Optimasi Kapasitas Sistem Energi Hibrid Berbasis Energi Terbarukan Untuk Perancangan Sistem Energi Hibrid Di Kota Palu

SEMINAR NASIONAL TEKNOLOGI 2015 Institut Teknologi Nasional Malang ISSN: 2407 – 7534

Optimasi Kapasitas Sistem Energi Hibrid Berbasis Energi Terbarukan Untuk Perancangan Sistem Energi Hibrid Di Kota Palu I Gede Ryan Sandy 1, Sasongko Pramono Hadi2, Suharyanto3

1) Mahasiswa

Pasca Sarjana Jurusan Teknik Elektro dan Teknologi Informasi, UGM, Yogyakarta Jurusan Teknik Elektro dan Teknologi Informasi, UGM, Yogyakarta e-mail: 1) [email protected]

2) 3)Dosen

ABSTRAK Kota Palu merupakan salah satu daerah berkembang di Indonesia yang sebagian besar listriknya dihasilkan oleh pembangkit listrik yang memanfaatkan sumber energi konvensional, Disisi lain, ketersediaan sumber energi konvensional yang semakin terbatas di alam membuat berbagai upaya dilakukan untuk melakukan penghematan energi. Salah satu upaya yang dapat dilakukan adalah dengan diversifikasi pembangkit listrik memanfaatkan sumber energi terbarukan. Tujuan dari penelitian ini yaitu untuk melakukan optimasi kapasitas sistem energi hibrid berbasis energi terbarukan matahari dan angin yang akan terkoneksi ke jaringan listrik (grid connected), yang akan ditinjau dari kriteria net present cost (NPC), cost of energy (COE), dan carbon emission intensity (CEI). Untuk mendapatkan kapasitas sistem yang optimal digunakan metode particle swarm optimization (PSO), dengan memaksimalkan potensi energi terbarukan matahari dan angin sesuai dengan kondisi klimatologi di kota Palu yang dapat memenuhi kebutuhan beban. Dari hasil simulai diperoleh bahwa kapasitas sistem energi hibrid yang optimal terdiri dari 2,70 MW panel surya, 149,51 MW turbin angin, 17,54 MWh baterai, dan 73,72 MW inverter dimana sistem ini memiliki total net present cost (NPC) sebesar US$ 2.232.870.108 dan cost of energy (COE) sebesar US$ 0,347/kWh atau Rp. 4.164,00/kWh. COE dari sistem energi hibrid ini lebih besar dari BPP listrik rata-rata pada tahun 2013 yaitu sebesar Rp. 1.380,00/kWh. Namun, dengan memanfaatkan energi terbarukan sebagai sumber energi listrik untuk memenuhi kebutuhan listrik di kota Palu dapat menghemat konsumsi bahan bakar sebesar sebesar 18,72% per tahun atau sebesar 18.658.145,75 liter jika dibandingkan dengan tingkat pemakaian bahan bakar untuk pembangkit pada tahun 2013 di kota Palu dan juga dapat menurunkan tingkat intensitas emisi karbon dioksida (CO2) sebesar 18,30%. Kata kunci: Optimasi, Net present cost, Cost of energy, Emisi karbon dioksida, PSO

ABSTRACT Palu city is one of develop city in Indonesia, most of the electricity generated by power plants that utilize conventional energy sources, in other hand, availability of conventional energy sources are increasingly limited in nature, making various efforts were made to save energy. One effort is by diversification power generation utilizing renewable energy sources. The purpose of this study is to optimize the capacity of the energy system based on renewable energy hybrid solar and wind grid connected which will be reviewed on the criteria of net present cost (NPC), the cost of energy (COE), and carbon emission intensity (CEI). To obtain the optimal system capacity will be used particle swarm optimization (PSO) method to maximize the potential of renewable solar and wind energy in accordance with the climatological conditions in Palu that can meet the load. The results of simulations showed that the capacity of optimal hybrid energy system consisting of 2.70 MW of solar panels, wind turbines 149.51 MW, 17.54 MWh battery, and 73.72 MW inverter, the system has a total net present cost (NPC) of US $ 2.232.870.108 and the cost of energy (COE) of US $ 0.347/kWh, or Rp. 4,164.00/kWh. COE of this hybrid energy system is greater than the average electricity production costs in 2013 amounting to Rp. 1,380.00/kWh. However, by utilizing renewable energy as a source of electrical energy to meet the loads in Palu city can save fuel consumption by 18,72 per year or 18.658.145,75 liters when compared with the level of fuel consumption for the power plant in 2013 in the Palu city and also can reduce carbon dioxide (CO2) emissions intensity by 18,30%. SENATEK 2015 | Malang, 17 Januari 2015

368


Keywords: Optimization, net present cost, cost of energy, carbon dioxide emissions, PSO

