penalaan parameter superconducting magnetic energy …
TRANSCRIPT
PENALAAN PARAMETER SUPERCONDUCTING MAGNETIC ENERGY STORAGE (SMES) MENGGUNAKAN FIREFLY
ALGORITHM (FA) PADA SISTEM TENAGA LISTRIK MULTIMESIN
Pembimbing : Prof. Dr. Ir. Imam Robandi, MT. dan Ir. Teguh Yuwono
TEKNIK SISTEM TENAGA PROGRAM STUDI TEKNIK ELEKTRO
FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA 2014
HERLAMBANG SETIADI 2209 100 054
1
Dasar Teori
Pemodelan Sistem, Superconducting Magnetic Energy Storage
(SMES), Firefly Algorithm (FA)
2
Penalaan SMES menggunakan FA pada
Sistem Multimesin
Inisialisasi parameter SMES yang ditala denga FA
3
Hasil Penelitian
Respon Frekuensi pada sistem dengan perubahan beban 5 % dan 1%
4
Penutup
Kesimpulan dan Saran
5
Pendahuluan
Latar Belakang, Tujuan Penelitian, Batasan Masalah
1
Outlines
Latar Belakang
Energi listrik yang disuplai ke konsumen harus mempunyai stabilitas dan keandalan yang tinggi. Jika terjadi sebuah gangguan pada sistem tenaga listrik dapat mengakibatkan ketidakstabilan
IDEAS Penggunaan peralatan
penyimpan energy yaitu Superconducting Magnetic Energy Storage
DEVELOPMENT Optimisasi parameter
menggunakan Firefly Algorithm
RESULT Didapatkan parameter
SMES yang tepat untuk meredam osilasi frekuensi yang terjadi
Mensimulasikan SMES dan menerapkannya pada
sistem multimesin
Menentukan parameter yang optimal untuk SMES
menggunakan FA
Mendapatkan perbandingan respon frekuensi sistem
antar sistem tanpa SMES, sistem dengan SMES dan
sistem dengan SMES yang di tunning dengan FA
Tujuan Penelitian
Batasan Masalah
Pemodelan Sistem Sistem Uji (Multimesin Jawa Bali 500kV)
6
Paiton
Grati
Surabaya Barat
Gresik
Tanjung jati
Ungaran
Kediri
Pedan
Mandiracan
Cirata
Cibatu
Muaratawar
Bekasi
Bandung Selatan
Depok
Gandul
Cilegon
Suralaya
Kembangan
Cawang
Cibinong
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
Ngimbang
24
Balaraja 25
Data sistem multimesin Jawa Bali 500 kV yang digunakan
adalah 25 bus
30 saluran
8 pusat pembangkit
SMES dipasang di terminal bus Suralaya
Pemodelan Sistem Sistem Multimesin ditinjau dari salah satu mesin
7
0, 5s
1 - sTwi
1 Twi
K
s
gi
1 Tgi
1
Ri
1
M si
K
1
sTEi Ei
K
Ai
1 sTAi
K
3,ii
T' sK 13,iidoi
sKFi
1 sTFi
0ω
s
K1,ii
Di
K6,ii
K4,ii
K2,ii
K5,ijK6,ij
C3,ij
K4,ij
K5,ii
K2,ij
K1,ij1iU
iY
j
'qiE
AiV
DiP
miT
FDiV
ii
j
'qjE
'qiE
FiV
iV
2iU
j
'qjE
Pengatur Governor Turbin
i,j=1,...nm
Definisi Kontruksi Block Diagram Koordinasi
Superconducting Magnetic Energy Storage
Superconducting magnetic energy storage (SMES) adalah sebuah kumparan superkonduktor yang mampu menyimpan energi listrik dalam medan magnet yang dihasilkan dari arus DC yang melaluinya
8
Definisi Kontruksi Block Diagram
Superconducting Magnetic Energy Storage
9
Koordinasi
Definisi Konfigurasi Block Diagram Koordinasi
Superconducting Magnetic Energy Storage
10
π
Ism0
Definisi Block Diagram Koordinasi
Superconducting Magnetic Energy Storage
11
Kontruksi
(1) 1
1
Tsti
(1)
(1) 1
K
s
sgi
Tsgi
1
Ri
1
1
M s
(1) (1)K
1
sTEi Ei
(1)
(1)
K
ai
1 sTai
(1)
(1)
K
(1)*
3,ii
T' K 13,iidoi
(1)
(1)
sKFi
1 sTFi
0ω
s
K1,ii
Di
K6,ii
K4,ii
K2,ii
K4_ij
K5,ii
1_K ij
1
DP
FDiV
i
1delW
3_C ij
Uei
Governor Turbin
i,j=1,...nm
1
4
52 _K ij
2
2E’qi1
7 1 71
4
K6_ij 5 _K ij
9 1 813
SMES
1
Pendahuluan
Firefly Algorithm
Firefly Algorithm (FA) adalah algoritma metaheuristik yang terinspirasi karakteristik kunang-kunang. Algoritma ini pertama ditemukan oleh Dr Xin-She Yang di Universitas Cambridge pada
tahun 2007
12
Acuan dasar Firefly Algorithm
13
Unisex Semua kunang-kunang
adalah unisex jadi ketertarikan tidak melihat jenis kelamin.
Kecerahan Daya tarik kunang-kunang
sebanding dengan kecerahan kunang-kunang.
