Jurnal Teknika
ISSN : 2085 - 0859
Fakultas Teknik Universitas Islam Lamongan
Volume 2 No.2 Tahun 2010
PENGATURAN FREKUENSI BEBAN HIBRID TURBIN ANGIN DIESEL DENGAN MENGGUNAKAN ALGORITMA GENETIKA Zainal Abidin 1 1)
Dosen dpk pada Fakultas Teknik Prodi Elektro Universitas Islam Lamongan
Abstrak Sistem hibrid adalah jaringan terkontrol dari beberapa pembangkit tenaga energi terbaharukan seperti : turbin angin, sel surya, mikrohidro dan sebagainya. Kenyataan di lapangan bahwa terjadi perbedaan fluktuasi frekuensi yang mempengaruhi kualitas daya sistem. Ada beberapa permasalahan yang dapat meningkatkan osilasi frekuensi rendah. Di antaranya : (a) Tingginya setting gain dan kecilnya waktu konstan pada Automatic Voltage Regulator, (b) Terlalu banyak jaringan transmisi yang panjang sehingga kemampuan lemah (weak line). Dalam penelitian ini diterapkan desain kontrol dengan Algoritma Genetika dengan mencari nilai optimum Proporsional Intergral (PI) untuk mengatur frekuensi beban dengan program Matlab/ Simulink. Selanjutnya mengubah fungsi transfer dari diagram turbin angin dan diesel ke dalam bentuk matrik dan diaplikasikan dalam M-File algoritma genetika untuk mendapatkan nilai kontrol dengan melakukan tuning rasio redam (damping ratio) dan real part untuk mendapatkan ovreshoot dan rise time yang optimal. Semakin minimum real part, semakin cepat respon sistem. namun jika diminimumkan terus akan mengurangi rasio redam sehingga memperbesar overshoot. Nilai kontrol dengan metode algoritma genetika dapat melakukan tuning optimisasi dengan pembangkitan hingga 100 generasi sebanyak 4 tahap. Respon sistem dengan Simulink/ Matlab dengan membandingkan dengan sistem tak terkontrol menunjukkan bahwa overshoot dan respon keadaan mantap pada sistem terkontrol algoritma genetika lebih cepat. Kata Kunci : algoritma genetika, pengaturan frekuensi beban 1. Pengantar Dewasa ini dunia dituntut untuk mengembangkan sumber-sumber energi baru terbarukan yang dapat menggantikan fungsi bahan bakar sebagai sumber energi. Hal ini membuka riset di berbagai negara dalam rangka pengembangan energi terbarukan. Dalam tema kali ini peneliti mengambil permasalahan tentang sistem hibrid. Sistem hibrid adalah suatu jaringan yang terkontrol dari beberapa sumber energi terbarukan seperti turbin angin, photovoltaic, mikrohidro, dan sebagainya. Akan tetapi dalam prakteknya karena adanya perbedaan pengaturan fluktuasi frekwensi maka hal ini akan berpengaruh terhadap kualitas suplai tenaga yang ada pada sistem hibrid. Pada penelitian sebelumnya studi kestabilan operasi sistem hibrid membahas teknik pengaturan frekwensi serta mendiskusikan teknik gabungan sistem fuel cell dan elektrolisa hibrid untuk meningkatkan kemampuan sistem mikrogrid dalam peningkatan kualitas daya dari permasalahan fluktuasi frekwensi. Pengaturan yang diajukan dan sistem pemantauan (monitoring) yang dilakkan adalah untuk menjaga kualitas daya, juga untuk
