1
Rekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya. M Fachri, Sjamsjul Anam Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya - 60111, Email :
[email protected] Abstrak : Rekonfigurasi jaringan distribusi merupakan analisis untuk pengoptimalan sistem distribusi tenaga listrik. Tugas akhir ini ditujukan untuk menyelesaikan rekonfigurasi sistem distribusi dengan metode selective particle swarm optimization (SPSO). Search space ditujukan untuk mendapat seting percabangan bus yaitu normally open atau normally close. Proses pencarian dibagi menjadi dua tahap, mencari search space dengan menutup semua switch yang ada dan menggunakan SPSO untuk mendapatkan switch yang harus dibuka. Pada tugas akhir ini teknik SPSO diaplikasikan dalam 4 sistem, yaitu sistem16 bus, sistem 33 bus, sistem 69 bus dan sistem distribusi karang asem. Hasil simulasi menunjukkan penurunan rugi daya nyata yang signifikan. Metode SPSO mengurangi 5% dari loses awal pada sistem 16 bus, 33% pada sistem 33 bus, 56% pada sistem 69 bus dan 45% pada sistem distribusi karang asem. Kata kunci : Rekonfigurasi, Jaringan Radial, Rugi Daya I. PENDAHULUAN Dalam sistem distribusi utama, saklar percabangan (sectionalizing switch) digunakan untuk dua perlindungan, untuk mengisolasikan suatu kesalahan, manajemen bentuk konfigurasi, dan untuk mengatur kembali jaring. Sistem Distribusi pada umunya dioperasikan secara jaring radial. Pada Topologi jaring distibusi radial terdapat 2 switch yaitu normally open switch dan normally closed switch. Bentuk konfigurasi mengubah status beberapa saklar percabangan digunakan sebagai sarana untuk memperbaiki kondisi total losses pada jaringan. Masalah yang terpenting dalam suatu jaringan distribusi adalah rugi-rugi daya sistem. Bentuk konfigurasi jaringan sangat berkaitan dengan losses jaringan. Untuk memperoleh jaringan yang optimal dapat dilakukan dengan mengubah konfigurasi jaring. Perubahan konfigurasi jaring bertujuan sebagai berikut : (i) untuk mengurangi rugi-rugi daya sistem, (ii) untuk membebaskan beban terlalu berat dalam jaring (over load).
Kerugian pada sistem tenaga listrik sebagian besar terdapat pada proses distribusi. Rugi-rugi distribusi yang besar mengakibatkan harga pembangkitan energy listrik yang semakin tinggi. Pada penelitian ini dilakukan analisis suatu metode untuk mendapatkan konfigurasi jarring sistem tenaga listrik yang optimal. Dalam penelitian ini rugi-rugi jaringan merupakan tolak ukur yang digunakan untuk menentukan suatu sistem dalam kondisi optimal. metodologi Particle swarm optimization digunakan untuk mengoptimalkan operasi jaring distribusi, sehingga didapatkan rugirugi daya minimum .
II. TEORI PENUNJANG 2.1
Jaring Distribusi Radial Sistem distribusi dengan pola Radial adalah sistem distribusi yang paling sederhana dan ekonomis. Pada sistem ini terdapat beberapa penyulang yang menyuplai beberapa gardu distribusi secara radial. Keuntungan dari sistem ini adalah sistem ini tidak rumit dan lebih murah dibanding dengan sistem yang lain. Namun keandalan sistem ini lebih rendah dibanding dengan sistem lainnya. Kurangnya keandalan disebabkan karena hanya terdapat satu jalur utama yang menyuplai gardu distribusi, sehingga apabila jalur utama tersebut mengalami gangguan, maka seluruh gardu akan ikut padam. Kerugian lain yaitu mutu tegangan pada gardu distribusi yang paling ujung kurang baik, hal ini dikarenakan jatuh tegangan terbesar ada diujung saluran. 2.2
