LAPORAN KEMAJUAN PENELITIAN KERJASAMA ANTAR PERGURUAN TINGGI (PEKERTI)
Strategi Peningkatan Efisiensi Jaringan Distribusi dengan Integrasi Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas Tim Peneliti Pengusul: Ramadoni Syahputra, S.T., M.T. (NIDN: 0510107403/Teknik Elektro/FT UMY/Ketua)
Ir. Agus Jamal, M.Eng. (NIDN: 0529086601/Teknik Elektro/FT UMY/Anggota)
Tim Peneliti Mitra: Prof. Ir. Mochamad Ashari, M.Eng., Ph.D. (NIDN: 0012106504/Teknik Elektro/FTI ITS/Ketua)
Dr. Ir. Soedibyo, M.M.T. (NIDN: 0007125502/Teknik Elektro/FTI ITS/Anggota) DIBIAYAI DENGAN DIPA DIREKTORAT RISET DAN PENGABDIAN MASYARAKAT KEMENTERIAN RISET TENOLOGI PENDIDIKAN NOMOR : DIPA-042.06-0.1.401516/2016 TERTANGGAL 7 DESEMBER 2015
UNIVERSITAS MUHAMMADIYAH YOGYAKARTA Agustus 2016
i
RINGKASAN Penelitian ini bertujuan meningkatkan efisiensi jaringan distribusi tenaga listrik dengan integrasi pembangkit tersebar (distributed generation, DG) energi terbarukan surya dan angin. Strategi yang diterapkan untuk meningkatkan efisiensi sistem distribusi adalah pemetaan potensi energi surya-angin dalam rangka menentukan lokasi dan kapasitas DG yang optimal, meminimalkan pengaruh tegangan lebih akibat integrasi DG, menjaga stabilitas sistem distribusi saat terjadi perubahan cuaca, dan meminimalkan losses jaringan guna menghasilkan sistem distribusi berefisiensi tinggi. Metode yang digunakan untuk menerapkan strategi ini yaitu metode optimisasi berbasis algoritma cerdas particle swarm optimization (PSO) termodifikasi. Strategi peningkatan efisiensi sistem distribusi berbasis algoritma cerdas akan diterapkan pada sistem distribusi standar IEEE dan data sistem distribusi real yaitu PLN APJ Yogyakarta. Diperlukan waktu dua tahun untuk mencapai target khusus penelitian ini. Guna mencapai target tersebut, pada tahun pertama penelitian akan dilakukan peningkatan performa sistem distribusi standar IEEE model 33 bus menggunakan perangkat-lunak
ETAP dan Matlab. Pemilihan standar IEEE ini dalam rangka
menguji-coba metode dan memantapkan strategi yang akan diterapkan pada data sistem distribusi real. Pada tahun kedua akan diterapkan strategi peningkatan efisiensi sistem distribusi data PLN APJ Yogyakarta akibat integrasi DG energi terbarukan surya-angin. Pemilihan sistem distribusi PLN APJ Yogyakarta karena salah satu daerah strategis terletak di wilayah selatan pulau Jawa yang memiliki potensi tinggi dalam pengembangan DG energi terbarukan surya dan angin. Kata-kata kunci: Jaringan distribusi, pembangkit tersebar, energi terbarukan, PSO, efisiensi.
