLO 0.892138869 40. LTUPA 0.949577474
19. PANAKUKANG 0.838286612 41. PLTA POSO 1
20. TELLO 70 0.969926621 42. POMANA 275 0.980960915
21. BARANGLOE 0.962668021 43. POMANA 150 0.978591016
22. MANDAI 0.960858926 44. POSO 0.949661299
60
Gambar 18. Profil Tegangan sebelum pemasangan PV.
0.94
0.96
0.98
1
1.02
1.04
1.06
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AYA
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n
61
B.2. Setelah pemasangan PV
Tabel 10 memperlihatkan hasil total tegangan untuk integrasi PV apabila
ditempatkan di daerah-daerah dengan irradiance yang baik. Adapun profil
PV Sensitivitas diperlihatkan pada gambar 19.
62
Tabel 10. Hasil total tegangan untuk integrasi PV di daerah dengan irradiance baik
1 MWp 3 MWp 5 MWp 10 MWp 15 MWp 20 MWp 25 MWp 30 MWp
Tallo Lama 0.908137598 0.908850978 0.909553705 0.911264338 0.912909752 0.914491 0.916008588 0.9174638 0.912335
Panakukang 0.793208646 0.793744148 0.794233897 0.795261536 0.796014405 0.796500 0.796725129 0.7966966 0.795298
Bontoala 0.393856722 0.39937896 0.404695882 0.417112374 0.428316181 0.438350 0.447248431 0.4550433 0.423
Daya 0.05835439 0.066072036 0.073615981 0.091737394 0.108841828 0.124973 0.140168702 0.1544653 0.102279
Sidrap 0.013495977 0.013442833 0.013389594 0.013256087 0.013121992 0.012987 0.012852034 0.0127162 0.013158
Palopo 0.008469694 0.008373934 0.008269184 0.007968103 0.007611182 0.007199 0.006730085 0.0062057 0.007603
Pinrang 0.004814977 0.004826727 0.00483353 0.004829065 0.004794226 0.004729 0.004634883 0.0045111 0.004747
Bone 0.002442576 0.00291092 0.003372828 0.004499737 0.005587394 0.006636 0.007647589 0.0086214 0.005215
Polmas 0.001991048 0.002010071 0.002023707 0.002034457 0.002012302 0.001958 0.001871364 0.0017536 0.001957
Jeneponto 0.000853427 0.001997103 0.003108705 0.005748863 0.008193352 0.010445 0.012507928 0.0143839 0.007155
Poso 0.000205166 -4.8202E-05 -0.000320826 -0.001088752 -0.001985008 -0.003017 -0.004196153 -0.0055346 -0.002
Nama BusPV-Sensitivitas
Rata-rata
63
Berdasarkan tabel diatas, daerah yang memiliki irradiance baik dan
memiliki sensitivitas yang baik setelah pemasangan PV 1 MWp adalah bus
Tallo Lama dengan nilai 0.908137598, sedangkan daerah yang memiliki
irradiance baik dan nilai sensitivitas buruk yaitu pada Bus Poso dengan nilai
0.000205166. Daerah yang memiliki irradiance baik dan memiliki
sensitivitas yang baik setelah pemasangan PV 3 MWp adalah bus Tallo
Lama dengan nilai 0.908850978, sedangkan daerah yang memiliki
irradiance baik dan nilai sensitivitas buruk yaitu pada Bus Poso dengan nilai
-4.8202E-05. Daerah yang memiliki irradiance baik dan memiliki sensitivitas
yang baik setelah pemasangan PV 5 MWp adalah bus Tallo Lama dengan
nilai 0.909553705, sedangkan daerah yang memiliki irradiance baik dan nilai
sensitivitas buruk yaitu pada bus Daya dengan nilai -0.000320826. Daerah
yang memiliki irradiance baik dan memiliki sensitivitas yang baik setelah
pemasangan PV 10 MWp adalah bus Tallo Lama dengan nilai 0.911264338,
sedangkan daerah yang memiliki irradiance baik dan nilai sensitivitas buruk
yaitu pada bus Poso dengan nilai -0.0010888. Daerah yang memiliki
irradiance baik dan memiliki sensitivitas yang baik setelah pemasangan PV
15 MWp adalah bus Tallo Lama dengan nilai 0.912909752, sedangkan
daerah yang memiliki irradiance baik dan nilai sensitivitas buruk yaitu pada
bus Poso dengan nilai -0.001985008. Daerah yang memiliki irradiance baik
dan memiliki sensitivitas yang baik setelah pemasangan PV 20 MWp adalah
bus Tallo Lama dengan nilai 0.914491, sedangkan daerah yang memiliki
irradiance baik dan nilai sensitivitas buruk yaitu pada bus Poso dengan nilai
64
-0.003017. Daerah yang memiliki irradiance baik dan memiliki sensitivitas
yang baik setelah pemasangan PV 25 MWp adalah bus Tallo Lama dengan
nilai 0.916008588, sedangkan daerah yang memiliki irradiance baik dan nilai
sensitivitas buruk yaitu pada bus Poso dengan nilai -0.004196153.
Sedangkan daerah yang memiliki irradiance baik dan memiliki sensitivitas
yang baik setelah pemasangan PV 30 MWp adalah bus Tallo Lama dengan
nilai 0.9174638, sedangkan daerah yang memiliki irradiance baik dan nilai
sensitivitas buruk yaitu pada Bus Jeneponto dengan nilai -0.0055346.
65
Gambar 19. PV - Sensitivitas
-0.1
0.1
0.3
0.5
0.7
0.9
1.1P
V-S
ensi
tivi
tas
1 MWp
3 MWp
5 MWp
10 MWp
15 MWp
20 MWp
25 MWp
30 MWp
66
Dari hasil tabel dan gambar diatas yang telah memperlihatkan data semua
bus sebelum pemasangan PV dan setelah pemasangan PV pada daerah
yang memiliki irradiance baik, maka pada Tabel 11 memperlihatkan rugi -
rugi daya aktif setelah pemasangan PV pada daerah yang memiliki
irradiance yang baik untuk semua nilai output. Pada Gambar 20
memperlihatkan profil rugi – rugi daya aktif setelah pemasangan PV.
67
Tabel 11. Rugi – rugi daya aktif setelah pemasangan PV pada daerah yang memiliki irradiance yang baik
Nama Bus
Rugi - rugi daya aktif (p.u)
1 MWp 3 MWp 5 MWp 10 MWp 15 MWp 20 MWp 25 MWp 30 MWp
Normal 0.51075299 0.51075299 0.51075299 0.51075299 0.51075299 0.51075299 0.51075299 0.51075299
Tallo Lama 0.47842664 0.47341817 0.46847625 0.45640936 0.44474779 0.43348435 0.42261211 0.41212444
Bontoala 0.49417024 0.48818794 0.48234642 0.46834224 0.45516626 0.44278648 0.43117458 0.42030555
Palopo 0.50174242 0.50205989 0.50246832 0.50388613 0.50586903 0.49170818 0.51152746 0.51520481
Panakukang 0.50269894 0.49526542 0.48797644 0.47037473 0.45363846 0.43774232 0.42266246 0.40837636
Sidrap 0.50400552 0.50312557 0.50225316 0.50010504 0.49800384 0.48675489 0.49394168 0.49198048
Bone 0.50823195 0.50629846 0.50441121 0.49989391 0.49566068 0.49392792 0.48803315 0.48463250
Poso 0.50910836 0.50991856 0.51088949 0.51403669 0.51825115 0.52359434 0.53014667 0.53801375
Jeneponto 0.50926193 0.50682159 0.50444233 0.49875860 0.49344747 0.48850277 0.48391860 0.47968938
Daya 0.50392889 0.49755036 0.49131363 0.47632605 0.46217301 0.44882157 0.43624176 0.42440632
Polmas 0.51124010 0.50843953 0.50569216 0.49905467 0.49274364 0.50841605 0.48108439 0.47572822
Pinrang 0.51479466 0.51243013 0.51010558 0.50446795 0.49907629 0.49594942 0.48902018 0.48435056
68
Pada tabel diatas memperlihatkan, ketika dilakukan simulasi
pemasangan PV 1 MWp pada bus Tallo Lama memiliki nilai rugi-rugi daya
aktif terkecil yaitu 0.47842664 p.u, sedangkan rugi-rugi daya aktif yang
terbesar adalah pada bus Pinrang yakni 0.51479466 p.u. Setelah
pemasangan PV 3 MWp pada bus Tallo Lama memiliki nilai rugi-rugi daya
aktif terkecil yaitu 0.47341817 p.u, rugi-rugi daya aktif yang terbesar pada
bus Pinrang yakni 0.51243013 p.u. Pemasangan PV 5 MWp pada bus Tallo
Lama memiliki nilai rugi-rugi daya aktif terkecil yaitu 0.46847625 p.u,
sedangkan rugi-rugi daya aktif yang terbesar adalah pada bus Poso yakni
0.51088949 p.u. Pemasangan PV 10 MWp pada bus Tallo Lama memiliki
nilai rugi-rugi daya aktif terkecil yaitu 0.45640936 p.u, sedangkan rugi-rugi
daya aktif yang terbesar adalah pada bus Poso yakni 0.51403669 p.u.
Pemasangan PV 15 MWp pada bus Tallo Lama memiliki nilai rugi-rugi daya
aktif terkecil yaitu 0.44474779 p.u, sedangkan rugi-rugi daya aktif yang
terbesar adalah pada bus Poso yakni 0.51825115 p.u. Pemasangan PV 20
MWp pada bus Tallo Lama memiliki nilai rugi-rugi daya aktif terkecil yaitu
0.43348435 p.u, sedangkan rugi-rugi daya aktif yang terbesar adalah pada
bus Poso yakni 0.52359434 p.u. Pemasangan PV 25 MWp pada bus Tallo
Lama memiliki nilai rugi-rugi daya aktif terkecil 0.42261211 p.u, sedangkan
rugi-rugi daya aktif yang terbesar adalah pada bus Poso yakni 0.53014667
p.u. Sedangkan pemasangan PV 30 MWp pada bus Panakukang memiliki
nilai rugi-rugi daya aktif terkecil 0.40837636 p.u, sedangkan rugi-rugi daya
aktif yang terbesar adalah pada bus Poso yakni 0.53801375 p.u.
69
Gambar 20. Rugi – rugi daya aktif setelah pemasangan PV pada daerah yang memiliki irradiance baik.
0.40
0.42
0.44
0.46
0.48
0.50
0.52
0.54
0.56
Ru
gi -
rugi
day
a ak
tif
(p.u
)
1 MWp
3 MWp
5 MWp
10 MWp
15 MWp
20 MWp
25 MWp
30 MWp
70
Selanjutnya, Tabel 12 memperlihatkan rugi -rugi daya reaktif setelah
pemasangan PV pada daerah yang memiliki irradiance yang baik untuk
semua nilai output, dan pada Gambar 21 memperlihatkan rugi – rugi daya
reaktif setelah pemasangan PV pada daerah yang memiliki irradiance baik
71
Tabel 12. Rugi – rugi daya reaktif setelah pemasangan PV pada daerah yang memiliki irradiance yang baik.
Nama Bus
Rugi - rugi daya reaktif (p.u)
1 MWp 3 MWp 5 MWp 10 MWp 15 MWp 20 MWp 25 MWp 30 MWp
Normal 2.56981112 2.56981112 2.56981112 2.56981112 2.56981112 2.56981112 2.56981112 2.56981112
Tallo Lama 2.38723877 2.36224797 2.33757818 2.27729244 2.21896174 2.16255117 2.10802724 2.05535774
Bontoala 2.50102879 2.46716366 2.43428626 2.35631069 2.28418144 2.21769849 2.15668729 2.10099603
Palopo 2.51868316 2.51869186 2.51917842 2.52247794 2.52874272 2.47500887 2.55014370 2.56528396
Panakukang 2.43769768 2.40711372 2.37705970 2.30419689 2.23449558 2.16785543 2.10418187 2.04338568
Sidrap 2.53633649 2.53043231 2.52457965 2.51017302 2.49608716 2.44565487 2.46887436 2.45574576
Bone 2.55569222 2.54634723 2.53720526 2.51523175 2.49450472 2.47216428 2.45672951 2.43965256
Poso 2.56182818 2.57036723 2.58007100 2.60956063 2.64683157 2.69236769 2.74679655 2.81093819
Jeneponto 2.56238083 2.55044965 2.53880799 2.51095716 2.48487220 2.46052364 2.43788341 2.41692476
Daya 2.54018094 2.50156526 2.46380310 2.37303630 2.28729792 2.20639298 2.13014446 2.05839125
Polmas 2.56580096 2.55218968 2.53880847 2.50635351 2.47530868 2.53796505 2.41737360 2.39044701
Pinrang 2.57866128 2.56670072 2.55491882 2.52624007 2.49865945 2.48232122 2.44674224 2.42238138
72
Pada tabel diatas memperlihatkan, ketika dilakukan simulasi
pemasangan PV 1 MWp pada bus Tallo Lama memiliki nilai rugi-rugi daya
reaktif terkecil yaitu 2.38723877 p.u, rugi-rugi daya reaktif yang terbesar
pada bus Pinrang yakni 2.57866128 p.u. Pemasangan PV 3 MWp pada
bus Tallo Lama memiliki nilai rugi-rugi daya reaktif terkecil yaitu 2.36224797
p.u, rugi-rugi daya reaktif yang terbesar pada bus Pinrang yakni 2.56670072
p.u. Pemasangan PV 5 MWp pada bus Tallo Lama memiliki nilai rugi-rugi
daya reaktif terkecil yaitu 2.33757818 p.u, rugi-rugi daya reaktif terbesar
adalah pada bus Poso yakni 2.58007100 p.u. Pemasangan PV 10 MWp
pada bus Tallo Lama memiliki nilai rugi-rugi daya reaktif terkecil yaitu
2.27729244 p.u, sedangkan rugi-rugi daya reaktif yang terbesar adalah
pada bus Poso yakni 2.60956063 p.u. Pemasangan PV 15 MWp pada bus
Tallo Lama memiliki nilai rugi-rugi daya reaktif terkecil yaitu 2.21896174 p.u,
sedangkan rugi-rugi daya reaktif yang terbesar adalah pada bus Poso yakni
2.64683157 p.u. Pemasangan PV 20 MWp pada bus Tallo Lama memiliki
nilai rugi-rugi daya reaktif terkecil yaitu 2.16255117 p.u, sedangkan rugi-
rugi daya reaktif yang terbesar adalah pada bus Poso yakni 2.69236769
p.u. Pemasangan PV 25 MWp pada bus Tallo Lama memiliki nilai rugi-rugi
daya reaktif terkecil yaitu 2.10802724 p.u, sedangkan rugi-rugi daya reaktif
yang terbesar adalah pada bus Poso yakni 2.10802724 p.u. Sedangkan
pemasangan PV 30 MWp pada bus Panakukang memiliki nilai rugi-rugi
daya reaktif terkecil yaitu 2.04338568 p.u, sedangkan rugi-rugi daya reaktif
yang terbesar adalah pada bus Poso yakni 2.81093819 p.u.
73
Gambar 21. Rugi – rugi daya reaktif setelah pemasangan PV pada daerah yang memiliki irradiance baik.