Pendahuluan Kota Palu merupakan salah satu daerah yang sedang berkembang. Hal ini terlihat jelas dari data pertumbuhan konsumsi listrik kota Palu pada tahun 2012 yang mencapai 20%, angka ini adalah angka pertumbuhan tertinggi di Indonesia. Hal ini menunjukkan geliat pembangunan ekonomi yang begitu pesat di kota Palu, Sulawesi Tengah [4]. Sektor ketenagalistrikan yang merupakan bagian dari sektor energi, menjadi salah satu komponen utama dalam mendukung pertumbuhan suatu daerah. Pertumbuhan ekonomi yang terjadi di berbagai sektor tersebut diharapkan dapat membantu meningkatkan taraf kesejahteraan masyarakat. Namun, pemadaman listrik masih sering terjadi di kota Palu. Hal ini merupakan salah satu faktor penghambat kemajuan ekonomi di kota Palu. Data statistik PLN pada akhir tahun 2013 menyatakan bahwa sebagian besar pembangkit di Indonesia masih menggunakan sumber energi konvensional yang berasal dari fosil, seperti batubara dan minyak bumi [18]. Begitu pula dengan kota Palu, berdasarkan data dari PLN wilayah SULUTENGGO cabang Palu hampir sebagian besar listrik dihasilkan oleh pembangkit listrik konvensional. Disisi lain, ketersediaan sumber energi konvensional yang semakin terbatas di alam [5] membuat berbagai upaya dilakukan untuk melakukan penghematan energi. Salah satu upaya yang dapat dilakukan adalah upaya diversifikasi pembangkit tenaga listrik dengan mengembangkan sistem energi hibrid, memanfaatkan sumber energi terbarukan mengingat Indonesia memiliki potensial energi terbarukan yang melimpah [1]. Sistem energi hibrid merupakan kombinasi dari satu atau beberapa sistem energi terbarukan, sistem penyimpanan energi, peralatan untuk pengkondisian daya dan pengontrol. Dalam beberapa dekade terakhir sistem energi hibrid menjadi pusat perhatian di dunia karena fleksibilitas dalam pemilihan sumber daya energi dan ukuran sistem yang berhubungan dengan penerapan yang lebih ekonomis, memiliki kehandalan dan bebas dari ancaman bahaya dibandingkan dengan sistem pembangkit energi konvensional [14]. Berbagai penelitian mengenai analisis sistem energi hibrid baik sistem stand alone maupun grid connected diberbagai wilayah di dunia dan dengan menggunakan berbagai metode telah banyak dilakukan sebelumnya. Morea et al. [10] melakukan evaluasi off grid sistem energi hibrid photovoltaic (PV)-angin dengan mengembangkan expert system (ES) untuk telekomunikasi di Italia dan negara-negara lain di daerah mediterania, D. Xu dan L. Kang [8] dengan menggunakan metode ant colony optimization (ACO) juga melakukan optimasi pada sistem off grid energi terbarukan PV-angin di wilayah Boston, Massachusetts. Bansal et al. [2] dengan menggunakan metode algoritma biogeography based optimization (BBO) melakukan evaluasi untuk mengoptimalkan ukuran/sizing komponen dan strategi operasional dengan meminimalkan total biaya dari small autonomous hybrid power system (SAHPS), sambil menjamin ketersediaan energi di daerah Jaipur, Rajasthan, India. Algoritma genetik (GA) digunakan oleh Gupta et al. [16] untuk memprediksi koefisien ukuran yang optimal dari sistem energi hibrid angin/PV di daerah terpencil Jaipur, Rajasthan, India. Metode particle swarm optimization (PSO) digunakan oleh S.M.M. Tafreshi dan S.M. Hakimi [17] untuk mengoptimalkan ukuran dari sistem stand alone energi hibrid di area perumahan yang diasumsikan memiliki populasi 800 orang, dimana setiap orang memproduksi sampah 600 gram dalam sehari yang berarti bahwa hidrogen yang dihasilkan dari sampah tersebut konstan setiap harinya, Fard et al. [11] juga menggunakan metode PSO untuk mengoptimasi PV/FC/UC grid connected dengan mempertimbangkan kontrol frekuensi di daerah Ganje, barat laut Iran, dan Bansal et al. [3] menggunakan meta particle swarm optimization (MPSO) untuk optimasi sistem hibrid di daerah Jaipur, Rajasthan, India, Pada penelitian ini akan dilakukan optimasi kapasitas sistem energi hibrid grid connected berbasis energi terbarukan matahari dan angin dengan menggunakan metode particle swarm optimization (PSO), memaksimalkan potensi energi terbarukan matahari dan angin sesuai dengan kondisi klimatologi kota Palu yang dapat memenuhi kebutuhan beban, yang akan ditinjau dari kriteria net present cost (NPC), cost of energy (COE), dan intensitas emisi karbon dioksida (CO2).

