0
HAK CIPTA (HKI) 5
10
Judul Invensi: METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI BERBASIS LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION 15
Inventor: 20
Dr. Ramadoni Syahputra, S.T., M.T. Ir. Agus Jamal, M.Eng.
25
Diajukan untuk Memperoleh Hak Cipta dari Direktorat Jenderal HKI Kementerian Hukum dan HAM Republik Indonesia
30
35
UNIVERSITAS MUHAMMADIYAH YOGYAKARTA Maret 2016
1 Deskripsi METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI MENGGUNAKAN LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION 5 Bidang Teknik Invensi Invensi ini berhubungan dengan suatu metode optimisasi 10
konfigurasi jaringan distribusi guna mengurangi rugi-rugi jaringan distribusi
dalam
rangka
meningkatkan
menggunakan
logika
fuzzy
efisiensi dan
sistem
particle
swarm
optimization, aliran daya listrik pada sistem distribusi, otomasi 15
operasi
switching
sistem
distribusi,
dan
peningkatan performa sistem distribusi.
Latar Belakang Invensi 20
Usaha distribusi
meminimalkan daya
rugi-rugi
listrik
telah
(losses)
menjadi
energi
persoalan
sistem penting
dalam dekade terakhir. Dari seluruh komponen sistem tenaga listrik,
sistem
distribusi
merupakan
komponen
yang
mempunyai rugi-rugi terbesar. Sebagai contoh adalah sistem 25
tenaga
listrik
(Persero).
Indonesia
Berdasarkan
rugi-rugi
energi
total
(Ibrahim,
2009).
Dari
distribusi 30
di
tercatat
audit PLN total
memiliki
yang
dikelola
energi
oleh
hingga
se-Indonesia tersebut, rugi-rugi
PT
2008,
PLN
angka
adalah
16,84%
rugi-rugi
sistem
terbesar
yaitu
14,47%, sedangkan rugi-rugi sistem transmisi hanya 2,37%. Ada beberapa cara untuk meminimalkan rugi-rugi daya pada sistem distribusi di antaranya rekonfigurasi jaringan, pemasangan
kapasitor
daya,
penyeimbangan
beban,
dan
menaikkan aras (level) tegangan (Abdelaziz dkk, 2009). Cara 35
pemasangan kapasitor pada jaringan dan penyeimbangan beban biasanya mengalami kesulitan karena beban sistem distribusi
2 yang
sangat
dinamis.
Dengan
demikian
nilai
kapasitansi
kapasitor harus selalu berubah dari waktu ke waktu, dan beban
harus
meminimalkan 5
listrik
selalu rugi-rugi
memerlukan
peralatan
diseimbangkan.
yang
dengan
biaya
terhubung
Sedangkan
meningkatkan
yang
besar
dengan
sistem
cara
aras
tegangan
karena
seluruh
ini
harus
mampu
bekerja pada tegangan yang baru, sementara hasilnya belum tentu memuaskan. Oleh karenanya, dalam rencana penelitin ini 10
hanya
difokuskan
pada
cara
rekonfigurasi
jaringan
distribusi daya listrik. Dalam
sistem
distribusi
primer
terdapat
dua
jenis
switch yang dirancang untuk tujuan proteksi dan manajemen konfigurasi switch 15
(Rao
tersebut
dan
Sivanagaraju,
adalah
switch
yang
2010). dalam
Kedua
keadaan
jenis normal
tertutup (sectionalizing switches) dan switch yang dalam keadaan
normal
jaringan
terbuka
merupakan
(tie
proses
switches).
perubahan
Rekonfigurasi
topologi
sistem
distribusi dengan mengubah-ubah status switch dari keadaan terbuka 20
menjadi
rekonfigurasi
menjadi
banyaknya
kombinasi
statusnya
dalam
konfigurasi menutup 25
tertutup
kedua
tidak
switch
jaringan
dapat
jenis
sebaliknya.
sederhana
kandidat
suatu
jaringan
atau
yang
sedemikian
akan
distribusi.