2.00
2.10
2.20
2.30
2.40
2.50
2.60
2.70
2.80
2.90
Ru
gi-r
ugi
day
a re
akti
f (p
.u)
1 MWp
3 MWp
5 MWp
10 MWp
15 MWp
20 MWp
25 MWp
30 MWp
74
Hasil dari semua simulasi yang telah dilakukan sebelum
pemasangan PV dan simulasi setelah pemasangan PV telah memperlihat
perbedaan – perbedaan ketika setelah simulasi, dan telah memperlihatkan
hasil sensitivitas dan rugi rugi daya yang terjadi di setiap bus pada gambar
sebelumnya, maka pada Gambar 22 memperlihatkan grafik tegangan pada
keadaan normal atau tanpa pemasangan PV dan hasil grafik sensitivitas
terbaik setelah pemasangan PV pada daerah yang memiliki irradiance
yang baik setiap nilai daya output yang disimulasikan. Gambar 23
memperlihatkan grafik tegangan pada keadaan normal atau tanpa
pemasangan PV dan hasil grafik sensitivitas terburuk setelah pemasangan
PV pada daerah yang memiliki irradiance yang baik setiap nilai daya output
yang disimulasikan.
75
Normal 1 MWp Tallo Lama 3 MWp Tallo Lama 5 MWp Tallo Lama
10 MWp Tallo Lama 15 MWp Tallo Lama 20 MWp Tallo Lama 25 MWp Tallo Lama 30 MWp Panakukang
Gambar 22. Profil tegangan untuk kondisi sebelum simulasi pemasangan PV dan
setelah pemasangan PV yang terbaik pada simulasi setiap nilai daya output.
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus # 0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
76
Normal 1 MWp Pinrang 3 MWp Pinrang 5 MWp Poso
10 MWp Poso 15 MWp Poso 20 MWp Poso 25 MWp Poso 30 MWp Poso
Gambar 23. Profil tegangan untuk kondisi sebelum simulasi pemasangan PV dan
setelah pemasangan PV yang terburuk pada simulasi setiap nilai daya output.
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
0 5 10 15 20 25 30 35 40 450
0.2
0.4
0.6
0.8
1
1.2
1.4
V [
p.u
.]
Voltage Magnitude Profile
Bus #
77
Gambar 24 memperlihatkan grafik tegangan hasil CPF setelah dilakukan
plot pada simulasi sebelum pemasangan PV dan hasil CPF pada
sensititivitas terbaik setelah pemasangan PV pada daerah yang memiliki
irradiance baik setiap nilai daya output yang disimulasikan. Sedangkan
Gambar 25 memperlihatkan grafik tegangan hasil CPF setelah dilakukan
plot pada simulasi sebelum pemasangan PV dan hasil CPF pada
sensititivitas terburuk setelah pemasangan PV pada daerah yang memiliki
irradiance baik setiap nilai daya output yang disimulasikan.
78
Normal 1 MWp Tallo Lama 3 MWp Tallo Lama 5 MWp Tallo Lama
10 MWp Tallo Lama 15 MWp Tallo Lama 20 MWp Tallo Lama 25 MWp Tallo Lama 30 MWp Panakukang
Gambar 24. Hasil CPF setelah plot sebelum pemasangan PV dan sensitivitas terbaik setelah pemasangan PV setiap nilai daya output yang disimulasikan
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.80
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.80
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.80
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.80
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.60
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.20
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
79
Normal 1 MWp Pinrang 3 MWp Pinrang 5 MWp Poso
10 MWp Poso 15 MWp Poso 20 MWp Poso 25 MWp Poso 30 MWp Poso
Gambar 25. Hasil CPF setelah plot sebelum pemasangan PV dan sensitivitas terburuk setelah pemasangan PV setiap nilai daya output yang disimulasikan.
0 0.2 0.4 0.6 0.8 1 1.20
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.20
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.20
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.20
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.20
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.20
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.20
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.20
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
0 0.2 0.4 0.6 0.8 1 1.20
0.2
0.4
0.6
0.8
1
1.2
1.4
Loading Parameter (p.u.)
80
B.3. Aliran Daya untuk Integrasi 1 MWp
Tabel 13 memperlihatkan hasil simulasi aliran daya apabila PV
dengan kapasitas 1 MWp ditempatkan di daerah-daerah denganirradiance
yang baik. Adapun gambar profil diperlihatkan pada Gambar 26.
Hasil dari semua simulasi yang telah dilakukan dan telah
memperlihatkan sensitivitasnya pada gambar sebelumnya, maka pada
Gambar 27 memperlihatkan perbandingan profil tegangan antara daerah
yang memiliki irradiance baik dengan sensitivitas baik yaitu Tallo Lama, dan
daerah yang memiliki irradiance baik namun memiliki sensitivitas buruk
yaitu Poso.
81
Tabel 13. Hasil simulasi aliran daya untuk integrasi PV 1 MWp di daerah dengan irradiance baik.
LOKASI PV
BUS1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02
2SDRAP 0.98899 0.9904153 0.9899849 0.9893879 0.989264348 0.9959129 0.992478937 0.9929285 0.9906462 0.9891792 1 0.993138261
3SPENG 0.99426 1.0028794 0.994719 0.9944715 0.995588075 0.9967423 0.995511711 0.99566 0.9948711 0.9943586 0.9981683 0.995849831
4PPARE 0.99821 0.9985192 0.9984927 0.998335 0.998282454 0.9995924 0.999064742 1.0077654 1.0021623 0.9982455 1.0004098 0.999262141
5PRANG 1.01177 1.0119823 1.0119639 1.0118545 1.011817982 1.0127273 1.012361023 1.05 1.0145195 1.0117924 1.0132946 1.012498048
6PLMAS 1.01357 1.0137007 1.0136893 1.0136215 1.013598837 1.0141626 1.013935511 1.0176896 1.05 1.0135829 1.0145143 1.014020461
7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05
8MJENE 0.97968 0.979824 0.979812 0.9797411 0.979717481 0.9803066 0.980069299 0.9839914 1.0176883 0.9797009 0.9806741 0.980158069
9MMUJU 0.9717 0.9718369 0.9718248 0.9717532 0.971729361 0.9723241 0.972084527 0.9760438 1.0100483 0.9717126 0.9726951 0.972174141
10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1
11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1
12BARRU 0.96465 0.9647446 0.9689485 0.9663635 0.964695717 0.9648497 0.982548999 0.9647562 0.9646844 0.9646486 0.964973 0.985137929
13PNKEP 0.90399 0.9042119 0.9176131 0.9093798 0.904079249 0.9046464 0.961403773 0.9043575 0.9041346 0.9040018 0.9050393 0.969538543
14PNKEP70 0.95673 0.9569928 0.9736607 0.9715635 0.956831822 0.957554 1.027680163 0.9571955 0.9569187 0.9567495 0.9580438 1.037601417
15TNASA 0.94793 0.9481977 0.9650212 0.9629047 0.948035219 0.9487642 1.01950861 0.9484024 0.9481229 0.9479521 0.9492587 1.029510279
16BOSOWA 0.89802 0.8982502 0.9123243 0.9035117 0.898112737 0.8987147 0.958359699 0.898412 0.8981784 0.8980375 0.8991272 0.966897189
17KIMA 0.89625 0.8964866 0.911549 0.9018516 0.896342692 0.8969972 0.960921154 0.8966746 0.8964255 0.8962722 0.8974386 0.970058193
18TELLO 0.89214 0.8923749 0.9090382 0.8979162 0.892220907 0.8929614 0.963814182 0.8926066 0.8923325 0.8921588 0.8934495 0.973918993
19PKANG 0.83829 0.8385399 0.8563916 0.8444828 0.838374648 0.8391692 1 0.8387885 0.8384944 0.838308 0.8396929 0.925405482
20TELLO70 0.96993 0.970248 0.9909683 1.0007613 0.970048875 0.9709521 1.057775554 0.9705063 0.9701621 0.9699504 0.9715617 1.069987013
21BRLOE 0.96267 0.9629919 0.9838706 0.9937361 0.962791231 0.9637015 1.0511443 0.9632522 0.9629053 0.962692 0.9643159 1.063434417
22MNDAI 0.96086 0.9611824 0.9819599 0.9923478 0.960982414 0.9618873 1.048888662 0.9614401 0.9610948 0.9608827 0.9624988 1.061115599
23DAYA 0.96691 0.9672393 0.9881884 1 0.967037849 0.9679508 1.055681183 0.9675 0.9671519 0.9669379 0.9685673 1.068011191
24TELLO30 0.89215 0.8923848 0.9090482 0.8979261 0.892230784 0.8929713 0.963824852 0.8926165 0.8923424 0.8921687 0.8934594 0.973929774
25BWAJA 0.89215 0.8923864 0.9090498 0.8979277 0.892232346 0.8929728 0.963826539 0.8926181 0.8923439 0.8921703 0.893461 0.97393148
26TLAMA 0.88601 0.8862479 0.9093658 0.8918904 0.886091 0.8868451 0.958877582 0.8864838 0.8862046 0.8860278 0.8873422 1
27TLAMA70 0.8803 0.8805771 1.0013786 0.8870833 0.880395975 0.8812664 0.963409417 0.8808494 0.8805271 0.880323 0.88184 1.009597784
28BNTLA 0.861 0.8612792 1 0.8679366 0.861093888 0.8619847 0.945869872 0.8615579 0.8612281 0.8610192 0.8625717 0.992903082
29SGMSA 0.90993 0.9101461 0.9217692 0.9140006 0.909991189 0.9108074 0.959831336 0.9104336 0.9101446 0.909953 0.9113262 0.966927549
30TBNGA 0.89735 0.8975657 0.9093612 0.9014779 0.897408479 0.8982369 0.947955378 0.8978576 0.8975642 0.8973697 0.8987635 0.955145651
31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
32MAROS 0.96608 0.9673938 0.9691566 0.9672271 0.966385129 0.9720052 0.97790968 0.9694649 0.9675131 0.9662406 0.9755051 0.979859623
33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1
34JNPTO 0.9915 0.9945142 0.9915781 0.9915457 1 0.9917449 0.991610787 0.9916411 0.9915677 0.9915164 0.9918798 0.991673822
35BKMBA 0.97647 0.9912868 0.9767595 0.9766227 0.982768178 0.9776042 0.97699971 0.977112 0.9767592 0.97652 0.9782476 0.977238507
36SNJAI 0.97532 0.994934 0.975692 0.9755149 0.980571628 0.976814 0.976023551 0.9761657 0.9757003 0.9753861 0.9776621 0.976327389
37BONE 0.97426 1 0.9747219 0.9745006 0.978131383 0.9762049 0.975195056 0.9753635 0.9747574 0.9743517 0.9773075 0.975559038
38MKALE 0.94507 0.9458821 0.9456383 0.9453001 0.9452301 1.0266324 0.947051177 0.9473058 0.946013 0.9473305 0.9513106 0.947424646
39PLOPO 0.94263 0.9431955 0.9430247 0.9427879 0.942738865 1.05 0.944014029 0.9441923 0.9432871 0.9460536 0.9469961 0.944275525
40LTUPA 0.94958 0.9498312 0.9497547 0.9496486 0.949626597 0.997582 0.950198003 0.9502779 0.9498723 0.9541502 0.9515341 0.950315176
41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1
42POMANA 275 0.98096 0.9809974 0.9809864 0.9809711 0.980967975 0.9878609 0.981050095 0.9810616 0.9810033 0.9865711 0.9812421 0.981066935
43POMANA 150 0.97859 0.9786277 0.9786167 0.9786013 0.978598125 0.9855384 0.978680819 0.9786924 0.9786337 0.9881618 0.9788742 0.978697776
44POSO 0.94966 0.9497 0.9496883 0.9496721 0.949668797 0.9569835 0.949756007 0.9497682 0.9497063 1 0.9499599 0.94977389
Pa
na
kuka
ng
Pin
ran
g
Po
lma
s
Po
so
Sid
rap
Ta
llo
La
ma
Bo
ne
Bo
nto
ala
Da
ya
Jen
ep
on
to
Pa
lop
o
NO
RM
AL
82
Gambar 26. Profil tegangan setelah pemasangan PV 1 MWp pada daerah yang memiliki irradiance baik.
0.8
0.85
0.9
0.95
1
1.05
1.1
BU
S
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AYA
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
NORMAL Bone Bontoala Daya
Jeneponto Palopo Panakukang Pinrang
Polmas Poso Sidrap Tallo Lama
83
Gambar 27. Profil tegangan apabila PV 1 MWp dipasang pada Tallo Lama dan Poso.
0.82
0.87
0.92
0.97
1.02
1.07
BU
S
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AYA
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
Tallo Lama Poso
84
B.4. Aliran Daya untuk Integrasi 3 MWp
Tabel 14 memperlihatkan hasil simulasi aliran daya apabila PV
dengan kapasitas 3 MWp ditempatkan di daerah-daerah dengan irradiance
yang baik. Adapun gambar profil diperlihatkan pada Gambar 28.
Hasil dari semua simulasi yang telah dilakukan dan telah
memperlihatkan sensitivitasnya pada gambar sebelumnya, maka pada
Gambar 29 memperlihatkan perbandingan profil tegangan antara daerah
yang memiliki irradiance baik dengan sensitivitas baik yaitu Tallo Lama, dan
daerah yang memiliki irradiance baik namun memiliki sensitivitas buruk
yaitu Poso.