menjaga kestabilan fluktuasi frekwensi yang disebabkan adanya daya random pada pembangkitan serta pada sisi beban juga untuk menjaga kestabilan fluktuasi aliran daya pada tieline aliran daya yang diakibatkan fluktuasi frekwensi dari interkoneksi sistem hibrid. Dari beberapa permasalahan pengaturan frekwensi yang menyebabkan fluktuasi aliran daya pada berbagai jenis pembangkitan sistem hibrid yang terkoneksi, maka peneliti mengambil tema Pengaturan Frekwensi Pada Sistem Daya Hibrid dengan Algoritma Genetika dengan mengkaji sistem pembangkit diesel dan turbin angin. 2. Tinjauan Pustaka 2.1. Sistem Hibrid Sistem daya hibrid diesel-turbin angin stand alone mungkin secara ekonomis dapat diterapkan dalam beberapa kasus penyediaan energi listrik pada daerah terpencil misalnya wilayah pegunungan atau kepulauan dimana tingkat kecepatan angin cukup signifikan untuk menggerakkan generator dalam memproduksi
7
Jurnal Teknika
ISSN : 2085 - 0859
Fakultas Teknik Universitas Islam Lamongan
Volume 2 No.2 Tahun 201
listrik tetapi untuk penyediaan energi pada sistem jaringan terkoneksi tidak ekonomis [2]. Diharapkan hasil pembangkitan energi listrik dari sistem hibrid Turbin Angin-Diesel dapat menyediakan pelayanan yang baik bagi pelayanan beban ke konsumen, namun semua itu tergantung pada tipe dan karakteristik kontrol pembangkitan. Hal ini berarti variasi sistem frekuensi harus dapat dijaga kestabilannya agar peralatan dapat beroperasi dengan baik dan efisien. Strategi yang berbeda dapat diterapkan dengan cara mereduksi perbedaan pembangkitan dan beban serta mengatur deviasi frekwensi sistem [5]. Adapun strategi-strategi yang dapat dilakukan dengan cara pengaturan kontrol beban tiruan [7], prioritas switching kontrol beban [6], penggunaan flywheel [1], superkonduktor magnetik [4] dan sistem penyimpanan energi baterai [5]. Untuk dapat menampilkan analisis detail studi tentang sistem hibrid turbin angindiesel dan mikrohidro dengan model sinyal transfer kecil. Pemilihan yang optimal dari gain kontrol disarankan menggunakan teknik ISE [8] untuk kasus kontrol kontinyu dan kontrol diskrit. Permasalahan yang terjadi pada pembangkitan adalah terjadinya frekuensi osilasi yang rendah. Hal ini muncul karena : a. Tingginya setting gain dan rendahnya waktu konstan pada Automatic Voltage Regulator (AVR). b. Terlalu banyak jaringan transmisi yang panjang sehingga kemampuan lemah (weak line). Untuk mengatasi permasalahan tingginya gain pada AVR, sebelumnya kita membahas singkat fungsi transfer dari AVR agar lebih mudah memahami pengaruh gain dan waktu konstan AVR. Struktur AVR sering direpresentasikan sebagai fungsi transfer orde 1 seperti gambar 1 berikut :
Vt
KA 1 + T AS
Efd
Gambar 1. Automatic Voltage Regulator
tersebut. Pada dasarnya gain yang tinggi pada AVR memiliki maksud : a. Semakin tinggi gain, tegangan terminal generator akan terkontrol dengan baik, karena tujuan AVR memang membuat tegangan terminal stabil. b. Semakin tingginya gain pada AVR, ternyata juga menimbulkan efek samping yaitu semakin lemahnya kemampuan redam (negatif damping) dari generator sehingga berpotensi timbulnya osilasi frekuensi rendah. c. Dari kedua alasan di atas, dapat disimpulkan bahwa pengaturan gain pada AVR adalah sesuatu yang sangat penting, karena kalau terlalu rendah akan