SENATEK 2015 | Malang, 17 Januari 2015

369


Metode Penelitian A. Profil Lokasi Secara administratif, kota Palu adalah ibu kota provinsi Sulawesi Tengah, yang dibagi dalam delapan kecamatan dan 45 kelurahan dengan estimasi jumlah penduduk pada tahun 2013 berjumlah 356.299 jiwa. Kota Palu memiliki luas wilayah 395,06 km2, berada pada kawasan dataran lembah Palu dan teluk Palu dengan panjang garis pantai 1.112 km yang secara astronomis terletak antara 0º,36”‐0º,56” lintang selatan dan 119º,45”‐121º,1” bujur timur, tepat berada di bawah garis khatulistiwa dengan ketinggian 0‐700 meter dari permukaan laut [21]. Kondisi Kelistrikan Kota Palu Kebutuhan listrik masyarakat di kota Palu sebagian besar disuplai oleh pembangkit listrik tenaga diesel (PLTD) dan pembangkit listrik tenaga uap (PLTU) [21]. Berdasarakan data dari PT. PLN wilayah SULUTTENGGO cabang Palu, dalam periode lima tahun dari tahun 2009 hingga 2013, kapasitas terpasang di kota Palu rata-rata mengalami peningkatan sekitar 11,14% per tahunnya seperti yang ditunjukkan pada Tabel 1. Tabel 1. Kapasitas terpasang dan konsumsi bahan bakar pembangkit di kota Palu Tahun Terpasang (kW) Pemakaian Bahan Bakar (Liter) 2009 73.700 43.231.090 2010 100.700 57.571.412 2011 103.700 76.639.688 2012 144.440 93.522.143 2013 125.240 99.669.582 Sumber : PT. PLN (persero) wilayah SULUTTENGGO cabang Palu

Peningkatan kapasitas terpasang pembangkit untuk mensuplai listrik di kota Palu secara tidak langsung berpengaruh terhadap kenaikan konsumsi bahan bakar untuk mensuplai pembangkit yang ada, berdasarkan Tabel 1, dalam kurun waktu lima tahun dari tahun 2009 hingga 2013, konsumsi bahan bakar untuk mensuplai pembangkit terus mengalami peningkatan rata-rata sekitar 18,5% per tahunnya.

Gambar 1. Profil beban harian wilayah kota Palu Sumber : PT. PLN (persero) wilayah SULUTTENGGO cabang Palu

Beban harian di kota Palu rata-rata sekitar 53,5 MW per jam tiap harinya dengan beban puncak mencapai 83,18 MW yang terjadi pada pukul 18.00 – 19.00 WITA seperti yang diperlihatkan pada Gambar 1. Pada penelitian ini profil beban harian ditambahkan presentase sebesar 10%. Hal ini mempertimbangkan terjadinya kenaikan beban sebesar 10%. Ketersediaan Energi Matahari Kota palu memiliki rata-rata radiasi sinar matahari tahunan sekitar 5,45 kWh/m2/hari dengan variasi antara 4,9–6 kWh/m2/hari dengan rata-rata radiasi sinar matahari per jam tiap bulannya diperlihatkan pada Gambar 2 [15] dengan radiasi sinar matahari tertinggi rata-rata mencapai 729,00795 W/m2 yaitu pada pukul 12.00.


370


Gambar 2. Rata-rata radiasi sinar matahari per jam

Ketersediaan Energi Angin Kota Palu yang terletak di sepanjang pinggiran teluk Palu memiliki potensi energi angin yang hampir tersedia sepanjang hari. Data stasiun meteorologi mutiara Palu dalam kurun waktu lima tahun dari 2009 hingga 2013, kota Palu memiliki kecepatan angin yang relatif konstan sepanjang tahun sekitar 2,06 m/s dengan rata-rata per tahun di kota Palu memiliki suhu udara sekitar 27,60C, tekanan udara 1.010,2 mb, dan arah angin terbanyak berasal dari arah utara yaitu dari arah teluk Palu seperti diperlihatkan pada Gambar 3.

Gambar 3. Rata-rata suhu udara dan tekanan udara Sumber : Stasiun meteorologi Mutiara Palu

Alimuddin Sam dan Daud Patabang [6] menyatakan bahwa kecepatan angin di kota Palu yang dapat dimanfaatkan untuk memutar turbin sebagai sumber energi listrik yaitu antara pukul 11.00 hingga 15.00 WITA dengan rata-rata kecepatan angin berkisar antara 3 hingga 9,5 m/s. Profil kecepatan angin per jam pada penelitian ini diasumsikan bahwa dari pukul 11.00 hingga 15.00, kecepatan angin merupakan data hasil pengukuran [6] sedangkan untuk waktuwaktu lainnya menggunakan kecepatan angin rata-rata kota Palu yang diperoleh dari stasiun meteorologi Mutiara Palu seperti yang terlihat pada Gambar 4.

