LAPORAN PENELITIAN DISERTASI DOKTOR
Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas Clonal Selection Immune System
Oleh:
Dr. Ramadoni Syahputra, ST., MT. (NIDN: 0510107403, Prodi Teknik Elektro)
Dibiayai oleh: Direktorat Jenderal Pendidikan Tinggi, Kementerian Pendidikan dan Kebudayaan, sesuai dengan Surat Perjanjian Pelaksanaan Penugasan Penelitian Hibah Bersaing Nomor: 007/HB-LIT/III/2015, tanggal 25 Maret 2015
UNIVERSITAS MUHAMMADIYAH YOGYAKARTA 2015
i
ABSTRAK Penelitian ini mempunyai tujuan jangka panjang yaitu meningkatkan performa sistem distribusi tenaga listrik dengan terintegrasinya DG energi terbarukan tenaga angin dan surya. Dalam penelitian ini dilakukan minimalisasi pengaruh tegangan lebih akibat integrasi DG, menjaga stabilitas sistem distribusi saat terjadi perubahan cuaca, dan rekonfigurasi jaringan guna menghasilkan sistem distribusi berefisiensi tinggi. Pada tahap awal penelitian akan dilakukan rekonfigurasi jaringan distribusi standar IEEE model 77 bus dengan integrasi DG menggunakan perangkat-lunak Matlab yang terhubung ke Power System Simulator. Pemilihan standar IEEE ini dalam rangka menguji-coba metode dan memantapkan strategi yang akan diterapkan pada data sistem distribusi real. Selanjutnya akan dilakukan optimisasi konfigurasi dengan data jaringan distribusi IEEE model 86 bus yang terintegrasi DG energi terbarukan angin dan surya. Pemilihan sistem jaringan distribusi IEEE model 86 bus yang terintegrasi DG energi terbarukan angin dan surya ini karena dianggap representative dengan kondisi di Indonesia.
Kata-kata kunci: Rekonfigurasi jaringan distribusi, optimisasi, energi terbarukan, artificial immune system.
ii
KATA PENGANTAR Bismillaahirrahmaanirrahiim. Syukur alhamdulillah penulis panjatkan ke hadirat ALLAH SWT atas segala rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Laporan Akhir Penelitian berjudul “Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas Clonal Selection Immune System”. Kegiatan ini merupakan skema Penelitian Disertasi Doktor dengan sumber dana berasal dari DITLITABMAS DIKTI KEMENDIKBUD RI untuk tahun pendanaan 2015. Kegiatan ini tidak lepas dari beberapa pihak yang telah banyak membantu. Oleh karena itu bersama ini penulis menyampaikan terima kasih yang sedalamdalamnya kepada: 1. Direktur Penelitian dan Pengabdian kepada Masyarakat DIKTI KEMENDIKBUD RI, yang telah memberikan dukungan dana penelitian, sangat besar manfaatnya sehingga penulis dapat menyelesaikan Program Doktor Teknik Elektro di ITS pada tanggal 12 Juni 2015, 2. Prof. Dr. Bambang Cipto, MA., sebagai Rektor Universitas Muhammadiyah Yogyakarta, 3. Hilman Latief, M.A., Ph.D., sebagai Kepala LP3M UMY, 4. Jazaul Ikhsan, ST., MT., Ph.D., sebagai Dekan Fakultas Teknik UMY, 5. Ir. Agus Jamal, M.Eng., Ketua Jurusan Teknik Elektro Fakultas Teknik UMY, 6. Seluruh dosen, karyawan, dan mahasiswa Jurusan Teknik Elektro Fakultas Teknik UMY, yang telah banyak membantu dan memberikan masukan penulis dalam melaksanakan tugas yang diberikan kepada penulis, 7. Isteriku yang telah banyak membantu dan memberikan masukan yang sangat berguna dalam penyelesaian diktat ini, 8. Ibunda dan ayahanda yang selalu mendoakan penulis, dan 9. Semua pihak yang telah membantu. Penulis menyadari bahwa laporan ini masih jauh dari sempurna. Untuk itu segala kritik dan saran yang bersifat membangun akan penulis terima dengan lapang dada. Akhirnya, semoga kegiatan ini dapat bermanfaat bagi pengembangan ilmu pengetahuan khususnya dalam bidang Teknik Elektro dan juga bagi masyarakat dan bangsa Indonesia pada umumnya.
