Rekonfigurasi Jaring Distribusi untuk Meminimalkan K Kerugian i Daya D menggunakan k Particle P ti l Swarm S Optimization
Stephan, Adi Soeprijanto Fakultas Teknologi Industri Jurusan Teknik Elektro Program Studi Teknik Sistem Tenaga Institut Teknologi Sepuluh November Surabaya 60111 E_Mail :
[email protected]
O tli Outline seminar i 1. Tujuan Penelitian 2. PSO Overview 3. Jaring Distribusi Radial 4. Simulasi dan Hasil 5. Kesimpulan 6. Referensi
Tujuan Penelitian 1. Merubah konfigurasi suatu sistem distribusi radial menjadi konfigurasi radial di l yang lain l i melalui l l i proses rekonfigurasi. 2. Aplikasi PSO untuk Rekonfigurasi jaring distribusi tipe radial.
Overview of particle ti l swarm optimization ti i ti [7,8] [7 8] • PSO merupakan p algoritma g p penelitian stokastik berbasis populasi yang pertama kali diperkenalkan oleh Kennedy dan Eberhart. • Algoritma ini merupakan representasi simulasi aktifitas sosial hewan (mis. Serangga, burung, dll). • Ini merupakan sebuah usaha meniru proses alam dalam berkomunikasi satu sama lain dalam berkumpul berkumpul, migrasi migrasi, atau berburu. • Dalam PSO, tingkah laku hewan ditiru oleh partikel d dengan posisi i i ttertentu t t d dan d dengan kkecepatan t d dalam l mencari ruang, dimana populasi disebut swarm dan masing-masing anggota disebut particle
Overview of particle swarm optimization [7,8,9] [7 8 9] • Masing-masing partikel akan tersebar secara acak, lalu mencari ruang dan mengingat posisi terbaik.
Overview of particle ti l swarm optimization ti i ti [7,8,9] [7 8 9] Anggota swarm berkomunikasi mengenai posisi yang baik diantaranya dan saling menyesuaikan pergerakan posisi.
Overview of particle ti l swarm optimization ti i ti [7,8,9] [7 8 9] Penyesuaian tersebut didasarkan tingkah laku historis masing-masing partikel terhadap tetangga mereka.
Overview of particle ti l swarm optimization ti i ti [7,8,9] [7 8 9] Partikel cenderung memilih tempat yang terbaik. terbaik
Jaring Distribusi Radial • data yang digunakan dalam penelitian ini adalah data konfigurasi j i jaringan sistem i t distribusi radial [3]. [3] • 3 feeder, dan 16 pusat beban Gambar 1. Sistem distribusi radial [3]
Simulasi dan Hasil 1. Pada gambar 1. sistem distribusi dijadikan 3 (tiga) buah loop, dimana tiaptiap loop terdiri dari saklar normaly open (NO) dan normaly close (NC). 2. Setiap loop terdiri dari jumlah switch (sw) yang berbeda, dengan syarat setiap switch tidak boleh menjadi anggota himpunan switch yang lainnya. loop 1 : [sw1 [sw1, sw2 sw2, sw3 sw3, sw4 sw4, sw5 sw5, sw6] loop 2 : [sw7, sw8, sw9, sw10, sw11] loop 3 : [sw12 [sw12, sw13 sw13, sw14 sw14, sw15] 3. loop-loop tersebut diatas diimplementasikan kedalam PSO sebagai Dimensi Partikel, dan didalam partikel terdapat sekumpulan switch yang disebut dengan swarm. swarm
Gambar 2. Flowchart algoritma PSO [6]
