Riski Cahya Anugrerah Haebibi - 2213201027
Dosen Pembimbing: Prof. Dr. Ir. Adi Soeprijanto, M.T. Dr. Eng. Ardyono Priyadi, S.T., M.Eng.
Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya
Peningkatan Jumlah Beban
Latar Belakang
Pelepasan Beban Yang Efektif
Penambahan Kapasitas Pembangkit
Gagalnya Pembangkit Masuk ke Dalam Sistem Interkoneksi
Pertahanan Performansi Stabilitas Sistem
Black Out
1.
Bagaimana mendapatkan model stabilitas pada sistem kelistrikan Jawa-Bali 500 kV.
2.
Bagaimana menentukan nilai gradient frekuensi pada sistem kelistrikan Jawa-Bali 500 kV.
3.
Bagaimana keadaan sistem jika terjadi gangguan dan dilakukan pelepasan beban dengan menggunakan mekanisme pelepasan beban standar PLN.
4.
Bagaimana respon sistem jika skema pelepasan beban menggunakan metode UFLS menggunakan metode sensitivitas bus.
5.
Membandingkan kondisi sistem ketika dilakukan mekanisme pelepasan beban menggunakan standar PLN dan metode UFLS menggunakan metode sensitivitas bus.
1. Memodelkan sistem kelistrikan Jawa-Bali 500 kV untuk stabilitas frekuensi. 2. Mengetahui nilai gradient frekuensi pada sistem kelistrikan Jawa-Bali 500 kV. 3. Untuk mengetahui keadaan sistem jika terjadi gangguan dengan cara
pelepasan beban menggunakan mekanisme pelepasan standar PLN. 4. Mengetahui mekanisme pelepasan beban menggunakan metode UFLS
menggunakan metode sensitivitas bus dalam merespon gangguan. 5. Menaikkan keandalan sistem kelistrikan Jawa-Bali 500 kV terhadap gangguan
stabilitas frekuensi.
METODE SENSITIVITAS BUS
KONTRIBUSI PENELITIAN ANN BACKPROPAGATION
Metode adaptive underfrequency load shedding sudah dikenalkan oleh P.M
Anderson dan Fellow pada tahun 1992, adaptive underfrequency load shedding memiliki skema pelepasan dengan cara memperhitungkan besar pelepasan beban dan dengan cara mengamati kondisi perubahan slope frekuensi yang terjadi ketika terjadi gangguan pada sistem tenaga listrik [4].
Vladimir dan H. Sayedi mengaplikasikan AUFLS (adaptive underfrequency load
shedding) untuk mengatasi penurunan frekuensi dengan melakukan pengamatan rata-rata perubahan frekuensi dengan menggunakan metode non recursive Newton-Type algorithm [5].
Metode
pelepasan beban kemudian dikembangkan oleh Y.Wang dengan menambahkan metode cara melakukan pelepasan beban seminimum mungkin dengan tujuan untuk melakukan pencegahan terjadinya voltage collapse [6].
Seethalekshmi adalah dengan cara melakukan rank pada bus yang dinyatakan
dengan Voltage Stability Risk Index (VSRI) [7]. Metode ini melakukan pelepasan beban berdasarkan nilai rank (VSRI) yang terendah berdasarkan nilai VSRI.
Persamaan yang mengatur gerakan rotor suatu mesin serempak yang digerakan oleh penggerak mula (prime mover) berdasarkan prinsip dasar dinamika yang menyatakan bahwa momen putar percepatan (accellerating torque) adalah hasil kali dari momen-momen kelembaman (moment of inertia) rotor dan percepatan sudutnya. Persamaannya dapat ditulis dalam bentuk: 2 d θm J = Tm –T e =Ta 2 dt Keterangan: J = momen inersia total dari massa rotor (kg-m2) θm = pergeseran sudut dari rotor terhadap suatu sumbu yang diam (rad) t = waktu (detik) Tm = torsi mekanik dari penggerak mula (Nm) Te = torsi listrik output generator (Nm) Ta = torsi percepatan (Nm)
Pada penelitian ini untuk melakukan analisa underfrequency load shedding menggunakan metode sensitivitas bus pada sistem kelistrikan Jawa-Bali 500 kV data yang akan diambil adalah data sistem tenaga listrik yang bersumber dari PT. PLN P3B Jawa-Bali [1].
1
2
Cilegon
Suralaya
24 Ngimbang
5
Cibinong Kembangan
3
Gandul
4
18
Depok
8 6
Muaratawar
Cawang
19
7 10
Bekasi
Mandiracan
13
9
20
Pedan
Cibatu
11
12
Ban du ng Sela ta n
Ked iri
21
14 Balaraja
Ungaran
25
Ta njun g jati
15 22
16
23
Paiton
Surabaya Barat
Grati
17
Gresik
Gambar 1. Single Line Diagram sistem 500 kV Jawa-Bali.
Mulai Penentuan Parameter Sistem Kelistrikan Jawa-Bali 500 kv
Gangguan (Generator Outage)
Penurunan Frekuensi (df/dt)
Penentuan Nilai Pshedding Menggunakan Artificial Neural Network
2
Penentuan Titik Optimal Load Shedding Menggunakan Metode Sensitivitas Bus
1
Gambar 2. Diagram alir penelitian underfrequency load shedding menggunakan metode sensitivitas bus .
1
2
Aplikasikan Load Shedding pada Bus Paling Optimal
f sistem > f kritis
Tidak f sistem > f kritis
Ya
Sistem Stabil
Stop
Gambar 2. Diagram alir penelitian underfrequency load shedding menggunakan metode sensitivitas bus (lanjutan) .