dicapai
switch
karena
dengan
sehingga
Proses diubah
Perubahan
membuka
sifat
atau
keradialan
jaringan dapat dipertahankan. Guna mendapatkan rekonfigurasi jaringan yang optimal sehingga
rugi-rugi
diperlukan rekonfigurasi 30
sebagai
metode
sistem
rekonfigurasi
jaringan
berikut
distribusi
distribusi
(Abdelaziz
dkk,
menjadi
yang dapat 2009):
baik.
minimal, Metode
diklasifikasikan metode
berbasis
heuristik, metode berbasis paduan heuristik dan optimisasi, dan metode berbasis kecerdasan buatan. Metode berbasis paduan heuristik dan optimisasi telah dilakukan oleh beberapa peneliti. Metode paduan ini mampu
3 menjamin
konvergensi
singkat,
akan
dan
tetapi
waktu
komputasi
menghasilkan
yang
relatif
beragam
derajat
keakuratan (Baran dan Wu, 1989). Karena metode ini berbasis heuristik, maka tidak mudah untuk dibawa menjadi cara yang 5
sistematik
guna
mengevaluasi
solusi
optimal.
Selanjutnya
Taylor dan Lubkeman (1990) mengembangkan metode berbasis heuristik dengan pendekatan sistem pakar (expert system). Pendekatan yang diambil adalah dengan cara menyusun pohon keputusan (decision tree) guna merepresentasikan berbagai 10
operasi
switching
yang
mungkin.
Pendekatan
ini
cukup
efisien untuk sistem distribusi dengan switching yang tidak terlalu
besar.
Akan
tetapi
untuk
sistem
distribusi
yang
besar maka diperlukan waktu pencarian optimal yang sangat lama. 15
Selain
itu
diperlukan
pohon
keputusan
yang
lebih
rinci dan kompleks guna memberikan jaminan solusi optimal. Wagner dkk (1991) menawarkan pendekatan pemrograman linear menggunakan baru
teknik
berbasis
transportasi
analisis
aliran
dan daya
pencarian optimal.
heuristik
Berdasarkan
hasil penelitian ini disimpulkan bahwa pemrograman linear 20
menggunakan aplikasi
algoritma
rekonfigurasi
rugi-rugi
daya
pencarian
heuristik
transportasi penyulang
listrik
tidak
(feeder)
bersifat
menghendaki
sesuai karena
nonlinear, fungsi
untuk fungsi
sementara
yang
linear.
Kemudian Sarfi dkk (1996) menggunakan algoritma berbasis 25
teori penyekatan (partitioning theory) dalam rekonfigurasi jaringan
distribusi.
Jaringan
distribusi
disekat-sekat
menjadi beberapa kelompok bus beban, dan selanjutnya rugirugi
saluran
diminimalkan. 30
diperoleh
antar Walaupun
relatif
kelompok hasil
berhasil,
bus
beban
minimisasi akan
tetapi
tersebut
rugi-rugi metode
yang dengan
membagi jaringan distribusi ke dalam kelompok-kelompok bus ini hanya cocok untuk sistem distribusi yang tidak terlalu besar.
4 Metode adalah
lain
metode
untuk
rekonfigurasi
artificial
neural
jaringan network
distribusi (ANN)
yang
dikembangkan oleh Kim dkk (1993). Akan tetapi dengan metode ini 5
sering
terjebak
kompleksitas
komputasi
dalam yang
solusi
selalu
minimum
meningkat,
lokal,
dan
sulit
diterapkan untuk fungsi objektif tertentu. Metode berbasis tabu
search
distribusi
paralel
telah
untuk
digunakan
oleh
rekonfigurasi Mori
dan
penyulang
Ogita
(2000).
Metode ini terdiri dari dua skema paralel yaitu dekomposisi 10
tetangga
dengan
prosesor
paralel
untuk
menunkan
beban
komputasi, dan keragaman panjang tabu untuk meningkatkan akurasi
solusi.