Yogyakarta, Desember 2015 Penulis
iii
DAFTAR ISI
HALAMAN PENGESAHAN DAFTAR ISI RINGKASAN
…………………………………… …………………………………… ……………………………………
i ii iii
BAB 1. PENDAHULUAN
……………………………………
1
BAB 2. TINJAUAN PUSTAKA
…………………………………… 7
BAB 3. TUJUAN DAN MANFAAT PENELITIAN ……………………………………
12
BAB 4. METODE PENELITIAN
……………………………………
13
BAB 5. HASIL YANG DICAPAI
……………………………………
16
BAB 6. RENCANA TAHAPAN BERIKUTNYA
……………………………………
28
BAB 7. KESIMPULAN DAN SARAN
……………………………………
29
DAFTAR PUSTAKA
……………………………………
30
LAMPIRAN
iv
BAB I
Usaha
meningkatkan
efisiensi
sistem
distribusi
daya
listrik
dengan
meminimalkan rugi-rugi (losses) energi telah menjadi persoalan penting dalam dekade terakhir. Dari seluruh komponen sistem tenaga listrik, sistem distribusi merupakan komponen yang mempunyai rugi-rugi terbesar. Sebagai contoh adalah sistem tenaga listrik di Indonesia yang dikelola oleh PT PLN (Persero). Ada beberapa cara untuk meminimalkan rugi-rugi sistem distribusi daya listrik dalam rangka meningkatkan efisiensi sistem di antaranya rekonfigurasi jaringan, pemasangan kapasitor, penyeimbangan beban, dan meningkatkan aras tegangan listrik menggunakan regulator (Wu dan Tsai, 2008). Cara pemasangan kapasitor pada jaringan dan penyeimbangan beban biasanya mengalami kesulitan karena beban sistem distribusi yang sangat dinamis. Dengan demikian nilai kapasitansi kapasitor harus selalu berubah dari waktu ke waktu, dan beban harus selalu diseimbangkan. Sedangkan cara meminimalkan rugi-rugi dengan meningkatkan aras tegangan listrik memerlukan biaya yang besar karena seluruh peralatan yang terhubung dengan sistem ini harus mampu bekerja pada tegangan yang baru, sementara hasilnya belum tentu memuaskan. Oleh karenanya, dalam rencana penelitian ini hanya difokuskan pada cara rekonfigurasi jaringan distribusi yang optimal guna meminimalkan rugi-rugi daya dalam rangka meningkatkan efisiensi sistem distribusi daya listrik. Selain untuk menurunkan rugi-rugi daya listrik, rekonfigurasi jaringan distribusi juga bermanfaat untuk menyeimbangkan beban masing-masing penyulang (feeder), memperbaiki tegangan sistem, dan mengisolasi gangguan yang terjadi pada salah satu bus pada jaringan distribusi. Dengan demikian, rekonfigurasi jaringan distribusi merupakan aspek penting dalam upaya meningkatkan efisiensi sistem distribusi. Guna
mendapatkan rekonfigurasi jaringan yang optimal, dalam penelitian ini digunakan algoritma cerdas berbasis logika fuzzy dan Particle Swarm Optimization (PSO) termodifikasi.
Tujuan khusus penelitian ini adalah: 1. Melakukan kajian aliran daya dan tegangan beban pada sistem distribusi daya listrik, dengan studi kasus pada sistem distribusi standar IEEE 14 bus, 33 bus, 69 bus, 70 bus, dan 86 bus. 2. Melakukan rekonfigurasi jaringan distribusi yang optimal menggunakan algoritma cerdas berbasis logika fuzzy dan particle swarm optimization (PSO) termodifikasi untuk meminimalkan rugi-rugi (losses) daya listrik, deviasi tegangan beban, operasi tie switch, indeks arus cabang, dan menjaga keseimbangan beban jaringan distribusi, sehingga efisiensi sistem distribusi daya listrik akan meningkat. 3. Menguji unjukkerja metode yang diusulkan dengan cara membandingkan hasil rekonfigurasi jaringan yang diperoleh dengan hasil metode-metode lain misalnya algoritma genetik, simulated annealing, dan metode konvensional. 4. Berdasarkan hasil penelitian, akan memberikan rekomendasi kepada perusahaan pengelola jaringan distribusi daya listrik (PLN) berupa penerapan metode yang diusulkan guna meminimalkan rugi-rugi (losses) daya listrik, deviasi tegangan beban, operasi tie switch, indeks arus cabang, dan menjaga keseimbangan beban jaringan distribusi.
BAB II TINJAUAN PUSTAKA
Usaha meminimalkan rugi-rugi daya sistem distribusi dalam rangka meningkatkan efisiensi sistem telah menjadi persoalan penting dalam dekade terakhir, hal ini disebabkan semakin mahalnya biaya pembangkitan energi listrik. 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). Dalam sistem distribusi primer terdapat dua jenis switch yang dirancang untuk tujuan proteksi dan manajemen konfigurasi (Rao dan Sivanagaraju, 2010). Kedua jenis switch tersebut adalah switch yang dalam keadaan normal tertutup (sectionalizing switches) dan switch yang dalam keadaan normal terbuka (tie switches). Rekonfigurasi jaringan merupakan proses perubahan topologi sistem distribusi dengan mengubah-ubah status switch dari keadaan terbuka menjadi tertutup atau sebaliknya (Bernardona, 2009). Metode rekonfigurasi jaringan distribusi dapat diklasifikasikan sebagai berikut: metode berbasis heuristik, metode berbasis paduan heuristik dan optimisasi, dan metode berbasis kecerdasan buatan (Abdelaziz dkk, 2009). Sarfi dkk (1996) menggunakan algoritma berbasis teori penyekatan (partitioning theory) dalam rekonfigurasi jaringan distribusi. Walaupun minimisasi rugi-rugi relatif berhasil, metode ini hanya cocok untuk sistem distribusi kecil. Dalam dua dekade terakhir, penggunaan metode meta-heuristik telah menarik perhatian para peneliti dalam rangka optimisasi rekonfigurasi jaringan distribusi guna mendapatkan solusi minimum global (Abdelaziz dkk, 2009). Metode-metode yang termasuk dalam meta-heuristik di antaranya genetic algorithm (GA), simulated
annealing (SA), dan tabu search (TS). Metode berbasis tabu search paralel untuk rekonfigurasi penyulang distribusi telah digunakan oleh Mori dan Ogita (2000). Metode ini terdiri dari dua skema paralel yaitu dekomposisi tetangga dengan prosesor paralel untuk menunkan beban komputasi. Selanjutnya Chung 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 distribusi berbasis simpul jaringan yang dikembangkan guna menyelesaikan masalah yang berkaitan dengan perencanaan pemulihan sistem. Jeon dan Kim (2004) memadukan metode simulated annealing dan metode tabu search untuk merekonfigurasi penyulang distribusi guna memperbaiki waktu komputasi dan sifat konvergensi dalam optimisasi. Mekhamer dkk (2008) mengusulkan metode berbasis tabu search termodifikasi untuk rekonfigurasi sistem distribusi. Selanjutnya Su dkk (2005) memperkenalkan penggunaan algoritma pencarian ant colony untuk menyelesaikan masalah rekonfigurasi jaringan yang optimal guna menurunkan rugi-rugi daya distribusi. Metode ini tergolong baru dan metode evolusi yang sangat cerdas dalam menyelesaikan masalah optimisasi. Pendekatan dalam metode ini berbasis populasi yang menggunakan penjelajahan umpan-balik positif. Dengan menerapkan metode ini, solusi optimal untuk rekonfigurasi jaringan distribusi dapat dicapai dengan lebih efektif. Dibandingkan dengan metode genetic algorithm dan simulated annealing, secara numerik metode ant colony memberikan hasil yang lebih baik terutama dalam menghasilkan rugi-rugi daya rerata jaringan distribusi.