E1
VL ,IL
E2 ... .. Em
.. ..
SL1 =P1 + jQ1 SL2 =P2 + jQ2 SLn =Pn + jQn
Gambar 3. Model Multiport Network [6]
Penelitian ini menggunakan multiport network model yang berfungsi untuk menentukan lokasi pelepasan beban yang paling efektif dalam sistem kelistrikan. Pelepasan beban menggunakan multiport network model berguna untuk menyelesaikan dua permasalahan sebagai berikut dengan perhitungan yang lebih mudah [6]: 1.
2.
Menemukan lokasi yang paling efektif untuk menentukan pelepasan beban yang paling efektif. Mencari nilai partisipasi generator yang terkait dengan nilai pelepasan beban dengan tujuan untuk mencari nilai pelepasan generator pada tiap generator.
Semua generator dan beban terpisah dari saluran, nilai saluran diubah menjadi
sebuah matrik impedansi ekivalen Z. Persamaan untuk mendapatkan nilai multiport network diberikan melalui persamaan (1) sebagai berikut [10]:
IG E YGG Y I L VL YLG
YGL E (1) YLL VL
Keterangan: Y = Matrik jaringan admitansi sistem yang terdiri dari submatrik. E = Tegangan generator (Volt). VL = Tegangan bus load (Volt). YGG = Matrik self admitance dari generator. YGL = Matrik mutual admitance antara generator dan load. YLG = Matrik mutual admitance antara load dan generator. YLL = Matrik self admitance dari load. IG = Arus generator (A). IL = Arus beban (A).
Dari persamaan 1 kita akan mendapatkan persamaan (2) dengan cara sebagai
berikut:
1
1
VL YLL I L YLL YLG E
Zeq YLL
1
1
K YLL YLG
(2) (3) (4)
Keterangan: VL = Tegangan bus load (Volt). YLG = Matrik mutual admitance antara load dan generator. YLL = Matrik self admitance dari load. IL = Arus beban (A). E = Tegangan generator (Volt).
Setelah menggabungkan antara persamaan (1) dan (2) maka akan didapatkan
persamaan (5) sebagai berikut:
VL Zeq I L KE Zeq I L Eeq
Keterangan: (5) VL = Tegangan load bus (Volt). IL = Arus beban (A). E = Tegangan generator (Volt). Eeq = Tegangan equivalent bus (Volt)
Sistem admitansi matrik Y dapat ditentukan dari SCADA, sehingga nilai matrik Z eq dan K juga dapat
ditentukan dengan mudah. Setelah mendapatkan nilai-nilai tersebut kemudian dari persamaan tersebut dapat menentukan nilai Eeq yang merupakan nilai tegangan equivalent pada semua bus yang ada pada sistem jaringan tenaga listik. Berikut merupakan persamaan (6) dan persamaan (7) yang merupakan cara untuk memperhitungkan tegangan equivalent [10]: Keterangan:
Eeq K E
(6)
Eeq VL Zeq I L
(7)
VL IL E Eeq
= Tegangan load bus (Volt). = Arus beban (A). = Tegangan generator (Volt). = Tegangan equivalent bus (Volt)
Untuk pemilihan bus yang akan dilakukan load shedding dengan beban tertentu dapat diperhitungkan
untuk kontribusi dari masing-masing generator berdasarkan generator participant factor. Melalui persamaan (6) kita dapat menentukan tegangan equivalent thevenin dengan cara persamaan (8) sebagai berikut [6]:
Eeqj
Keterangan: K j1E1 K j 2 E2 K j 3 E3 K ji Ei (8) Eeqj = Tegangan equivalent thevenin (Volt). Kji = Matrik admitansi sistem pada load bus j generator ke i. Ei = Tegangan generator ke i (Volt).
Melalui persamaan (8), ratio kontribusi dari masing-masing generator pada bus j
yang dipilih dapat didefinisikan melalui persamaan (9) sebagai berikut [6]:
C ji
K ji Ei Eeqj
Cos( ji )
(9)
Keterangan: Cji = Ratio kontribusi generator ke i pada bus j. Kji Ei = Tegangan generator ke i (Volt). Eeqj = Tegangan equivalent thevenin (Volt). = Sudut yang dibentuk antara K ji Ei dan Eeqj ji
Setelah mendapatkan rasio kontribusi dari masing-masing generator maka melalui
persamaan (10) dapat menentukan perubahan output daya aktif dari generator i terhadap perubahan load pada bus j dengan perhitungan sebagai berikut [6]:
rji
C ji
k
C i 1 ji
i 1, 2,3, k
(10) Keterangan: Cji = Rasio kontribusi generator ke i pada bus j. rji = Perbandingan rasio kontribusi generator ke i pada bus j terhadap total seluruh rasio kontribusi generator.
Dengan menggunakan persamaan yang didapatkan dari persamaan sebelumnya
maka didapatkan nilai sensitivitas pada bus j dengan persamaan nilai sensitivitas sebagai berikut [1]:
s jfc
f c Pj
k
H Rr H i 1 i k
i ji
i 1 i
i 1, 2,3, k
Keterangan: = Nilai sensitivitas bus ke-j. s jfc (11) f = Perubahan frequency of the the inertial c centre (Hz). Pj = Perubahan daya aktif pada bus j (Watt). Hi = Momen inersia pada generator ke i. Ri = Droop pada generator ke i. rji = Rasio kontribusi generator ke i pada bus j.