ii
PRAKATA Bismillaahirrahmaanirrahiim. Syukur alhamdulillah penulis panjatkan ke hadirat ALLAH SWT atas segala rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Laporan Kemajuan Penelitian berjudul “Strategi Peningkatan Efisiensi Jaringan Distribusi dengan Integrasi Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas”. Kegiatan ini merupakan skema Penelitian PEKERTI dengan sumber dana berasal dari Direktorat Riset dan Pengabdian Masyarakat Kemenristekdikti RI untuk tahun pendanaan 2016. 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 Riset dan Pengabdian Masyarakat Kemenristekdikti RI, yang telah memberikan dukungan dana penelitian, sangat besar manfaatnya sehingga penulis 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, dan Rahmat Adiprasetya, ST., M.Eng., Sekretaris 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, Agustus 2016 Penulis
iii
DAFTAR ISI
HALAMAN PENGESAHAN DAFTAR ISI RINGKASAN
…………………………………… …………………………………… ……………………………………
i ii iii
BAB 1. PENDAHULUAN
……………………………………
1
BAB 2. TINJAUAN PUSTAKA
……………………………………
5
BAB 3. METODE PENELITIAN
……………………………………
10
BAB 4. HASIL YANG DICAPAI 4.1. Jaringan Distribusi Model IEEE 4.2. Jaringan Distribusi PLN UPJ Bantul
…………………………………… …………………………………… ……………………………………
14 14 20
BAB 5. RENCANA TAHAPAN BERIKUTNYA
……………………………………
26
BAB 6. KESIMPULAN DAN SARAN
……………………………………
27
DAFTAR PUSTAKA
……………………………………
28
LAMPIRAN
iv
BAB 1 PENDAHULUAN
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). Berdasarkan audit energi hingga 2008, angka rugi-rugi energi total PLN se-Indonesia adalah 16,84% (Ibrahim, 2009). Dari total tersebut, rugi-rugi sistem distribusi tercatat memiliki rugi-rugi terbesar yaitu 14,47%, sedangkan rugi-rugi sistem transmisi hanya 2,37%. 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). Dalam penelitian ini, lingkup permasalahan yang akan diteliti adalah: 1. Bagaimana melakukan kajian aliran daya dan tegangan beban sistem distribusi dengan studi kasus sistem distribusi standar IEEE model 86 bus dan 118 bus serta sistem distribusi real yaitu PLN APJ Yogyakarta. 2. Bagaimana membuat model pembangkit tersebar (DG) energi terbarukan yang berasal dari pembangkit listrik tenaga angin dan pembangkit listrik tenaga surya untuk di-on-grid-kan ke sistem distribusi tenaga listrik.
3. Bagaimana melakukan pemetaan potensi energi surya-angin dalam rangka menentukan lokasi dan kapasitas DG energi terbarukan yang optimal berbasis algoritma cerdas PSO untuk meningkatkan efisiensi sistem distribusi. 4. Bagaimana meminimalkan losses jaringan guna menghasilkan sistem distribusi berefisiensi tinggi menggunakan algoritma cerdas particle swarm optimization (PSO) termodifikasi. 5. Bagaimana menguji unjuk-kerja algoritma yang diusulkan dengan cara membandingkan dengan metode-metode lain misalnya algoritma genetik, simulated annealing, dan metode konvensional. Tujuan penelitian ini adalah: 1. Melakukan kajian aliran daya dan tegangan beban sistem distribusi dengan studi kasus sistem distribusi standar IEEE model 86 bus dan 118 bus serta sistem distribusi real yaitu PLN APJ Yogyakarta. 2. Meminimalkan pengaruh tegangan lebih akibat integrasi DG sistem distribusi. 3. Menjaga stabilitas sistem distribusi dengan integrasi DG saat terjadi perubahan cuaca. 4. Meminimalkan losses jaringan guna menghasilkan sistem distribusi berefisiensi tinggi menggunakan algoritma cerdas particle swarm optimization (PSO).