Gambar 4. Kecepatan Angin per jam

B. Komponen Sistem energi Hibrid Panel Surya Daya yang dihasilkan dari panel surya ( berikut [11]:

) dapat dinyatakan dengan persamaan sebagai (1)


371


dimana

: efisiensi panel surya,

: banyaknya panel surya,

: luas bidang dari modul panel

surya yang digunakan (m2), dan : radiasi sinar matahari (W/m2). Pada penelitian ini panel surya yang digunakan memiliki kapasitas daya 100 W dengan dimensi panel surya 1200 X 670 X 50 mm dan efisiensi modul 15%. Biaya modal untuk satu unit panel surya yaitu US$ 2000/kW, biaya pengganti US$ 1800/kW, biaya operasi dan perawatan US$ 0 [7] dengan masa pakai panel surya 25 tahun.

Turbin angin Turbin angin akan menghasilkan daya jika kecepatan angin lebih dari kecepatan cut in turbin (

) dan tidak akan menghasilkan daya jika kecepatan angin berada dibawah

kecepatan cut in dan diatas kecepatan cut out ( sistem pembangkit angin (

Energi yang dihasilkan oleh

) dapat dihitung dengan persamaan

[3]

:

(2) Dengan daya dari turbin yang dihasilkan pada rating kecepatan angin dengan persamaan :

turbin didapat

, dimana

(3)

: koefisien daya dari turbin angin (konstanta betz = 16/27 = 59,3%),

turbin angin (m2),

: rating kecepatan angin turbin angin (m/s), dan

(kg/m3), Kerapatan Udara

: bentangan

: massa jenis udara

dapat dihitung dengan persamaan : ,

(4)

dimana : tekanan udara (Pascal (pa)), 1 mb = 100 pa), : konstanta gas (287,05 J/kgK), dan : suhu udara (Kelvin (K)). Turbin angin yang digunakan memiliki kapasitas daya 10 kW dengan rating kecepatan angin turbin angin

10 m/s, kecepatan cut in

2 m/s, dan kecepatan cut

out 18 m/s. Biaya modal untuk satu unit turbin angin yaitu US$ 495/kW, biaya pengganti US$ 8,8/kW, biaya operasi dan perawatan US$ 1,3/kW/tahun [20] dengan masa pakai turbin angin 25 tahun.

Baterai Energi pada baterai selalu dijaga agar selalu berada pada batasannya, dimana batasan pada baterai yaitu: ,

(5) , ,

dimana

: energi minimum baterai, dan

discharge dari baterai,

(7)

: energi maksimum baterai,

: state of charge baterai,

(6)

: depth of

: kapasitas nominal baterai dan


372

:


tegangan baterai. Baterai yang digunakan pada penelitian ini yaitu baterai dengan kapasitas 225 Ah, tegangan baterai 6 V, SOC baterai 95%, DOD baterai 80% dan efisiensi baterai 85%. Biaya modal baterai yaitu US$ 75/kWh, biaya pengganti US$ 75/unit, biaya operasi dan perawatan US$ 2/unit/tahun [7] dengan masa pakai baterai 10 tahun.

Inverter Inverter yang digunakan merupakan bidirectional converter (inverter–rectifier) memiliki kapasitas 15 kW dengan efisiensi inverter 97% dan efisiensi rectifier 96%. Biaya modal untuk satu unit baterai yaitu US$ 900/kW, biaya pengganti US$ dan biaya operasi dan perawatan US$ 0 [7] dengan masa pakai inverter 25 tahun.

Jaringan Listrik dan Emisi Sistem dengan menggunakan sumber energi hibrid dapat memberikan pengaruh terhadap jaringan listrik yang ada. Kelebihan energi yang dihasilkan oleh panel surya dan turbin angin setelah proses pengecasan baterai dapat disuplai ke jaringan listrik yang ada sedangkan pada kondisi energi yang dihasilkan oleh panel surya dan turbin angin tidak dapat mencukupi permintaan beban, maka kekurangan energi listrik akan disuplai oleh jaringan listrik. Berdasarkan Peraturan Menteri Energi dan Sumber Daya Mineral Nomor 4 Tahun 2012 mengenai harga pembelian tenaga listrik oleh PT. PLN (Persero) dari pembangkit listrik yang menggunakan energi terbarukan skala kecil dan menengah atau kelebihan tenaga listrik ( ) yaitu sebesar Rp. 1.004,00/kWh x F, dimana untuk wilayah kota Palu yang termasuk dalam wilayah Sulawesi memiliki faktor insentif (F) 1,2 sehingga besarnya harga beli jaringan listrik di kota Palu sebesar Rp. 1.204,80/kWh atau setara US$ 0,1004/kWh dan harga beli listrik dari jaringan listrik ( ) berdasarkan Peraturan Menteri Energi dan Sumber Daya Mineral Nomor 19 Tahun 2014 yaitu sebesar Rp. 1.650,00/kWh atau setara US$ 0,1375/kWh (asumsi kurs US$ 1 = Rp. 12.000,00). Untuk jaringan sistem kota Palu, intensitas emisi karbon jaringan listrik diasumsikan sama dengan faktor emisi sistem interkoneksi Minahasa-Kotamobagu yaitu 0,6 ton CO2-eq/MWh [9].