Dalam sistem tenaga listrik perubahan daya aktif dapat diperhitungkan melalui
perubahan rata-rata frekuensi sebuah generator berdasarkan persamaan (12) sebagai berikut [11]: Keterangan:
2 P fn
dfi Hi i 1 dt k
(12)
P fn Hi dfi dt
= Perubahan daya aktif (pu). = Frekuensi nominal sistem (Hz). = Momen inersia pada generator ke-i. = Laju perubahan frekensi generator ke-i terhadap waktu
Untuk menentukan nilai daya penyimpangan frekuensi dalam batas yang diizinkan
maka diperlukan nilai daya threshold sebagai nilai acuan yang dapat ditentukan melalui persamaan (13) sebagai berikut [4]:
Pth ( DR Km ) / R
(13)
Keterangan: = Nilai daya threshold (pu). Pth R = Droop rata-rata dari semua generator. = Konstanta rata-rata daya mekanik turbin. Km D = Damping rata-rata dari semua generator. = Perubahan frekuensi (pu).
Setelah mendapatkan besar nilai threshold agar penyimpangan frekuensi dalam
ambang batas yang diizinkan maka kita dapat menentukan nilai pelepasan beban dari sistem tenaga listrik melalui persamaan (14) sebagai berikut [1]:
Psh 1.05(P Pth )
(14)
Keterangan: Psh = Nilai daya aktif untuk load shedding (pu). P = Perubahan daya aktif (pu). Pth = Nilai daya threshold (pu).
Setelah mendapatkan nilai beban yang harus dilepas dari sistem ketika terjadi
gangguan pada sistem tenaga listrik maka kita dapat memperhitungkan nilai pelepasan beban pada masing-masing bus berdasarkan nilai sensitivitas bus dengan persamaan (15) sebagai berikut [1]: Pjsh
Pjsh S jfc Ld
S j
fc j
(15)
Keterangan: = Nilai daya aktif untuk load shedding pada Pjsh bus ke-j (pu). = Nilai sensitivitas pada bus ke-j. S jfc
Artificial Neural Network (ANN) merupakan suatu teknik komputasi yang berfungsi menggantikan model matematik yang dibentuk dari sejumlah elemen pemroses yang dapat saling berkomunikasi melalui interkoneksi jaringan. ANN yang telah dan sedang dikembangkan merupakan pemodelan matematika dari jaringan syaraf, berdasarkan asumsi [12]. 1. Pemrosesan informasi terjadi pada banyak elemen sederhana yang disebut neuron 2. Sinyal dilewatkan antar neuron yang membentuk jaringan neuron 3. Setiap elemen pada jaringan neuron memiliki 1 (satu) pembobot. Sinyal yang dikirimkan ke lapisan neuron berikutnya dikalikan dengan pembobot 4. Tiap-tiap neuron mengerjakan fungsi aktivasi untuk mendapatkan keluaran 5. Sedangkan karakteristik dari ANN secara umum adalah [12]: 6. Arsitektur atau pola koneksi antar neuron 7. Pelatihan / pembelajaran 8. Fungsi aktivasi
Arsitektur Gambar 4 menunjukkan arsitektur backpropagation dengan satu hidden layer. Hal yang baru yaitu adanya bias. Bias memiliki pembobot, dimana masukannya selalu bernilai 1. Arah panah pada gambar menunjukkan arah sinyal pada fase feed forward, sedangkan fase backpropagation merupakan arah yang sebaliknya.
Fungsi Aktivasi Fungsi aktivasi merupakan fungsi pengolah data masukan menjadi data keluara. Karakteristik pada fungsi aktivasi dari backpropagation adalah kontinyu, dapat diturunkan, dan tidak menurun secara monoton. Fungsi aktivasi merupakan lengkung sigmoid, sebagaimana ditunjukkan sebagai berikut. Ada beberapa jenis fungsi aktivasi untuk algoritma backpropagation: 1. Bipolar Sigmoid 2. Binary Sigmoid
Gambar 4. ANN Backpropagation Dengan Satu Hidden Layer.
Bipolar sigmoid Fungsi bipolar sigmoid ini dapat dihasilkan dari:
tanh 𝑥 =
𝑒 𝑥 −𝑒 −𝑥 𝑒 𝑥 + 𝑒 −𝑥
=
1−𝑒 −2𝑥 (18) −2𝑥 1+𝑒
Dengan turunan fungsinya adalah: ′
ℎ 𝑥 = 1 + ℎ 𝑥 . [1 − ℎ(𝑥)]
(19)
Gambar 5. Bipolar Sigmoid
Binary sigmoid Binary sigmoid memiliki range (0 sampai dengan 1) dan didefinisikan :
𝑓 𝑥 =
1 1+exp(−𝑥)
(20)
Dengan turunan fungsinya adalah :
𝑓 ′ 𝑥 = 𝑓 𝑥 . [1 − 𝑓 𝑥 ]
(21)
Gambar 6. Binary Sigmoid
Pembelajaran Pada ANN, belajar adalah proses pembentukan konfigurasi nilai-nilai bobot dari jaringan. Pembentukand ini memiliki tujuan akhir, yaitu agar masukan-masukan yang diberikan padanya akan direspon melalui bobot-bobot tersebut, sehingga menghasilkan keluaran yang sesuai dengan target keluaran yang diinginkan dari masukan yang bersangkutan. Faktor-Faktor Pembelajaran 1. Inisialisasi Pembobot Dan Bias 2. Learning rate (α) 3. Momentum (μ)
Gambar 8. Tongkat Frekuensi PLN P3B Jawa-Bali [13]
RJKB TAHAP/
SETTING
Dist.