Metode
berbasis
tabu
search
paralel
memberikan hail yang lebih baik dibanding metode genetic algorithm dan metode Simulated Annealing. Selanjutnya Chung 15
dkk
(2004)
menggunakan
algoritma
tabu
search
untuk
menyelesaikan masalah rekonfigurasi jaringan dalam sistem distribusi
dalam
rangka
mengurangi
rugi-rugi
resistif
saluran. Dalam metode ini dilakukan pengecekan keradialan sistem 20
distribusi
dikembangkan
berbasis
guna
menyelesaikan
simpul
jaringan
masalah
yang
yang
berkaitan
metode
simulated
dengan perencanaan pemulihan sistem. Jeon
dan
annealing
dan
Kim
(2004)
metode
tabu
memadukan search
untuk
merekonfigurasi
penyulang distribusi guna memperbaiki waktu komputasi dan 25
sifat
konvergensi
dalam
optimisasi.
Mekhamer
dkk
(2008)
mengusulkan metode berbasis tabu search termodifikasi untuk rekonfigurasi sistem distribusi. Metode ini diawali dengan memodifikasi
penggunaan
tabu-list
dengan
ukuran
variabel
guna mencegah terjadinya iterasi dalam siklus yang sama dan 30
luput dari jebakan minimum lokal. Selanjutnya Su dkk (2005) memperkenalkan untuk
penggunaan
menyelesaikan
algoritma
masalah
pencarian
rekonfigurasi
ant
colony
jaringan
yang
optimal guna menurunkan rugi-rugi daya distribusi. Metode ini tergolong baru dan metode evolusi yang sangat cerdas
5 dalam
menyelesaikan
masalah
optimisasi.
Pendekatan
dalam
metode ini berbasis populasi yang menggunakan penjelajahan
5
umpan-balik
positif.
terinspirasi
dari
bagaimana
Algoritma
perilaku
mereka
mencari
pencarian
alamiah sumber
koloni
makanan
ant
colony
semut
tentang
dan
membawanya
kembali ke sarangnya dengan membangun formasi lintasan yang unit. Dengan menerapkan metode ini, solusi optimal untuk rekonfigurasi
jaringan
distribusi
dapat
dicapai
dengan
lebih efektif. Dibandingkan dengan metode genetic algorithm 10
dan simulated annealing, secara numerik metode ant colony memberikan
hasil
yang
lebih
baik
terutama
dalam
menghasilkan rugi-rugi daya rerata jaringan distribusi. Penggunaan logika fuzzy dalam usaha meminimalkan rugirugi jaringan distribusi telah dilakukan oleh Hsiao (2004). 15
Dalam
makalahnya
berbasis
metode
jaringan.
diusulkan
multi-objektif
pemrograman
evolusi
metode
tersebut,
Dalam
diformulasikan
fungsi
menggunakan
prinsip
untuk
fuzzy
rekonfigurasi
fungsi
objektif
konvensional
min-max
dalam logika fuzzy. 20
Berdasarkan optimisasi invensi swarm
25
rekonfigurasi
ini
optimisasi
perkembangan
dipilih
fungsi
metode-metode
jaringan aplikasi
keanggotaan
optimization
dalam
dalam
distribusi, logika
fuzzy
rangka
maka
fuzzy,
menggunakan
merekonfigurasi
dalam dengan
particle jaringan
distribusi. Formulasi masalah rekonfigurasi jaringan dalam hal ini berupa fungsi multi objektif dengan pokok persoalan constraint
operasional
dan
elektrik.
Formulasi
masalah
dalam rencana penelitian ini terdiri dari: minimisasi rugirugi daya sistem distribusi, minimisasi deviasi tegangan 30
simpul jaringan distribusi, penyeimbangan beban tiap-tiap penyulang distribusi, minimisasi operasi tie switch, dan minimisasi jaringan
indeks
arus
distribusi
cabang.
yang
Sementara
bersifat
radial
itu
struktur
harus
tetap
6 dipertahankan
pasca-rekonfigurasi
guna
menjamin
bahwa
seluruh beban tetap terlayani.