Metode Newton – Raphson Metoda Newton Raphson adalah suatu metode yang menggunakan uraian deret Taylor untuk menyelesaikan persamaan dengan dua variabel atau lebih. Untuk mengaplikasikan metode Newton – Raphson dalam persamaan aliran daya, tiap persamaan kompleks dibentuk kedalam persamaan Ik
Pk jQk Vk
(1)
Untuk beberapa titik k, dapat ditulis
S k Pk jQk Vk I k
(2)
untuk Pk dan Qk ditulis dalam bentuk real seperti dibawah ini
2
N
Pk Vk
G
knVn cos kn BknVn sin kn
= w
n 1
N
Qk Vk
G
knVn sin kn BknVn cos kn
n 1
(3)
Untuk semua bus didapat persamaan :
J
P V Q
(4)
2.3
Particle Swarm Optimization Algoritma Particle Swarm Optimization diperkenalkan oleh Kennedy dan Eberhart pada tahun 1995 berdasarkan penelitian terhadap perilaku burung flocking dan ikan schooling dalam mencari makan. Algoritma ini dijadikan solusi dimana setiap permasalahan optimisasi dipresentasikan sebagai sebuah partikel seperti burung dalam sebuah d-dimensi untuk mencari ruang gerak. Populasi PSO didasarkan pada penelusuran algoritma diawali dengan populasi random. Partical Swarm Optimization (PSO) adalah salah satu dari teknik komputasi evolusioner, yang mana populasi pada PSO didasarkan pada penelusuran algoritma dan diawali dengan suatu populasi yang random yang disebut particle. Berbeda dengan teknik komputasi evolusioner lainnya, setiap particle di dalam PSO juga berhubungan dengan suatu velocity. Particle-particle tersebut bergerak melalui penelusuran ruang dengan velocity yang dinamis yang disesuaikan menurut perilaku historisnya.oleh karena itu, particle-particle mempunyai kecenderungan untuk bergerak ke area penelusuran yang lebih baik setelah melewati proses penelusuran. 2.3.1
Ukuran Swarm Populasi atau ukuran swarm yang dipilih tergantung pada persoalan yang dihadapi. Ukuran umum yang digunkan berkisar 20-50. Hal tersebut telah dipelajari sejak dahulu bahwa PSO hanya perlu ukuran swarm atau populasi yang lebih kecil dibanding algoritma-algoritma evolusiner yang lain untuk mendapatkan solusisolusi terbaik 2.3.2
Koefisien Akselerasi Pada umumnya nilai-nilai untuk koefisien akselerasi c1 dan c2 = 2. Namun demikian, nilai koefisien akselerasi tersebut dapat ditentukan sendiri yang digunakan di dalam penelitian yang berbeda, biasanya nilai c1 dan c2 adalah sama dan berada pada rentang antara 0 sampai 4. 2.3.3
Innertia Weight Parameter inertia weight digabungkan dengan PSO standart dimodifikasi menjadi sebagai berikut :
+
x(
-
)+
x(
-
)
Penambahan parameter inertia weight (w) digunakan sebagai keseimbangan antara kemampuan penelusuran global dan local. Inertia weight besar dapat memudahkan penelusuran global sedangkan inertia weight kecil memudahkan penelusuran local. Rentang yang digunakan antara 0.4 hingga 0.9. Inertia weight diperkenalkan untuk keseimbangan antara kemampuan penelusuran global dan local. 2.3.4
Constriction Factor Parameter lain yang dikenal didalam algoritma PSO adalah constriction factor, parameter ini diperkenalkan oleh Clerc dengan tujuan dapat menjamin suatu penelusuran dalam algoritma PSO untuk konvergen lebih cepat. Coefisient constriction yang paling sederhana biasa disebut oleh Clerc sebagai type 1 yang memerlukan aplikasi dari koefisien untuk kedua bentuk persamaan velocity. 2.3.5
Diagram Alir PSO Berdasarkan uraian diatas aliran algoritma PSO dimulai dari inisialisasi populasi secara random dan diteruskan dengan melakukan fungsi objektif pada individu. Setelah itu memperbarui kecepatan dan posisi individu serta Pbest dan Gbest. Apabila telah memenuhi kriteria maka sistem akan berhenti melakukan pencaria dan jika tidak memenuhi kriteria maka akan kembali melakukan proses evaluasi fungsi objektif lagi.