SKEMA
UFR (Hz)
Jaya Tg
RJBR
RJTD
Dist Jabar Banten
Dist Jateng
Dist. Jatim
Dist. Bali
(MW)
(MW)
(MW)
(MW)
(MW)
RJTB JUMLAH
KETERANGAN
(MW)
(Waktu Kerja)
SKEMA A
49.6
119
65
67
54
80
9
394
SKEMA B
49.6
119
65
67
54
80
9
394
238
130
134
108
160
18
788
Sub Jumlah 1
Tunda waktu 7 menit Tunda waktu 9 menit
1
49
122
66
69
55
82
0
394
Seketika
2
48.9
122
66
69
55
82
0
394
Seketika
3
48.8
122
66
69
55
82
0
394
Seketika
4
48.7
122
66
69
55
82
0
394
Seketika
5
48.6
115
63
65
52
78
22
395
Seketika
6
48.5
115
63
65
52
78
22
395
Seketika
7
48.4
115
63
65
52
78
22
395
Seketika
Sub Jumlah 2
833
453
471
376
562
66
2761
Sub Jumlah 1+2
1071
583
605
484
722
84
3549 Target: T5+T6+T7
df/dt: -0.6
49.5
345
188
194
156
233
66
1182
df/dt: -0.8
49.5
464
252
261
209
313
76
1575
Seketika
df/dt:-1.0
49.5
583
317
328
263
393
85
1969
Seketika
Seketika
No Bus 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Gardu Induk Suralaya Cilegon Kembangan Gandul Cibinong Cawang Bekasi Muaratawar Cibatu Cirata Saguling Bandung Selatan Mandiracan Ungaran Tanjung Jati Surabaya Barat Gresik Depok Tasikmalaya Pedan Kediri Paiton Grati Ngimbang Balaraja Total
Voltage Magnitude 1 0.997 0.961 0.962 0.97 0.967 0.961 1 0.994 1 1 0.978 0.948 0.939 1 0.989 1 0.959 0.919 0.917 0.936 1 1 0.965 0.972
Angle Degree 0 -0.423 -6.968 -6.708 -6.812 -9.124 -9.293 -6.424 -6.971 -5.808 -5.249 -4.342 1.256 14.997 22.336 25.926 27.201 -6.527 1.32 12.557 20.2 30.679 28.509 -5.39 23.096
Load MW 219 333 251 814 638 720 1126 0 1152 597 0 666 293 485 0 508 127 342 199 473 498 448 180 732 264 11065
Generation Mvar 71 179 36 171 336 217 331 0 345 201 0 400 65 210 0 265 92 95 63 171 124 55 132 287 58 3904
MW 2796.829 0 0 0 0 0 0 1430 0 700 700 0 0 0 660 0 1839 0 0 0 0 2734 440 0 0 11299.82
Mvar 889.172 0 0 0 0 0 0 1222.657 0 443.637 1606.689 0 0 0 434.954 0 764.141 0 0 0 0 559.376 395.733 0 0 6316.359
Tegangan generator pada hasil
simulasi analisa aliran daya berfungsi untuk mengetahui tegangan equivalent pada bus yang lain berdasarkan persamaan (6) dan untuk mencari nilai sensitivitas dari sebuah bus. Tegangan generator pada sistem Jawa-Bali dapat dilihat pada Tabel 1.
Selain
analisa aliran daya, Karakteristik speed droop dari governor dan momen inersia dari generator juga mempengaruhi nilai sensitivitas bus. Berikut merupakan data generator sistem Jawa-Bali yang dapat dilihat melalui Tabel 2.
Tabel 1. Tegangan generator untuk case 0.6 Hz/s No
Generator
1 2 3 4 5 6 7 8
Suralaya Muaratawar Cirata Saguling Tanjung Jati Gresik Paiton Grati
Voltage Angle Magnitude Degree 1 0 1 -6.424 1 -5.808 1 -5.249 1 22.336 1 27.201 1 30.679 1 28.509
Tabel 2. Karakteristik Generator Jawa-Bali No. 1 2 3 4 5 6 7 8
Pembangkit Suralaya Muaratawar Cirata Saguling Tanjung Jati Gresik Paiton Grati
H (pu) D (%) 5.19 6.82 1.82 4.61 2.86 2.23 1.64 6.1 3.2 5.91 2.54 1.8 4.42 7.69 2.76 2.54
R (%) 5 5 5 5 5 5 5 5
Rank nilai sensitivitas bus pada sistem Jawa-Bali 500 kV dapat ditentukan melalui persamaan (11) dan didapatkan nilai sensitivitas bus pada bus beban pada Tabel 3 sebagai berikut: Tabel 3. Rank nilai sensitivitas bus beban Jawa-Bali untuk penurunan laju frekuensi 0.6 Hz/s. Rank 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Bus 2 21 20 24 16 25 14 19 18 3 4 5 13 12 7 6 9
Gardu Induk Cilegon Kediri Pedan Ngimbang Surabaya Barat Balaraja Ungaran Tasikmalaya Depok Kembangan Gandul Cibinong Mandiracan Bandung Selatan Bekasi Cawang Cibatu
Nilai Sensitivitas 0.7297 0.6789 0.6385 0.6384 0.6313 0.6295 0.6209 0.6134 0.5931 0.5923 0.5923 0.5717 0.5699 0.5458 0.5422 0.5291 0.5146
Respon Penurunan Laju Frekuensi 0.6 Hz/s
1
52
Suralaya
ResponPenurunanFrekuensi 50
2
Cilegon
24 Ngimbang
Cibinong Kembangan
3
Gandul
4
18
Frekuensi (Hz)
5
48
46
44
Depok
42
8 6
Muaratawar
40
Cawang
19
7 10
Bekasi
38 0
2
4
13
9
20
Pedan
Cibatu
pembangkit Gresik outage.