5
Uraian Lengkap Metode Fungsi Multi-Objektif Rekonfigurasi jaringan distribusi berbasis metode yang diusulkan
10
menggunakan
meningkatkan
lima
unjukkerja
fungsi
sistem
objektif
distribusi
dalam daya
rangka
listrik,
yaitu: 1. Fungsi untuk minimisasi rugi-rugi daya nyata. 2. Fungsi untuk minimisasi deviasi tegangan bus. 3. Fungsi untuk penyeimbangan beban penyulang. 4. Fungsi untuk minimisasi jumlah operasi switching.
15
5. Fungsi untuk minimisasi indeks arus cabang. 1. Fungsi Objektif untuk Minimisasi Rugi-rugi Daya Nyata Fungsi 20
rekonfigurasi
objektif
pertama
jaringan
distribusi
yang
dipilih
adalah
fungsi
untuk objektif
minimisasi rugi-rugi daya nyata, karena tujuan utama dalam rekonfigurasi
25
daya
nyata
daya
nyata
jaringan
pada
adalah
sistem
total
dapat
untuk
menurunkan
rugi-rugi
distribusi.
Minimisasi
rugi-rugi
menggunakan
persamaan
dihitung
sebagai berikut: N br
f 1 ( X ) Ri | I i | 2 ,
X = [Tie1, Tie2, …, TieNtie, Sw1, Sw2, …,
i 1
SwNtie]
30
(1)
dengan
Ri
adalah
cabang
ke-i,
Nbr
resistans adalah
cabang
jumlah
ke-i,
cabang,
Ii X
adalah
adalah
arus
vektor
variabel kontrol, Tiei adalah keadaan tie switch ke-i (0 menunjukkan tertutup),
keadaan Swi
terbuka
adalah
jumlah
dan
1
menunjukkan
sectionalizing
keadaan
switch
yang
7 membentuk satu loop dengan Tiei, dan Ntie adalah jumlah tie switch. 2. Fungsi Objektif untuk Minimisasi Deviasi Tegangan Bus Deviasi tegangan bus yang kecil menunjukkan kualitas
5
layanan
daya
listrik
yang
baik.
Fungsi
objektif
untuk
minimisasi deviasi tegangan bus adalah: f2(X) = maxi|Vi – Vrate|,
i = 1, 2, 3, …, Nbus.
(2)
dengan Nbus adalah total jumlah bus, Vi adalah tegangan 10
aktual bus ke-i, dan Vrate adalah tegangan nominal bus kei. 3. Fungsi Objektif untuk Penyeimbangan Beban Penyulang Penyeimbangan
15
dalam
beban
rekonfigurasi
adalah
jaringan
salah
satu
distribusi.
tujuan
utama
Strategi
yang
efektif untuk menaikkan margin pembebanan dari penyulang yang mempunyai beban sangat besar adalah dengan mentransfer sebagian bebannya ke penyualng yang mempunyai beban yang lebih 20
kecil.
Penyeimbangan
beban
masing-masing
penyulang
dapat dimodelkan sebagai berikut: f3(X) = – mini|Ii,rate – Ii|,
i = 1, 2, 3, …, Nbr.
(3)
dengan Ii adalah pembebanan aktual cabang ke-i, dan Ii,rate adalah arus nominal cabang ke-i.
25
4.
Fungsi
Objektif
untuk
Minimisasi
Jumlah
Operasi
Switching Minimisasi jumlah operasi switching dapat dimodelkan sebagai berikut: Ns
f 4 ( X ) | S i S 0i | ,
(4)
i 1
30
dengan Si adalah keadaan switch i yang baru, S0i adalah keadaan switch i awal, dan Ns adalah jumlah switch.
8 5. Fungsi Objektif untuk Minimisasi Indeks Arus Cabang Tujuan
utama
untuk
fungsi
ini
adalah
untuk
meminimalkan pelanggaran batasan-batasan arus cabang yang dikehendaki. Indeks arus cabang dapat dimodelkan sebagai berikut:
5
f5 ( X )
| I i ,m | I c ,m
,
untuk i = 1, 2, 3, …, Nk, dan m = 1, 2, 3, …,
Nbr.