menimbulkan ketidakstabilan monotik dan jika terlalu tinggi akan menimbulkan osilasi frekuensi rendah. Dalam permasalahan yang peneliti angkat kali ini adalah mendesain kontrol dengan metode algoritma genetika untuk mencari nilai fitnes terbaik dari proporsional integral (PI) pengaturan frekwensi beban dengan Matlab/Simulink dengan langkah-langkahnya adalah mendesain kontrol dengan M-File, menentukan state space dari sistem, kemudian mengaplikasikannya pada Simulink untuk mendapatkan sampel periode yang berbeda juga respon transient dari sistem. a. Model Simulasi Pmax
Blade picth Control
Governor
∑
Ptg
r ∑
Wind Energy Supply
Energy Conversion System
Torsional System
Prime Mover Power
Fluid Coupling
2
Pf Diesel Unit
Gen
1
Gambar 2. Model Konsep Diesel dan Turbin Angin Model dalam studi kasus ini terdiri dari sub sistem : model dinamik turbin angin, model dinamik diesel, kontrol kecepatan sudu turbin angin dan model dinamik generator . Blok diagram fungsi transfer Turbin Angin-Diesel :
Dimana Ka= gain, memiliki fungsi sebagai kendali proporsional dan Ta=waktu konstan, yang menandakan kecepatan respon dari AVR, semakin kecil waktu konstan, semakin cepat respon AVR
8
Jurnal Teknika
ISSN : 2085 - 0859
Fakultas Teknik Universitas Islam Lamongan
Volume 2 No.2 Tahun 201 P
X1 U1
X3
X2 H1
1
Kpc
∑
D
H
Turbin Angin Ptg
controller
Kfc
∑
∑
2 ∑
∑ Pload
ref
Pf
Diesel Power
Pf1
Gambar 3. Blok Diagram Fungsi Transfer untuk DieselTurbin Angin dengan Kontrol adalah variabel tiruan (dummy variabel). Fungsi c. Model Matematik sistem Model linier digunakan untuk model turbin transfer dari governor diesel pada gambar 2 di angin dan diesel digunakan untuk mengidentifikasi berikan : dan menentukan nilai osilasi tak terkontrol. Pada Pf(S) Kd (1 + S ) model konsep seperti pada gambar 2. Aliran = kopling pada gambar tersebut dimana ada .............(3) S(1 + ST1) perbedaan transfer kecepatan pada sisi tenaga. ref(S)- 2(S) Fungsi aktual adalah non linier tetapi untuk model tersebut dilinierkan, sehingga menghasilkan daya Karena ref adalah setting kecepatan referensi (a set point secara konstan. Gambar 2.3 konstant) untuk generator diesel, sehingga ref = memperlihatkan blok diagram fungsi yang 0.0 . Dengan mensubstitusikan ref =0.0 ke ditentukan. persamaan 3 di atas didapatkan : Fungsi transfer dari aktuator hidrolik terpasang dapat ditulis : Pf(S) Kd (1 + S ) ................(4) = H(s) Kp2(1 + STp1) - 2(S) S(1 + ST1) = ............(1) U1(s) (TkS2) + STp2 +1) (1+S) Fungsi transfer dari governor diesel pada Tetapi Tk sangat kecil dibandingkan Tp2 sehingga persamaan di atas dipecah menjadi dua blok sistem Tk diabaikan . Kemudian persamaan tersebut dan Pf1 adalah variabel tiruan. ditulis sebagai : d. Metode Optimasi Algoritma Genetika H(s) Kp2(1 + STp1) ..................(2) Algoritma genetika (AG) adalah suatu =. teknik yang memiliki kemampuan intelejen. U1(s) (1+ STp2) (1+S) Teknik ini adalah algoritma stokastik yang memanfaatkan fenomena alam. Gagasan di Fungsi transfer dari persamaan 2 dari aktuator belakang AG adalah mengerjakan yang dikerjakan hidrolik terpasang dibagi menjadi dua blok oleh alam. (gambar 2) dan H1 Secara detail, proses operasi AG untuk melakukan perhitungan optimasi dapat