Bandung Selatan
Kediri
21
14 Balaraja
Ungaran
25
Tanjung jati
15 22
16
23
Paiton
Surabaya Barat
Grati
17
8
10
12
Gambar 9. Grafik laju penurunan frekuensi 0.6 Hz/s akibat
11
12
6 Waktu (s)
Mandiracan
Gresik
Daya Hilang : 1839 MW
Setelah mendapatkan titik bus yang paling efektif untuk melakukan pelepasan
beban. Langkah selanjutnya adalah mencari besar pelepasan beban yang harus dilepas dari sistem agar frekuensi kembali kedalam batas 50 ± 0.2 Hz.
Untuk mencari besar pelepasan beban yang dilakukan pada sistem maka harus
mencari nilai daya threshold sebagai nilai acuan untuk menentukan nilai penyimpangan frekuensi dalam batas yang diizinkan.
Parameter yang digunakan untuk mencari daya threshold adalah parameter rata-
rata pembangkit yang ada pada sistem Jawa-Bali. Nilai parameter rata-rata kemudian dimasukkan kedalam persamaan (13) dengan perhitungan sebagai berikut: P ( DR K ) / R th
m
Pth 0.004(4.7125 x0.05 0.7) / 0.05 Pth 0.07485 pu Pth 748.5MW Pth 750MW
Berdasarkan nilai daya threshold Pth = 750 MW yang didapatkan melalui persamaan
(13) maka selanjutnya adalah menentukan besar pelepasan pada sistem yang tepat agar frekuensi kembali kedalam batas 50 ± 0.2 Hz.
Pada penelitian ini mencoba untuk melakukan prediksi menggunakan ANN
(Artificial Neural Network) untuk melakukan prediksi besar pelepasan beban yang harus dilakukan dengan menggunakan dua masukan nilai yaitu : 1. Perubahan daya aktif 2. Penurunan laju frekuensi.
Perubahan daya aktif dan respon laju penurunan frekuensi itu yang nantinya akan
digunakan sebagai data masukan ANN Backpropagation sebagai proses training data untuk membentuk jaringan.
Sementara untuk data keluaran ANN menggunakan nilai pelepasan beban (Psh)
yang didapatkan melalui persamaan (13) untuk setiap perubahan frekuensi yang diakibatkan perubahan daya aktif pembangkitan.
Tabel 4. Data training untuk proses pembentukan jaringan ANN Backpropagation. Input ∆P (MW) df/dt (Hz/s) 1850 0.608755 1860 0.609805 1880 0.61192 1890 0.612975 1900 0.61403 1910 0.6151 1920 0.61616 1930 0.61723 1940 0.618295 1950 0.619365 1960 0.620435 1970 0.62151 1980 0.622585 1990 0.62366 2000 0.624735 2010 0.625815 2020 0.626895 2030 0.62798 2050 0.630145 2060 0.631235
Output Psh(MW) 1155 1165.5 1186.5 1197 1207.5 1218 1228.5 1239 1249.5 1260 1270.5 1281 1291.5 1302 1312.5 1323 1333.5 1344 1365 1375.5
Input ∆P (MW) df/dt (Hz/s) 2070 0.63232 2080 0.63341 2090 0.6345 2100 0.635595 2110 0.636685 2120 0.63778 2130 0.638875 2140 0.639975 2160 0.8119 2170 0.813875 2180 0.815845 2190 0.81782 2210 0.82177 2220 0.82375 2230 0.825725 2250 0.829685 2260 0.831665 2270 0.833645 2280 0.835625 2290 0.83761
Output Psh(MW) 1386 1396.5 1407 1417.5 1428 1438.5 1449 1459.5 1480.5 1491 1501.5 1512 1533 1543.5 1554 1575 1585.5 1596 1606.5 1617
Input ∆P (MW) df/dt (Hz/s) 2300 0.83959 2310 0.841575 2320 0.84356 2330 0.84554 2350 0.84951 2360 0.8515 2370 0.853485 2380 0.85547 2390 0.857455 2410 0.86143 2420 0.86342 2430 0.865405 2440 0.867395 2450 0.869385 2460 0.871375 2470 0.87336 2480 0.87535 2490 0.87734 2510 0.88132 2520 0.88331
Output Psh(MW) 1627.5 1638 1648.5 1659 1680 1690.5 1701 1711.5 1722 1743 1753.5 1764 1774.5 1785 1795.5 1806 1816.5 1827 1848 1858.5
Tabel 5. Perbandingan hasil training data output dan target menggunakan ANN Backpropagation untuk memprediksi pelepasan beban. No.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Data Target 1155 1165.5 1186.5 1197 1207.5 1218 1228.5 1239 1249.5 1260 1270.5 1281 1291.5 1302 1312.5 1323 1333.5 1344 1365 1375.5
Data Output 1154.9984 1165.4994 1186.4758 1197.0024 1207.5143 1218.0025 1228.4957 1238.9978 1249.4979 1259.9979 1270.4955 1280.9996 1291.5009 1302 1312.4982 1323.0065 1333.5054 1344.011 1364.9971 1375.5209
Error
No.