2.4
Keandalan Sistem Distribusi Pada Tugas akhir kali ini digunakan indeks keandalan TEND atau total energy not distributed. Dimana indeks keandalan ini hanya ditujukan untuk menghitung total prosentase losses pada jaringan distribusi. Semakin sedikit losses pada jaringan distribusi maka secara otomatis keandalan pada system akan meningkat. Indeks tersebut sangat tepat dikembangkan bersama dengan proses rekonfigurasi jaringan distribusi. Dengan demikian proses rekonfigurasi jaringan distribusi dapat digunakan sebagai alat ukur keandalan suatu sistem distribusi. III. PEMODELAN SISTEM
3.1
Pemodelan Jaring Distribusi Pemodelan jaringan distribusi menggunakan metede Selective Particle Swarm Optimization (SPSO). Simulasi menggunakan software MATLAB dengan tahapan jaringan distribusi radial sebagai berikut. Penyelesaian rekonfigurasi saluran distribusi dengan SPSO dibagi menjadi 3 tahap sebagai berikut : 1. Menentukan jumlah dimensi. Jaringan distribusi didesain sebagai multiloop circuit tetapi dijalankan dalam loop terbuka untuk memastikan jaringan dalam bentuk topologi radial. Untuk menentukan
3 dimensi dari jaringan, maka semua tie switch harus ditutup. Dengan demikian akan tercipta sejumlah loop. Jumlah dimensi sama dengan jumlah loop pada jaringan. 2. Menemukan search space pada tiap dimensi. Untuk menemukan search space pada tiap dimensi akan digunakan gambar 3.4 dan 3.5 sebagai penjelasan. Sistem berikut memiliki 15 node, 17 cabang dan 2 tie switch yang sudah dihubungkan sehingga membentuk 2 loop
update nilai k hingga mencapai literasi maksimum dan diperoleh hasil loses minimal pada jaringan distribusi. Pada tugas akhir ini digunakan 3 sistem jaringan distribusi berdasarkan standart IEEE sebagai model sebelum dilakukan penelitian pada kondisi lapangan. System jaringan tersebut terdiri dari system jaringan 16 bus, 33 bus dan 69 bus.
Gambar 3.1 Model Jaringan distribusi (a)
Gambar 3.2 Model Jaringan distribusi (b)
Dengan menutup 2 tie switch akan membentuk 2 buah loop sehingga terdapat 2 dimensi. Percabangan atau Branch yang tidak masuk dalam loop tidak termasuk dalam search space, sehingga percabangan 1, 8, 9, dan 7 tidak masuk dalam search space. Search space pada masingmasing dimensi direpresentasikan dalam 2 loop yaitu d1 = [ 14, 15, 16, 17, 6, 5, 4] dan d2 = [ 3, 4, 5, 13, 12, 11, 10 ]. Branch 4 dan 5 masuk dalam 2 dimensi sehingga 2 percabangan ini hanya akan muncul pada satu dimensi saja dan akan terjadi secara acak atau random. 3. Menggunakan SPSO untuk mencari solusi optimal dari search space. Setelah menentukan jumlah dimensi dan menemukan search space untuk tiap dimensi, maka SPSO dapat digunakan untuk menentukan solusi optimal dari search space pada masing-masing dimensi tersebut. Gambar 3.6 menunjukkan flowchart SPSO dalam menentukan solusi optimal dari system jaringan distribusi. Dimulai dengan penentuan inertia weight 0.8. kemudian dilanjutkan dengan inisiasi swarm menggunakan random posisi dan velocity. Kemudian menentukan search space dan dimensi seperti dijelaskan pada langkah kedua dilanjutkan dengan perhitungan power flow. Langkah berikutnya adalah evaluasi losses dan menentukan tie switch. Update velocity dan posisi pada masing-masing d-dimensi dari i-th partikel. Kemudian
Gambar 3.3 flow chart metode SPSO. IV. SIMULASI DAN ANALISIS DATA 4.1 Simulasi dan Analisis Data IEEE 16 Bus Pada simulasi selanjutnya yaitu system distribusi 16 bus dengan 3 feeder, kVbase = 12.66 kV S = 100 MVA. Setelah dilakukan perhitungan load flow didapatkan total loses sebesar 514.0693 kW. Loses inilah yang akan diminimalkan dengan rekonfigurasi jarring distribusi dengan melakukan perubahan switch pada topologi sistem. Sistem distribusi IEEE 16 bus digunakan sebagai contoh pada penelitian ini. Berikut data dan konfigurasi sistem distribusi 16 bus :
4
Gambar 4.2 Rekonfigurasi Jaringan Distribusi 16 bus Gambar 4.1 Konfigurasi Jaringan Distribusi IEEE 16 Bus
Tabel 4.1 Data Jaringan Distribusi IEEE 16 Bus
Cabang no
Saluran
Impedansi (Ohm)
Beban
0.11
P (MW) 2
Q (MW) 1.6
0.11
3
0.4
0.09
0.18
2
0.4
5
0.04
0.04
1.5
1.2
5
6
0.11
0.11
4
2.7
6
6
7
0.08
0.11
5
1.8
7
7
8
0.11
0.11
1
0.9
8
8
9
0.11
0.11
0.6
0.5
9
9
10
0.08
0.11
4.5
1.7
10
10
11
0.11
0.11
1
0.9
11
11
12
0.09
0.12
0.6
0.5
12
12
13
0.08
0.11
4.5
1.7
13
13
14
0.04
0.04
1
14
14
15
0.04
0.04
1
0.9 1.1
15
15
16
0.04
0.04
1
0.9
16
16
17
0.09
0.12
2.1
0.8
dari
ke
R
X
1
1
4
0.075
2
2
3
0.08
3
3
4
4
4
5
Dari hasil simulasi dengan menggunakan 3 dimensi yaitu D1 [1 2 5 6 8 14] ; D2 [7 10 11 15 0 0] dan D3 [3 4 12 13 16 0]. Dari dimensi tersebut akan didapatkan konfigurasi tie switch yang baru dari semula tie switch s14, s15, s16. Setelah dilakukan rekonfigurasi akan didapatkan topologi sistem distribusi radial sebagai berikut :
Setelah dilakukan rekonfigurasi didapatkan losses sebesar 468.3304 kW dengan minimum voltage sebesar 0.9707 pu. Berdasarkan hasil penurunan Rugi-rugi daya sebelum dan setelah dilakukan rekonfigurasi serta kenaikan magnitude tegangan diperlihatkan pada kasus sistem distribusi 16 maka dapat disimpulkan metode ini sangat efektif untuk mendapatkan kombinasi switch optimum sebagai upaya peningkatan keandalan sistem distribusi. Dengan menurunnya rugi daya nyata maka diharapkan terjadi keseimbangan beban dan meningkatkan kualitas penyaluran daya listrik. Berikut hasil grafik dari rekonfigurasi jaringan distribusi IEEE sistem 16 bus.