9
Jurnal Teknika
ISSN : 2085 - 0859
Fakultas Teknik Universitas Islam Lamongan
Volume 2 No.2 Tahun 201
dipresentasikan melalui penjelasan yang dimulai dengan mencari harga maksimum dari sebuah fungsi g, dengan g = -f Min f(x) = Maks g (x) = Maks {-f(x)} (5) Kita mengasumsikan bahwa fungsi objektif f mengambil harga-harga positif pada domiannya, dan kita dapat menambah konstanta C positif. Maks g(x) = Maks { g (x) + C } (6) Kita akan mencari harga maksimum fungsi dari k variabel , f(x1, …., xk) : Rk R. Masing-masing variabel x1 dapat mengambil harga dari domain Di [a1, b1] R dan f (x1………,xk) > 0. Untuk sebuah x1 Di, kita ingin mengoptimasi fungsi f dengan ketelitian yang dibutuhkan, yaitu delapan desimal. Adapun aliran program algoritma genetika dapat dilihat pada gambar 5 berikut :
Mulai
Inisialisasi populasi
Generasi =0 Evaluasi nilai fitness untuk tiap kromosom Perform Seleksi, Crossover dan Proses Mutasi
Gen=Gen+1
Generasi>max generasi atau pencapain kontrol
Tidak
optimum
Ya
Selesai
Gambar 4. Diagram Alir Algoritma Genetika
3.Cara Penelitian 3.1. Bahan Penelitian Bahan-bahan yang dibutuhkan untuk penelitian adalah: 1. Buku teks yang menunjang penelitian. 2. Makalah dan jurnal yang berkaitan. 3. Data-data yang dibutuhkan 3.2. Alat Penelitian Alat-alat penelitian yang digunakan dalam penelitian : 1. Software Matlab/Simulink versi 7.0 2. Laptop PIV Intel Atom A-Note 3. Program Aplikasi Microsoft Excel 3.3. Jalannya Penelitian Metodologi penelitian yang digunakan adalah dengan mendesain blok sistem turbin angin dan diesel kemudian diaplikasikan ke dalam Matlab dan dilakukan uji performa sistem. Adapun langkah-langkah sebagai berikut : a. Merancang blok sistem turbin angin dan diesel b. Menghitung state space dari blok transfer kemudian dibentuk matrik dari variabel kontrol dan matrik konstan. c. Memasukkan matrik ke dalam program matlab Algoritma Genetika dimaksudkan untuk sebagai kontrol untuk tuning damping ratio dan real part untuk menentukan overshoot dan rise time. Semakin minimal real part, maka semakin cepat respon sistem. Namun jika diminimalkan terus akan mengurangi damping ratio sehingga memperbesar overshoot. Untuk membuktikan respon rasio redam dan real part maka harus disimulasikan range rasio redam dan real part , misalnya: a. Respon sistem jika rasio redam diset : 0,1 kemudian dilanjutkan rasio redam 0,2, rasio redam 0,3 sampai dengan 0,7. b. Respon sistem jika real part divariasi mulai dari -0.05 , -0.1 dan seterusnya. d. Untuk menampilkan performance stabilitas sistem kita gunakan Matlab/Simulink.
10
Jurnal Teknika
ISSN : 2085 - 0859
Fakultas Teknik Universitas Islam Lamongan
Volume 2 No.2 Tahun 201
4. Hasil Penelitian dan Pembahasan a. Menghitung state space diagram sistem
1 ( ).U1 1 STp
H1
a.
H1Tp2 U1 H1 H1 1 H1 U1 Tp2 Tp2 1 1 H1 U1 H1 Tp2 Tp2 Kp2 (1 STp1 ) H H1 (1 S )
H H Kp2 (H1 H1Tp1 )
H Kp2 H1 H1 Kp2Tp1 H 1 )H1 .Kp2Tp1 H Tp2 1 Kp2 H1 (1 Tp1 ) H Tp2 Tp Kp2 (1 1 )H1 H Tp2 Kp3 D H (1 S )
Kp2 H1 (
c.
D D Kp3 H
D Kp3 H D d.