Rekonfigurasi Jaringan Distribusi Otomasi distribusi merupakan salah satu isu penting dalam sistem tenaga listrik. Otomasi sistem distribusi berguna untuk meningkatkan keandalan, efisiensi, dan kualitas layanan. Perkembangan pesat dalam teknologi komputer dan telekomunikasi telah mendorong aplikasinya dalam pengendalian sistem tenaga listrik, khususnya otomasi sistem distribusi. Operasi sistem distribusi dapat dimonitor dan dikendalikan dari jarak jauh pada pusat operasi. Salah satu keuntungan dari otomasi sistem distribusi adalah kemudahan dalam melakukan rekonfigurasi jaringan guna meningkatkan unjukkerja sistem distribusi. Dalam suatu sistem distribusi, setiap penyulang melayani beban yang terdiri dari jenis beban residensial, industrial, dan komersial. Jenis-jenis beban tersebut mempunyai pola beban harian yang bervariasi sehingga beban puncak setiap penyulang dapat terjadi pada waktu yang berbeda. Dalam kondisi operasi normal, sebagian beban distribusi dapat dipindahkan dari beban yang tinggi ke beban yang relatif rendah melalui rekonfigurasi jaringan. Penyulang distribusi terdiri dari sejumlah switch yang dalam keadaan normalnya tertutup (sectionalized switches) dan switch yang dalam keadaan normalnya terbuka (tie switches). Rekonfigurasi jaringan distribusi merupakan proses pengubahan struktur topologi jaringan distribusi dengan membuka atau menutup sectionalized switches dan tie switch. Pada saat perubahan kondisi operasi, rekonfigurasi jaringan dilakukan dengan membuka atau menutup switch-switch jaringan sesuai dengan kapasitas transformator, kapasitas termal penyulang, jatuh tegangan, dan kondisi jaringan. Tujuan rekonfigurasi jaringan distribusi di antaranya: menurunkan rugi-rugi daya, menyeimbangkan beban, mengurangi deviasi tegangan, dan memulihkan sistem.
Rekonfigurasi jaringan distribusi mencakup permasalahan optimisasi yang kompleks. Hal ini disebabkan adanya batasan-batasan pada saat menemukan solusi optimal atau solusi yang mendekati optimal dari permasalah yang ditangani.
Penyulang 1
Penyulang 2
1
Penyulang 3
2
3
8 4
13
9
14
10
11
5
12
6
7
16
15
Gambar 2.1. Sistem distribusi 16 simpul (Abdelaziz dkk, 2009).
Multi-Objektif Fuzzy Dalam domain fuzzy, fungsi objektif diasosiasikan dengan suatu fungsi keanggotaan (Das, 2006). Fungsi keanggotaan mengindikasikan derajat pemenuhan fungsi objektif. Dalam usulan penelitian ini digunakan tiga fungsi keanggotaan yaitu fungsi keanggotaan untuk reduksi rugi daya nyata, fungsi keanggotaan untuk deviasi tegangan simpul, dan fungsi keanggotaan untuk penyeimbangan beban penyulang.
II.2.2.1 Fungsi Keanggotaan untuk Reduksi Rugi Daya Nyata Mula-mula didefinisikan variable optimisasi xi sebagai berikut:
xi
Ploss (i ) , 0 Ploss
untuk i = 1, 2, …, Nk.
(1)
dengan, Ploss(i) adalah rugi daya nyata total saat rekonfigurasi jaringan, P0loss adalah rugi daya nyata sebelum rekonfigurasi jaringan.
µLi 1,0
0
xmax
xmin xi
Gambar 2. Fungsi keanggotaan untuk reduksi rugi daya nyata.
Berdasarkan persamaan (1) terlihat bahwa jika xi tinggi maka reduksi rugi dayanya rendah, sebaliknya jika xi rendah maka reduksi rugi dayanya tinggi. Fungsi keanggotaan untuk reduksi rugi daya nyata ditunjukkan dalam Gambar 2. Berdasarkan Gambar 1, dapat dituliskan persamaan: ( x max xi ) ( x x ) , untuk x min xi x max min max Li 1, untuk xi x min 0, untuk xi x max
II.2.2.2 Fungsi Keanggotaan untuk Deviasi Tegangan Simpul
(2)
Tujuan utama fungsi keanggotaan untuk deviasi tegangan simpul jaringan distribusi adalah bahwa deviasi tegangan simpul harus serendah mungkin. Variable optimisasinya didefinisikan sebagai berikut: yi = max|Vs – Vi,j|, untuk i = 1, 2, …, Nk; j = 1, 2, …, Ns.