C. Optimasi Sistem Energi Hibrid Particle Swarm Optimization PSO adalah sebuah algoritma yang sangat sederhana yang efektif untuk mengoptimalkan berbagai fungsi [12]. Dibandingkan dengan metode lainnya, algoritma PSO lebih sederhana dan memiliki hasil yang optimal dengan waktu komputasi yang relatif cepat. Algoritma PSO meniru perilaku sosial dari dinamika gerak kawanan burung atau ikan. Perilaku sosial terdiri dari tindakan individu dan pengaruh dari individu-individu lain dalam suatu kelompok, dimana partikel menunjukkan individu dalam suatu kawanan. Setiap individu atau partikel berperilaku secara terdistribusi dengan cara menggunakan kecerdasannya (intelligence) sendiri dan juga dipengaruhi perilaku kelompok kolektifnya. Solusi ditemukan dengan menggunakan nilai terbaik dari individual search points (pbest) dan nilai terbaik dari informasi yang dibagi oleh kelompok (gbest). Vector kecepatan yang diproyeksikan dalam sumbu koordinat orthogonal j-th dalam ruang n-dimensi dapat dinyatakan dengan persamaan [13]:

, dimana

: bobot inertia,

,

ukuran swarm (1, 2, …., n), iterasi

: koefisien akselerasi,

(8)

: angka acak merata dalam kisaran [0,1],

: banyaknya iterasi, dan

:

: kandidat solusi partikel/swarm pada

terhadap koordinat orthogonal j-th. Faktor bobot inersia untuk kecepatan partikel

didefinisikan oleh pendekatan bobot inersia sebagai berikut : , SENATEK 2015 | Malang, 17 Januari 2015

(9) 373


dimana : jumlah maksimum iterasi, : iterasi, dan , : batas atas dan bawah dari faktor bobot inersia. Faktor bobot inersia digunakan untuk mengontrol dampak dari adanya velocity pada setiap partikel. Tiap partikel dinyatakan dengan persamaan : (10) Fungsi Objektif dan Batasan Sistem Pada sistem yang direncanakan dipertimbangkan tiga kondisi pada sistem, yaitu : 1. Daya yang dihasilkan oleh sistem energi hibrid (

) sama dengan daya yang dibutuhkan oleh

beban ( ). Pada kondisi ini daya yang dihasilkan oleh sistem energi hibrid diprioritaskan untuk mensuplai beban. 2. Daya yang dihasilkan oleh sistem energi hibrid ( beban (

)lebih dari daya yang dibutuhkan oleh

). Pada kondisi ini, kelebihan energi akan digunakan untuk melakukan

pengecasan pada baterai. Pada kondisi ini jika energi pada baterai setelah dilakukan pengecasan lebih dari energi maksimum baterai maka kelebihan daya akan diberikan oleh sistem ke jaringan dan energi pada baterai akan berada pada kondisi maksimum. Daya sistem energi hibrid yang diberikan ke jaringan dapat diperoleh dengan persamaan : . 3. Daya yang dihasilkan oleh sistem energi hibrid (

(11)

) kurang dari daya yang dibutuhkan oleh

beban ( ). Pada kondisi ini terdapat dua situasi, yaitu : a. Energi dari sistem energi hibrid dan energi pada baterai dapat memenuhi permintaan beban. b. Energi dari sistem energi hibrid dan energi pada baterai tidak dapat memenuhi permintaan beban. Pada kondisi ini energi pada baterai akan mencapai kondisi minimum dan jaringan listrik akan memenuhi kekurangan daya untuk mensuplai permintaan beban. .

(12)

Optimasi pada penelitian dilakukan untuk menghasilkan kapasitas dari sistem energi hibrid yang optimal sesuai dengan kondisi klimatologi kota Palu yang dapat memenuhi kebutuhan beban dengan tujuan untuk meminimalkan biaya net total masa kini (net present cost, NPC) dari keseluruhan komponen dari sistem energi hibrid ( ) dengan mempertimbangkan biaya modal, pengganti, dan biaya operasi dan perawatan (O&M) dari setiap komponen sistem energi hibrid. (21) dimana

: biaya net total masa kini dari sistem PLTS,

: biaya net total masa kini dari

sistem PLT Bayu,

: biaya net total masa kini dari baterai,

dari inverter,

: total biaya penjualan energi ke jaringan, dan

pembelian energi dari jaringan.

dan

: biaya net total masa kini : total biaya

dapat diperoleh dengan persamaan

[11]:

,

(22)

,

(23)