1 1 ( Kpc.D Kfc (1 2 ) 2 HS Kpc Kfc Kfc 1 D 1 2 2 H 2 H 2 H 1 .Kfc (1 2 ) + Pf 2 HdS Kfc Kfc 2 1 2 + Pf 2 Hd 2 Hd Kd f. Pf 1 .2 S e.
2
Pf1 Kd2
(1 S ) Kd .(Pf1 2 ) (1 ST1 ) S
H 1 H1TP2 U1
Pf
Pf PfT1 Pf1
b
g.
Kd 2 Pf1 Kd 2 S
PfT1 Pf1 Kd 2 Pf1 Kd 2 Pf 1 Kd 1 Pf Pf1 2 Pf T1 T1 T1 Hasil dari state space blok sistem dimasukkan ke dalam matrik A 1 Tp2 Kp Kp 2Tp1 2 Tp2 0 A 0 0 0 0
0
0
0
0
0
1
0
0
0
0
Kp3
1 Kpc 2 H
0 Kfc 2 H Kfc 2 Hd Kd Kd T1
0
0
0
0
0
0 Kfc 2 H Kfc 2 Hd 0
0
0
0
0
0 0 0 1 T1
0 0 0 0 1 0 1 T1
Sementara matrik B karena terdiri dari matrik 7x 1 yang terdiri dari satu kontrol input, yakni : 1 Tp 2 Kp 2Tp1 Tp 2 0 B 0 0 0 0
Sementara adalah matrik konstan pada sisi gangguan (disturbance) adalah : 0 0 0 1 2H 0 0 0
0 0 1 2H d 0 0 0 0
Kemudian matrik A, B, dan diaplikasikan ke dalam program Matlab untuk mencari fitnes terbaik dengan algoritma genetika. Adapun variabel mesin-mesin sebagai kajian studi simulasi ini sebagai berikut : PR (Daya ) = 350 kW
11
Jurnal Teknika
ISSN : 2085 - 0859
Fakultas Teknik Universitas Islam Lamongan
Volume 2 No.2 Tahun 201
sistem
ke
0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
0
10
20
30
40
50 generasi
60
70
80
90
100
Gambar 7. Kurva fungsi obyektif pada 200 generasi Error Value 1.4
dalam
1.2
1
In1 In2
wind
Sine Wave3
VSC
To Workspace1
0
Sine Wave1
fungsi obyektif
b. Mendesain blok Matlab/Simulink
Error Value 0.8
fungsi obyektif
H = dasar konstanta inersia mesin turbin angin 3.5 s Hd = dasar konstanta inersia mesin diesel = 8.5 s Kfc = 16.2 pu KW/ Hz Kp2 = 1.25 Kp3 = 1.40 Pload = 0.01 pu KW T1 = 0.025 s Kd = 16.5 pu KW/Hz Tp2 = 0.041 s Tp1 = 0.60 s Kpc = 0.80 Tk = 0.0009 s
0.8
0.6
Kpc1
0.4 Sine Wave2 -CConstant
Clock
In2
0.2
0
time
In1
To Workspace2
Pmax2
Kpc4
GA
0 Load Band-Limited White Noise
0 Kpc2
Band-Limited White Noise1
In1 In2
0
10
20
30
To Workspace
40
50 generasi
60
70
80
90
100
Gambar 8. Kurva fungsi obyektif pada 300 generasi
-CConstant1
4a1
Error Value
1
In1
Pmax1
In2
0.14
Kpc3
4b1
0.12
Melakukan simulasi dengan Matlab /Simulink Dengan algoritma genetika sebanyak 100 generasi yang dilakukan dalam empat tahap dapat ditampilkan secara grafis dan tabel sebagai berikut : Error Value 0.8 0.7 0.6
fungsi obyektif
c.