(3)
Jika nilai maksimum deviasi tegangan simpul adalah rendah maka fungsi keanggotaan yang lebih tinggi yang diambil, sebaliknya jika nilai maksimum deviasi tegangan simpul adalah tinggi, maka fungsi keanggotaan yang lebih rendah yang diambil.
µVi 1,0
0
ymax
ymin yi
Gambar 3. Fungsi keanggotaan untuk deviasi tegangan simpul.
II.2.2.3 Fungsi Keanggotaan untuk Penyeimbangan Beban Penyulang. Penyeimbangan beban penyulang distribusi merupakan salah satu tujuan pokok dalam rekonfigurasi jaringan distribusi. Strategi yang efektif untuk meningkatkan margin pembebanan pada penyulang yang terbebani sangat berat adalah dengan mentransfer sebagian beban yang dipikul oleh penyulang tersebut. Fi , j
( IFi , j IFi avg ) IFi avg
,
untuk i = 1, 2, …, Nk; i = 1, 2, …, Ns.
(4)
BAB III METODE PENELITIAN
Penelitian yang akan dilaksanakan adalah peningkatan efisiensi sistem distribusi daya listrik berbasis algoritma cerdas fuzzy-PSO termodifikasi. Alat yang digunakan dalam penelitian ini terdiri dari perangkat-keras dan perangkat-lunak, di antaranya: 1. Perangkat-keras (hardware) Perangkat-keras yang digunakan adalah satu unit notebook Toshiba Satellite M200 dengan spesifikasi memori 1 GB dan processor Intel Centrino Core2 Duo 1.8 GHz. 2. Perangkat-lunak (software) a. Metode hibrid berbasis logika fuzzy dan PSO termodifikasi. b. Matlab-Simulink untuk mengimplementasikan rancangan sistem distribusi sesuai standar IEEE dan optimisasi multiobjektif dalam rekonfigurasi jaringan distribusi menggunakan algoritma cerdas berbasis logika fuzzy dan PSO termodifikasi guna meningkatkan efisiensi sistem distribusi.
Jalan Penelitian Langkah-langkah penelitian tahun ketiga ini dirangkum dalam suatu diagram alir seperti terlihat pada Gambar 3.1.
Mulai Studi Pustaka
Merancang sistem distribusi daya listrik sesuai standar IEEE 77 bus dan APJ Yogyakarta dalam Matlab-Simulink Validasi rancangan sistem distribusi dan uji aliran daya Merancang metode fuzzy multiobjektif Menguji metode fuzzy multiobjektif
Optimisasi fungsi keanggotaan fuzzy multiobjektif menggunakan PSO Menerapkan metode hibrid berbasis logika fuzzy dan PSO termodifikasi untuk optimisasi konfigurasi jaringan distribusi Membandingkan hasil optimisasi fuzzy-PSO termodifikasi dengan metode lain Analisis hasil optimisasi fuzzy-PSO termodifikasi Analisis Efisiensi dan Kesimpulan
Selesai
Gambar 3.1. Diagram alir langkah-langkah penelitian
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Dalam penelitian ini dilakukan ujicoba terhadap sistem distribusi radial 20-kV yang mempunyai dua gardu induk, empat penyulang, 77 bus cabang seperti ditunjukkan pad Gambar 4.1.
Gambar 4.1. Sistem distribusi radial 20-kV, 77 bus.
Sebelum dilakukan rekonfigurasi jaringan distribusi sebagaimana terlihat pada Gambar 4.1, rugi-rugi daya aktif total jaringan tersebut adalah 229.64 kW. Dalam kondisi awal sistem ini, efisiensi jaringan distribusi adalah sebesar 93.25 %. magnitudo tegangan minimum yang terjadi pada bus 67 adalah sebesar 0.900 p.u., sebagaimana terlihat pada Gambar 4.2.
Tabel 4.1. Instalasi dan kapasitas DG Bus
Kapasitas (kW)
Power Factor
5
150
0.8
7
100
0.9
14
100
0.9
22
100
1
28
150
0.9
34
50
0.8
36
100
0.9
41
150
0.8
46
100
0.9
54
200
0.9
59
100
1
68
200
0.9
70
50
0.8
74
100
0.9
1
0.98
Voltage magnitude in p.u.
0.96
0.94
0.92
0.9
0.88
0
10
20
30
40
number of nodes
50
60
70
Gambar 4.2. Profil tegangan tanpa DG sebelum rekonfigurasi.
Dalam penelitian ini, dimodelkan adanya pemasangan tujuh pembangkitan tersebar (distributed generations, DG) pada bus-bus 3, 6, 24, 29, 38, 52, dan bus 64, sebagaimana terlihat pada TABLE 4.1. Berdasarkan hasil penelitian untuk studi kasusu ini, maka dapat dilihat dari sistem uji kasus 77 bus bahwa DG memberikan pengaruh dalam pengurangan rugi-rugi daya listrik pada jaringan distribusi. Rugi-rugi daya aktif jaringan distribusi dengan pemasangan DG adalah 179.87 kW, atau, efisiensi jaringan distribusi adalah sebesar 94.63 %, sebagaimana terlihat pada TABLE 4.2. magnitudo tegangan minimum terjadi pada bus 67 yaitu sebesar 0.913, sebagaimana terlihat pada Gambar 4.3.