85
Tabel 14. Hasil simulasi aliran daya untuk integrasi PV 3 MWp Di daerah dengan irradiance baik
LOKASI PV
BUS
1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02
2SDRAP 0.988988 0.990496 0.990219 0.989625 0.989424 0.995876 0.992692 0.993032 0.990758 0.989014 1 0.993333
3SPENG 0.994257 1.002944 0.994922 0.994677 0.99577 0.996787 0.995715 0.995772 0.994987 0.994358 0.99823 0.996033
4PPARE 0.998208 0.998549 0.998595 0.99844 0.99835 0.999583 0.999163 1.007806 1.002218 0.998211 1.000408 0.999352
5PRANG 1.011767 1.012003 1.012035 1.011928 1.011865 1.012721 1.01243 1.05 1.014569 1.011768 1.013293 1.01256
6PLMAS 1.013567 1.013714 1.013733 1.013667 1.013628 1.014159 1.013978 1.017715 1.05 1.013568 1.014513 1.014059
7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05
8MJENE 0.979684 0.979837 0.979858 0.979789 0.979748 0.980302 0.980114 0.984018 1.017688 0.979685 0.980673 0.980198
9MMUJU 0.971696 0.97185 0.971871 0.971801 0.97176 0.97232 0.972129 0.97607 1.010048 0.971697 0.972694 0.972215
10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1
11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1
12BARRU 0.964645 0.964778 0.969219 0.966647 0.964779 0.964844 0.982649 0.964735 0.964663 0.96464 0.964969 0.98524
13PNKEP 0.903987 0.904267 0.91828 0.910078 0.904216 0.904636 0.961511 0.90434 0.904117 0.90398 0.905033 0.969674
14PNKEP70 0.956731 0.957052 0.974449 0.971612 0.956977 0.957543 1.027771 0.957184 0.956907 0.956723 0.958037 1.037729
15TNASA 0.947933 0.948257 0.965817 0.962953 0.948182 0.948753 1.0196 0.94839 0.948111 0.947925 0.949252 1.029639
16BOSOWA 0.898022 0.898304 0.913008 0.904225 0.898246 0.898705 0.958456 0.898398 0.898165 0.898015 0.899121 0.967024
17KIMA 0.896255 0.896537 0.912255 0.902582 0.896467 0.896988 0.960997 0.896666 0.896418 0.896249 0.897433 0.97017
18TELLO 0.892139 0.89242 0.909778 0.898674 0.89233 0.892952 0.963854 0.892608 0.892335 0.892134 0.893444 0.974003
19PKANG 0.838287 0.838588 0.857182 0.845296 0.838492 0.839159 1 0.83879 0.838497 0.838282 0.839687 0.925494
20TELLO70 0.969927 0.970318 0.991938 1.000685 0.970223 0.970939 1.05788 0.970494 0.970151 0.969918 0.971553 1.070139
21BRLOE 0.962668 0.963063 0.984848 0.993659 0.962967 0.963688 1.05125 0.96324 0.962894 0.962659 0.964307 1.063587
22MNDAI 0.960859 0.961254 0.982935 0.992356 0.961159 0.961874 1.048995 0.961427 0.961083 0.96085 0.96249 1.061269
23DAYA 0.966914 0.967311 0.98917 1 0.967214 0.967937 1.055788 0.967488 0.96714 0.966905 0.968559 1.068165
24TELLO30 0.892149 0.89243 0.909788 0.898684 0.89234 0.892962 0.963865 0.892618 0.892345 0.892144 0.893454 0.974014
25BWAJA 0.89215 0.892431 0.909789 0.898686 0.892342 0.892964 0.963866 0.89262 0.892346 0.892146 0.893456 0.974016
26TLAMA 0.886007 0.886294 0.910269 0.892662 0.886203 0.886836 0.958918 0.886486 0.886207 0.886003 0.887337 1
27TLAMA70 0.8803 0.88063 1.000995 0.887972 0.880525 0.881256 0.963455 0.880851 0.88053 0.880294 0.881834 1.009598
28BNTLA 0.860995 0.861333 1 0.868846 0.861226 0.861974 0.945916 0.86156 0.861231 0.86099 0.862566 0.992903
29SGMSA 0.90993 0.910175 0.922364 0.914608 0.910058 0.9108 0.959941 0.910454 0.910167 0.909929 0.911324 0.96706
30TBNGA 0.897347 0.897595 0.909964 0.902094 0.897477 0.89823 0.948067 0.897879 0.897586 0.897346 0.898761 0.95528
31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
32MAROS 0.966081 0.967512 0.969609 0.967681 0.966648 0.971967 0.97827 0.969579 0.967635 0.966092 0.975498 0.980193
33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1
34JNPTO 0.991504 0.994493 0.991635 0.991603 1 0.991754 0.991671 0.991663 0.991591 0.991521 0.99189 0.991728
35BKMBA 0.976466 0.991258 0.976957 0.976821 0.982954 0.977637 0.977205 0.977195 0.976845 0.976532 0.978288 0.977422
36SNJAI 0.975316 0.994908 0.975939 0.975763 0.980824 0.976856 0.976279 0.976271 0.975809 0.9754 0.977714 0.976557
37BONE 0.974264 1 0.975005 0.974785 0.978431 0.976255 0.975487 0.975489 0.974887 0.974366 0.977371 0.975821
38MKALE 0.945074 0.945928 0.945771 0.945434 0.94532 1.026118 0.947172 0.947365 0.946076 0.945464 0.951311 0.947535
39PLOPO 0.942629 0.943228 0.943118 0.942882 0.942802 1.05 0.944099 0.944234 0.943331 0.944458 0.946996 0.944353
40LTUPA 0.949577 0.949846 0.949796 0.949691 0.949655 0.997582 0.950236 0.950296 0.949892 0.952802 0.951534 0.95035
41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1
42POMANA 275 0.980961 0.980999 0.980992 0.980977 0.980972 0.987861 0.981056 0.981064 0.981006 0.98642 0.981242 0.981072
43POMANA 150 0.978591 0.97863 0.978623 0.978607 0.978602 0.985538 0.978686 0.978695 0.978637 0.988032 0.978874 0.978703
44POSO 0.949661 0.949702 0.949695 0.949679 0.949673 0.956983 0.949762 0.949771 0.949709 1 0.94996 0.949779
Pa
na
kuka
ng
Pin
ran
g
Po
lma
s
Po
so
Sid
rap
Ta
llo
La
ma
Bo
ne
Bo
nto
ala
Da
ya
Jen
ep
on
to
Pa
lop
o
NO
RM
AL
86
Gambar 28. Profil tegangan setelah pemasangan PV 3 MWp pada daerah yang memiliki irradiance baik.
0.8
0.85
0.9
0.95
1
1.05
1.1
BU
S
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AYA
34
JNP
TO
35
BK
MB
A
36
SNJA
I
3
7B
ON
E
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
NORMAL Bone Bontoala DayaJeneponto Palopo Panakukang PinrangPolmas Poso Sidrap Tallo Lama
87
Gambar 29. Profil tegangan apabila PV 3 MWp dipasang pada Tallo Lama dan Poso.
0.82
0.87
0.92
0.97
1.02
1.07
BU
S
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AYA
34
JNP
TO
35
BK
MB
A
36
SNJA
I
3
7B
ON
E
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
Tallo Lama Poso
88
B.5. Aliran Daya untuk Integrasi 5 MWp
Tabel 15 memperlihatkan hasil simulasi aliran daya apabila PV
dengan kapasitas 5 MWp ditempatkan di daerah-daerah dengan irradiance
yang baik. Adapun gambar profil diperlihatkan pada Gambar 30.
Hasil dari semua simulasi yang telah dilakukan dan telah
memperlihatkan sensitivitasnya pada gambar sebelumnya, maka pada
Gambar 31 memperlihatkan perbandingan profil tegangan antara daerah
yang memiliki irradiance baik dengan sensitivitas baik yaitu Tallo Lama, dan
daerah yang memiliki irradiance baik namun memiliki sensitivitas buruk
yaitu Poso.
89
Tabel 15. Hasil simulasi aliran daya untuk integrasi PV 5 MWp di daerah dengan irradiance yang baik.
LOKASI PV
BUS
1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02
2SDRAP 0.988988 0.9905759 0.9904484 0.9898575 0.989581 0.9958319 0.9929011 0.9931339 0.9908667 0.9888328 1 0.9935239
3SPENG 0.9942568 1.0030036 0.9951207 0.9948777 0.9959465 0.9968293 0.9959142 0.9958819 0.9951016 0.9943504 0.9982907 0.9962138
4PPARE 0.9982084 0.9985787 0.9986947 0.9985441 0.9984162 0.9995725 0.9992607 1.0078463 1.0022724 0.9981726 1.0004059 0.9994404
5PRANG 1.0117665 1.0120236 1.0121042 1.0119996 1.0119108 1.0127135 1.012497 1.05 1.0146168 1.0117417 1.013292 1.0126218
6PLMAS 1.0135669 1.0137263 1.0137763 1.0137114 1.0136564 1.014154 1.0140198 1.0177396 1.05 1.0135515 1.0145127 1.0140972
7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05
8MJENE 0.9796842 0.9798507 0.9799029 0.9798352 0.9797776 0.9802976 0.9801574 0.9840436 1.0176883 0.9796681 0.9806724 0.9802382
9MMUJU 0.9716957 0.9718638 0.9719165 0.9718482 0.9717901 0.972315 0.9721735 0.9760965 1.0100483 0.9716795 0.9726933 0.9722551
10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1
11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1
12BARRU 0.9646453 0.9648104 0.9694817 0.9669237 0.9648615 0.964839 0.982746 0.9647141 0.9646416 0.96463 0.9649643 0.9853408
13PNKEP 0.9039873 0.9043214 0.918926 0.9107593 0.9043499 0.9046258 0.9616137 0.9043225 0.9040998 0.9039559 0.9050258 0.9698068
14PNKEP70 0.9567306 0.9571097 0.9752132 0.9716348 0.957119 0.9575309 1.0278552 0.9571712 0.9568951 0.9566948 0.9580297 1.0378548
15TNASA 0.947933 0.9483157 0.9665879 0.9629767 0.9483251 0.948741 1.019685 0.9483778 0.9480991 0.9478969 0.9492445 1.0297657
16BOSOWA 0.8980219 0.8983568 0.9136717 0.904921 0.8983756 0.8986941 0.9585473 0.8983835 0.8981503 0.8979903 0.8991142 0.9671494
17KIMA 0.8962549 0.8965869 0.9129391 0.9032958 0.8965887 0.8969771 0.9610675 0.8966577 0.8964094 0.8962235 0.8974266 0.9702794
18TELLO 0.8921389 0.8924641 0.9104933 0.8994157 0.8924368 0.8929421 0.963889 0.8926096 0.8923369 0.8921079 0.8934393 0.9740857
19PKANG 0.8382866 0.8386356 0.8579478 0.8460899 0.8386063 0.8391485 1 0.8387918 0.8384991 0.8382534 0.839682 0.9255819
20TELLO70 0.9699266 0.9703881 0.9928782 1.0006029 0.9703927 0.9709241 1.0579783 0.9704816 0.9701384 0.969883 0.9715449 1.0702887
21BRLOE 0.962668 0.9631331 0.9857948 0.9935765 0.9631377 0.9636733 1.0513484 0.9632274 0.9628815 0.9626241 0.964299 1.0637381
22MNDAI 0.9608589 0.9613242 0.9838791 0.9923587 0.9613305 0.9618591 1.0490958 0.9614141 0.9610698 0.960815 0.9624818 1.0614212
23DAYA 0.9669139 0.9673815 0.9901208 1 0.9673868 0.9679224 1.0558876 0.9674746 0.9671275 0.9668697 0.9685503 1.0683172
24TELLO30 0.8921487 0.8924739 0.9105034 0.8994256 0.8924467 0.892952 0.9638997 0.8926195 0.8923467 0.8921178 0.8934492 0.9740965
25BWAJA 0.8921503 0.8924755 0.910505 0.8994272 0.8924482 0.8929535 0.9639014 0.8926211 0.8923483 0.8921194 0.8934508 0.9740982
26TLAMA 0.8860074 0.8863386 0.9111427 0.8934169 0.8863109 0.8868255 0.9589535 0.8864869 0.8862091 0.8859759 0.8873319 1
27TLAMA70 0.8802995 0.8806818 1.0005929 0.8888412 0.8806498 0.8812437 0.9634951 0.8808529 0.8805323 0.8802631 0.8818281 1.0095978
28BNTLA 0.8609952 0.8613864 1 0.8697349 0.8613536 0.8619615 0.9459572 0.8615615 0.8612334 0.8609579 0.8625595 0.9929031
29SGMSA 0.9099302 0.9102027 0.9229408 0.9152026 0.9101228 0.910792 0.9600462 0.9104747 0.910188 0.9099039 0.9113208 0.9671901
30TBNGA 0.8973466 0.8976232 0.9105499 0.9026978 0.897542 0.8982213 0.9481731 0.8978992 0.8976083 0.8973199 0.8987581 0.9554117
31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
32MAROS 0.9660808 0.9676291 0.9700511 0.9681267 0.9669073 0.9719226 0.9786233 0.969692 0.9677547 0.9659308 0.9754912 0.980521
33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1
34JNPTO 0.991504 0.9944712 0.9916913 0.9916591 1 0.9917621 0.9917292 0.9916854 0.9916134 0.9915245 0.9919008 0.9917801
35BKMBA 0.9764662 0.9912276 0.9771481 0.9770132 0.9831338 0.9776684 0.9774036 0.9772767 0.9769296 0.976541 0.9783289 0.9776008
37BONE 0.9753162 1 0.9761793 0.9760044 0.981069 0.9768956 0.9765284 0.9763747 0.9759166 0.9754106 0.9777661 0.9767809
36SNJAI 0.9742638 0.9948808 0.9752818 0.9750633 0.9787217 0.976302 0.9757719 0.9756121 0.9750148 0.9743748 0.9774333 0.9760783
38MKALE 0.9450736 0.9459731 0.9459009 0.9455661 0.9454095 1.0255822 0.9472903 0.9474222 0.9461379 0.9434871 0.9513106 0.9476431
39PLOPO 0.9426292 0.9432592 0.9432086 0.9429742 0.9428645 1.05 0.9441815 0.9442738 0.9433745 0.9427577 0.9469961 0.9444285
40LTUPA 0.9495775 0.9498597 0.9498371 0.949732 0.9496829 0.997582 0.950273 0.9503144 0.9499114 0.9513926 0.9515341 0.9503837
41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1
42POMANA 275 0.9809609 0.9810015 0.9809982 0.9809831 0.9809761 0.9878609 0.9810609 0.9810668 0.9810089 0.9862592 0.9812421 0.9810768
43POMANA 150 0.978591 0.9786319 0.9786286 0.9786134 0.9786063 0.9855384 0.9786917 0.9786977 0.9786393 0.9878917 0.9788742 0.9787077
44POSO 0.9496613 0.9497044 0.9497009 0.9496849 0.9496774 0.9569835 0.9497675 0.9497738 0.9497123 1 0.9499599 0.9497844
Pa
na
ku
ka
ng
Pin
ran
g
Po
lma
s
Po
so
Sid
rap
Ta
llo
La
ma
Bo
ne
Bo
nto
ala
Da
ya
Jen
ep
on
to
Pa
lop
o
NO
RM
AL
90
Gambar 30. Profil tegangan setelah pemasangan PV 5 MWp pada daerah yang memiliki irradiance baik.
0.8
0.85
0.9
0.95
1
1.05
1.1
BU
S
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AYA
34
JNP
TO
35
BK
MB
A
37
BO
NE
36
SNJA
I
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
NORMAL Bone Bontoala Daya Jeneponto Palopo
Panakukang Pinrang Polmas Poso Sidrap Tallo Lama
91
Gambar 31. Profil tegangan apabila PV 5 MWp dipasang pada Tallo Lama dan Poso
0.8
0.85
0.9
0.95
1
1.05
1.1
BU
S
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AYA
34
JNP
TO
35
BK
MB
A
37
BO
NE
36
SNJA
I
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
Tallo Lama Poso
92
B.6. Aliran Daya untuk Integrasi 10 MWp
Tabel 16 memperlihatkan hasil simulasi aliran daya apabila PV
dengan kapasitas 10 MWp ditempatkan di daerah-daerah dengan
irradiance yang baik. Adapun gambar profil diperlihatkan pada Gambar 32.
Hasil dari semua simulasi yang telah dilakukan dan telah
memperlihatkan sensitivitasnya pada gambar sebelumnya, maka pada
Gambar 33 memperlihatkan perbandingan profil tegangan antara daerah
yang memiliki irradiance baik dengan sensitivitas baik yaitu Tallo Lama, dan
daerah yang memiliki irradiance baik namun memiliki sensitivitas buruk
yaitu Poso.