BAB 2 TINJAUAN PUSTAKA
Usaha meminimalkan rugi-rugi 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 (Martins dan Borges, 2011; Abdelaziz dkk, 2014). Dalam sistem distribusi primer terdapat dua jenis switch yang dirancang untuk tujuan proteksi dan manajemen konfigurasi (Rao dan Sivanagaraju, 2010), yaitu sectionalizing switches dan 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, 2014). Sarfi dkk (2013) menggunakan algoritma berbasis partitioning theory dalam rekonfigurasi jaringan distribusi. 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, 2014). 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 (2014). Metode ini terdiri dari dua skema paralel yaitu dekomposisi tetangga dengan prosesor paralel
untuk menunkan beban komputasi, dan keragaman panjang tabu untuk meningkatkan akurasi solusi. Selanjutnya Chung dkk (2014) menggunakan algoritma tabu search untuk menyelesaikan masalah rekonfigurasi jaringan distribusi untuk mengurangi rugirugi resistif saluran. Dalam metode ini dilakukan pengecekan keradialan jaringan distribusi. Keradialan jaringan berguna untuk menyelesaikan masalah yang berkaitan dengan perencanaan pemulihan sistem (Syahputra dkk, 2014). Jeon dan Kim (2014) 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 (2012) memperkenalkan penggunaan algoritma ant colony optimization (ACO) untuk menyelesaikan masalah rekonfigurasi jaringan optimal. Solusi optimal untuk rekonfigurasi jaringan distribusi dapat dicapai dengan lebih efektif. Dibandingkan dengan metode GA dan SA, metode ant colony memberikan hasil yang lebih baik dalam menghasilkan rugi-rugi daya rerata jaringan distribusi. Dalam perkembangan terakhir, penggunaan logika fuzzy dalam usaha meminimalkan rugi-rugi jaringan distribusi telah dilakukan oleh Hsiao (2014) dan Syahputra dkk (2014), dengan fungsi multi-objektif fuzzy berbasis metode evolusi untuk rekonfigurasi jaringan. Dalam metode ini fungsi objektif diformulasikan menggunakan prinsip min-max dalam logika fuzzy. Selanjutnya permasalahan optimisasi dalam sistem distribusi sangat diuntungkan dengan hadirnya teknik optimisasi yang baru yaitu particle swarm optimization (Alrashidi dan El-Hawary, 2006; del Velle dkk, 2008). Particle swarm optimization (PSO) merupakan metode untuk optimisasi fungsi numerik yang kompleks berdasarkan pada peniruan perilaku sosial sekawanan lebah dan bagaimana mereka dapat mencapai daerah yang paling
banyak tersedia bunga tumbuh-tumbuhan (Niknam dkk, 2010). Sivanagaraju dkk (2008)
menggunakan
algoritma
PSO
diskret
untuk
menyelesaikan
masalah
rekonfigurasi jaringan distribusi. Salah satu keunggulan algoritma PSO dibanding algoritma cerdas lainnya adalah dalam hal waktu komputasi yang relatif singkat, seperti dibuktikan dalam penelitian oleh Abdelaziz dkk (2014) yang ditunjukkan di Tabel 2.1. Algoritma PSO membutuhkan waktu 15 detik, sedangkan algoritma ACO dan dan GA masing-masing 18 detik dan 30 detik dengan hasil optimisasi yang sama yaitu 9,76%.
Tabel 2.1. Perbandingan hasil optimisasi konfigurasi jaring distribusi IEEE 70 bus tanpa DG dari beberapa metode (Abdelaziz dkk, 2014) Algoritma Optimisasi
Prosentase Hasil Reduksi Kerugian Daya (%)
Waktu komputasi (detik)
GA
9,76
30
ACO
9,76
18
PSO
9,76
15
Studi pendahuluan yang sudah dilakukan Tim Peneliti Pengusul (TPP) yaitu sesuai rencana penelitian PEKERTI ini adalah: 1. Pemodelan dan validasi, dan optimisasi jaringan distribusi standar IEEE 33 bus, 60 bus, dan IEEE 70 bus dalam perangkat lunak Matlab. 2. Algoritma logika fuzzy dan particle swarm optimization (PSO). Studi ini merupakan modal awal yang sangat penting untuk melangkah ke penelitian PEKERTI yang akan dilakukan, yaitu: 1. Dengan telah dilakukannya studi tentang pemodelan, validasi, dan optimisasi jaringan distribusi IEEE 33 bus, 60 bus, dan IEEE 70 bus (Gambar 2.1), maka dapat dikembangkan untuk optimisasi jaringan
distribusi skala lebih besar yaitu optimisasi jaringan distribusi IEEE 86 bus dan IEEE 118 bus pada Power System Simulator di Lab Konversi Energi ITS yang akan dilakukan dalam penelitian PEKERTI ini. 2. Dengan telah dilakukannya studi tentang algoritma kombinasi logika fuzzy dan particle swarm optimization, maka dapat dilanjutkan dengan menggabungkan kedua metode tersebut untuk membentuk metode hibrid fuzzy-PSO yang akan digunakan dalam penelitian PEKERTI ini.