Gambar 4.3 Profile Jaringan Distribusi IEEE 16 Bus sebelum dan setelah rekonfigurasi
V. PENUTUP 5.1. Kesimpulan
5 Setelah dilakukan simulasi power flow dan menggunakan metode Selcetive Particle Swarm Optimization dengan menggunakan sistem distribusi IEEE 16 bus, didapat beberapa kesimpulan sebagai berikut. 1. Hasil pengujian menunjukkan bahwa metode Selcetive Particle Swarm Optimization dapat digunakan sebagai solusi dalam analisis rekonfigurasi jaringan untuk mengurangi rugi-rugi energi pada sistem. 2. Search space tergantung pada masing-masing dimensi penyulang 3. Pencarian switch yang harus dibuka dengan SPSO membutuhkan waktu yang sangat singkat. 4. Setelah dilakukan rekonfigurasi jaringan terjadi penurunan rugi-rugi energi di jaringan 16 bus dari 514.0293 kW menjadi 485.7682 kW. 5.2. Saran Dalam usaha untuk menyelesaikan tugas akhir ini, saran yang dapat diberikan untuk kedepannya antara lain. 1. Analisis rekonfigurasi jaringan dengan menggunakan metode SPSO ini masih menggunakan beban yang tidak berubah terhadap waktu. 2. Untuk penelitian kedepan diharapkan dapat mencangkup rekonfigurasi saluran distribusi dengan melibatkan peletakan kapasitor. DAFTAR PUSTAKA [1]
[2] [3] [4]
[5] [6]
Vahid Farahani, Student Member, IEEE, Behrooz Vahidi, Senior Member, IEEE, and Hossein Askarian Abyaneh, Senior Member, IEEE, “Reconfiguration and Capacitor Placement Simultaneously for Energy Loss Reduction Based on an Improved Reconfiguration Method ”. IEEE Publication VOL. 27, NO. 2, MAY 2012. Hao Teng, Jen. “A Network-Topology-based ThreePhase Load Flow for Distribution Systems”.IEEE. 2000. Hao Teng, Jen. “Backward/Forward Sweep-Based Harmonic Analysis Method for Distribution System”s. IEEE. .2010. Wicaksono, Y.Andri,”Penentuan Lokasi dan Nilai Kapasitor pada Sistem Distribusi Radial Terdistorsi Menggunakan Metode Particle Swarm Optimization“Jurnal Teknik POMITS Vol 1 No 1. 2013. Syaiin, Matt, “Handout Power Flow Analysis”, PPNSITS, Surabaya, 2013. Priambodo, Pungki. “Analisis Aliran Daya Tiga Fasa Tidak Seimbang Menggunakan Metode K-Matriks dan ZBR pada Sistem Distribusi 20 kv Kota Surabaya” Jurnal Teknik POMITS Vol 1 No 1. 2013. DAFTAR RIWAYAT HIDUP
Penulis bernama lengkap M Misbach Fachri dilahirkan di Bojonegoro pada 9 September 1988. Latar belakang pendidikan pernah bersekolah di SDN Padangan 4, selama 6 tahun, SMP Negeri 1 Padangan selama 3 tahun, SMA Negeri 1 Padangan selama 3 tahun. Melanjutkan ke Jurusan teknik elektro Institut Teknologi Sepuluh November tahun 2007 dan mengambil bidang studi teknik sistem tenaga.