Biaya dari komponen sistem energi hibrid (panel surya, turbin angin, baterai dan inverter)


374


(

) dapat dihitung dengan persamaan sebagai berikut :

, biaya tahunan (

(24)

) dari masing-masing komponen hibrid dapat dihitung dengan persamaan : ,

dengan

(25)

: jumlah optimal dari masing-masing komponen sistem hibrid,

masing-masing komponen sistem hibrid,

: biaya modal dari

: biaya pengganti dari masing-masing komponen

sistem hibrid, :n biaya operasi dan perawatan dari masing-masing komponen sistem hibrid, CRF : faktor pemulihan modal yang bisa didapatkan dengan menggunakan rumus sebagai berikut : ,

(26) ’

dimana

: komponen sistem hibrid,

(tahun) = 25 tahun,

(27)

: tingkat suku bunga (%) = 7,5%,

: masa dari sistem

: masa pakai komponen sistem energi hibrid, dan nilai

diperoleh dengan

persamaan : .

(28)

Untuk menghitung biaya energi dari sistem energi hibrid (cost of energy (COE)) dengan persamaan : ,

(29)

dimana : energi listrik yang dimanfaatkan oleh beban per tahun dan : kelebihan energi listrik yang dijual ke jaringan listrik. Emisi gas CO2 mempunyai kontribusi terbesar terhadap pemanasan global, sehingga tinjauan hanya dilakukan terhadap emisi CO2 [19]. Total intensitas emisi karbon ( sistem energi hibrid dapat dihitung dengan persamaan :

) yang dihasilkan

, dimana

(30)

: intensitas karbon dari komponen sistem energi hibrid (panel surya, Turbin angin

dan jaringan listrik) dan : fraction masing-masing komponen sistem energi hibrid pada keseluruhan sistem. Sistem panel surya rata-rata memiliki intensitas karbon 48 g CO2-eq/kWh dan turbin angin memiliki intensitas karbon rata-rata 12 g CO2-eq/kWh [22]. Dalam melakukan optimasi dengan menggunakan PSO masing-masing komponen sistem mempunyai batasan agar dapat menghasilkan jumlah komponen dari sistem energi hibrid yang optimal, yaitu : , dimana

,

dan

, dan

,

merupakan jumlah optimal dari komponen sistem energi hibrid yaitu

panel surya, turbin angin, dan baterai, dan

,

, dan

merupakan jumlah

maksimal dari komponen sistem energi hibrid yaitu panel surya, turbin angin, dan baterai.


375


Hasil dan Pembahasan Optimasi kapasitas sistem energi hibrid dengan menggunakan PSO disimulasikan di software MATLAB. Simulasi dilakukan untuk jangka waktu satu tahun (

) dengan

jumlah populasi PSO , dan koefisien akselerasi . Dari hasil simulasi diperoleh kapasitas dari sistem energi hibrid yang optimal seperti yang diperlihatkan pada Tabel 2. Tabel 2. Hasil optimasi kapasitas sistem energi hibrid Kapasitas panel surya (MW) 2,70 (26.980 × 0,1 kW) Kapasitas Turbin Angin (MW) 149,51 (14951 × 10 kW) Kapasitas baterai bank (MWh) 17,54 (12.991 × 1,35 kWh) Kapasitas inverter (MW) 73,72

Dengan total kebutuhan beban di kota Palu mencapai 514.029,50 Mwh/tahun, tingkat kontribusi jaringan listrik PLN mencapai 81,28%, sistem panel surya sebesar 1,08%, sistem turbin angin sebesar 16.87%, dan baterai sebesar 0,77% seperti yang diperlihatkan pada tabel 3. Kelebihan energi dari sistem energi hibrid yang dapat dijual ke jaringan listrik PLN yaitu sebesar 104.163,02 MWh/tahun. Tabel 3. Suplai energi listrik dari masing-masing komponen sistem energi hibrid Energi yang disuplai oleh sistem panel surya (MWh) 5.539,93 Energi yang disuplai oleh sistem turbin angin (MWh) 86.713,85 Energi yang disuplai oleh baterai (MWh) 3.958,41 Energi yang disuplai oleh jaringan listrik (MWh) 417.817,31

Dari hasil simulasi dengan jangka waktu satu tahun, rata-rata daya yang dibangkitkan tiap jamnya oleh sistem panel surya sebesar 0,65 MW, sistem turbin angin sebesar 18,24 MW, dan jaringan listrik sebesar 47,70 MW dengan rata-rata kelebihan daya yang dihasilkan sebesar 7,16 MW tiap jamnya. Gambar 5 memperlihatkan daya yang dibangkitkan oleh masing-masing komponen sistem hibrid untuk jangka waktu satu hari.