Gambar 2.1. Model turbin angin sebagai suatu DG
BAB 3 METODE PENELITIAN
Alat yang digunakan dalam penelitian ini yaitu: 1. Perangkat-keras (hardware) a. Power system simulator beserta interface card ke laptop (di Lab KE ITS). b. Modul wind energy, fuel cell, dan power electronics (di Lab KE ITS). c. Laptop/PC dengan spesifikasi minimum processor 1.8 GHz, 4 GB. 2. Perangkat-lunak (software) a. Software Matlab 2010a original untuk optimisasi jaringan (di Lab KE ITS). b. Software ETAP 7.0.0 original untuk menguji aliran daya (di Lab KE ITS). c. Metode cerdas Particle Swarm Optimization untuk optimisasi jaringan distribusi.
BAB 4 HASIL YANG DICAPAI
4.1. Jaringan Distribusi IEEE 33 Bus Dalam bagian ini diuraikan optimisasi konfigurasi jaring distribusi model IEEE 33 bus seperti ditunjukkan pada Gambar 5.1. Dalam uji kasus pada sistem distribusi model IEEE 33-bus ini, telah ditetapkan sebanyak lima buah tie switch yaitu switchswitch nomor 33, 34, 35, 36 dan 37. Total beban sistem adalah 3715 kW. Dalam sistem ini digunakan base tegangan V = 12,66 kV dan dan base daya semu S = 10 MVA.
Substation
1
1 2
18
2 3
3
22 4
4 23
5
23
5 19
6
19
6
20
20
24
24
25 7
25
7 21
8
33
26
26
8
21
9 22
9
27
27 10
28
10 11
29
11
29
12
35
34
12
13
31
14
32
14
beban j
tie switches
k
sectionalizing switches
32
15
bus
30
30 31
13
i
37 28
33
15 16
16 17
17 18
36
Gambar 4.1. Jaring distribusi radial model IEEE 33 bus.
Hasil-hasil optimisasi konfigurasi jaring distribusi 33 bus tanpa DG menggunakan algoritma AIS ditunjukkan pada Tabel 4.1 dan Gambar 4.2 sampai dengan Gambar 4.4. Magnitudo tegangan minimum yang ditetapkan adalah 0,90 p.u dan maksimumnya adalah 1,00 pu.
Tabel 4.1. Data-data hasil optimisasi jaring distribusi IEEE 33 bus tanpa DG Pra Rekonfigurasi Jumlah Iterasi
5
10
30
50
100
200
Kerugian Tie Daya Switches (kW) 33 34 35 36 37 33 34 35 36 37 33 34 35 36 37 33 34 35 36 37 33 34 35 36 37 33 34 35
Pasca Rekonfigurasi
Tegangan Kerugian Reduksi Switches Minimum Daya Kerugian Dibuka (p.u.) (kW) Daya (%)
202,68
0,911 (bus 18)
202,68
0,911 (bus 18)
202,68
0,911 (bus 18)
202,68
0,911 (bus 18)
202,68
0,911 (bus 18)
202,68
0,911 (bus 18)
6 11 14 36 37 7 9 14 28 32 6 10 32 34 37 6 10 32 34 37 6 10 32 34 37 6 10 32
Waktu Tegangan Komputasi Minimum (detik) (p.u.)
134,95
33,42
0,941 (bus 33)
4,19
131,76
34,99
0,943 (bus 33)
8,17
129,29
36,21
0,942 (bus 33)
23,46
129,29
36,21
0,942 (bus 33)
36,98
129,29
36,21
0,942 (bus 33)
72,88
129,29
36,21
0,942 (bus 33)
153,40
300
400
500
700
1000
10000
36 37 33 34 35 36 37 33 34 35 36 37 33 34 35 36 37 33 34 35 36 37 33 34 35 36 37 33 34 35 36 37
202,68
0,911 (bus 18)
202,68
0,911 (bus 18)
202,68
0,911 (bus 18)
202,68
0,911 (bus 18)
202,68
0,911 (bus 18)
202,68
0,911 (bus 18)
34 37 6 10 32 34 37 6 10 32 34 37 6 10 32 34 37 6 10 32 34 37 6 10 32 34 37 6 10 32 34 37
129,29
36,21
0,942 (bus 33)
215,98
129,29
36,21
0,942 (bus 33)
288,51
129,29
36,21
0,942 (bus 33)
370,77
129,29
36,21
0,942 (bus 33)
513,70
129,29
36,21
0,942 (bus 33)
618,28
129,29
36,21
0,942 (bus 33)
6974.58
Dari hasil optimisasi pada Tabel 4.1 diperlihatkan bahwa telah dilakukan optimisasi konfigurasi jaring distribusi model IEEE 33 bus tanpa integrasi DG dengan variasi jumlah iterasi yaitu 5, 10, 50, 100, 200, 300, 400, 500, 700, 1000, dan 10000. Variasi jumlah iterasi ini diterapkan untuk melihat performa algoritma AIS dalam optimisasi rekonfigurasi jaring distribusi. Dengan variasi jumlah iterasi ini diharapkan akan diperoleh informasi jumlah iterasi terendah yang mendapatkan hasil konfigurasi
terbaik dan konsumsi waktu komputasinya juga yang paling rendah. Hasil optimisasi menunjukkan bahwa terdapat 3 fase perubahan kerugian daya akibat konfigurasi jaring distribusi yaitu fase-fase perubahan jumlah iterasi 5, 10, dan 30, seperti diilustrasikan pada Gambar 4.2.