Lanjutan simulasi dan hasil ..... Parameter jaring distribusi: beban dianggap tetap. MVA base = 100 MVA dan KVbase = 23 KV Setelah dilakukan simulasi didapat hasil sebagai berikut : Dengan posisi switch nomor 3, 9, dan 13 terbuka pada posisi awal didapat rugi-rugi total dari rekonfigurasi awall : 0.5114+j0.5904 0 114 j0 904 Setelah dilakukan rekonfigurasi didapat posisi switch yang baru yaitu, switch nomor 4, 9, dan 14 dengan rugi rugirugi total setelah direkonfigurasi : 0.4661+j0.5449
Lanjutan simulasi dan hasil ….. Grafik Optimisasi Load flow 14 1.4
Rugi-R ugi Daya
1.2
1
0.8
06 0.6
X: 106 Y : 0 .4 6 6 1
0.4 0
50
100
150
200
Iterasi
Gambar 3. Grafik hasil simulasi tanpa PSO (Random)
250
Lanjutan simulasi dan hasil ….. Grafik Optimisasi Load flow dengan PSO 0.495
Fungsi O Objektif
0.49 0.485 0 48 0.48 0.475 0.47
X: 2 Y : 0 .4 6 6 1
0.465
0
2
4
6
8
10 Iterasi
12
14
16
18
Gambar 4. Grafik hasil simulasi setelah direkonfigurasi
20
Jaring distribusi setelah direkonfigurasi
Posisi Switch yang baru
Gambar 5. jaring distribusi setelah direkonfigurasi
Tabel Hasil Simulasi
Tabel 1a. Losess sebelum direkonfigurasi
Tabel 1b. Losess setelah direkonfigurasi
Kesimpulan Setelah direkonfigurasi dengan menggunakan PSO, hasil simulasi menunjukkan bahwa untuk memperoleh rugi-rugi sistem yang minimal dilakukan dengan cara mengubah switch 3 dan switch 13 dari status normally open (NO) menjadi normally closed (NC). Sedangkan switch 4 dan switch 12 dari normally closed (NC) menjadi normally open (NO). Setelah melakukan running program Aliran Daya diperoleh rugi-rugi total sistem : 0.4661 + j0.5449 MVA atau didapat total reduksi losses sebesar 0,9%.
Referensi [1] Debapriya Das, “A Fuzzy Multiobjective Approach for Network Reconfiguration of Distribution Sistems”, IEEE Trans. Power Del. Vol 21 No.1, Vol.21, No 1 Jan. Jan 2006 [2] Mufridon Eddon, “Rekonfigurasi Jaring Distribusi untuk meminimalkan rugi daya dan jatuh tegangan mengunakan metoda F Fuzzy-Ant A t Coloni C l i Optimization” O ti i ti ” Thesis Th i Magister M i t Teknik T k ik Elektro El kt ITS 2008 [3] Juan Carlos Cebrian, Cebrian Nelson Kagan, Kagan “Reconfiguration Reconfiguration of distribution network to minimize loss and disruption cost using genetic algorithms”, Elsevier, electric power sistem research 80 (2010) 5362. [4] I Putu Wisnu Mertha Yoga, “ Study rekonfigurasi jaringan distribusi tegangan menengah untuk meminimumkan rugi-rugi daya listrik mengunakan Binary-PSO” Tugas Akhir Teknik Elektro 2009.
Referensi lanjutan….. j [5] Wu-Chang Wu and Men-Shen Tsai, “Application of Enhanced Integer Coded Particle Swarm Optimization for Distribution System g IEEE transactions on p power systems y 2011. Feeder Reconfiguration” [6] Maickel Tuegeh “Optimal Generator Scheduling Berbasis Particle Swarm Optimization (PSO) “ Thesis Magister Teknik Elektro ITS 2009 [7] Clerc Maurice, 2006, “Particle Swarm Optimization”, ISTE, Ltd. [8] James Kennedy and Russell C. Eberhart, with Yuhui Shi, 2001, “Swarm Intelligence”, Morgan Kaufmann Publishers. [9] A.M. Benie Zakariya, “Optimal Performance of Wind-Diesel Hybrid Power System (WDHPS) on Isolated Area with Superconducting Magnetic Energy Storage (SMES) using Particle Swarm p ((PSO)”, ) , APTECS December 2010. Optimization