0.001586 0.000589 0.024166 -0.0024 -0.01426 -0.0025 0.004288 0.002177 0.002092 0.002112 0.004533 0.000405 -0.00086 -1.97E-05 0.00185 -0.00646 -0.00543 -0.01096 0.002918 -0.02089
21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Data Target 1386 1396.5 1407 1417.5 1428 1438.5 1449 1459.5 1480.5 1491 1501.5 1512 1533 1543.5 1554 1575 1585.5 1596 1606.5 1617
Data Output 1386.0174 1396.5156 1407.0083 1417.5219 1428.0183 1438.5253 1449.0239 1459.4087 1480.3948 1491.012 1501.5115 1512.0108 1533.0106 1543.5099 1554.0109 1575.0119 1585.5122 1596.017 1606.5139 1617.0193
Error
No.
-0.01736 -0.01556 -0.00831 -0.02187 -0.01825 -0.02533 -0.02387 0.091293 0.105217 -0.01195 -0.01148 -0.01083 -0.01062 -0.00989 -0.01089 -0.01187 -0.01216 -0.01697 -0.01387 -0.01932
41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
Data Target 1627.5 1638 1648.5 1659 1680 1690.5 1701 1711.5 1722 1743 1753.5 1764 1774.5 1785 1795.5 1806 1816.5 1827 1848 1858.5
Data Output 1627.5168 1638.0179 1648.516 1659.0144 1680.0079 1690.5034 1701.0648 1711.5963 1721.9922 1743.2345 1753.8325 1764.1666 1774.541 1784.9959 1795.4965 1805.997 1816.5297 1826.9974 1847.9976 1858.4976
Error
-0.01683 -0.01787 -0.01604 -0.01436 -0.00787 -0.00338 -0.06476 -0.09625 0.007833 -0.23454 -0.33252 -0.16662 -0.04099 0.004057 0.003451 0.002983 -0.02971 0.002634 0.002423 0.002367
Setelah melakukan training data pada ANN Backpropagation didapatkan nilai error
yang sangat baik maka langkah selanjutnya adalah melakukan testing pada data yang berbeda dari data training.
Pada penelitian ini diambil 10 data yang digunakan sebagai testing yang dapat
dilihat pada tabel 6 sebagai berikut:
Tabel 6. Perbandingan hasil testing data output dan target menggunakan ANN Backpropagation untuk memprediksi pelepasan beban.
No.
Data Target
1 2 3 4 5 6 7 8 9 10
1143.45 1176 1354.5 1470 1522.5 1564.5 1669.5 1732.5 1837.5 1873.2
Data Output 1157.49 1175.97 1354.49 1440.44 1522.53 1564.52 1669.54 1732.54 1837.45 1867.48
Error Error (%) (MW) -14.036993 1.23% 0.0272114 0.00% 0.006014 0.00% 29.563993 2.01% -0.0295129 0.00% -0.0215048 0.00% -0.0400832 0.00% -0.0404727 0.00% 0.0518476 0.00% 5.7191729 0.31%
Berikut merupakan grafik perbandingan hasil testing antara data output dan target
yang dapat dilihat pada gambar 3 sebagai berikut:
Hasil pengujian dengan Data Testing: Target (biru), Output (merah) 1900 1800 1700
MW
1600 1500 1400 1300 1200 1100
1
2
3
4
5 6 Data ke-
7
8
Gambar 10. Grafik hasil testing data target dan output.
9
10
Dengan menggunakan ANN ( Artificial Neural Network ) didapatkan nilai pelepasan
beban untuk penurunan laju frekuensi untuk 0.6 Hz/s, 0.8 Hz/s, dan 1 Hz/s yang dilihat pada tabel 7 sebagai berikut:
Tabel 7. Nilai pelepasan beban untuk penurunan laju frekuensi 0.6 Hz/s, 0.8 Hz/s, dan 1 Hz/s menggunakan ANN Backpropagation. No.
df/dt (Hz/s)
1 2 3
0.6 0.8 1
Pshedding Error Data Data Error Error (MW) Target Output (%) 1143.45 1157.49 -14.036993 1.23% 1470 1440.44 29.563993 2.01% 1873.2 1867.48 5.7191729 0.31%
Pada simulasi ini didapatkan nilai pelepasan beban menggunakan metode
sensitivitas bus yang harus dilakukan pada masing-masing bus yang berjumlah total 1157 MW yang dapat dilihat pada tabel 8 sebagai berikut: Tabel 8. Nilai pelepasan beban pada masingmasing bus untuk penurunan laju frekuensi 0.6 Hz/s. No.
1 2 3 4
Gardu Induk Cilegon Kediri Pedan Ngimbang
Nilai Sensitivitas 0.7297 0.6798 0.6385 0.6384
Pelepasan Beban (MW) 314 293 275 275
Defisit daya aktif yang terjadi lepasnya salah satu pembangkit gresik yang
berkapasitas 1839 MW menyebabkan turunnya frekuensi sebesar -0.6 (Hz/S).
Untuk dapat mengembalikan frekuensi maka harus dilakukan pelepasan beban
agar frekuensi sistem kembali kedalam batas operasi yang diizinkan sebesar 50 ± 0.2 Hz.