(5)
dengan Ii,m adalah arus pada cabang m pada saat cabang ke-i dalam 10
loop-nya
terbuka,
Ic,m
adalah
kapasitas
arus
pada
cabang m, Nk adalah jumlah cabang dalam loop pada saat tie switch ditutup, dan Nbr adalah jumlah cabang. 6. Formulasi Rekonfigurasi Jaringan Distribusi Formulasi
15
rekonfigurasi
jaringan
distribusi
multiobjektif yang meliputi fungsi-fungsi objektif sesuai persamaan (1) sampai dengan persamaan (5) dapat dituliskan sebagai berikut: max J ( X ) || f ( X ) f 0 || 2
f1 ( X ) f o1 2 f 2 ( X ) f o 2 2 f 3 ( X ) f o3 2 f 4 ( X ) f o 4 2 f 5 ( X ) f o5 2 f1 ( X ) f 01 f ( X ) f 2 02 f ( X ) f 3 ( X ) , f 0 f 03 f 4 ( X ) f 04 f 5 ( X ) f 05
20
dengan
f01
rekonfigurasi, rekonfigurasi, simpangan operasi 25
adalah
adalah f02
indeks
rugi-rugi
arus
sebelum rekonfigurasi.
nyata
tegangan
penyeimbangan
sebelum
dengan
daya
deviasi
adalah
tertinggi switching
(7)
adalah
f03
(6)
rekonfigurasi,
simpangan
cabang
dengan
sebelum
bus
sebelum
beban
dengan
f04
adalah
tertinggi, simpangan
dan
f05
tertinggi
9 Metode Particle Swarm Optimization Particle algoritma 5
Swarm
optimisasi
Optimization
(PSO)
yang
berdasarkan
bekerja
adalah
sebuah
pencarian
berbasis populasi dengan menyimulasikan perilaku sekawanan burung
(Kennedy
individual
dan
Ebenhart,
dilakukan
dengan
1995).
Pembaruan
menerapkan
populasi
beberapa
macam
operator menurut informasi yang diperoleh dari lingkungan, sehingga masing-masing individu diharapkan berpindah secara 10
bersama-sama
menuju
daerah
yang
lebih
baik.
Dalam
PSO,
setiap individu terbang di angkasa dengan kecepatan yang dinamis
sesuai
dengan
pengalaman
terbang
individu
dan
pengalaman terbang kelompok, setiap individu merupakan satu titik di angkasa berdimensi-n. Dalam suatu ruang pencarian berdimensi-n, dimisalkan
15
posisi individual ke-i adalah Xi = (xi1, ..., xid, ..., xin) dan kecepatan individual ke-i adalah Vi = (vi1, ..., vid, ..., vin). Pengalaman terbaik partikel ke-i direkam dan 20
direpresentasikan
pbestid,
...,
dengan
pbestin).
Posisi
Pbesti
=
global
(pbesti1,
terbaik
...,
pencarian
swarm adalah Gbesti = (gbest1, ..., gbestd, ..., gbestn). Kecepatan
termodifikasi
setiap
berdasarkan
kecepatan
personal,
terbaik 25
personal
awal
(lokal),
dan
jarak
partikel jarak dari
dihitung
dari
posisi
posisi terbaik
global seperti ditunjukkan pada persamaan berikut:
Vi (t 1) Vi (t ) c1 rand1 () ( Pbesti X i(t ) ) c 2 rand 2 () (Gbesti X i(t ) )
(8)
10
X i( t 1) Vi (t )
Vi ( t 1) Vi Gbest
Vi Pbest
X i(t )
Gambar 2. Konsep dasar optimisasi menggunakan PSO.
5
Persamaan
(8)
menentukan
arah
partikel
ke-i.