93
Tabel 16. Hasil simulasi aliran daya untuk integrasi PV 10 MWp di daerah dengan irradiance yang baik
LOKASI PV
NO
RM
AL
BO
NE
BO
NTO
ALA
DA
YA
JEN
EPO
NTO
PALO
PO
PAN
AKU
KAN
G
PIN
RA
NG
POLM
AS
POSO
SID
RA
P
TALL
O L
AM
A
BUS
1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02
2SDRAP 0.98899 0.9908 0.991 0.9904 0.99 0.996 0.9934 0.993 0.9911 0.9883 1 0.994
3SPENG 0.99426 1.0031 0.9956 0.9954 0.9964 0.997 0.9964 0.996 0.9954 0.9943 0.9984 0.9967
4PPARE 0.99821 0.9987 0.9989 0.9988 0.9986 1 0.9995 1.008 1.0024 0.9981 1.0004 0.9997
5PRANG 1.01177 1.0121 1.0123 1.0122 1.012 1.013 1.0127 1.05 1.0147 1.0117 1.0133 1.0128
6PLMAS 1.01357 1.0138 1.0139 1.0138 1.0137 1.014 1.0141 1.018 1.05 1.0135 1.0145 1.0142
7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05
8MJENE 0.97968 0.9799 0.98 0.9799 0.9799 0.98 0.9803 0.984 1.0177 0.9796 0.9807 0.9803
9MMUJU 0.9717 0.9719 0.972 0.972 0.9719 0.972 0.9723 0.976 1.01 0.9716 0.9727 0.9724
10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1
11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1
12BARRU 0.96465 0.9649 0.9701 0.9676 0.9651 0.965 0.983 0.965 0.9646 0.9646 0.965 0.9856
13PNKEP 0.90399 0.9045 0.9205 0.9124 0.9047 0.905 0.9618 0.904 0.9041 0.9039 0.905 0.9701
14PNKEP70 0.95673 0.9573 0.977 0.9716 0.9575 0.957 1.028 0.957 0.9569 0.9566 0.958 1.0382
15TNASA 0.94793 0.9485 0.9684 0.9629 0.9487 0.949 1.0199 0.948 0.9481 0.9478 0.9492 1.0301
16BOSOWA 0.89802 0.8985 0.9152 0.9066 0.8987 0.899 0.9588 0.898 0.8981 0.8979 0.8991 0.9675
17KIMA 0.89625 0.8967 0.9146 0.905 0.8969 0.897 0.9612 0.897 0.8964 0.8962 0.8974 0.9705
18TELLO 0.89214 0.8926 0.9122 0.9012 0.8927 0.893 0.964 0.893 0.8923 0.892 0.8934 0.9743
19PKANG 0.83829 0.8388 0.8598 0.848 0.8389 0.839 1 0.839 0.8385 0.8382 0.8397 0.9258
20TELLO70 0.96993 0.9706 0.9951 1.0004 0.9708 0.971 1.0582 0.97 0.9701 0.9698 0.9715 1.0707
21BRLOE 0.96267 0.9633 0.988 0.9933 0.9635 0.964 1.0516 0.963 0.9628 0.9625 0.9643 1.0641
22MNDAI 0.96086 0.9615 0.9861 0.9923 0.9617 0.962 1.0493 0.961 0.961 0.9607 0.9625 1.0618
23DAYA 0.96691 0.9676 0.9924 1 0.9678 0.968 1.0561 0.967 0.9671 0.9668 0.9685 1.0687
24TELLO30 0.89215 0.8926 0.9122 0.9012 0.8927 0.893 0.964 0.893 0.8923 0.892 0.8934 0.9743
25BWAJA 0.89215 0.8926 0.9122 0.9012 0.8927 0.893 0.964 0.893 0.8924 0.892 0.8934 0.9743
26TLAMA 0.88601 0.8864 0.9132 0.8952 0.8866 0.887 0.959 0.886 0.8862 0.8859 0.8873 1
27TLAMA70 0.8803 0.8808 0.9995 0.8909 0.8809 0.881 0.9636 0.881 0.8805 0.8802 0.8818 1.0096
28BNTLA 0.861 0.8615 1 0.8719 0.8617 0.862 0.946 0.862 0.8612 0.8609 0.8625 0.9929
29SGMSA 0.90993 0.9103 0.9243 0.9166 0.9103 0.911 0.9603 0.911 0.9102 0.9098 0.9113 0.9675
30TBNGA 0.89735 0.8977 0.9119 0.9042 0.8977 0.898 0.9484 0.898 0.8977 0.8972 0.8988 0.9557
31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
32MAROS 0.96608 0.9679 0.9711 0.9692 0.9675 0.972 0.9795 0.97 0.968 0.9655 0.9755 0.9813
33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1
34JNPTO 0.9915 0.9944 0.9918 0.9918 1 0.992 0.9919 0.992 0.9917 0.9915 0.9919 0.9919
35BKMBA 0.97647 0.9911 0.9776 0.9775 0.9836 0.978 0.9779 0.977 0.9771 0.9766 0.9784 0.978
36SNJAI 0.97532 0.9948 0.9768 0.9766 0.9816 0.977 0.9771 0.977 0.9762 0.9754 0.9779 0.9773
37BONE 0.97426 1 0.9759 0.9757 0.9794 0.976 0.9765 0.976 0.9753 0.9744 0.9776 0.9767
38MKALE 0.94507 0.9461 0.9462 0.9459 0.9456 1.024 0.9476 0.948 0.9463 0.938 0.9513 0.9479
39PLOPO 0.94263 0.9433 0.9434 0.9432 0.943 1.05 0.9444 0.944 0.9435 0.938 0.947 0.9446
40LTUPA 0.94958 0.9499 0.9499 0.9498 0.9498 0.998 0.9504 0.95 0.95 0.9476 0.9515 0.9505
41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1
42POMANA 275 0.98096 0.981 0.981 0.981 0.981 0.988 0.9811 0.981 0.981 0.9858 0.9812 0.9811
43POMANA 150 0.97859 0.9786 0.9786 0.9786 0.9786 0.986 0.9787 0.979 0.9786 0.9875 0.9789 0.9787
44POSO 0.94966 0.9497 0.9497 0.9497 0.9497 0.957 0.9498 0.95 0.9497 1 0.95 0.9498
Tegangan ( p.u )
94
Gambar 32. Profil tegangan setelah pemasangan PV 10 MWp pada daerah yang memiliki irradiance baik.
0.8
0.85
0.9
0.95
1
1.05
1.1
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AY
A
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
NORMAL BONE BONTOALA DAYAJENEPONTO PALOPO PANAKUKANG PINRANGPOLMAS POSO SIDRAP TALLO LAMA
95
Gambar 33. Profil tegangan apabila PV 10 MWp dipasang pada Tallo Lama dan Poso.
0.8
0.85
0.9
0.95
1
1.05
1.1
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AY
A
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
POSO TALLO LAMA
96
B.7. Aliran Daya untuk Integrasi 15 MWp
Tabel 17 memperlihatkan hasil simulasi aliran daya apabila PV
dengan kapasitas 15 MWp ditempatkan di daerah-daerah dengan
irradiance yang baik. Adapun gambar profil diperlihatkan pada Gambar 34.
Hasil dari semua simulasi yang telah dilakukan dan telah
memperlihatkan sensitivitasnya pada gambar sebelumnya, maka pada
Gambar 35 memperlihatkan perbandingan profil tegangan antara daerah
yang memiliki irradiance baik dengan sensitivitas baik yaitu Tallo Lama, dan
daerah yang memiliki irradiance baik namun memiliki sensitivitas buruk
yaitu Poso.
97
Tabel 17. Hasil simulasi aliran daya untuk integrasi PV 15 MWp di daerah dengan irradiance yang baik
LOKASI PV
BUS
1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02
2SDRAP 0.988988 0.9909557 0.9915264 0.9909549 0.9903311 0.9955 0.9938851 0.9936086 0.9913737 0.9876792 1 0.9944373
3SPENG 0.9942568 1.003244 0.9960494 0.9958196 0.9967639 0.996992 0.9968445 0.9964119 0.9956499 0.9942157 0.9985904 0.9970673
4PPARE 0.9982084 0.998722 0.9991723 0.9990395 0.9987378 0.9994972 0.9997249 1.0080321 1.0025232 0.9979327 1.0003963 0.9998683
5PRANG 1.0117665 1.0121231 1.0124357 1.0123435 1.0121341 1.0126612 1.0128193 1.05 1.0148378 1.0115752 1.0132853 1.0129188
6PLMAS 1.0135669 1.013788 1.0139818 1.0139247 1.0137948 1.0141216 1.0142196 1.0178557 1.05 1.0134483 1.0145085 1.0142813
7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05
8MJENE 0.9796842 0.9799151 0.9801177 0.980058 0.9799223 0.9802638 0.9803662 0.984165 1.0176883 0.9795602 0.9806681 0.9804306
9MMUJU 0.9716957 0.9719289 0.9721334 0.9720731 0.9719361 0.9722808 0.9723842 0.976219 1.0100483 0.9715706 0.972689 0.9724493
10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1
11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1
12BARRU 0.9646453 0.9649706 0.9706959 0.9682254 0.9652546 0.9648086 0.9831978 0.9646062 0.9645319 0.9645755 0.9649424 0.9858286
13PNKEP 0.9039873 0.9045848 0.9218698 0.9139372 0.9049758 0.9045622 0.962053 0.9042278 0.9040052 0.9038141 0.9049917 0.9704459
14PNKEP70 0.9567306 0.9573898 0.9786785 0.9713926 0.9577764 0.9574581 1.0281951 0.9571016 0.9568267 0.9565241 0.9579942 1.0384542
15TNASA 0.947933 0.9485985 0.9700847 0.9627323 0.9489888 0.9486674 1.0200278 0.9483076 0.9480301 0.9477246 0.9492087 1.0303699
16BOSOWA 0.8980219 0.898613 0.9166884 0.908169 0.8989813 0.89863 0.9589302 0.8983046 0.898072 0.897844 0.8990814 0.9677494
17KIMA 0.8962549 0.8968273 0.9160444 0.9066264 0.8971512 0.8969131 0.9613475 0.8966075 0.8963606 0.8960714 0.8973964 0.9708041
18TELLO 0.8921389 0.8926761 0.9137332 0.9028776 0.8929231 0.8928786 0.963992 0.8926088 0.8923388 0.8919467 0.8934138 0.974479
19PKANG 0.8382866 0.8388631 0.8614113 0.8497984 0.8391281 0.8390804 1 0.8387909 0.8385012 0.8380804 0.8396546 0.9259982
20TELLO70 0.9699266 0.9707242 0.9971458 1.0001002 0.9711814 0.9708352 1.0583748 0.9704095 0.9700681 0.9696724 0.9715028 1.0710091
21BRLOE 0.962668 0.9634718 0.990094 0.9930701 0.9639326 0.9635837 1.0517475 0.9631547 0.9628106 0.9624118 0.9642565 1.064463
22MNDAI 0.9608589 0.9616644 0.9881675 0.992296 0.9621293 0.9617696 1.0495021 0.9613386 0.960996 0.9606033 0.9624391 1.0621505
23DAYA 0.9669139 0.9677226 0.9944385 1 0.9681875 0.9678324 1.0562916 0.9674003 0.9670551 0.9666565 0.9685075 1.0690477
24TELLO30 0.8921487 0.892686 0.9137433 0.9028876 0.892933 0.8928885 0.9640027 0.8926187 0.8923487 0.8919566 0.8934237 0.9744898
25BWAJA 0.8921503 0.8926876 0.9137449 0.9028892 0.8929345 0.89289 0.9640043 0.8926202 0.8923503 0.8919582 0.8934252 0.9744915
26TLAMA 0.8860074 0.8865546 0.9150776 0.896941 0.8868061 0.8867608 0.9590581 0.886486 0.8862111 0.8858118 0.8873058 1
27TLAMA70 0.8802995 0.8809311 0.9983022 0.8928955 0.8812213 0.8811691 0.9636131 0.880852 0.8805346 0.8800736 0.881798 1.0095978
28BNTLA 0.8609952 0.8616416 1 0.8738818 0.8619386 0.8618851 0.9460775 0.8615606 0.8612358 0.860764 0.8625287 0.9929031
29SGMSA 0.9099302 0.9103344 0.9255734 0.9179888 0.9104028 0.9107372 0.960506 0.910569 0.9102874 0.9097448 0.9113073 0.9678171
30TBNGA 0.8973466 0.8977569 0.9132208 0.9055253 0.8978263 0.8981657 0.9486391 0.8979949 0.8977092 0.8971583 0.8987443 0.9560469
31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
32MAROS 0.9660808 0.968193 0.9721253 0.9702324 0.9681454 0.9716059 0.9802872 0.9702242 0.9683182 0.9649106 0.9754565 0.9820929
33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1
34JNPTO 0.991504 0.9943564 0.9919495 0.9919182 1 0.9917995 0.9919988 0.991792 0.9917231 0.9915332 0.9919525 0.9920257
35BKMBA 0.9764662 0.9910617 0.978027 0.9778981 0.983933 0.9778025 0.9783156 0.9776712 0.9773366 0.9765397 0.9785285 0.9784313
36SNJAI 0.9753162 0.994734 0.9772898 0.9771221 0.982175 0.9770648 0.9776774 0.976876 0.9764337 0.9754014 0.9780213 0.9778286
37BONE 0.9742638 1 0.9765685 0.9763588 0.9800553 0.9765003 0.9770961 0.9762086 0.9756303 0.9743415 0.9777421 0.9772878
38MKALE 0.9450736 0.9461883 0.9465116 0.9461878 0.9458345 1.0225682 0.9478477 0.947691 0.9464251 0.9318235 0.9513106 0.9481604
39PLOPO 0.9426292 0.9434098 0.9436362 0.9434095 0.9431621 1.05 0.9445717 0.944462 0.9435756 0.9325645 0.9469961 0.9447907
40LTUPA 0.9495775 0.9499273 0.9500287 0.9499271 0.9498162 0.997582 0.9504479 0.9503988 0.9500016 0.9433579 0.9515341 0.950546
41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1
42POMANA 275 0.9809609 0.9810112 0.9810258 0.9810112 0.9809952 0.9878609 0.981086 0.9810789 0.9810219 0.9853031 0.9812421 0.9811001
43POMANA 150 0.978591 0.9786416 0.9786563 0.9786416 0.9786256 0.9855384 0.978717 0.9787099 0.9786524 0.9870423 0.9788742 0.9787312
44POSO 0.9496613 0.9497147 0.9497302 0.9497147 0.9496977 0.9569835 0.9497941 0.9497866 0.949726 1 0.9499599 0.9498091
Pa
na
kuka
ng
Pin
ran
g
Po
lma
s
Po
so
Sid
rap
Ta
llo
La
ma
Bo
ne
Bo
nto
ala
Da
ya
Jen
ep
on
to
Pa
lop
o
NO
RM
AL
98
Gambar 34. Profil tegangan setelah pemasangan PV 15 MWp pada daerah yang memiliki irradiance baik.
0.8
0.85
0.9
0.95
1
1.05
1.1
BU
S
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AY
A
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
PV
-Sen
siti
vita
s
NORMAL Bone Bontoala Daya Jeneponto Palopo
Panakukang Pinrang Polmas Poso Sidrap Tallo Lama
99
Gambar 35. Profil tegangan apabila PV 15 MWp dipasang pada Tallo Lama dan Poso.
0.8
0.85
0.9
0.95
1
1.05
1.1
BU
S
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AYA
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
Tallo Lama Poso
100
B.8. Aliran Daya untuk Integrasi 20 MWp.
Tabel 18 memperlihatkan hasil simulasi aliran daya apabila PV
dengan kapasitas 20 MWp ditempatkan di daerah-daerah dengan
irradiance yang baik. Adapun gambar profil diperlihatkan pada Gambar 36.
Hasil dari semua simulasi yang telah dilakukan dan telah
memperlihatkan sensitivitasnya pada gambar sebelumnya, maka pada
Gambar 37 memperlihatkan perbandingan profil tegangan antara daerah
yang memiliki irradiance baik dengan sensitivitas baik yaitu Tallo Lama, dan
daerah yang memiliki irradiance baik namun memiliki sensitivitas buruk
yaitu Poso.
101
Tabel 18. Hasil simulasi aliran daya untuk integrasi PV 20 MWp Di daerah yang memiliki irradiance yang baik.