0.5 0.4 0.3 0.2 0.1 0
0
10
20
30
40
50 generasi
60
70
80
90
100
Gambar 6. Kurva fungsi obyektif pada 100 generasi
0.1
fungsi obyektif
Gambar 5. Blok sistem dalam Matlab/Simulink
0.08
0.06
0.04
0.02
0
0
10
20
30
40
50 generasi
60
70
80
90
100
Gambar 9. Kurva fungsi obyektif pada 400 generasi Dari gambar 6, 7,8 dan 9 adalah hasil optimasi AG untuk fungsi obyektif sekaligus mendapatkan nilai Kp dan Ki yang selanjutnya dilakukan variasi rasio redam dan real part untuk mendapatkan nilai optimal kontrol AG. Tabel 4.1. Pencapaian Optimum Kp dan Ki pada 400 generasi Generasi Kp Ki 80 2.12 12.41 160 3.48 15.31 240 3.59 15.59 375 2.94 12.54
12
Jurnal Teknika
ISSN : 2085 - 0859
Fakultas Teknik Universitas Islam Lamongan
Volume 2 No.2 Tahun 201
Tabel 3. Mengubah parameter Kfc, Kd, dan Kpc 20 % Variabel Control 20%(+) 20% (-) Kfc 16.2 19.44 12.96 Kd 16.5 19.88 13.2 Kpc 0.88 0.96 0.64 Pada variabel kontrol dengan Kfc =16.2, Kd=16,5 dan Kpc=0.8 hasil iterasi GA pada generasi ke-81 secara optimal didapat nilai : Kp Ki 4.1773 18.9782
error -0.0052
dengan gain 0.59.
Plot nilai eigen sebagai berikut :
1.5
Gambar 10. Pencapaian PI pada 400 generasi
1
Respo n sistem Eigen
Rise time(s ) Overs hoot(s )
Dam =0.1 Re= 0.05 0.69 75 0.00 23 0.00 25
Perubahan damp.ratio dan real part Dam Dam Dam Dam Dam =0.2 =0.3 =0.4 =0.5 =0.6 Re= Re= Re= Re= Re= -0.1 -0.2 -0.3 -0.4 -0.5 0.69 39 0.00 25 0.00 25
0.70 17 0.00 27 0.00 24
0.71 10 0.00 29 0.00 23
0.70 65 0.00 293 0.00 22
0.70 85 0.00 295 0.00 22
Dam =0.7 Re= -0.6 1.71 5 0.00 297 0.00 22
Dari gambaran tabel 2. didapatkan bahwa rise time sangat dipengaruhi real part, semakin minimal real part, respon sistem semakin cepat, jika rasio redam besar, maka overshoot mengecil. Melakukan simulasi dengan mengubah nilai Kfc, Kd dan Kpc pada sistem sebelumnya sebesar 20 %
0.5 Nilai Eigen
Adapun hasil dari variasi rasio redam dan real part dapat ditunjukkan table 2 berikut : Tabel 2 Konfigurasi respon sistem jika rasio redam dan real part diubah
0
-0.5
-1
-1.5 -4
-3.5
-3
-2.5
-2
-1.5 axis
-1
-0.5
0
0.5
1
Gambar 7 . Plot Nilai Eigen Dari gambar 7 bahwa sebaran sebagian nilai eigen berada pada dua kwadran dan berjarak sama yakni -0.7856i dan 0.7856i . Berdasarkan teori bahwa kestabilan dari suatu sistem lup tertutup ditentukan dari letak pole lup tertutup di bidang s atau nilai eigen dari matriks konstanta A. Jika terdapat pole lup tertutup yang terletak di sebelah kanan sumbu imajiner bidang s (berarti bagian real dari pole bertanda positif), maka dengan bertambahnya waktu, pole tersebut akan memberikan pengaruh yang sangat dominan, sehingga respon sistem dalam waktu tertentu akan naik turun atau berosilasi dengan amplitudo yang semakin besar. Sedangkan suatu sistem kontrol dikatakan stabil bila lup tertutup terletak di sebelah kiri sumbu imajiner bidang s. Dari gambar 7 dapat dikatakan bahwa sistem dalam kondisi stabil. Sedangkan plot deviasi frekuensi dari yang tidak terkompensasi, terkompensasi