1 0.99
Voltage magnitude in p.u.
0.98 0.97 0.96 0.95 0.94 0.93 0.92 0.91
0
10
20
30
40
50
60
70
number of nodes
Gambar 4.3. Profil tegangan dengan DG sebelum rekonfigurasi. Setelah dilakukan rekonfigurasi, rugi-rugi daya aktif total adalah sebesar 165.07 kW, atau dengan kata lain, efisiensi jaringan distribusi adalah sebesar 95.05 %, sebagaimana ditunjukkan pada Tabel 4.2. magnitudo tegangan minimum terjadi pada bus 15 yaitu sebesar 0.937 p.u. pada Gambar 4.4. ditunjukkan profil tegangan untuk masing-masing bus jaringan distribusi dengan integrasi DG setelah dilakukan rekonfigurasi jaringan. Pada Gambar 4.5 ditunjukkan distribusi rugi-rugi daya untuk setiap bus sebelum rekonfigurasi jaringan, sedangkan Gambar 4.6 menunjukkan distribusi rugi-rugi daya untuk setiap bus sesudah rekonfigurasi jaringan. Berdasarkan Gambag 4.5 dan Gambar 4.6 dapat diobservasi bahwa rugi-rugi daya listrik hampir setiap bus mengalami penurunan kecuali pada bus-bus 4, 6, 7, 11, 16, 18, 19, dan bus 20, dimana rugi-rugi dayanya mengalami sedikit peningkatan karena pembagian beban ke dalam penyulangpengulangnya.
1
0.99
Voltage magnitude in p.u.
0.98
0.97
0.96
0.95
0.94
0.93
0
10
20
30
40
50
60
70
number of nodes
Gambar 4.4. Profil tegangan dengan DG setelah rekonfigurasi.
Tabel 4.2. Hasil Simulasi Jaringan Distribusi 70 Bus Parameter Analisis Uji Kasus
Active Power Loss (kW)
Efficiency of Distribution Network (%)
Minimum Voltage (p.u.)
Jaringan distribusi tanpa DG sebelum
229.64
93.25
0.891 (V17)
179.87
94.63
0.902 (V17)
165.07
95.05
0.918 (V45)
rekonfigurasi Jaringan distribusi dengan DG sebelum rekonfigurasi Jaringan distribusi dengan DG setelah rekonfigurasi
Berdasarkan hasil studi kasus dalam penelitian ini, maka dapat diperhatikan bahwa dari uji kasus sistem distribusi radial 70 bus bahwa DG memberikan pengaruh positif dalam penurunan rugi-rugi daya listrik pada jaringan, dan struktur topologi jaringan optimum tanpa pembangkitan tersebar (DG) berbeda dengan struktur topologi jaringan optimum dengan DG.
18
Gambar 4.5. Distribusi rugi-rugi daya sebelum rekonfigurasi.
Gambar 4.6. Distribusi rugi-rugi daya setelah rekonfigurasi.
BAB V KESIMPULAN Penggunaan algoritma cerdas fuzzy dalam rekonfigurasi jaringan distribusi daya listrik yang optimal telah memberikan hasil yang cukup memuaskan. Hasil simulasi untuk jaringan distribusi standar IEEE 77 bus diperoleh bahwa efisiensi jaringan distribusi mengalami peningkatan dari 93.25 % (sebelum rekonfigurasi, tanpa pemasangan DG) menjadi 95.05 % (setelah rekonfigurasi, dengan pemasangan DG). Berdasarkan uji kasus sistem distribusi radial 77 bus dengan integrasi DG, metode fuzzy multiobjective yang digunakan dalam penelitian ini memberikan hasil yang signifikan dalam upaya pengurangan rugi-rugi daya listrik, sehingga dengan demikian memberikan kontribusi penting dalam peningkatan efisiensi sistem distribusi daya listrik.