fase I
fase II
fase III
Gambar 4.2. Fase perubahan kerugian daya konfigurasi jaring distribusi pada perubahan iterasi. Selanjutnya konfigurasi yang paling optimal diperoleh pada uji optimisasi dengan jumlah iterasi 30 (fase perubahan ketiga) dengan posisi tie switches adalah 6, 10, 32, 34, dan 37 dalam waktu komputasi 23,46 detik. Pada iterasi-iterasi selanjutnya diperoleh hasil yang sama. Dalam penelitian ini telah dilakukan uji optimisasi hingga 10.000 iterasi dan diperoleh hasil yang paling optimal adalah tetap pada konfigurasi dengan posisi tie switches yang sama. Konfigurasi ini menghasilkan kerugian daya sebesar 129,29 kW, atau terjadi reduksi kerugian daya sebesar 36,21 % dibanding kerugian daya konfigurasi awal 202,68 kW. Pada konfigurasi optimal ini magnitudo tegangan terendah terjadi pada bus 32 yaitu 0,946 p.u. Konfigurasi terbaik jaring distribusi model IEEE 33 bus menggunakan algoritma PSO yang dihasilkan dalam penelitian ini ditampilkan pada Gambar 4.3. Pada gambar tersebut terlihat bahwa
konfigurasi jaring distribusi IEEE 33 bus hasil optimisasi menggunakan algoritma AIS tetap dalam topologi radial. Jika dibandingkan konfigurasi awal jaring distribusi yang ditunjukkan pada Gambar 4.1 dan konfigurasi optimal yang diperlihatkan pada Gambar 4.3, maka terjadi perubahan status switch. Perubahan yang terjadi adalah tie switch 33, 35, dan 36 menjadi posisi ditutup, sedangkan sectionalizing switch 6, 10, dan 32 menjadi posisi dibuka. Dalam optimisasi konfigurasi jaring distribusi diupayakan seminimal mungkin terjadi perubahan status tie switch menjadi ditutup. Dalam operasi sistem distribusi, perubahan status tie switch menimbulkan surja hubung (switching surge) yang menggaggu kualitas daya saluran distribusi.
Substation
1
1 2
18
2 3
3
22 4
4 23
5
23
5 19
6
19
6
20
20
24
24
25 7
25
7 21
8
33
26
26
8 21
9 22
9
27
27 10
28
10 11
29
11 29
12
35
30
13
31
13
31
14
32
14 i
30
34
12
32
15
bus
37 28
33
15 beban j k
tie switches sectionalizing switches
16
16 17
17 18
36
Gambar 4.3. Hasil rekonfigurasi paling optimal sistem distribusi IEEE 33 bus. Profil tegangan pra dan pasca rekonfigurasi untuk optimisasi terbaik dengan 30 iterasi ditunjukkan pada Gambar 4.4, sedangkan profil tegangan untuk berbagai iterasi ditunjukkan pada Gambar 4.5.
Profil Tegangan Sistem Distribusi Radial 33 Bus 1 Sebelum Rekonfigurasi Setelah Rekonfigurasi 0.99
0.98
Tegangan Bus(p.u)
0.97
0.96
0.95
0.94
0.93
0.92
0.91
0
5
10
15
20
25
30
35
Nomor Bus
Gambar 4.4. Profil tegangan terbaik hasil optimisasi konfigurasi jaring distribusi model IEEE 33 bus (30 iterasi).