13
Jurnal Teknika
ISSN : 2085 - 0859
Fakultas Teknik Universitas Islam Lamongan
Volume 2 No.2 Tahun 201
dengan AG dapat dilihat pada gambar 8 berikut :
Gambar 11 Deviasi Frekuensi Beban (perubahan parameter 20%+) Gambar 8. Deviasi Frekuensi Sistem Sedangkan respon terhadap wind acak dapat dilihat pada gambar 9 berikut : 0.025
Dari gambar di atas, terjadi penurunan overshoot pada sistem GA dengan overshoot sebesar 0.1 dan waktu keadaan mantap 10s.Sementara untuk perubahan Kf, Kd dan Kpc pada perubahan 20% (-) didapatkan gambar 12
0.02
Daya turbin angin
0.015
0.01
0.005
0
-0.005
0
5
10
15 time(s)
20
25
30
Gambar 9. Respon terhadap Wind Acak Sementara respon terhadap perubahan beban dapat dilihat pada gambar 10 berikut : 0.025
0.015
Beban
Perubahan Beban Respon Perubahan
0.02
0.01
0.005
0
0
5
10
15 time
20
25
30
Gambar 10. Perubahan Beban Deviasi frekuensi dengan perubahan Kf, Kd dan Kpc (20% +) dapat dilihat pada gambar 11 sebagai berikut :
Gambar 12. Deviasi Frekensi Beban (perubahan parameter 20%(-) Dari gambar 12 menunjukkan bahwa kompensasi sistem dengan AG dengan penurunan parameter 20 %(-) terjadi overshoot pada 0.5 dan keadaan mantap pada waktu 12s. Dari perubahan nilai parameter Kf, Kd dan Kpc sebesar 20 % (+) menjadi lebih efektif dari sistem awal karena dapat menurunkan overshoot dan mencapai keadaan mantap lebih cepat.
14
Jurnal Teknika
ISSN : 2085 - 0859
Fakultas Teknik Universitas Islam Lamongan
Volume 2 No.2 Tahun 201
Dengan algoritma genetika pada 100 generasi dengan fungsi obyektif yang merupakan tuning real part dan rasio redam seperti tabel 1, maka didapatkan nilai kontrol yang terkompensasi algoritma genetik menjadi :
zeta=-0.1,-0.2,-0.3,-0.4,-0.5,-0.6 1.8
-0.1 -0.2 -0.3 -0.4 -0.5 -0.6
1.6 1.4
Damping c(t) ratio
1.2 1
0.8 0.6
K(s) = Kp 2
0.4
(1 sTp1 ) (1 sTp2 )(1 s)
0.2 0
0
2
4
6
8
10
=
12
realwn*t part (time)
47.05
Gambar 13. Respon sistem variasi real part terhadap rasio redam
Kontrol yang diajukan menjadi :
Dari gambar blok fungsi transfer turbin angin diesel pada bagian turbin angin dan bagian bawah dasar diesel dipasang SMES (Superconducting Magnetic Energy Storage). Sistem ini digunakan untuk meredam fluktuasi frekuensi yang ditimbulkan oleh kecepatan angin yang tidak konstan. Sebenarnya, kontrol sudu terpasang (blade pitch control) dapat digunakan untuk mengurangi fluktuasi frekuensi tetapi ada kendala karena responnya yang lambat. Berikut adalah SMES dan kontrol yang digunakan untuk mengatur fluktuasi frekuensi. Dalam hal ini kontrol
1 1 sTp2
Kp 2 (1 sTp1) 1 s
SMES
Kontrol
Gambar 14 . SMES dan Kontrol (Mitani, 1988) Sehingga dari gambar 4.18 terjadi umpan balik sebesar :