DAFTAR PUSTAKA Ahmad, N.H., T.K.A. Rahman, and N. Aminuddin, 2012, “Multi-objective Immune System approach for network reconfiguration”, IEEE Conf. on PEOCO, Melacca, Malaysia. Alrashidi, M.R., and M. El-Hawary, 2006, "A Survey of PSO Applications in Power System," ELSEVIER: Elec Power Comp & Syst, Vol. 34, No. 12, pp. 1349-1357. Ammar, M. And Jooz, G., 2013, “Impact of Distributed Generator Wind Reactives Behavior on Flicker Severity”, IEEE Trans. on Energy Conversion, Vol. 28, No. 2, pp.425-433. Augugliaro, A., L.Dusonchet, and E.Sanseverino, 2003,“Minimum Losses Reconfiguration of MV Distribution Networks,” IEEE Trans on PWRD, Vol.18, No.3,762–771. Syahputra, R., Robandi, I., Ashari, M. (2015). Reconfiguration of Distribution Network with DER Integration Using PSO Algorithm. TELKOMNIKA, 13(3). pp. 759766. Syahputra, R., Robandi, I., Ashari, M. (2015). PSO Based Multi-objective Optimization for Reconfiguration of Radial Distribution Network. International Journal of Applied Engineering Research (IJAER), 10(6), pp. 14573-14586. Syahputra, R. (2015). Simulasi Pengendalian Temperatur Pada Heat Exchanger Menggunakan Teknik Neuro-Fuzzy Adaptif. Jurnal Teknologi, 8(2), pp. 161-168. Syahputra, R. (2015). Characteristic Test of Current Transformer Based EMTP Shoftware. Jurnal Teknik Elektro, 1(1), pp. 11-15. Syahputra, R., (2012), “Distributed Generation: State of the Arts dalam Penyediaan Energi Listrik”, LP3M UMY, Yogyakarta, 2012. Jamal, A., Suripto, S., Syahputra, R. (2015). Multi-Band Power System Stabilizer Model for Power Flow Optimization in Order to Improve Power System Stability. Journal of Theoretical and Applied Information Technology, 80(1), pp. 116-123. Syahputra, R., Robandi, I., Ashari, M. (2014). Optimization of Distribution Network Configuration with Integration of Distributed Energy Resources Using Extended Fuzzy Multi-objective Method. International Review of Electrical Engineering (IREE), 9(3), pp. 629-639. Syahputra, R., Robandi, I., Ashari, M. (2014). Performance Analysis of Wind Turbine as a Distributed Generation Unit in Distribution System. International Journal of Computer Science & Information Technology (IJCSIT), Vol. 6, No. 3, pp. 39-56. Belkacemi, R., and A. Feliachi, 2010, “Multi-agent design for distribution reconfiguration based on immune system algorithm”, Proceedings of IEEE ISCAS. Borbely, A.M. and J.F. Kreider, 2011, “Distributed Generation: The Power Paradigm for the New Millennium”, CRC Press, Washington D.C. Braz, H.D.M., and B.A.D. Souza, 2011, “Distribution Reconfiguration Using GA With Sequential Encoding”, IEEE Trans on Power Systems, Vol. 26, No. 2, pp. 582593. Carrano, E.G., F.G. Guimaraes, and F. Campelo, 2007, “Distribution Network Expansion under Load-Evaluation Uncertainty”, IEEE Trans on PS, Vol.22, No.2, 851-861. Das, D., 2006, “A Fuzzy Multi-Objective Approach for Network Reconfiguration of Distribution Systems,” IEEE Trans on Power Delivery, Vol.21, No.1, pp. 202– 209.
Das, D., 2006, “Reconfiguration of distribution system using fuzzy multi-objective approach”, ELSEVIER: Electrical Power and Energy Systems, Vol. 28, pp. 331– 338. del Valle, Y., G.K. and R.G. Harley, 2008, "Particle Swarm Optimization: Basic Concepts and Applications in Power Systems", IEEE Trans on EC, Vol.12, No.2, 171-195. Syahputra, R., Soesanti, I. (2016). DFIG Control Scheme of Wind Power Using ANFIS Method in Electrical Power Grid System. International Journal of Applied Engineering Research (IJAER), 11(7), pp. 5256-5262. Soesanti, I., Syahputra, R. (2016). Batik Production Process Optimization Using Particle Swarm Optimization Method. Journal of Theoretical and Applied Information Technology (JATIT), 86(2), pp. 272-278. Syahputra, R., Soesanti, I. (2016). Design of Automatic Electric Batik Stove for Batik Industry. Journal of Theoretical and Applied Information Technology (JATIT), 87(1), pp. 167-175. Syahputra, R. (2016). Application of Neuro-Fuzzy Method for Prediction of Vehicle Fuel Consumption. Journal of Theoretical and Applied Information Technology (JATIT), 86(1), pp. 138-149. Enacheanu, B., B. Raison, and N. HadjSaid, 2008, “Radial Network Reconfiguration Using GA Based on the Matroid Theory”, IEEE Trans on PS, Vol. 23, No. 1, pp. 186-195. Gupta, N., K.R. Niazi, R.C. Bansal, 2010, “Multi-Objective Reconfiguration of Distribution Systems Using GA”, IET Gener. Transm Distrib, Vol.4, Iss.12, 1288–98. Hung, D.Q. and N. Mithulananthan, 2013, “Multiple DG Placement in Primary Distribution Networks for Loss Reduction”, IEEE Trans on Industrial Electronics, Vol. 60, No. 4. Ibrahim, H.D., 2004, “Pengurangan Susut Energi untuk Peningkatan Efisiensi Penggunaan Energi Listrik pada Sistem Distribusi”, Seminar Losses Energi 2004, hal. A1-A3. Jeon, Y. J., and J.C. Kim, 2004, “Application of Simulated Annealing and Tabu Search for Loss Minimization in Distr Systems,” Elec Pw & Energy Sys, Vol. 26, No.1, pp.9-18. Kusdiana, D, 2008, “Kondisi Riil Kebutuhan Energi di Indonesia dan Sumber-Sumber Energi Alternatif Terbarukan”, Seminar Renewable Energy, Ditjen LPE, Dep ESDM, Bogor. Li, K.K., T.S. Chung, and G.Q. Tang, 2004, “A Tabu Search to Distribution Network Reconfiguration,” Electric Power Components & Systems, Vol.32, No.6, pp.571585. Martins, V.F., and C.L. Borges, 2011, “Active Network Integrated Planning Incorporating DG and Load Response”, IEEE Trans On Power Systems, Vol. 26, No.4, 2164-2172. Niknam, T., R. Khorshidi, and B.B. Firouzi, 2010, “A Hybrid Evolutionary Algorithm for Distrib. Feeder Reconfiguration”, Indian Academy of Sciences, Vol.35, No.2, 139-162. Pilo, F., G. Pisano, and G.G. Soma, 2011, “Optimal Coordination of Energy Resources with A Two-Stage Active Management”, IEEE Trans on IE, Vol. 58, No.10, 4526-37.