Oleh
karenanya, posisi terbaru partikel dapat ditentukan dengan menggunakan persamaan: X i(t 1) X i(t ) Vi (t 1)
(9)
dengan i = 1, 2, ..., N adalah indeks setiap partikel, t 10
adalah jumlah iterasi, rand1() dan rand2() adalah bilangan acak antara 0 dan 1, dan N adalah jumlah swarm. Bobot inersia ω ditentukan berdasarkan persamaan:
(t 1) max Dalam 15
t max
persamaan
t
(10)
(10),
tmax
adalah
jumlah
maksimum
iterasi dan t adalah jumlah iterasi aktual. ωmax adalah bobot
inersia
minimum.
Gambar
optimizer. 20
max min
maksimum, 2
dan
menunjukkan
ωmin ide
adalah dasar
bobot
inersia
particle
swarm
11 Klaim
5
10
15
20
25
1. Suatu metode optimisasi konfigurasi jaringan distribusi daya listrik terdiri dari: - lima fungsi objektif yang dioptimisasi secara simultan yaitu fungsi untuk minimisasi rugi-rugi daya nyata, fungsi untuk minimisasi deviasi tegangan bus, fungsi untuk penyeimbangan beban penyulang, fungsi untuk minimisasi jumlah operasi switching, dan fungsi untuk minimisasi indeks arus cabang; - bobot inersia untuk optimisasi konfigurasi jaringan distribusi yang dikembangkan dalam metode particle swarm optimization (PSO); - fungsi keanggotaan fuzzy dengan aturan tertentu yang digunakan untuk mendapatkan bobot inersia pada PSO yang lebih akurat untuk optimisasi. 2. Suatu metode optimisasi konfigurasi jaringan distribusi daya listrik yang sesuai dengan klaim 1, dimana metode tersebut dapat diterapkan dalam berbagai perangkat lunak dan bahasa pemrograman. 3. Suatu metode optimisasi konfigurasi jaringan distribusi daya listrik yang sesuai dengan klaim 1 sampai 2, dimana metode tersebut dapat diterapkan dalam perangkat keras berbasis komputer dengan prosesor dan memori yang cukup.
30
35
4. Suatu metode optimisasi konfigurasi jaringan distribusi daya listrik yang sesuai dengan klaim 1 sampai 3, dimana metode tersebut dapat diaplikasikan pada sistem pengendalian sistem distribusi yang dimiliki operator jaringan distribusi suatu perusahaan listrik. 5. Suatu metode optimisasi konfigurasi jaringan distribusi daya listrik yang sesuai dengan klaim 1 sampai 4, dimana metode tersebut merupakan kombinasi atau hibrid dari dua
12 metode cerdas yaitu metode berbasis logika fuzzy adaptif dan metode particle swarm optimization.
5
10
6. Suatu metode optimisasi konfigurasi jaringan distribusi daya listrik yang sesuai dengan klaim 1 sampai 5, dimana metode tersebut dapat dapat berfungsi meningkatkan efisiensi jaringan distribusi daya listrik.
13 Abstrak METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI MENGGUNAKAN LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION 5 Suatu metode optimisasi konfigurasi jaringan distribusi daya listrik berbasis logika fuzzy dan particle 10
15
20
25
30
35
swarm optimization (PSO). PSO adalah sebuah algoritma optimisasi yang bekerja berdasarkan pencarian berbasis populasi dengan menyimulasikan perilaku sekawanan burung. Pembaruan populasi individual dilakukan dengan menerapkan beberapa macam operator menurut informasi yang diperoleh dari lingkungan, sehingga masing-masing individu diharapkan berpindah secara bersama-sama menuju daerah yang lebih baik. Dalam PSO, setiap individu terbang di angkasa dengan kecepatan yang dinamis sesuai dengan pengalaman terbang individu dan pengalaman terbang kelompok, setiap individu merupakan satu titik di angkasa berdimensi-n. Dalam metode ini, bobot inersia dan faktor pembelajaran dievaluasi menggunakan suatu sistem fuzzy. Dalam sistem fuzzy, kecocokan terbaik (BF) dan jumlah generasi kecocokan takubah terbaik (NU) digunakan sebagai variabel masukan, sedangkan bobot inersia (ω) dan faktor pembelajaran (c1 dan c2) digunakan sebagai variabel keluaran.