LOKASI PV
NO
RM
AL
BO
NE
BO
NT
OA
L
A
DA
YA
JE
NE
PO
N
TO
PA
LO
PO
PA
NA
KU
K
AN
G
PIN
RA
NG
PO
LM
AS
PO
SO
SID
RA
P
TA
LL
O
LA
MA
BUS
1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02
2SDRAP 0.988988 0.991134 0.992024 0.991465 0.990685 0.995265 0.994341 0.993825 0.991604 0.986937 1 0.994867
3SPENG 0.994257 1.003327 0.996476 0.996253 0.997132 0.997044 0.997271 0.996664 0.995909 0.994084 0.998737 0.997465
4PPARE 0.998208 0.998791 0.999397 0.999273 0.998892 0.999446 0.999944 1.008116 1.002636 0.99778 1.000392 1.000073
5PRANG 1.011767 1.012171 1.012592 1.012506 1.012241 1.012625 1.012971 1.05 1.014936 1.011469 1.013282 1.013061
6PLMAS 1.013567 1.013818 1.014079 1.014025 1.013861 1.014099 1.014314 1.017909 1.05 1.013383 1.014506 1.014369
7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05
8MJENE 0.979684 0.979946 0.980219 0.980163 0.979992 0.980241 0.980465 0.984221 1.017688 0.979491 0.980666 0.980523
9MMUJU 0.971696 0.97196 0.972235 0.972179 0.972006 0.972257 0.972484 0.976275 1.010048 0.971501 0.972687 0.972542
10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1
11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1
12BARRU 0.964645 0.965048 0.971242 0.968826 0.96544 0.964791 0.983403 0.964551 0.964476 0.964543 0.964931 0.986062
13PNKEP 0.903987 0.904711 0.923169 0.915389 0.905262 0.904524 0.962229 0.904177 0.903954 0.903728 0.904975 0.970749
14PNKEP70 0.956731 0.957524 0.980199 0.971056 0.958073 0.957414 1.028315 0.957062 0.956788 0.956419 0.957976 1.038736
15TNASA 0.947933 0.948734 0.971619 0.962393 0.949289 0.948622 1.020148 0.948268 0.947991 0.947619 0.949191 1.030654
16BOSOWA 0.898022 0.898736 0.918017 0.909654 0.899257 0.898591 0.959077 0.898261 0.898029 0.897755 0.899065 0.968033
17KIMA 0.896255 0.896942 0.917408 0.90815 0.897405 0.896874 0.961443 0.896578 0.896332 0.895978 0.897381 0.971052
18TELLO 0.892139 0.892777 0.91515 0.904463 0.893138 0.892839 0.964 0.892604 0.892335 0.891847 0.893401 0.974663
19PKANG 0.838287 0.838971 0.862925 0.851496 0.839359 0.839038 1 0.838786 0.838497 0.837973 0.839641 0.926193
20TELLO70 0.969927 0.970885 0.999022 0.999794 0.971539 0.970781 1.058516 0.970368 0.970027 0.969543 0.971482 1.071351
21BRLOE 0.962668 0.963634 0.991984 0.992762 0.964293 0.963529 1.05189 0.963113 0.962769 0.962281 0.964235 1.064807
22MNDAI 0.960859 0.961827 0.990053 0.992219 0.962491 0.961715 1.049648 0.961295 0.960953 0.960473 0.962418 1.062497
23DAYA 0.966914 0.967885 0.996336 1 0.96855 0.967777 1.056436 0.967358 0.967013 0.966525 0.968486 1.069395
24TELLO30 0.892149 0.892786 0.91516 0.904473 0.893148 0.892849 0.964011 0.892614 0.892345 0.891857 0.893411 0.974674
25BWAJA 0.89215 0.892788 0.915162 0.904475 0.89315 0.89285 0.964012 0.892615 0.892347 0.891858 0.893412 0.974676
26TLAMA 0.886007 0.886657 0.916786 0.898555 0.887025 0.88672 0.959066 0.886481 0.886207 0.88571 0.887293 1
27TLAMA70 0.8803 0.881049 0.996987 0.894751 0.881474 0.881122 0.963622 0.880846 0.88053 0.879956 0.881783 1.009598
28BNTLA 0.860995 0.861762 1 0.875779 0.862197 0.861837 0.946087 0.861555 0.861231 0.860644 0.862513 0.992903
29SGMSA 0.90993 0.910395 0.926739 0.919271 0.910517 0.910701 0.960696 0.910612 0.910332 0.909644 0.9113 0.968115
30TBNGA 0.897347 0.897819 0.914403 0.906826 0.897942 0.898129 0.948832 0.898038 0.897755 0.897056 0.898737 0.956349
31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
32MAROS 0.966081 0.968462 0.97308 0.971212 0.968729 0.971389 0.981058 0.970472 0.968579 0.96426 0.975439 0.982836
33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1
34JNPTO 0.991504 0.994295 0.992066 0.992035 1 0.991815 0.99212 0.991843 0.991776 0.991531 0.991978 0.992138
35BKMBA 0.976466 0.990969 0.978419 0.978294 0.984272 0.977855 0.978722 0.977859 0.97753 0.976508 0.978626 0.978807
36SNJAI 0.975316 0.994653 0.97779 0.977627 0.982656 0.977131 0.978194 0.977115 0.97668 0.975357 0.978146 0.978308
37BONE 0.974264 1 0.977155 0.97695 0.980648 0.976576 0.977698 0.976494 0.975924 0.974273 0.977894 0.977846
38MKALE 0.945074 0.946289 0.946794 0.946477 0.946035 1.020852 0.948106 0.947814 0.946556 0.924779 0.951311 0.948404
39PLOPO 0.942629 0.943481 0.943834 0.943612 0.943302 1.05 0.944752 0.944548 0.943667 0.926311 0.946996 0.944961
40LTUPA 0.949577 0.949959 0.950117 0.950018 0.949879 0.997582 0.950529 0.950437 0.950042 0.938664 0.951534 0.950622
41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1
42POMANA 275 0.980961 0.981016 0.981038 0.981024 0.981004 0.987861 0.981098 0.981084 0.981028 0.984722 0.981242 0.981111
43POMANA 150 0.978591 0.978646 0.978669 0.978655 0.978635 0.985538 0.978729 0.978715 0.978658 0.986517 0.978874 0.978742
44POSO 0.949661 0.94972 0.949744 0.949728 0.949707 0.956983 0.949806 0.949793 0.949732 1 0.94996 0.949821
Tegangan ( p.u )
102
Gambar 36. Profil tegangan setelah pemasangan PV 20 MWp pada daerah yang memiliki irradiance baik.
0.8
0.85
0.9
0.95
1
1.05
1.1
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AYA
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
NORMAL DAYA BONTOALA JENEPONTO TALLO LAMA PALOPO
PANAKUKANG PINRANG POLMAS POSO SIDRAP BONE
103
Gambar 37. Profil tegangan apabila PV 20 MWp dipasang pada Tallo Lama dan Poso.
0.8
0.85
0.9
0.95
1
1.05
1.1
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AY
A
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
Tallo lama Poso
104
B.9. Aliran Daya untuk Integrasi 25 MWp
Tabel 19 memperlihatkan hasil simulasi aliran daya apabila PV
dengan kapasitas 25 MWp ditempatkan di daerah-daerah dengan
irradiance yang baik. Adapun gambar profil diperlihatkan pada Gambar 38.
Hasil dari semua simulasi yang telah dilakukan dan telah
memperlihatkan sensitivitasnya pada gambar sebelumnya, maka pada
Gambar 39 memperlihatkan perbandingan profil tegangan antara daerah
yang memiliki irradiance baik dengan sensitivitas baik yaitu Tallo Lama, dan
daerah yang memiliki irradiance baik namun memiliki sensitivitas buruk
yaitu Poso.
105
Tabel 19. Hasil simulasi aliran daya untuk integrasi PV 25 MWp Di daerah yang memiliki irradiance yang baik.
LOKASI PV
BUS
1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02
2SDRAP 0.988988 0.991305 0.992496 0.99195 0.991024 0.994984 0.994773 0.994029 0.991819 0.986075 1 0.995281
3SPENG 0.994257 1.003386 0.996878 0.996663 0.997473 0.997077 0.997673 0.996907 0.996159 0.993904 0.998881 0.997843
4PPARE 0.998208 0.998858 0.999613 0.999499 0.999042 0.999385 1.000155 1.008195 1.00274 0.997603 1.000387 1.000272
5PRANG 1.011767 1.012217 1.012742 1.012662 1.012345 1.012583 1.013118 1.05 1.015027 1.011346 1.013279 1.013199
6PLMAS 1.013567 1.013846 1.014172 1.014122 1.013926 1.014073 1.014405 1.017959 1.05 1.013306 1.014504 1.014455
7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05
8MJENE 0.979684 0.979976 0.980316 0.980264 0.980059 0.980213 0.98056 0.984273 1.017688 0.979412 0.980664 0.980612
9MMUJU 0.971696 0.971991 0.972334 0.972281 0.972074 0.97223 0.972579 0.976328 1.010048 0.971421 0.972685 0.972633
10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1
11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1
12BARRU 0.964645 0.965125 0.97175 0.969395 0.965618 0.964773 0.983594 0.964495 0.964419 0.964508 0.96492 0.986289
13PNKEP 0.903987 0.904834 0.924359 0.916754 0.905532 0.904481 0.962376 0.904123 0.9039 0.90363 0.904957 0.971041
14PNKEP70 0.956731 0.957653 0.981586 0.970583 0.95835 0.957364 1.028402 0.95702 0.956745 0.956301 0.957959 1.039006
15TNASA 0.947933 0.948864 0.973018 0.961915 0.949568 0.948572 1.020236 0.948225 0.947948 0.947499 0.949173 1.030926
16BOSOWA 0.898022 0.898855 0.919232 0.91105 0.899515 0.898548 0.959195 0.898215 0.897983 0.897653 0.899048 0.968307
17KIMA 0.896255 0.897053 0.918652 0.909584 0.89764 0.89683 0.96151 0.896546 0.8963 0.895872 0.897366 0.971289
18TELLO 0.892139 0.892873 0.916438 0.905957 0.893335 0.892793 0.96398 0.892596 0.892328 0.891732 0.893388 0.97484
19PKANG 0.838287 0.839075 0.864301 0.853095 0.83957 0.838989 1 0.838778 0.83849 0.83785 0.839627 0.92638
20TELLO70 0.969927 0.97104 1.000734 0.999453 0.971872 0.97072 1.05862 0.970323 0.969982 0.969396 0.97146 1.071682
21BRLOE 0.962668 0.96379 0.993709 0.992418 0.964628 0.963467 1.051995 0.963067 0.962724 0.962133 0.964214 1.06514
22MNDAI 0.960859 0.961984 0.991773 0.992112 0.962829 0.961653 1.049756 0.961248 0.960907 0.960325 0.962396 1.062832
23DAYA 0.966914 0.968043 0.998069 1 0.968888 0.967715 1.056543 0.967311 0.966967 0.966377 0.968464 1.06973
24TELLO30 0.892149 0.892883 0.916448 0.905967 0.893345 0.892803 0.963991 0.892606 0.892338 0.891742 0.893398 0.97485
25BWAJA 0.89215 0.892885 0.91645 0.905969 0.893346 0.892805 0.963992 0.892608 0.89234 0.891744 0.893399 0.974852
26TLAMA 0.886007 0.886755 0.918329 0.900076 0.887226 0.886674 0.959046 0.886473 0.8862 0.885593 0.88728 1
27TLAMA70 0.8803 0.881163 0.995561 0.896497 0.881705 0.881069 0.963599 0.880837 0.880522 0.879822 0.881768 1.009598
28BNTLA 0.860995 0.861879 1 0.877565 0.862434 0.861783 0.946063 0.861546 0.861223 0.860506 0.862498 0.992903
29SGMSA 0.90993 0.910453 0.927808 0.920483 0.910615 0.910659 0.96086 0.910652 0.910374 0.909529 0.911294 0.968403
30TBNGA 0.897347 0.897877 0.915487 0.908057 0.898041 0.898086 0.948998 0.898079 0.897797 0.896939 0.89873 0.95664
31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
32MAROS 0.966081 0.968723 0.973982 0.972147 0.96929 0.971132 0.981789 0.970707 0.968825 0.963506 0.975422 0.983552
33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1
34JNPTO 0.991504 0.994232 0.992174 0.992144 1 0.991829 0.992233 0.991893 0.991826 0.991524 0.992003 0.992243
35BKMBA 0.976466 0.99087 0.978782 0.978661 0.984572 0.977899 0.979096 0.978042 0.977717 0.976455 0.978723 0.979158
36SNJAI 0.975316 0.994568 0.978257 0.978099 0.98309 0.977185 0.978674 0.977348 0.976918 0.975283 0.97827 0.978758
37BONE 0.974264 1 0.977705 0.977506 0.981191 0.976636 0.978262 0.97677 0.976207 0.974168 0.978043 0.978375
38MKALE 0.945074 0.946386 0.947061 0.946752 0.946227 1.018995 0.948351 0.947929 0.946677 0.916819 0.951311 0.948638
39PLOPO 0.942629 0.943549 0.944021 0.943804 0.943437 1.05 0.944924 0.944629 0.943752 0.91918 0.946996 0.945125
40LTUPA 0.949577 0.949989 0.950201 0.950104 0.949939 0.997582 0.950606 0.950473 0.950081 0.933457 0.951534 0.950696
41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1
42POMANA 275 0.980961 0.98102 0.981051 0.981037 0.981013 0.987861 0.981109 0.98109 0.981033 0.984065 0.981242 0.981122
43POMANA 150 0.978591 0.978651 0.978681 0.978667 0.978643 0.985538 0.97874 0.978721 0.978664 0.985917 0.978874 0.978753
44POSO 0.949661 0.949724 0.949756 0.949742 0.949717 0.956983 0.949818 0.949798 0.949738 1 0.94996 0.949832
Bo
ne
Bo
nto
ala
Da
ya
Jen
ep
on
to
Pa
lop
o
NO
RM
AL
Pa
na
kuka
ng
Pin
ran
g
Po
lma
s
Po
so
Sid
rap
Ta
llo
La
ma
106
Gambar 38. Profil tegangan setelah pemasangan PV 25 MWp pada daerah yang memiliki irradiance baik.
0.8
0.85
0.9
0.95
1
1.05
1.1
BU
S
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AY
A
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
NORMAL Bone Bontoala Daya Jeneponto Palopo
Panakukang Pinrang Polmas Poso Sidrap Tallo Lama
107
Gambar 39. Profil tegangan apabila PV 25 MWp dipasang pada Tallo Lama dan Poso.
0.8
0.85
0.9
0.95
1
1.05
1.1
BU
S
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AY
A
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
Tallo Lama Poso
108
B.10. Aliran Daya untuk Integrasi 30 MWp
Tabel 20 memperlihatkan hasil simulasi aliran daya apabila PV
dengan kapasitas 30 MWp ditempatkan di daerah-daerah dengan
irradiance yang baik. Adapun gambar profil diperlihatkan pada Gambar 40.
Hasil dari semua simulasi yang telah dilakukan dan telah
memperlihatkan sensitivitasnya pada gambar sebelumnya, maka pada
Gambar 41 memperlihatkan perbandingan profil tegangan antara daerah
yang memiliki irradiance baik dengan sensitivitas baik yaitu Tallo Lama, dan
daerah yang memiliki irradiance baik namun memiliki sensitivitas buruk
yaitu Poso.
109
Tabel 20. Hasil simulasi aliran daya untuk integrasi PV 30 MWp Di daerah yang memiliki irradiance yang baik.