Rao, P.V.V.R., and S. Sivanagaraju, 2010, “Network Reconfiguration for Loss Reduction and Load Balancing using Plant Growth Simulation Algorithm”, IJEEI, Vol.2, No. 4. Rao, R.S., M.R. Raju, and A.S. Rao, 2011, “Optimal Reconfiguration of Distribution System Using Harmony Search Algorithm”, IEEE Trans on PS, Vol.26, No.3,1080-8. Salazar, H., R. Gallego, and R. Romero, 2006, “Neural Networks-Clustering Techniques in Distribution Reconfiguration”, IEEE Trans on PWRD, Vol.21, No.3, pp.1735-1742. Santos, A.C., A.C. Delbem, and N.G. Bretas, 2010, “Node-Depth Encoding Evolutionary Algorithm for Distrib. Reconfiguration”, IEEE Trans on PS, Vol.25, No.3,1254-65. Su, C.T., C.F. Chang, and J.P. Chiou, 2005, “Distribution Reconfiguration by Ant Colony Search Algorithm,” Electric Power Syst Research ELSEVIER, Vol.75(23), 190–199. Su, C.L., 2010, “Stochastic Evaluation of Voltages in Distr Networks with DG Using Distr Operation Models”, IEEE Trans on Power Systems, Vol.25, No.2, pp.786795. Su, S.Y., C.N. Lu, and G.G. Alcaraz, 2011, “Distributed Generation Interconnection: A Wind Power Case Study”, IEEE Trans on Smart Grid, Vol. 2, No. 1, pp. 181-189. Syahputra, R., I. Robandi, and M. Ashari, 2012, “Reconfiguration of Distribution Network with DG Using Fuzzy Multi-objective Method”, IEEE Conf on ICIMTR, Melacca.. Tsai, M.S., and F.Y. Hsu, 2010, “Application of Grey Correlation Analysis for Distribution Reconfiguration”, IEEE Trans on Power Systems, Vol. 25, No. 2, pp. 1126-1133. Wu, Y.K., C.Y. Lee, and S.H. Tsai, 2010, “Study Of Reconfiguration for the Distribution System with DG”, IEEE Trans on Power Delivery, Vol. 25, No. 3, pp. 1678-1685. Syahputra, R., Robandi, I., Ashari, M. (2015). Reconfiguration of Distribution Network with DER Integration Using PSO Algorithm. TELKOMNIKA, 13(3). pp. 759766. Syahputra, R., Robandi, I., Ashari, M. (2015). PSO Based Multi-objective Optimization for Reconfiguration of Radial Distribution Network. International Journal of Applied Engineering Research (IJAER), 10(6), pp. 14573-14586. Syahputra, R. (2015). Simulasi Pengendalian Temperatur Pada Heat Exchanger Menggunakan Teknik Neuro-Fuzzy Adaptif. Jurnal Teknologi, 8(2), pp. 161-168. Syahputra, R. (2015). Characteristic Test of Current Transformer Based EMTP Shoftware. Jurnal Teknik Elektro, 1(1), pp. 11-15. Syahputra, R., (2012), “Distributed Generation: State of the Arts dalam Penyediaan Energi Listrik”, LP3M UMY, Yogyakarta, 2012. Jamal, A., Suripto, S., Syahputra, R. (2015). Multi-Band Power System Stabilizer Model for Power Flow Optimization in Order to Improve Power System Stability. Journal of Theoretical and Applied Information Technology, 80(1), pp. 116-123. Syahputra, R., Robandi, I., Ashari, M. (2014). Optimization of Distribution Network Configuration with Integration of Distributed Energy Resources Using Extended Fuzzy Multi-objective Method. International Review of Electrical Engineering (IREE), 9(3), pp. 629-639.