Dalam melakukan mekanisme ini PLN memiliki pola operasi pelepasan beban
yang dapat dilihat pada Tabel 9 sebagai berikut :
Tabel 9. Skema Pelepasan Beban PLN SKEMA (-df/dt) 0.6 0.8 1
SETTING UFR (Hz) 49.5 49.5 49.5
JUMLAH (MW) 1182 1575 1969
Waktu Kerja Seketika Seketika Seketika
Respon Frekuensi Pelepasan Beban Menggunakan Metode Sensitivitas Bus
Tabel 10. Perbandingan Skema Pelepasan Beban
50.2
Case 0.6 Hz/s
50
Frekuensi (Hz)
49.8
Metode
49.6
49.4
PLN Sensitivitas Bus Efisiensi
49.2
Frekuensi Steady State : 49.8 Hz
49
48.8
0
10
20
30 Waktu (s)
40
50
60
Gambar 11. Respon Frekuensi Metode Pelepasan Beban Menggunakan Metode Sensitivitas Bus Respon Frekuensi Pelepasan Beban PLN 50.2
50
Frekuensi (Hz)
49.8
49.6
49.4
49.2
Frekuensi Steady State : 49.83 Hz
49
48.8
0
10
20
30 Waktu (s)
40
50
60
Gambar 12. Respon Frekuensi Metode Pelepasan Beban PLN
Pelepasan Beban Frekuensi (MW) Steady State 1182 1157 2.12%
49.83 49.8 -
No. Bus 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Gardu Induk Suralaya Cilegon Kembangan Gandul Cibinong Cawang Bekasi Muaratawar Cibatu Cirata Saguling Bandung Selatan Mandiracan Ungaran Tanjung Jati Surabaya Barat Gresik Depok Tasikmalaya Pedan Kediri Paiton Grati Ngimbang Balaraja Total
Voltage Magnitude 1 0.997 0.96 0.961 0.969 0.967 0.961 1 0.994 1 1 0.976 0.94 0.931 1 0.988 1 0.957 0.909 0.907 0.929 1 1 0.965 0.968
Angle Degree 0 -0.38 -6.044 -5.783 -5.845 -8.096 -8.285 -5.342 -5.81 -4.57 -3.969 -2.833 3.578 19.126 26.869 31.346 32.859 -5.555 3.546 16.374 24.676 35.706 33.741 -4.762 28.277
Load MW 219 333 251 814 638 720 1126 0 1152 597 0 666 293 485 0 508 127 342 199 473 498 448 180 732 264 11065
Generation Mvar 71 179 36 171 336 217 331 0 345 201 0 400 65 210 0 265 92 95 63 171 124 55 132 287 58 3904
MW 2522.981 0 0 0 0 0 0 1430 0 700 700 0 0 0 660 0 2150 0 0 0 0 2734 440 0 0 11336.98
Mvar 898.999 0 0 0 0 0 0 1239.094 0 445.533 1734.196 0 0 0 501.518 0 830.374 0 0 0 0 627.263 417.346 0 0 6694.323
Tegangan generator pada hasil simulasi analisa aliran daya berfungsi untuk
mengetahui tegangan equivalent pada bus yang lain berdasarkan persamaan (6) dan untuk mencari nilai sensitivitas dari sebuah bus. Tegangan generator pada sistem Jawa-Bali dapat dilihat pada Tabel 11. Tabel 11. Tegangan generator untuk case 0.8 Hz/s No
Generator
1 2 3 4 5 6 7 8
Suralaya Muaratawar Cirata Saguling Tanjung Jati Gresik Paiton Grati
Voltage Angle Magnitude Degree 1 0 1 -5.342 1 -4.57 1 -3.969 1 26.869 1 32.859 1 35.706 1 33.741
Rank nilai sensitivitas bus pada sistem Jawa-Bali 500 kV dapat ditentukan melalui persamaan (11) dan didapatkan nilai sensitivitas bus pada bus beban pada Tabel 12 sebagai berikut: Tabel 12. Rank nilai sensitivitas bus beban Jawa-Bali untuk penurunan laju frekuensi 0.8 Hz/s. Rank 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Bus 2 21 20 24 16 25 14 19 18 3 4 5 13 12 7 6 9
Gardu Induk Cilegon Kediri Pedan Ngimbang Surabaya Barat Balaraja Ungaran Tasikmalaya Depok Kembangan Gandul Cibinong Mandiracan Bandung Selatan Bekasi Cawang Cibatu
Nilai Sensitivitas 0.7299 0.6798 0.6388 0.6385 0.6319 0.6301 0.6212 0.613 0.5929 0.5921 0.5921 0.5715 0.5692 0.5452 0.5419 0.5288 0.5142
Respon Penurunan Laju Frekuensi 0.8 Hz/s
1
52
Suralaya
50
2
Cilegon
24 Ngimbang
Cibinong Kembangan
3
Gandul
4
18
Frekuensi (Hz)
5
48
46
44
Depok
42
8 6
Muaratawar
Cawang
40
19
7 10
Bekasi
38 Mandiracan
13
9
20
Pedan
0
Bandung Selatan
Kediri
21
14 Ungaran
25
Tanjung jati
15 22
16
23
Paiton
Surabaya Barat
Grati
17
6 Waktu (s)
8
10
12
Gambar 13. Grafik laju penurunan frekuensi 0.8 Hz/s akibat
11
Balaraja
4
pembangkit Gresik outage.
Cibatu
12
2
Gresik
Daya Hilang : 2150 MW
Pada simulasi ini didapatkan nilai pelepasan beban menggunakan metode
sensitivitas bus yang harus dilakukan pada masing-masing bus yang berjumlah total 1440 MW yang dapat dilihat pada tabel 8 sebagai berikut: Tabel 13. Nilai pelepasan beban pada masingmasing bus untuk penurunan laju frekuensi 0.8 Hz/s. No.