Gambar 4.5. Profil tegangan hasil optimisasi konfigurasi jaring distribusi model IEEE 33 bus dalam berbagai jumlah iterasi.
BAB 5 RENCANA TAHAPAN BERIKUTNYA
Kegiatan Penelitian PEKERTI ini yang disertai dengan luaran-luarannya direncanakan terlaksana dalam 12 bulan. Jadwal pelaksanaan Penelitian PEKERTI ini selanjutnya ditunjukkan pada Tabel 5.1.
Tabel 5.1. Jadwal pelaksanaan Penelitian PEKERTI Bulan keNo.
Jenis Kegiatan 1
1
Studi dan penelusuran pustaka lebih mendalam
2
Survey lapangan dan pemetaan potensi DG sistem distribusi PLN APJ Yogyakarta
3
Perancangan dan pembuatan program loadflow di Matlab dan validasi dengan ETAP
4
Rekonfigurasi Jaringan Distribusi Terintegrasi DG pada Power System Simulator
5
Rancang-bangun Program Rekonfigurasi Jaringan dgn metode PSO
6
Optimisasi Konfigurasi Jaringan Distribusi dengan DG PLN APJ Yogyakarta
7
Analisis Efisiensi Energi Jaringan Distribusi dan Perbandingan Metode Rekonfigurasi
8
Penyusunan Laporan Tengah dan Laporan Akhir Penelitian
9
Publikasi Jurnal Internasional
11
Penyusunan Buku Ajar
2
3
4
5
6
7
8
9
10
11
12
BAB 6 KESIMPULAN DAN SARAN
6.1 Kesimpulan Penelitian ini membahas metodologi untuk rekonfigurasi jaring distribusi radial dengan integrasi DG menggunakan algoritma PSO pada sistem uji jaring distribusi model IEEE 33 bus dan sistem distribusi radial PLN UPJ Bantul 60 bus. Berdasarkan hasil-hasil simulasi diperoleh kesimpulan sebagai berikut: 1. Pada studi kasus jaring distribusi IEEE 33 bus, rekonfigurasi optimal berhasil meningkatkan efisiensi jaring distribusi dari 94,82% menjadi 96,64%. 2. Optimisasi konfigurasi jaring distribusi IEEE 33 bus berhasil meningkatkan profil tegangan jaring distribusi dari minimum 0,911 p.u menjadi minimum 0,942 p.u pada base tegangan 12,66 kV. 3. Pada studi kasus jaring distribusi PLN UPJ Bantul 60 bus, rekonfigurasi optimal berhasil meningkatkan efisiensi jaring distribusi dari 97,53% menjadi 98,25%. 4. Optimisasi konfigurasi jaring distribusi PLN UPJ Bantul 60 bus berhasil meningkatkan profil tegangan jaring distribusi dari minimum 0,860 p.u menjadi minimum 0,901 p.u pada base tegangan 20 kV.
6.2 Saran 1. Penelitian ini dapat dilanjutkan dengan melakukan optimisasi konfigurasi jaring distribusi real menggunakan seluruh data penyulang dalam suatu gardu induk. 2. Penelitian ini dapat dilanjutkan dengan melakukan kerjasama dengan PT PLN (Persero) untuk optimisasi konfigurasi jaring distribusi real suatu gardu induk dalam rangka membantu meningkatkan performa sistem distribusi yang dikelolanya. Optimisasi ini juga sangat bermanfaat dalam mengurangi inefisiensi teknik yang selama ini terjadi di PLN.