Gambar 5. Rata-rata produksi listrik per bulan dari sistem energi hibrid

Hasil optimasi kapasitas sistem energi hibrid dengan menggunakan metode PSO menghasilkan total NPC sebesar US$ 2.232.870.108 seperti terlihat pada Gambar 6, dengan total biaya tahunan yaitu sebesar US$ 200.288.448,30, dan berdasarkan perbandingan antara total biaya tahunan dengan total konsumsi energi dan kelebihan energi dari sistem energi hibrid diperoleh nilai COE atau harga energi listrik per kWh dari sistem energi hibrid ini sebesar US$ 0,347/kWh.

Gambar 6. Total NPC hasil optimasi PSO

Gambar 7(a) memperlihatkan variasi energi pada baterai tiap jamnya selama setahun yang SENATEK 2015 | Malang, 17 Januari 2015

376


menunjukkan adanya proses pengisian dan pengosongan baterai namun, selama beroperasi terlihat bahwa energi pada baterai dijaga agar selalu berada pada batasan energi minimum baterai sebesar 3,51 MWh dan energi maksimum baterai sebesar 16,66 MWh. Gambar 7(b) memperlihatkan energi listrik yang dijual ke jaringan listrik selama setahun ketika energi yang dihasilkan oleh sistem energi hibrid lebih dari energi listrik yang dibutuhkan oleh beban, dan Gambar 7(c) memperlihatkan suplai energi listrik oleh jaringan listrik selama setahun ketika energi yang dihasilkan oleh sistem energi hibrid tidak mencukupi kebutuhan beban.

(a). Variasi energi pada baterai

(b). penjualan energi listrik ke jaringan listrik

(c). suplai energi listrik oleh jaringan listrik Gambar 7. Hasil Simulasi

Dari hasil optimasi ini dapat diketahui bahwa dengan memanfaatkan potensi energi terbarukan surya dan angin di kota Palu, tingkat konsumsi bahan bakar dapat dihemat sebesar 18,72% tiap tahunnya. Sistem jaringan listrik kota Palu yang memiliki intensitas emisi karbon sebesar 600 g CO2-eq/kWh, dengan memanfaatkan sumber energi terbarukan sebagai sumber energi listrik diperoleh intensitas emisi karbon dari sistem energi hibrid yaitu sebesar 490,22 g CO2-eq/kWh. Nilai intensitas emisi karbon dari sistem energi hibrid ini turun sebesar 18,30% dari intensitas emisi karbon jaringan listrik kota Palu.

Kesimpulan Penelitian ini menyajikan optimasi kapasitas sistem energi hibrid grid connected yang optimal dengan menggunakan metode particle swarm optimization (PSO) memaksimalkan potensi energi terbarukan matahari dan angin sesuai dengan kondisi klimatologi kota Palu yang dapat memenuhi kebutuhan beban yang akan ditinjau dari kriteria net present cost (NPC), cost of energy (COE), dan carbon emission intensity (CEI). Dari hasil simulai diperoleh bahwa kapasitas sistem energi hibrid yang optimal terdiri dari 2,70 MW panel surya, 149,51 MW turbin angin, 17,54 MWh baterai, dan 73,72 MW inverter dimana sistem ini memiliki total net present cost (NPC) sebesar US$ 2.232.870.108 dan cost of energy (COE) sebesar US$ 0,347/kWh atau Rp. 4.164,00/kWh. Biaya COE dari sistem energi hibrid ini ini lebih besar dari BPP listrik rata-rata pada tahun 2013 yaitu sebesar Rp. 1.380,00. Namun, dengan memanfaatkan energi terbarukan sebagai sumber energi listrik untuk memenuhi kebutuhan listrik di kota Palu dapat menghemat konsumsi bahan bakar sebesar sebesar 18,72% pertahun atau sebesar 18.658.145,75 liter jika dibandingkan dengan tingkat pemakaian bahan bakar untuk pembangkit pada tahun 2013 di kota Palu, dan terkait dengan masalah lingkungan akibat emisi karbon, sistem energi hibrid tersebut dapat menurunkan SENATEK 2015 | Malang, 17 Januari 2015

377


intensitas emisi karbon dioksida (CO2) sebesar 18,30% jika dibandingkan dengan intensitas emisi karbon dioksida dari sistem pembangkit listrik yang ada di kota Palu.

Daftar Pustaka 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22.