1 2 3 4
Gardu Induk Cilegon Kediri Pedan Ngimbang
Nilai Sensitivitas 0.7299 0.6798 0.6388 0.6385
Pelepasan Beban (MW) 333 364+59 = 423 342 342
Respon Frekuensi Pelepasan Beban Menggunakan Metode Sensitivitas Bus 50.2
Tabel 10. Perbandingan Skema Pelepasan Beban
50
Case 0.8 Hz/s
Frekuensi (Hz)
49.8
Metode
49.6
49.4
PLN Sensitivitas Bus Efisiensi
49.2
Frekuensi Steady State : 49.75 Hz
49
48.8
0
10
20
30 Waktu (s)
40
50
60
Gambar 14. Respon Frekuensi Metode Pelepasan Beban Menggunakan Metode Sensitivitas Bus Respon Frekuensi Pelepasan Beban PLN 50.2
50
Frekuensi (Hz)
49.8
49.6
49.4
49.2
49
48.8
Frekuensi Steady State : 49.86 Hz 0
10
20
30 Waktu (s)
40
50
60
Gambar 15. Respon Frekuensi Metode Pelepasan Beban PLN
Pelepasan Beban Frekuensi (MW) Steady State 1575 1440 8.57 %
49.86 49.75 -
Dari hasil simulasi dan analisis didapatkan bahwa dengan menggunakan metode sensitivitas bus
didapatkan efisiensi terbesar dalam melakukan pelepasan beban sebesar 8.57%.
Dari efisiensi yang didapatkan tersebut berarti metode sensitivitas dapat mengurangi jumlah beban
yang dilepas sehingga didapatkan penghematan uang untuk Energi Non Saving (ENS).
Pada penelitian ini mencoba untuk membandingkan mekanisme pelepasan beban antara PLN dan
metode sensitivitas bus dengan asumsi efisiensi 8.57% yang dapat dilihat pada tabel 4.19 sebagai berikut: Tabel 18. Perbandingan pelepasan beban metode sensitivitas bus dengan PLN dengan asumsi efisiensi 8.57%. Tahun 2005 2006 2007 2008 2009 2010 2011
Load Sheddding PLN (MWh) 3029.8 6048 1472.9 7179 9067.6 3482 1293.75
Load Shedding Sensitivitas Bus (MWh) 2770.102857 5737.767395 1472.9 7179 9067.6 3482 1293.75
Dengan
menggunakan data dari tabel 18 kita dapat menentukan besar pengehematan uang untuk Energi Non Saving (ENS) dengan asumsi konstan menggunakan efisiensi pelepasan beban sebesar 8.57% dan TDL dengan harga Rp.643,00 / kwh sebagai berikut: Tahun 2005 2006 2007 2008 2009 2010 2011 Total
Load Sheddding PLN Rp. 1,948,161,400.00 Rp. 3,888,864,000.00 Rp. 947,074,700.00 Rp. 4,616,097,000.00 Rp. 5,830,466,800.00 Rp. 2,238,926,000.00 Rp. 831,881,250.00 Rp.20,301,471,150.00
Load Shedding Sensitivitas Bus Rp. 1,781,176,137.14 Rp. 3,555,532,800.00 Rp. 865,896,868.57 Rp. 4,220,431,542.86 Rp. 5,330,712,502.86 Rp. 2,047,018,057.14 Rp. 760,577,142.86 Rp. 18,561,345,051.43
Biaya Penghematan Rp. 166,985,262.86 Rp. 333,331,200.00 Rp. 81,177,831.43 Rp. 395,665,457.14 Rp. 499,754,297.14 Rp. 191,907,942.86 Rp. 71,304,107.14 Rp.1,740,126,098.57
Pada penelitian ini didapatkan kesimpulan bahwa metode sensitivitas bus dapat digunakan
untuk menentukan titik optimal melakukan pelepasan beban. Dengan menggunakan metode sensitivitas bus didapatkan efisiensi untuk melakukan pelepasan beban. Selain penentuan titik optimal pelepasan beban dari penelitian ini didapatkan bahwa metode ANN Backpropagation dapat digunakan untuk menentukan jumlah pelepasan beban yang harus dilakukan berdasarkan perubahan penurunan laju frekuensi yang terjadi pada sistem tenaga listrik.
Dengan menggabungkan kedua metode tersebut didapatkan bahwa metode pelapasan
beban pada penelitian ini lebih efisien dibandingkan dengan metode yang digunakan oleh PLN. Dari hasil simulasi dan analisis didapatkan bahwa efisiensi metode sensitivitas bus sebesar 25 MW (0.6 Hz/s), 135 MW (0.8 Hz/s) dan 101 MW (1 Hz/s) untuk masing-masing penurunan laju frekuensi yang terjadi pada sistem tenaga listrik
Dari hasil perhitungan analisis biaya penghematan untuk Energi Non Saving (ENS) dengan
pelepasan beban menggunakan metode sensitivitas bus didapatkan biaya pengematan sebesar Rp.1.740.126.098,57 dengan asumsi konstan menggunakan efisiensi pelepasan beban sebesar 8.57% dan TDL ( Tarif Dasar Listrik ) dengan harga Rp. 643,00.
Penelitian selanjutnya diharapkan mampu mengimplementasikan pada sistem secara real dan online agar didapatkan efisiensi dalam melakukan pelepasan beban.