LOKASI PVN
OR
MA
L
BO
NE
BO
NT
OA
L
A
DA
YA
JE
NE
PO
N
TO
PA
LO
PO
PA
NA
KU
K
AN
G
PIN
RA
NG
PO
LM
AS
PO
SO
SID
RA
P
TA
LL
O
LA
MA
BUS
1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02
2SDRAP 0.988988 0.991469 0.992943 0.9924115 0.99135 0.994657 0.995183 0.994219 0.992019 0.985082 1 0.995677
3SPENG 0.994257 1.003421 0.997256 0.9970501 0.9977874 0.99709 0.998051 0.997142 0.9964 0.993674 0.999023 0.998203
4PPARE 0.998208 0.998923 0.999821 0.9997153 0.9991881 0.999315 1.000358 1.008267 1.002836 0.9974 1.000382 1.000465
5PRANG 1.011767 1.012263 1.012886 1.0128126 1.0124466 1.012535 1.013259 1.05 1.015111 1.011205 1.013275 1.013333
6PLMAS 1.013567 1.013875 1.014261 1.0142155 1.0139886 1.014043 1.014492 1.018007 1.05 1.013219 1.014502 1.014538
7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05
8MJENE 0.979684 0.980006 0.980409 0.9803619 0.9801248 0.980182 0.980651 0.984323 1.017688 0.97932 0.980662 0.980699
9MMUJU 0.971696 0.97202 0.972428 0.9723799 0.9721405 0.972198 0.972672 0.976378 1.010048 0.971329 0.972682 0.97272
10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1
11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1
12BARRU 0.964645 0.965199 0.972221 0.9699339 0.9657895 0.964753 0.983773 0.964438 0.964361 0.964469 0.964909 0.98651
13PNKEP 0.903987 0.904953 0.925442 0.918036 0.9057837 0.904434 0.962495 0.904067 0.903843 0.90352 0.90494 0.971323
14PNKEP70 0.956731 0.957779 0.982842 0.9699765 0.9586061 0.957308 1.028458 0.956974 0.956699 0.956166 0.957941 1.039265
15TNASA 0.947933 0.948991 0.974286 0.9613031 0.9498263 0.948516 1.020292 0.948179 0.947902 0.947363 0.949154 1.031187
16BOSOWA 0.898022 0.89897 0.920336 0.912362 0.8997559 0.8985 0.959286 0.898167 0.897934 0.897539 0.899032 0.96857
17KIMA 0.896255 0.89716 0.91978 0.9109326 0.8978585 0.896781 0.961549 0.896512 0.896266 0.895751 0.897351 0.971517
18TELLO 0.892139 0.892966 0.9176 0.9073633 0.8935137 0.892743 0.963933 0.892586 0.892318 0.891603 0.893375 0.975008
19PKANG 0.838287 0.839175 0.865542 0.8545998 0.8397618 0.838935 1 0.838766 0.838479 0.837711 0.839613 0.926558
20TELLO70 0.969927 0.971191 1.002287 0.9990777 0.9721812 0.970652 1.058689 0.970274 0.969933 0.969229 0.971439 1.072001
21BRLOE 0.962668 0.963942 0.995273 0.9920401 0.9649402 0.963399 1.052064 0.963018 0.962675 0.961965 0.964192 1.065461
22MNDAI 0.960859 0.962137 0.993334 0.9919764 0.9631427 0.961585 1.049829 0.961198 0.960856 0.960158 0.962374 1.063154
23DAYA 0.966914 0.968196 0.99964 1 0.9692026 0.967646 1.056614 0.967261 0.966917 0.966208 0.968443 1.070053
24TELLO30 0.892149 0.892976 0.91761 0.9073733 0.8935236 0.892753 0.963943 0.892596 0.892328 0.891612 0.893385 0.975019
25BWAJA 0.89215 0.892978 0.917611 0.9073749 0.8935251 0.892754 0.963945 0.892597 0.89233 0.891614 0.893386 0.97502
26TLAMA 0.886007 0.88685 0.919712 0.9015062 0.8874076 0.886622 0.958998 0.886463 0.88619 0.885461 0.887266 1
27TLAMA70 0.8803 0.881272 0.994026 0.89814 0.8819154 0.881009 0.963545 0.880825 0.880511 0.879669 0.881752 1.009598
28BNTLA 0.860995 0.861991 1 0.8792447 0.8626489 0.861722 0.946008 0.861533 0.861211 0.86035 0.862482 0.992903
29SGMSA 0.90993 0.910507 0.928783 0.9216286 0.9106957 0.910611 0.960999 0.910689 0.910413 0.909396 0.911287 0.968681
30TBNGA 0.897347 0.897932 0.916477 0.9092185 0.8981235 0.898038 0.949139 0.898117 0.897836 0.896805 0.898723 0.956922
31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
32MAROS 0.966081 0.968975 0.974834 0.9730362 0.9698292 0.970836 0.982482 0.97093 0.969058 0.96264 0.975404 0.984241
33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1
34JNPTO 0.991504 0.994166 0.992275 0.9922459 1 0.99184 0.992337 0.991941 0.991876 0.991512 0.992028 0.992342
35BKMBA 0.976466 0.990765 0.979116 0.979 0.9848332 0.977934 0.97944 0.978218 0.977898 0.976378 0.978818 0.979484
36SNJAI 0.975316 0.994478 0.97869 0.9785372 0.9834776 0.977227 0.97912 0.977573 0.977148 0.975178 0.978392 0.979179
37BONE 0.974264 1 0.97822 0.9780277 0.9816871 0.976681 0.97879 0.977039 0.976482 0.974021 0.97819 0.978874
38MKALE 0.945074 0.946479 0.947314 0.947013 0.9464116 1.016997 0.948583 0.948037 0.946791 0.907834 0.951311 0.948862
39PLOPO 0.942629 0.943613 0.944198 0.9439873 0.9435662 1.05 0.945086 0.944704 0.943832 0.911065 0.946996 0.945282
40LTUPA 0.949577 0.950019 0.950281 0.950186 0.9499973 0.997582 0.950679 0.950507 0.950116 0.927674 0.951534 0.950766
41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1
42POMANA 275 0.980961 0.981024 0.981062 0.9810484 0.9810213 0.987861 0.981119 0.981095 0.981038 0.983323 0.981242 0.981132
43POMANA 150 0.978591 0.978655 0.978693 0.9786791 0.9786518 0.985538 0.97875 0.978726 0.978669 0.985235 0.978874 0.978763
44POSO 0.949661 0.949729 0.949769 0.9497542 0.9497254 0.956983 0.949829 0.949803 0.949744 1 0.94996 0.949843
Tegangan ( p.u )
110
Gambar 40. Profil tegangan setelah pemasangan PV 30 MWp pada daerah yang memiliki irradiance baik.
0.8
0.85
0.9
0.95
1
1.05
1.1
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O7
0
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O3
0
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AYA
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
NORMAL BONE BONTOALA DAYA JENEPONTO PALOPO
PANAKUKANG PINRANG POLMAS POSO SIDRAP TALLO LAMA
111
Gambar 41. Profil tegangan apabila PV 30 MWp dipasang pada Tallo Lama dan Poso.
0.8
0.85
0.9
0.95
1
1.05
1.1
1SK
AN
G
2SD
RA
P
3SP
ENG
4P
PA
RE
5P
RA
NG
6P
LMA
S
7B
AK
AR
U
8M
JEN
E
9M
MU
JU
10
SUP
PA
11
PLT
UB
AR
RU
12
BA
RR
U
13
PN
KEP
14
PN
KEP
70
15
TNA
SA
16
BO
SOW
A
17
KIM
A
18
TELL
O
19
PK
AN
G
20
TELL
O70
21
BR
LOE
22
MN
DA
I
23
DA
YA
24
TELL
O30
25
BW
AJA
26
TLA
MA
27
TLA
MA
70
28
BN
TLA
29
SGM
SA
30
TBN
GA
31
TLA
SA
32
MA
RO
S
33
PG
AY
A
34
JNP
TO
35
BK
MB
A
36
SNJA
I
37
BO
NE
38
MK
ALE
39
PLO
PO
40
LTU
PA
41
PLT
A P
OSO
42
PO
MA
NA
27
5
43
PO
MA
NA
15
0
44
PO
SO
Tega
nga
n (
p.u
)
Poso Tallo lama
112
Dari hasil semua simulasi yang dilakukan telah memperlihatkan
semua hasil sensitivitas dan rugi – rugi daya di daerah-daerah yang
memiliki irradiance yang baik sesuai data Solargis. Dari data
memperlihatkan di daeran Tallo Lama memiliki sensitivitas yang baik dari
semua daya input yang dilakukan dibandingkan dengan daerah – daerah
lain yang memiliki irradiance yang baik. Hal ini disebabkan karena daerah
Tallo Lama merupakan pusat beban.
113
BAB V
SIMPULAN DAN SARAN
5.1 KESIMPULAN
Penentuan Lokasi yang tepat pada integrasi PV di sistem
interkoneksi PLN dapat mengurangi rugi-rugi daya yang terjadi dan
meningkatkan kestabilan sistem. Data dari SOLARGIS, diperoleh 8 daerah
yang memiliki irradiance bagus, dimana makassar di wakili 4 substations.
5.2 SARAN
Hasil penelitian ini memperlihatkan substations yang berada dikota
makassar (Panakukang, Bontoala, Tallo lama, dan Daya) memiliki
irradiance dan PV sensitivitas yang tinggi, dan berdasarkan hasil ini menjadi
tempat yang direkomendasikan untuk penempatan PV karena dapat
meningkatkan profil tegangan dan mengurangi rugi-rugi secara signifikan.
Namun ternyata pembangkit PV memerlukan lahan luas dan dapat menjadi
penelitian lanjutan.
114
DAFTAR PUSTAKA
[1] A. Arief, Z. Dong, M. B. Nappu, and M. Gallagher, “Under voltage load
shedding in power systems with wind turbine-driven doubly fed induction
generators,” Electr. Power Syst. Res., vol. 96, pp. 91–100, 2013.
[2] P. Dinakara Prasad Reddy, V. C. Veera Reddy, and T. Gowri Manohar,
“Optimal renewable resources placement in distribution networks by
combined power loss index and whale optimization algorithms,” J. Electr.
Syst. Inf. Technol., pp. 1–17, 2017.
[3] S. Microgrid, “Analisis dan Evaluasi Kestabilan Tegangan dengan Metode
Continuation Power Flow,” 2016, vol. 5, no. 2, pp. 528–533.
[4] U. Sultana, A. B. Khairuddin, M. M. Aman, A. S. Mokhtar, and N. Zareen, “A
review of optimum DG placement based on minimization of power losses
and voltage stability enhancement of distribution system,” Renew. Sustain.
Energy Rev., vol. 63, no. September, pp. 363–378, 2016.
[5] M. Bazrafshan and N. Gatsis, “Placing and sizing distributed photovoltaic
generators for optimal reactive power compensation,” 2015 IEEE Glob.
Conf. Signal Inf. Process. Glob. 2015, pp. 1136–1140, 2016.
[6] I. Ben Hamida, “Optimal Integration of Solar Distributed Generations in
Distribution Network Using SPEA2,” pp. 368–373, 2016.
[7] K. Bhumkittipich and W. Phuangpornpitak, “Optimal placement and sizing of
distributed generation for power loss reduction using particle swarm
optimization,” Energy Procedia, vol. 34, pp. 307–317, 2013.
[8] S. A. S. Mustaffa, I. Musirin, M. M. Othman, and N. H. Rosli, “Multi DGPV
installation in transmission system for loss minimization,” 2017 4th Int. Conf.
Ind. Eng. Appl. ICIEA 2017, pp. 350–354, 2017.
[9] Suresh Kumar Sudabattula, “ScienceDirect Optimal allocation of solar
based distributed generators in distribution system using Bat algorithm,”
Perspect. Sci., vol. 8, pp. 270–272, 2016.
[10] S. Wu, Q. Liu, Y. Zheng, R. Li, and T. Peng, “An ef fi cient copper
phthalocyanine additive of perovskite precursor for improving the
photovoltaic performance of planar perovskite solar cells,” J. Power
Sources, vol. 359, pp. 303–310, 2017.
[11] S. Kabir, O. Krause, and A. Haider, “Design of an optimal placement
115
algorithm for large scale photovoltaic in sub-transmission networks,” 3rd Int.
Conf. Dev. Renew. Energy Technol., pp. 1–6, 2014.
[12] S. Daud, A. Fazliana, A. Kadir, C. K. Gan, and A. R. Abdullah, “Optimal
allocation and sizing of Photovoltaic-based distributed generation for
voltage dip improvement,” pp. 89–94, 2016.
[13] M. R. Rashel, A. Albino, T. Goncalves, and M. Tlemcani, “Sensitivity
analysis of parameters of a photovoltaic cell under different conditions,” Ski.
2016 - 2016 10th Int. Conf. Software, Knowledge, Inf. Manag. Appl., 2017.
[14] S. D. E. Nasional, Issn 2527-3000 issn 2527-3000. 2016.
[15] L. Serrano-Luján, N. Espinosa, J. Abad, and A. Urbina, “The greenest
decision on photovoltaic system allocation,” Renew. Energy, vol. 101, pp.
1348–1356, 2017.
[16] SOLARGIS, Global horizontal irradiation, 2017.
http://solargis.com/products/maps-and-gis.data/free/download/world.
[Accessed: 17-Jul-2017].
[17] C. Paper and N. Physics, “Healthy light source Healthy light source,” no.
January 2013, 2017.
[18] https://www.nasa.gov/
[19] Mochammad and Y. Elfita, “Pengaruh Suhu Permukaan Photovoltaic
Module 50 Watt Peak Terhadap Daya Keluaran yang Dihasilkan
Menggunakan Reflektor dengan Variasi Sudut 0, 50, 60, 70, 80,” Rotasi, vol.
12, no. 4, pp. 14–18, 2010.
[20] P. Hersch and K. Zweibel, “Basic photovoltaic principles and methods,”
Antimicrob. Agents Chemother., vol. 58, no. 12, pp. 7250–7, 1982.
[21] sumber energi, “No Title.” .
[22] KEMEN ESDM, “Peraturan Menteri Energi dan Sumber Daya Mineral
Republik Indonesia No. 12 Tahun 2017 Tentang Pemnafaatan Sumber
Energi Terbarukan Untuk Penyediaan Tenaga Listrik,” pp. 2–22, 2017.
[23] Badan Pengkajian dan Penerapan Teknologi,Outlook Energi
Indonesia.''ISBN 978-602-74702-0-0''2016
[24] P. Kundur, “Power system stability and control,” McGraw-Hill. pp. 45–138,
1994.
[25] A. Arief and M. B. Nappu, “DG placement and size with continuation power
flow method,” in Proceedings - 5th International Conference on Electrical
116
Engineering and Informatics: Bridging the Knowledge between Academic,
Industry, and Community, ICEEI 2015, 2015, pp. 579–584.
[26] V. Ajjarapu and C. Christy, “The continuation power flow: A tool for steady
state voltage stability analysis,” IEEE Trans. Power Syst., vol. 7, no. 1, pp.
416–423, 1992.
[27] S. Liu, F. Liu, T. Ding, and Z. Bie, “Optimal Allocation of Reactive Power
Compensators and Energy Storages in Microgrids Considering Uncertainty
of Photovoltaics,” Energy Procedia, vol. 103, no. April, pp. 165–170, 2016.
[28] A. Arief and M. B. Nappu, “Comparison of CPF and Modal Analysis Methods
in Determining Effective DG Locations,” pp. 555–560, 2010.
[29] M. B. Nappu and A. Arief, “Economic Redispatch Considering Transmission
Congestion for Optimal Energy Price in a Deregulated Power System,” pp.
573–578, 2015.
[30] M. Bachtiar and A. Arief, “Network Losses-Based Economic Redispatch for
Optimal Energy Pricing in a Congested Power System,” Energy Procedia,
vol. 100, no. September, pp. 311–314, 2016.
[31] G. Guerra and J. A. Martinez, “A Monte Carlo method for optimum
placement of photovoltaic generation using a multicore computing
environment,” IEEE Power Energy Soc. Gen. Meet., vol. 2014–Octob, no.
October, pp. 1–5, 2014.