A. Reinders, H. Velhuis, and A. Susandi, Development of Grid-Connected PV systems for Remote Electrification in Indonesia, 37th IEEE Photovoltaic Specialist Conference (PVSC), Seattle(WA), June 2013,pp. 2420 – 2425. A.K. Bansal, R. Kumar, and R.A. Gupta, Economic Analysis and Power Management of a Small Autonomous Hybrid Power System (SAHPS) Using Biogeography Based Optimization (BBO) Algorithm, IEEE Transactions on Smart Grid., vol. 4, no. 1, , March 2013, pp. 638 – 648. A.K. Bansal, R.A. Gupta, and R. Kumar, Optimization of hybrid PV/wind energy system using Meta Particle Swarm Optimization (MPSO) , in International Conference on Power Electronics (IICPE), 2010 India , New Delhi, 2011, pp. 1 - 7. Administrator. PLN targetkan rasio elektrifikasi Sulawesi Tengah 70%, 2013, retrieved from http://www.esdm.go.id on 18 Desember 2013. Ai Bin et al., Computer aided design for PV/Wind hybrid system, in Proceeding of 3rd World Conference on Photovoltaic Energy Conversion, vol. 3, Osaka, Japan, May 2003, pp. 2411-2414. Alimuddin Sam dan Daud Patabang, Studi Potensi Energi Angin Di Kota Palu Untuk Membangkitkan Energi Listrik, Jurnal SMARTEK, Vol. 3, No. 1, Februari 2005, pp. 21-26. Bidisha Roy, Dr. Ashoke Kumar Basu, and Dr. Subrata Paul, Techno-economic feasibility analysis of a grid connected solar photovoltaic power system for a residential load, 1st International Conference on Automation, Control, Energy and Systems (ACES),2014 , Hooghy, February 2014, pp. 1-5. Daming Xu and Longyun Kang, Ant Colony Optimization of Off-grid Renewable Energy Systems, in 35th Internationa Telecommunications Energy Conference 'Smart Power and Efficiency' (INTELEC), Proceedings of 2013, Hamburg, Germany, 2013, pp. 1 - 6. Divisi Mekanisme Perdagangan Karbon, Pembaharuan faktor emisi sistem interkoneksi tenaga listrik, retrieved from http://pasarkarbon.dnpi.go.id on 3 November 2014. F. Morea et al., Life cycle cost evaluation of off-grid PV-wind hybrid power systems, in 29th International Telecommunications Energy Conference, 2007. INTELEC 2007, Rome, 2007, pp. 439 - 441. H.H. Fard, S.M.M. Tafreshi, and S.M. Hakimi, Optimization of grid-connected microgrid consisting of PV/FC/UC with considered frequency control, in Turkish Journal of Electrical Engineering & Computer Sciences., Turki, 2013. J. Kennedy and R. Eberhart, Particle swarm optimization, in IEEE International Conference on Neural Networks, 1995. Proceedings., vol.4, Perth, WA, 1995, pp. 1942 - 1948. K. Yasuda, A. Ide, and N. Iwasaki, Adaptive particle swarm optimization, in IEEE International Conference on Systems, Man and Cybernetics, 2003., vol. 151, 2003, pp. 1554 - 1559. M.H. Nehrir et al., A Review of Hybrid Renewable/Alternative Energy Systems for Electric Power Generation: Configurations, Control, and Applications, IEEE Transactions on Sustainable Energy, vol. 2, no. 4, October 2011, pp. 392 - 403. Nasa Atmospheric Science Data Center, retrieved from http://eosweb.larc.nasa.gov/sse/ on 17 Maret 2014. R.A. Gupta, R. Kumar, and A.K. Bansal, Economic analysis and design of stand-alone wind/photovoltaic hybrid energy system using Genetic algorithm, in International Conference on Computing, Communication and Applications (ICCCA), 2012 , Dindigul, Tamilnadu , 2012, pp. 1 - 6. S.M.M. Tafreshi and S.M. Hakimi, Optimal sizing of a stand-alone hybrid power system via particle swarm optimization (PSO), in International Power Engineering Conference, 2007. IPEC 2007., Singapore, 2007, pp. 960 - 965. Sekretariat perusahaan PT. PLN (persero), Statistik PLN 2013, Sekretariat perusahaan PT. PLN (persero), Jakarta, Mei, 2014. Sitti Hamnah Ahsan, Potensi Mitigasi Emisi CO2 Sistem Hibrida PV/Baterai/Genset : Studi Kasus Di TPA Bontang Lestari Kota Bontang, Mulawarman Scientifie, Vol. 11, No. 2, Oktober 2012. T.Suhartanto, T. Haryono, Suharyanto, Analisis Kinerja Sistem Pembangkit Listrik Tenaga Hibrid (Angin dan Surya) di Pantai Baru Pandan Simo Bantul Yogyakarta, Thesis, Jurusan Teknik Elektro dan Teknologi Informasi, Universitas Gadjah Mada, 2013. Tim penyusun publikasi kota Palu, Kota Palu dalam Angka 2013, Badan Perencanaan Pembangunan Daerah dan Penanaman Modal dan Badan Pusat Statistik Kota Palu, Palu, Sulawesi Tengah, 2014. Working Group III-Mitigation of Climate Change, Annex III: Technology-specific Cost and Performance Parameters, IPCC (Intergovernmental Panel on Climate Change), 2014.


378

Optimasi Kapasitas Sistem Energi Hibrid Berbasis Energi Terbarukan Untuk Perancangan Sistem Energi Hibrid Di Kota Palu

Recommend Documents