H Kp 2(1 sTp1) U1 (1 sTp2)(1 s) 1.25(1 0.60s) = (1 0.041s)(1 s)
Dengan mengambil rata-rata dari Tp1 dan Tp2 dengan 20%, maka didapat nilai Tp1=0.60 dan Tp2= 0.041, sehingga : Nilai K(s) =
10.76(0.60s 1) (0.041s 1)
(1 1.642s) (0.00286s 2 0.1108s 1)
K(s) = 47.05
(1.642s 1) (0.1108s 1)
Nilai K(s) ini adalah kontrol frekuensi untuk menentukan kompensasi deviasi frekuensi. Hasil dari simulasi kemudian dibandingkan dengan desain sebelumnya yakni Variable Structure Control (VSC) (D.Das, DP.Kothari, 1999) dengan karakteristik desain : UPPC = -KvPw jika Pw > UPPC=-KpPw – Ki Pw dt jika Pw ≤ dimana = 0.0004, Kv=-10, Kp=10, dan Ki=4. Dalam studi simulasi ini, range daya -0.01≤uppc≤ 0.01 puKW dengan basis daya 350 kW yang terpasang pada output terminal dari kontrol. 5. Penutup 5.1. Kesimpulan a. Algoritma genetika sebagai kontroller dapat melakukan optimasi tuning untuk menguji kontrol sistem dengan generasi hingga 100 didapatkan nilai tuning frekuensi kontrol sebesar : K(s) = 47.05
b.
(1.642s 1) (0.1108s 1)
Nilai K(s) ini adalah kontrol frekuensi untuk menentukan kompensasi deviasi frekuensi. Dengan melakukan pengujian stabilitas sistem dengan Simulink/Matlab didapatkan bahwa jika dibandingkan dengan sistem tak terkontrol, respon overshoot lebih cepat dari sistem tak terkompensasi sebesar 0.35 dan keadaan
15
Jurnal Teknika
ISSN : 2085 - 0859
Fakultas Teknik Universitas Islam Lamongan
Volume 2 No.2 Tahun 201
mantap pada 10s, sedangkan pada kontrol led-lag 20%, pada 20 % (+) sistem terjadi penurunan overshoot sebesar 0.1 dan keadaan mantap pada 10s dan pada 20 %(-)terjadi peningkatan overshoot sebesar 0.5 dan keadaan mantap pada 15s. Sebagian nilai eigen yang terbentuk berada pada titik stabil yakni : 0.7856i dan – 0.7856i pada penambahan 20% (+) dan+ 0.7199i dan -0.7199i pada pengurangan 20%. Hal ini menunjukkan sistem dalam keadaan stabil. 5.2. Saran Berdasarkan hasil penelitian dan pembahasan serta dari kesulitan-kesulitan yang ditemui selama penelitian, maka disarankan untuk melakukan dan mengembangkan metode yang lebih baik. Daftar Pustaka Dettmer, R., lEE Review, 149, 1990. Hunter, R. and Eiloit, G., Wind-Diesel Systems, A Guide to the Technology and its Implementation. Cambridge University Press, Cambridge, 1994 Kothari, M. L., Nanda, J., Kothari, D. P. and Das, D., IEEE Trans. on Power Systems, 1989, 4, 731 Mitani, Y., Tsuji, K. and Murakami, Y., IEEE Trans., 1988, PAS-3, 141857 Nayar, C. V., Phillips, S. J., James, W. L., Pryor, T. L. and Returner, D., Solar Energy, 1993, 51, 65 Nacfaire, H., Wind-Diesel and Autonomous Energy Systems. Elsevier Science, London, 1989 Woodward, Boys J.T. Electrical Control & Drive Wind. IEE Review. 1980 Tripathy, S. C., Bhatti, T. S., Jha, C. S., Malik, O. P. and Hope, G. S., IEEE Trans.on PAS, 1984, A-103, 1045
16