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. 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. 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. 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. Kusdiana, D, 2008, “Kondisi Riil Kebutuhan Energi di Indonesia dan Sumber-Sumber Energi Alternatif Terbarukan”, Seminar Renewable Energy, Ditjen LPE, Dep ESDM, Bogor. 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.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. 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. 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. 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. (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. 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. Syahputra, R., (2015), “Teknologi dan Aplikasi Elektromagnetik”, LP3M UMY, Yogyakarta, 2016. Syahputra, R., (2014), “Estimasi Lokasi Gangguan Hubung Singkat pada Saluran Transmisi Tenaga Listrik”, Jurnal Ilmiah Semesta Teknika Vol. 17, No. 2, pp. 106-115, Nov 2014. Syahputra, R., Robandi, I., Ashari, M., (2011), “Modeling and Simulation of Wind Energy Conversion System in Distributed Generation Units”. International Seminar on Applied Technology, Science and Arts (APTECS). 2011; pp. 290296. Syahputra, R., Robandi, I., Ashari, M., (2011), “Control of Doubly-Fed Induction Generator in Distributed Generation Units Using Adaptive Neuro-Fuzzy
Approach”. International Seminar on Applied Technology, Science and Arts (APTECS). 2011; pp. 493-501. 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., 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.
LAMPIRAN FORMULIR EVALUASI ATAS CAPAIAN LUARAN KEGIATAN Ketua Perguruan Tinggi Judul Waktu Kegiatan
: Ramadoni Syahputra : Universitas Muhammadiyah Yogyakarta : Strategi Peningkatan Efisiensi Jaringan Distribusi dengan Integrasi Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas : Tahun ke-1 dari rencana 2 tahun
Luaran yang direncanakan dan capaian tertulis dalam proposal: No Luaran yang Direncanakan Capaian 1 Laporan Penelitian 90% 2 Publikasi di Jurnal Internasional (Sudah Terbit) 100% 3 Publikasi di Seminar Internasional (in Review) 80% 4 Hak Cipta (HKI) Metode Optimasi (Draft) 60% CAPAIAN (Lampirkan bukti-bukti luaran dari kegiatan dengan judul yang tertulis di atas, bukan dari kegiatan penelitian dengan judul lain sebelumnya) 1. PUBLIKASI ILMIAH
Keterangan ARTIKEL JURNAL KE-1* Nama jurnal yang dituju Klasifikasi jurnal Impact factor jurnal Judul artikel
JES (Journal of Electrical Systems) Jurnal Internasional terindeks Scopus 0,23 Performance Enhancement of Distribution Network with DG Integration Using Modified PSO Algorithm
Status naskah (diberi tanda ) -
Draf artikel Sudah dikirim ke jurnal Sedang ditelaah Sedang direvisi Revisi sudah dikirim ulang Sudah diterima Sudah terbit
* Jika masih ada artikel ke-2 dan seterusnya, uraikan pada lembar tambahan 2. BUKU AJAR
Buku ke-1* Judul : 3. PEMBICARA PADA PERTEMUAN ILMIAH (SEMINAR/SIMPOSIUM)
Judul Makalah Nama Pertemuan Ilmiah Tempat Pelaksanaan Waktu Pelaksanaan -
Sedang direview Sudah dilaksanakan
Internasional An Artificial Immune System Algorithm Approach for Reconfiguring Distribution Network Seminar Internasional ICOMPAC 2016 di Surabaya ITS Nopember 2016
4. SEBAGAI PEMBICARA KUNCI (KEYNOTE SPEAKER) Nasional - Bukti undangan dari Panitia - Judul Makalah - Penulis - Penyelenggara - Waktu Pelaksanaan - Tempat Pelaksanaan - Draf makalah - Sudah dikirim - Sedang direview - Sudah dilaksanakan 5.
UNDANGAN SEBAGAI VISITING SCIENTIST PADA PERGURUAN TINGGI LAIN
Nasional -
Internasional
Internasional
Bukti undangan Perguruan tinggi pengundang Lama kegiatan Kegiatan penting yang dilakukan
6. CAPAIAN LUARAN LAINNYA HKI (Hak Cipta), Draft
Metode optimasi jaringan distribusi berbasis PSO termodifikasi
TEKNOLOGI TEPAT GUNA REKAYASA SOSIAL JEJARING KERJA SAMA PENGHARGAAN LAINNYA (Tuliskan)
Jika luaran yang direncanakan tidak tercapai, uraikan alasannya: …………………………………………………………………………………………… ……………………………………………………………………………………… Yogyakarta, 10 September 2016
(Ramadoni Syahputra)
Jurnal Internasional JES (Sudah Terbit)
Seminar Internasional ICOMPAC 2016 (in Review)