[32] S. Essallah, A. Bouallegue, and A. Khedher, “Optimal placement of PV-
distributed generation units in radial distribution system based on sensitivity
approaches,” 2015 16th Int. Conf. Sci. Tech. Autom. Control Comput. Eng.,
pp. 513–520, 2015.
[33] A. W. H. Sie, I. Z. Abidin, and H. Hashim, “A methodology to determine
suitable placement of solar photovoltaic sources in the transmission system
taking into account Voltage Stability Index (VSI),” in Conference Proceeding
- 2014 IEEE International Conference on Power and Energy, PECon 2014,
2014, pp. 226–230.
[34] Tristan Jr.G. Magallones, “No Title,” Power flow small signal Stab. Aalysis
interconnected Philipp. power grid, vol. 8, pp. 589–591, 2016.
[35] PT. PLN (Persero)AP2B Wilayah Sulselrabar 2016
[36] H. Hedayati, S. A. Nabaviniaki, and A. Akbarimajd, “A Method for Placement
of DG Units in Distribution Networks,” vol. 23, no. 3, pp. 1620–1628, 2008.
LAMPIRAN
Optimal Photovoltaic Placement at the Southern Sulawesi Power System for Stability Improvement
Ardiaty Arief 1,2, Muhammad Bachtiar Nappu1,2, Sitti Marwah Rachman1,2,3,*, Mustadir Darusman1,2,3
1Centre for Research and Development on Energy and Electricity, Hasanuddin University, Makassar 90245, Indonesia
2Department of Electrical Engineering, Faculty of Engineering, Hasanuddin University, Makassar 90245, Indonesia
3Health Ministry of the Republic of Indonesia, Medical Facilities Safety Beurau, Makassar 90245, Indonesia *E-mail: [email protected]
Abstract-This paper presents a new method in determining the optimal location of Photovoltaic (PV) based on the location’s irradiance from SOLARGIS and network system for voltage stability improvement and losses minimization. The analytical method is developed based on the Continuation Power Flow (CPF) which is an assessment to analyze the voltage stability in quasi-static technique. To optimize the allocation process, firstly, areas which have good irradiance based on SOLARGIS will be selected and only those areas will be the input data on the determination of optimal PV placement where PV-Sensitivity of each of these buses will be calculated. The bus that has the highest PV-Sensitivity is a bus that has a good sensitivity to improve the voltage stability of the system as well as has good irradiance and will be recommended for optimal PV placement. Simulation results on the Southern Sulawesi power system show that this method is effective in determining the PV location. In this work, voltage magnitude and network losses are evaluated to compare the stability for each PV placement scenarios. This study provides locations who have good irradiance and PV-Sensitivity, which the results of this research can become recommendations for the power system utility or PLN in Indonesia in planning for PV integration.
Keywords—Photovoltaic placement, voltage stability, losses minimization, irradiance, Continuation Power Flow.
I. INTRODUCTION
The term voltage stability is closely related to the ability of a power system to maintain the voltage of each bus whether in an abnormal conditions or because of interference [1]. A power system will experience voltage instability that occurs due to increased demand or changes in the system. This situation will impact the voltage profile down and power losses becomes greater, hence may be uncontrollable [2-4].
Expectation for significant reductions in fossil fuels and increased reforestation impacts make the whole world interested in alternative energy [5-10]. With the rapidly growing renewable energy resources around the world, such as solar, hydro, wind, ocean and geothermal energy, this has become an alternative power generation. On the other hand, this can also increase reliability in reducing power outages or blackouts in the surrounding areas [11]. Voltage on the distribution system network is one of the power quality issues that needs to be taken into account because it greatly affects the performance of the system when distributing energy to the consumers [12-13].
Among the existing renewable energy resources, the photovoltaic (PV) market from solar energy resources is growing very rapidly compared to other technologies. In 2009, PV production in the world reached up to 10.66 GW [14]. In Indonesia, a PV system as a source of electricity for small islands have been implemented since the 1970s, but unfortunately in 1997, it was stopped due to the financial crisis at that time [15].
PV units can be installed close to load centers. At the present, a PV system can convert 1 kW of solar energy that falls on a 1 meter-square area to 100 W of electricity, which can drive most of the household appliances such as: television, stereo, electric typewriter or lamp [16]. Based on data from the National Energy Board, the potential of solar energy in Indonesia reaches an average of about 4.8 kWh permeter-square or equivalent to 112,000 GWp [17].
The radiation of sunlight to the surface of the earth's atmosphere is not entirely accepted by the surface of the earth as it is being processed by clouds or other particles present in the atmosphere. To stabilize carbon dioxide (CO2) in the atmosphere in the middle of this century, PV is proposed to be used for 10 TW of electricity, hydrogen of 10 TW for transportation and fossil fuels for housing and industry for 10 MW. Thus, PV will play a very important part in meeting world’s future energy demand. This time is considered as a "tipping point" for PV development [18-19].
In a research by L. Serrano-Luján, et.al, the writers divided the countries around the world into categories of CO2 amount that can be avoided for integration of 1 kWp PV during its lifetime [22]. In this division, avoided CO2 emissions by PV in the first group of countries is about 35-40 tons. The first group of countries are; Turkmenistan, Iraq, Ethiopia, Kuwait, Saudi Arabia, Oman, South Africa, Australia, Cuba, India and Western China. These countries have the highest potential in CO2 reduction [20-21]. While the countries of Morocco, Cambodia, Israel, Indonesia, Jamaica, Yemen, United Arab Emirates, Western United States, East China and the Dominican Republic fall into the second group of avoided CO2 emission for 25-30 tons of CO2 reductions per 1 kWp PV during its lifetime [22].
Placement of PV at the appropriate location on the transmission system is essential for maintaining voltage stability
[23-24] and may defer the transmission network development [25]. The installation of a PV generator in the distribution network shows an improvement in the voltage profile and reduction of power losses [26]. Since the Southern Sulawesi region is one of the areas that have good radiation, so it becomes the object of PV integration in Indonesia. Therefore, this study was conducted to determine the optimal location of PV placement in the Southern Sulawesi power system based on the system configuration and irradiation data. Areas with good irradiation are determined from the SOLARGIS data, which then becomes the input in the Continuation Power Flow (CPF) method to calculate the PV-Sensitivity value. Buses with high irradiation as well as good PV-Sensitivity are recommended for optimal PV placement.
The structure of this paper is as follow. Section 2 explains about PV Potential in Indonesia including the basic theory of photovoltaic, irradiance in Indonesia and maximum power point tracking (MPPT) of PV . Section 3 elaborates about the proposed method. Results and analysis are presented in Section 4. Section 5 summarizes the main findings of this study.
II. PV POTENTIAL IN INDONESIA
A. Overview of PV Technology
PV is a device that can convert solar energy directly into electrical energy. PV technology is much observed by engineers as one of the ideal energy resources because its performance does not cause pollution in generating electricity. This technology converts solar radiation into direct-current electricity (DC) by using semiconductors. DC currents generated from sunlight, can be directly used for DC electrical equipment or to recharge the batteries. To convert the DC current to an AC current, an inverter is required, then distributed through the indoor distribution panel.
A PV module is a number of solar cells that are coupled in series and/or parallel connection, to increase the resulting voltage and current so that it is sufficient to supply the power system’s load. To obtain maximum electrical power output then the surface of the solar module should always be facing the sun. The main component of a PV system is the module which consist of some PV solar cells. Crystal and thin film technology are mostly used for PV modules fabrication [27].
B. Irradiance in Indonesia
Indonesia is a country on the equator, so its solar energy’s potential is high, because the sun continues to exist throughout the year. The average of the sun that has the potential to produce energy in the western part of Indonesia is around 4-5 hours per-day. In Aceh, Western Sumatra, Northern Sumatra, Riau and Jambi provinces have average energy potential of 4.5 kWh/m2/day, while the eastern part of Indonesia covers all of Papua, Maluku, East Nusa Tenggara, West Nusa Tenggara, and parts of Sulawesi have average energy potential of 5.1 kWh/m2/day [17].
Hence, utilization of renewable energy sources, especially in Indonesia is an effective approach in addressing the increasing energy demand as well as dealing with the worsening ecological environment [28]. Solar energy that reaches the earth's surface is usually calculated by Global Horizontal Irradiation (GHI).
Furthermore, for the long-term average value of Photovoltaic Power Production Potential (PVOUT) is determined by various factors including latitude, elevation, landform and many other meteorological variables. The amount of PVOUTs in 2017 in Indonesia is shown in Fig. 1 that was predicted by SOLARGIS [29].
Fig. 1. Long-term average of photovoltaic power production potential (PVOUT) in Indonesia [29]
C. Maximum Power Point Tracker (MPPT)
MPPT is a technique used in solar/photovoltaic systems to maximize sun power extraction under all conditions. As the amount of sunlight varies, the load characteristics change so that the efficiency of the system is optimized to preserve power transferred at highest efficiency. MPPT devices are often integrated into electrical power converter systems that they can adjust current settings to drive the load [30].
III. THE PORPOSED METHOD
A. The Continuation Power Flows
In this paper, optimal PV analytical placement employs Continuation Power Flow (CPF) method. But for its effectiveness, only buses with good irradiance whose sensitivity will be calculated. In general, the methods for voltage stability analysis are classified into 3 categories, ie; 1) Static (steady-state) voltage stability analysis; 2) Quasi-Steady-State Voltage Analysis; and 3) Dynamic Voltage Stability Analysis [31-34]. One method of a well-recognized quasi-static is the CPF method introduced by Ajjarapu and Christy [35]. CPF method is a voltage stability analysis method that remodels the conventional power flow equation to find power flow solutions ranging from basic loads to stable or critical stability states which uses a predictor and corrector scheme. In addition, the CPF method can be used to detect the most sensitive bus to voltage collapse and also increase or decrease the power losses in the system [36-37], which based on active and reactive power being transferred from distribution or transmission lines.
Fig. 2 shows the graph of the predictor-corrector scheme where in the analytical procedure begins with a known result then will predict the next solution with different loads.
Fig. 2. Predictor-corrector scheme of the CPF method [35].
Firstly a loading parameter (∅) is defined as: 0 ≤ ∅ ≤ ∅ (1) Where ∅ = 0 has the relationship with the base load and ∅ = ∅critical corresponds to the critical load. This load parameter is
then inserted into the active and reactive power equation, so that: 0 = (1 + ) − − ∅( ∆ ) cos ) − (2) 0 = − − ∅( ∆ sin ) − (3) Where, , is active load at bus i is reactive load at bus i is the rate of change indicator of load at bus i to
change ∅
is the power angle of the load changes at bus i ∆ is the quality of the apparent power chosen to inject the exact scale of ∅ is the active power generation at bus i
is the reactive power generation at bus i
is a constant value in the generator to determine the varying degres of change in the generator to ∅ , are parameters of active and reactive power, respectively, that are provided in the system.
After the first step is done then proceed with computation on
the algorithm using the following power flow equation as; ( , , ∅) = 0(4) Where δ is angle vector of the generator, V is vector of bus
voltage magnitude and ∅ is loading parameter.
The CPF method describes a predictor corrector step scheme to find the solution of the reformulated power flow equation. Then, by deriving both sides of the power flow equation, hence:
∅ ∅ = 0(5) By extending the parameterization that has been identified
from each solution that was obtained after the computation process from Eq. 5, then the results achieved will show the sensitivity of every bus in the system. The most sensitive bus has a ratio of the magnitude of the differential voltage changes to the differential change of the load. Therefore, in this study we are presenting PV-Sensitivity to determine the PV location as follows: − = = ∅
= max ∅ , ∅ , …… . ∅ (6)
Eq. 6 shows the sensitivity of each locations with high irradiance, where the PV-Sensitivity is calculated based on the ratio of the magnitude of the differential voltage changes to the differential change of the load, specified to the voltage magnitude improvement in buses with low voltages. Hence, buses with high PV-Sensitivity are then proposed for PV placement, since these buses have high irradiance and have good sensitivity in improving the system’s voltage.
B. Flowchart of the proposed method
Fig. 3 shows a proposed PV flow diagram using CPF and irradiance. After a power flow study, the next step is to run CPF and calculate PV-Sensitivity in determining the most sensitivity location in improving stability in the system at locations with high irradiance. The buses with high PV-Sensitivity is then used as the priority of PV placement.
Fig. 3. Flowchart of the proposed PV allocation methodology with irradiance and CPF [38].
IV. RESULTS AND ANALYSIS
Based on the SOLARGIS data, Southern Sulawesi region has good irradiance, which is shown in Fig. 4. From here, several regions are identified with high irradiance of 1607 kWh/m2/year, they are: Makassar, Sidrap, Jeneponto, Palopo, Bone, Pinrang, Polmas and Poso. Based on this data, Makassar city is one of the areas that have good irradiance. In Makassar, itself there are several substations. Given Makassar is the capital of the province and very dense, so for this study, PV-Sensitivity calculations in Makassar City are represented by several substations, they are; Tallo Lama, Panakukang, Bontoala, and Daya, which are listed in Table I. Hence, these buses/substations will become the candidate for PV placement whose PV-Sensitivity will be calculated.
The proposed method is simulated on the Southern Sulawesi interconnected power system that consists of 44 buses
Star
Identifying location with high irradiance from SOLARGIS info
Perform power flow and voltage stability analysis for initial condition (without PV unit) to calculate
voltage magnitude at each buses
Perform the CPF method to calculate PV-Sensitivity to determine the most influence bus to the instability
Install PV unit with certain capacity in this weak bus
Perform power flow analysis and voltage stability analysis to calculate voltage magnitude
Stop
Display results
(substations), 47 lines and 7 power plants that are modeled for PV placement research based on SOLARGIS data. The power generation output of each PV is simulated of 20 MW. Further detail of the Southern Sulawesi power system can be found at [39-40].
Fig. 4. Solar irradiance at Southern Sulawesi region
TABLE I. SUBSTATIONS WITH HIGH IRRADIANCE
Substations
Tallo Lama Palopo Panakukang Bone
Bontoala Pinrang Daya Polmas Sidrap Poso
Jeneponto
Fig. 5 displays the PV-Sensitivity value in each substation
with good irradiance on the system in descending order. The results are that substations with good irradiance and the highest PV-Sensitivity is found in Tallo Lama and substation who has good irradiance but the worst PV-Sensitivity is Poso.
Overall, Tallo Lama Substation has the highest PV-Sensitivity that is 0.94158, followed by Panakukang of 0.79649, then Bontoala and Daya with PV-Sensitivity of 0.43834 and 0.12497, respectively. While areas that have low PV-Sensitivity are Bone with PV-Sensitivity of 0.00663, Pinrang (0.00472) and Polmas (0.00195). Area with the worst sensitivity is Poso with PV-Sensitivity of -0.00301. This value is even negative,
meaning that installing PV at this substation may deteriorate the stability.
Fig. 5. PV – Sensitivity chart
To assess the results, we evaluated the voltage stability if PV is installed at each substation with good irradiance. Fig. 6 shows the voltage profile for all PV mounting scenarios. The system voltage for installation of 20 MW PV in Tallo Lama is shown in the graph with red line. For more details, Fig. 7 compares the voltage magnitude for initial conditions and for 20 MW PV at substations with the highest PV-Sensitivity (Tallo Lama) and the lowest PV-Sensitivity (Poso). It can be seen that the voltage magnitude of 20 MW PV installed at Tallo Lama is much better than voltage magnitude before PV installation and if PV is placed at Poso. In addition, it clearly shows that if PV of 20 MW is placed in Poso substations, it does not significantly improve the system’s voltage and even voltage at some substations are still below the stability limit of 0.9 p.u. Most of the voltage under 0.9 p.u. are located in the capital of South Sulawesi province where these substations have high load.