Syahputra, R., Robandi, I., Ashari, M. (2014). Performance Analysis of Wind Turbine as a Distributed Generation Unit in Distribution System. International Journal of Computer Science & Information Technology (IJCSIT), Vol. 6, No. 3, pp. 39-56. Wu, W.C., and M.S. Tsai, 2011, “Application Of Enhanced Integer Coded PSO for Distribution Reconfiguration”, IEEE Trans on Power Systems, Vol.26,No.3,1591-99. Yalcin, G.D., and N. Erginel, 2011, “Determining Weights in Multi-Objective Linear Programming under Fuzziness”,World Congress on Engineering Vol.II, London, UK. Jamal, A., Suripto, S., Syahputra, R. (2016). Performance Evaluation of Wind Turbine with Doubly-Fed Induction Generator. International Journal of Applied Engineering Research (IJAER), 11(7), pp. 4999-5004. Syahputra, R., (2016), “Transmisi dan Distribusi Tenaga Listrik”, LP3M UMY, Yogyakarta, 2016. Syahputra, R., (2015), “Teknologi dan Aplikasi Elektromagnetik”, LP3M UMY, Yogyakarta, 2016. Syahputra, R., Robandi, I., Ashari, M. (2015). Performance Improvement of Radial Distribution Network with Distributed Generation Integration Using Extended Particle Swarm Optimization Algorithm. International Review of Electrical Engineering (IREE), 10(2). pp. 293-304. Syahputra, R., Robandi, I., Ashari, M., (2014), “Distribution Network Efficiency Improvement Based on Fuzzy Multi-objective Method”. IPTEK Journal of Proceedings Series. 2014; 1(1): pp. 224-229. Jamal, A., Syahputra, R. (2014). Power Flow Control of Power Systems Using UPFC Based on Adaptive Neuro Fuzzy. IPTEK Journal of Proceedings Series. 2014; 1(1): pp. 218-223. Syahputra, R., (2013), “A Neuro-Fuzzy Approach For the Fault Location Estimation of Unsynchronized Two-Terminal Transmission Lines”, International Journal of Computer Science & Information Technology (IJCSIT), Vol. 5, No. 1, pp. 23-37. Jamal, A., Syahputra, R. (2013). UPFC Based on Adaptive Neuro-Fuzzy for Power Flow Control of Multimachine Power Systems. International Journal of Engineering Science Invention (IJESI), 2(10), pp. 05-14. Syahputra, R., (2012), “Fuzzy Multi-Objective Approach for the Improvement of Distribution Network Efficiency by Considering DG”, International Journal of Computer Science & Information Technology (IJCSIT), Vol. 4, No. 2, pp. 57-68. Jamal, A., Syahputra, R. (2012), “Adaptive Neuro-Fuzzy Approach for the Power System Stabilizer Model in Multi-machine Power System”, International Journal of Electrical & Computer Sciences (IJECS), Vol. 12, No. 2, 2012. Jamal, A., Syahputra, R. (2011), “Model Power System Stabilizer Berbasis NeuroFuzzy Adaptif”, Semesta Teknika, Vol. 14, No. 2, 2011, pp. 139-149. Syahputra, R., (2010), “Aplikasi Deteksi Tepi Citra Termografi untuk Pendeteksian Keretakan Permukaan Material”, Forum Teknik, Vol. 33, 2010. Syahputra, R., Soesanti, I. (2015). “Control of Synchronous Generator in Wind Power Systems Using Neuro-Fuzzy Approach”, Proceeding of International Conference on Vocational Education and Electrical Engineering (ICVEE) 2015, UNESA Surabaya, pp. 187-193. Syahputra, R., Robandi, I., Ashari, M. (2014). “Optimal Distribution Network Reconfiguration with Penetration of Distributed Energy Resources”, Proceeding
of 2014 1st International Conference on Information Technology, Computer, and Electrical Engineering (ICITACEE) 2014, UNDIP Semarang, pp. 388 - 393. Soedibyo, Ashari, M., Syahputra, R. (2014), Power loss reduction strategy of distribution network with distributed generator integration. 1st International Conference on Information Technology, Computer, and Electrical Engineering (ICITACEE) 2014, UNDIP Semarang, pp. 404 – 408. Syahputra, R., Robandi, I., Ashari, M., (2013), “Distribution Network Efficiency Improvement Based on Fuzzy Multi-objective Method”. International Seminar on Applied Technology, Science and Arts (APTECS). 2013; pp. 224-229. Riyadi, S., Azra, R.A., Syahputra, R., Hariadi, T.K., (2014), “Deteksi Retak Permukaan Jalan Raya Berbasis Pengolahan Citra dengan Menggunakan Kombinasi Teknik Thresholding, Median Filter dan Morphological Closing”, Simposium Nasional Teknologi Terapan (SNTT)2 2014, UMS Surakarta, pp. 46-53. Syahputra, R., Robandi, I., Ashari, M., (2012), “Reconfiguration of Distribution Network with DG Using Fuzzy Multi-objective Method”, International Conference on Innovation, Management and Technology Research (ICIMTR), May 21-22, 2012, Melacca, Malaysia. Jamal, A., Syahputra, R., (2011), “Design of Power System Stabilizer Based on Adaptive Neuro-Fuzzy Method”. International Seminar on Applied Technology, Science and Arts (APTECS). 2011; pp. 14-21. Syahputra, R. (2010). Fault Distance Estimation of Two-Terminal Transmission Lines. Proceedings of International Seminar on Applied Technology, Science, and Arts (2nd APTECS), Surabaya, 21-22 Dec. 2010, pp. 419-423. Jamal, A., Syahputra, R. (2016). Heat Exchanger Control Based on Artificial Intelligence Approach. International Journal of Applied Engineering Research (IJAER), 11(16), pp. 9063-9069. Syahputra, R. (2016). Strategi Peningkatan Efisiensi Jaringan Distribusi dengan Integrasi Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas. KEMENRISTEKDIKTI. Syahputra, R. (2016). Rekayasa dan Pengkondisian Energi Terbarukan, UMY. Syahputra, R., Soesanti, I. (2015). Power System Stabilizer model based on Fuzzy-PSO for improving power system stability. 2015 International Conference on Advanced Mechatronics, Intelligent Manufacture, and Industrial Automation (ICAMIMIA), Surabaya, 15-17 Oct. 2015 pp. 121 - 126. Syahputra, R., Soesanti, I. (2016). Power System Stabilizer Model Using Artificial Immune System for Power System Controlling. International Journal of Applied Engineering Research (IJAER), 11(18), pp. 9269-9278. Syahputra, R., Soesanti, I. (2016). Application of Green Energy for Batik Production Process. Journal of Theoretical and Applied Information Technology (JATIT), 91(2), pp. 249-256.
LAMPIRAN
Lampiran 1. Berita Acara Promosi Doktor Teknik Elektro ITS Lampiran 2. Berita Acara Rapat Terbuka Promosi Doktor Teknik Elektro ITS