After the installation of PV on the system based on SOLARGIS data, we also evaluated network losses in each substation used for the placement of PV in the Southern Sulawesi power system. Assessment of network losses is important in power system’s planning [41-42].
Fig. 6. Voltage Profiles for all scenarios
0.9416
0.7965
0.4383
0.12500.01300.01040.00720.00660.00470.0020
-0.0030-0.2000
0.0000
0.2000
0.4000
0.6000
0.8000
1.0000
PV-S
ensit
ivity
Tallo Lama Panakukang Bontoala DayaSidrap Jeneponto Palopo BonePinrang Polmas Poso
0.8
0.85
0.9
0.95
1
1.05
1.1
1SKA
NG
2SDR
AP3S
PEN
G4P
PARE
5PRA
NG
6PLM
AS7B
AKAR
U8M
JEN
E9M
MU
JU10
SUPP
A11
PLTU
BARR
U12
BARR
U13
PNKE
P14
PNKE
P70
15TN
ASA
16BO
SOW
A17
KIM
A18
TELL
O19
PKAN
G20
TELL
O70
21BR
LOE
22M
NDA
I23
DAYA
24TE
LLO
3025
BWAJ
A26
TLAM
A27
TLAM
A70
28BN
TLA
29SG
MSA
30TB
NGA
31TL
ASA
32M
ARO
S33
PGAY
A34
JNPT
O35
BKM
BA36
SNJA
I37
BON
E38
MKA
LE39
PLO
PO40
LTU
PA41
PLTA
PO
SO42
POM
ANA
275
43PO
MAN
A 15
044
POSO
Volta
ge M
agni
tude
(p.u
.)
Substations
Exisitng Tallo lama Daya Bontoala Jeneponto PalopoPanakukang Pinrang Polmas Poso Sidrap Bone
Fig. 7. Voltage profiles for initial condition, PV at Tallo Lama and PV at Poso
Figs. 8a and 8b demonstrate the network active and reactive power losses, respectively, if PV of 20 MW is installed at each substation with high irradiance. It is found that the highest total losses if PV is installed at Poso Substation, where for active power losses are 0.5236 p.u and reactive power losses are 2.6924 p.u. Nevertheless, if PV is placed at Tallo Lama (with the highest PV-Sensitivity) the network losses are the smallest compared to other scenarios, which are 0.4335 p.u for active power losses and 2.1625 p.u for reactive power losses.
(a) Real power losses
(b) Reactive power
Fig. 8. Network Power Losses
Table II informs the power losses reduction/addition of each scenario of PV installation compared to the initial condition losses. The negative sign (-) implies losses reduction, whereas the positive sign implies losses addition. PV integration at Tallo Lama will result in the biggest losses reduction whereas integrating PV at Poso area will create bigger network losses.
TABLE II. POWER LOSSES REDUCTION/ADDITION COMPARE TO BEFORE PV INSTALLATION
PV Location Power losses reduction/addition
Real power [p.u.]
Reactive power [p.u.]
Tallo Lama -0.07727 -0.40726 Panakukang -0.07301 -0.40196
Bontoala -0.06797 -0.35211 Daya -0.06193 -0.36342
Sidrap -0.024 -0.12416 Jeneponto -0.02225 -0.10929
Palopo -0.01904 -0.0948 Bone -0.01683 -0.09765
Pinrang -0.0148 -0.08749 Polmas -0.00234 -0.03185 Poso 0.01284 0.12256
V. CONCLUSIONS
Proper PV placement in the Southern Sulawesi power system can reduce the power losses that occurs and improve system stability. This paper proposes a new algorithm for PV placement using SOLARGIS data. From SOLARGIS, 8 regions have good irradiance, where Makassar City is represented by 4 substations.
The results of this study confirm that substations in the city of Makassar (Tallo Lama, Panakukang, Bontoala, and Daya) have high irradiance and PV-Sensitivity, and based on these results become recommended places for PV placement as it can increase the voltage profile and reduce the network losses significantly. Nevertheless, the PV plants installation require extensive land, hence further research should be done to find appropriate area in these regions. Sidrap, Jeneponto, Palopo, Bone, Pinrang and Polmas regions also have good irradiance but smaller PV-sensitivity. PV can also be placed at these locations, even though not as effective as if placed at Makassar City area. Poso, with negative PV-Sensitivity, if adding PV at this region, is not effective, since it does not have significant effect in improving voltage profile and adding more network losses into the system.
0.8
0.85
0.9
0.95
1
1.05
1.1
1SKA
NG
2SDR
AP3S
PEN
G4P
PARE
5PRA
NG
6PLM
AS7B
AKAR
U8M
JEN
E9M
MU
JU10
SUPP
A11
PLTU
BARR
U12
BARR
U13
PNKE
P14
PNKE
P70
15TN
ASA
16BO
SOW
A17
KIM
A18
TELL
O19
PKAN
G20
TELL
O70
21BR
LOE
22M
NDA
I23
DAYA
24TE
LLO
3025
BWAJ
A26
TLAM
A27
TLAM
A70
28BN
TLA
29SG
MSA
30TB
NGA
31TL
ASA
32M
ARO
S33
PGAY
A34
JNPT
O35
BKM
BA36
SNJA
I37
BON
E38
MKA
LE39
PLO
PO40
LTU
PA41
PLTA
PO
SO42
POM
ANA
275
43PO
MAN
A 15
044
POSO
Volta
ge m
agni
tude
(p.u
.)
Substations
Existing Tallo lama Poso
0.400.420.440.460.480.500.520.54
Real
pow
er lo
sses
(p.U
.)
2.102.202.302.402.502.602.70
Reac
tive
pow
er lo
sses
(p.
U.)
REFERENCES [1] A. Arief, Z.Y. Dong, M.B. Nappu, and M. Gallagher, “Under Voltage
Load Shedding in Power Systems with Wind Turbine-Driven Doubly Fed Induction Generators” Electric Power System Research, ELSEVIER, vol. 96, pp. 91-100, doi:10.1016/j.epsr.2012.10.013, 2013.
[2] P.Dinakara Prasad Reddy, V.C.Veera Reddy, and T.Gowri Manohar, “Optimal renewable resources placement in distribution networks by combined power loss index and whale optimization algorithms”, J. Electr. Syst. Inf. Technol, pp. 1–17, 2017.
[3] R.S.Ruzzi, O.Penangsang, and N.K.Aryani, “Analisis dan Evaluasi Kestabilan Tegangan dengan Metode Continuation Power Flow (CPF) pada system Microgrid”, 2016, vol.5, no. 2, pp. 528–533.
[4] U.Sultana, A.B.Khairuddin, M.M.Aman, A.S. Mokhtar, and N. Zareen, “A review of optimum DG placement based on minimization of power losses and voltage stability enhancement of distribution system,” Renew. Sustain. Energy Rev., vol. 63, no. September, pp. 363–378, 2016.
[5] S. A. S. Mustaffa, I. Musirin, M. M. Othman, and N. H. Rosli, “Multi DGPV installation in transmission system for loss minimization,” 2017 4th Int. Conf. Ind. Eng. Appl. ICIEA 2017, pp. 350–354, 2017.
[6] Suresh Kumar Sudabattula, “ScienceDirect Optimal allocation of solar based distributed generators in distribution system using Bat algorithm,” Perspect. Sci., vol. 8, pp. 270–272, 2016.
[7] K. Bhumkittipich and W. Phuangpornpitak, “Optimal placement and sizing of distributed generation for power loss reduction using particle swarm optimization,” Energy Procedia, vol. 34, pp. 307–317, 2013.
[8] M. Bazrafshan and N. Gatsis, “Placing and sizing distributed photovoltaic generators for optimal reactive power compensation,” 2015 IEEE Glob. Conf. Signal Inf. Process. Glob. 2015, pp. 1136–1140, 2016.
[9] I. Ben Hamida, “Optimal Integration of Solar Distributed Generations in Distribution Network Using SPEA2,” pp. 368–373, 2016.
[10] M. B. Nappu, R. C. Bansal and T. K. Saha, "Market Power Implication on Congested Power System: A Case Study of Financial Withheld Strategy," International Journal of Electric Power and Energy Systems (IJEPES), vol. 47, pp. 408-415, 2013
[11] S. Kabir, O. Krause, and A. Haider, “Design of an optimal placement algorithm for large scale photovoltaic in sub-transmission networks,” 3rd Int. Conf. Dev. Renew. Energy Technol., pp. 1–6, 2014.
[12] S. Daud, A. Fazliana, A. Kadir, C. K. Gan, and A. R. Abdullah, “Optimal allocation and sizing of Photovoltaic-based distributed generation for voltage dip improvement,” pp. 89–94, 2016.
[13] A. Arief, Antamil and M.B. Nappu, “An Analytical Method for Optimal Capacitors Placement from the Inversed Reduced Jacobian Matrix”, Energy Procedia, ELSEVIER, vol. 100, pp. 307-310, 2016
[14] T. M. Razykov, C. S. Ferekides, D. Morel, E. Stefanakos, H. S. Ullal, and H. M. Upadhyaya, “Solar photovoltaic electricity: Current status and future prospects,” Sol. Energy, vol. 85, no. 8, pp. 1580–1608, 2011.
[15] H.Outhred and M.Retnanestri,“Insights from the Experience with Solar Photovoltaic Systems in Australia and Indonesia,” in Energy Procedia,2015,vol.65,pp.121–130.
[16] P. Hersch and K. Zweibel, “Basic photovoltaic principles and methods,” Antimicrob. Agents Chemother., vol. 58, no. 12, pp. 7250–7, 1982.
[17] Sekjen Dewan Energi Indonesia, ''Outlook Energy Indonesia 2016'' Issn 2527-3000 issn 2527-3000.
[18] U. Eminoglu and M. H. Hocaoglu, “A voltage stability index for radial distribution networks,” 2007 42nd Int. Univ. Power Eng. Conf., pp. 408–413, 2007.
[19] C. Liu, A. Bose, M. Han, and X. Chen, “Improved Continuation Power Flow Method for AC / DC Power System,” no. 3, pp. 192–198, 2011.
[20] K. Knapp and T. Jester, “Empirical investigation of the energy payback time for photovoltaic modules,” Sol. Energy, vol. 71, no. 3, pp. 165–172, 2001.
[21] K. Kawajiri and Y. Genchi, “The right place for the right job in the photovoltaic life cycle,” Environ. Sci. Technol., vol. 46, no. 13, pp. 7415–7421, 2012.
[22] L. Serrano-Luján, N. Espinosa, J. Abad, and A. Urbina, “The greenest decision on photovoltaic system allocation,” Renew. Energy, vol. 101, pp. 1348–1356, 2017.
[23] A.W.H.Sie,I.Z.Abidin, and H. Hashim, “A methodology to determine suitable placement of solar photovoltaic sources in the transmission system taking into account Voltage Stability Index (VSI),” in Conference Proceeding - 2014 IEEE International Conference on Power and Energy, PECon 2014, 2014, pp. 226–230.
[24] S.Essallah, A.Bouallegue, and A.Khedher, “Optimal placement of PV-distributed generation units in radial distribution system based on sensitivity approaches,” 2015 16th Int. Conf. Sci. Tech. Autom. Control Comput. Eng., pp. 513–520, 2015.
[25] M.B.Nappu, A.Arief and R.C. Bansal,“Transmission Management for Congested Power System: A Review of Concepts, Technical Challenges and Development of a New Methodology” Renewable and Sustainable Energy Reviews, ELSEVIER, Vol.38, pp.572–580, doi:10.1016/j.rser.2014.05.089, October 2014.
[26] G. Guerra and J. A. Martinez, “A Monte Carlo method for optimum placement of photovoltaic generation using a multicore computing environment,” IEEE Power Energy Soc.Gen.Meet,vol. 2014–Octob, no.October, pp.1–5, 2014.
[27] K. Zweibel, “The Terawatt Challenge for Thin-Film PV,” NREL Tech. Rep., no. August 2005.
[28] W.Fang, Q.Huang, S.Huang, J.Yang, E.Meng, and Y.Li, “Optimal sizing of utility-scale photovoltaic power generation complementarily operating with hydropower: A case study of the world’s largest hydro-photovoltaic plant,”EnergyConvers. Manag, vol.136, pp.161–172, 2017.
[29] SOLARGIS.Global Horizontal Irradiation. http://solargis.com/products/maps-and-gis data/free/download/world>
[accessed 2017.07.17]. [30] R. T. Widodo, P. Sejati, Asmuniv, and Rugianto, “Maximum Power
Point Tracker Sel Surya Menggunakan Algoritma Perturb and Observe,” no. 1.
[31] A. Arief and M. B. Nappu, “DG placement and size with continuation power flow method,” in Proceedings-5th International Conference on Electrical Engineering and Informatics: Bridging the Knowledge between Academic, Industry, and Community,ICEEI 2015, pp. 579–584.
[32] Q.Wang,“Quasi-Steady-State Analysis by Using Continuation Method no.C, pp.1300–1304, 2001.
[33] P. Xu, X. Wang, and V. Ajjarapu, “Continuation power flow with adaptive stepsize control via convergence monitor,” in IET Generation, Transmission & Distribution, 2012, vol. 6, no. 7, p. 673.
[34] O. El Fadhel Loubaba Bekri and M. K. Fellah, “Placement of wind farms for enhancing voltage stability based on continuation power flow technique,” in Proceedings of 2015 IEEE International Renewable and Sustainable Energy Conference, IRSEC 2015, 2015.
[35] V. Ajjarapu and C. Christy, “The continuation power flow: A tool for steady state voltage stability analysis,” IEEE Trans. Power Syst., vol. 7, no. 1, pp. 416–423, 1992.
[36] S. Liu, F. Liu, T. Ding, and Z. Bie, “Optimal Allocation of Reactive Power Compensators and Energy Storages in Microgrids Considering Uncertainty of Photovoltaics,” Energy Procedia, vol. 103, no. April, pp. 165–170, 2016.
[37] A. Arief, M.B. Nappu, M. Gallagher, Z.Y. Dong and J. Zhao, “Comparison of CPF and Modal Analysis Methods in Determining Effective DG Locations”, Proceedings of the 9th International Power and Energy Conference (IPEC), Singapore, 27 – 29 October 2010.
[38] H. Hedayati, S. A. Nabaviniaki, and A. Akbarimajd, “A new method for placement of DG units in distribution networks,” 2006 IEEE PES Power Syst. Conf. Expo. PSCE 2006 - Proc., vol. 23, no. 3, pp. 1904–1909, 2006.
[39] A. Arief and M. B. Nappu, "Voltage Drop Simulation at Southern Sulawesi Power System Considering Composite Load Model," Proceedings of the 3rd International Conference on Information Technology, Computer and Electrical Engineering (ICITACEE 2016), Semarang, 2016
[40] M.B.Nappu and A.Arief, "Network Losses Reduction Due To New Hydro Power Plant Integration," Proceedings of the 3rd International Conference on Information Technology, Computer and Electrical Engineering (ICITACEE 2016), Semarang, 2016
[41] M.B. Nappu and A. Arief, “Network Losses-Based Economic Redispatch for Optimal Energy Pricing in a Congested Power System”, Energy Procedia, ELSEVIER, vol. 100, pp. 311-314, 2016
[42] M.B.Nappu and A.Arief, “Economic Redispatch Considering Transmission Congestion for Optimal Energy Price in a Deregulated Power System”, Proceedings of the 5th International Conference on Electrical Engineering and Informatics (ICEEI), Kuta, Bali, Indonesia, 10-11 August 2011.
Top Related