Fungsi Objektif Kecerahan kunang-
kunang didasarkan dari fungsi objektif
Inisialisasi Awal
Penalaan Parameter SMES menggunakan FA
14
Mulai
Input :Parameter firefly
Batas atas – batas bawah parameter SMES
Inisialiasi awal firefly
Firefly diinputkan sebagai input parameter SMES untuk
mendapatkan nilai fitness
Iterasi
maksimum
Tidak
Ya
Perankingan firefly berdasarkan nilai fitness dan mencari nilai
fitness terbaik dari firefly
Update pergerakan firefly ke nilai fitness yang terbaik
Update nilai firefly
Output:Parameter SMES
Update nilai fitness yang terbaik (Lightbest)
Selesai
Evaluasi firefly menggunakan ITAE :
0
( )t
ITAE t t dt
Jumlah
Firefly (n) Jumlah
Iterasi Alpha Betamin Gamma
50 50 0,25 0,2 1
x
y
fitness min
max
Evaluasi
Penalaan Parameter SMES menggunakan FA
15
Mulai
Input :Parameter firefly
Batas atas – batas bawah parameter SMES
Inisialiasi awal firefly
Firefly diinputkan sebagai input parameter SMES untuk
mendapatkan nilai fitness
Iterasi
maksimum
Tidak
Ya
Perankingan firefly berdasarkan nilai fitness dan mencari nilai
fitness terbaik dari firefly
Update pergerakan firefly ke nilai fitness yang terbaik
Update nilai firefly
Output:Parameter SMES
Update nilai fitness yang terbaik (Lightbest)
Selesai
Evaluasi firefly menggunakan ITAE :
0
( )t
ITAE t t dt
x
y
fitness min
max
Perangkingan
Penalaan Parameter SMES menggunakan FA
16
Mulai
Input :Parameter firefly
Batas atas – batas bawah parameter SMES
Inisialiasi awal firefly
Firefly diinputkan sebagai input parameter SMES untuk
mendapatkan nilai fitness
Iterasi
maksimum
Tidak
Ya
Perankingan firefly berdasarkan nilai fitness dan mencari nilai
fitness terbaik dari firefly
Update pergerakan firefly ke nilai fitness yang terbaik
Update nilai firefly
Output:Parameter SMES
Update nilai fitness yang terbaik (Lightbest)
Selesai
Evaluasi firefly menggunakan ITAE :
0
( )t
ITAE t t dt
fitness
min
max
Update pergerakan menuju fitnes terbaik
Penalaan Parameter SMES menggunakan FA
17
Mulai
Input :Parameter firefly
Batas atas – batas bawah parameter SMES
Inisialiasi awal firefly
Firefly diinputkan sebagai input parameter SMES untuk
mendapatkan nilai fitness
Iterasi
maksimum
Tidak
Ya
Perankingan firefly berdasarkan nilai fitness dan mencari nilai
fitness terbaik dari firefly
Update pergerakan firefly ke nilai fitness yang terbaik
Update nilai firefly
Output:Parameter SMES
Update nilai fitness yang terbaik (Lightbest)
Selesai
Evaluasi firefly menggunakan ITAE :
0
( )t
ITAE t t dt
min
max
Update nilai fitnes terbaik
Penalaan Parameter SMES menggunakan FA
18
Mulai
Input :Parameter firefly
Batas atas – batas bawah parameter SMES
Inisialiasi awal firefly
Firefly diinputkan sebagai input parameter SMES untuk
mendapatkan nilai fitness
Iterasi
maksimum
Tidak
Ya
Perankingan firefly berdasarkan nilai fitness dan mencari nilai
fitness terbaik dari firefly
Update pergerakan firefly ke nilai fitness yang terbaik
Update nilai firefly
Output:Parameter SMES
Update nilai fitness yang terbaik (Lightbest)
Selesai
Evaluasi firefly menggunakan ITAE :
0
( )t
ITAE t t dt
fitness
min
max
Update nilai firefly
Penalaan Parameter SMES menggunakan FA
19
Mulai
Input :Parameter firefly
Batas atas – batas bawah parameter SMES
Inisialiasi awal firefly
Firefly diinputkan sebagai input parameter SMES untuk
mendapatkan nilai fitness
Iterasi
maksimum
Tidak
Ya
Perankingan firefly berdasarkan nilai fitness dan mencari nilai
fitness terbaik dari firefly
Update pergerakan firefly ke nilai fitness yang terbaik
Update nilai firefly
Output:Parameter SMES
Update nilai fitness yang terbaik (Lightbest)
Selesai
Evaluasi firefly menggunakan ITAE :
0
( )t
ITAE t t dt
fitness
min
max
Akhir iterasi dan Hasil
Penalaan Parameter SMES menggunakan FA
20
Mulai
Input :Parameter firefly
Batas atas – batas bawah parameter SMES
Inisialiasi awal firefly
Firefly diinputkan sebagai input parameter SMES untuk
mendapatkan nilai fitness
Iterasi
maksimum
Tidak
Ya
Perankingan firefly berdasarkan nilai fitness dan mencari nilai
fitness terbaik dari firefly
Update pergerakan firefly ke nilai fitness yang terbaik
Update nilai firefly
Output:Parameter SMES
Update nilai fitness yang terbaik (Lightbest)
Selesai
Evaluasi firefly menggunakan ITAE :
0
( )t
ITAE t t dt
Kc tdc tw Kp Ki
90 0,0147 8,0245 8 6,7313
Analisa dan Hasil Grafik Frekuensi Suralaya
21
Settling Time Overshoot
Settling time Analisa dan Hasil Grafik Frekuensi Suralaya Overshoot
22
Pembangkit Tanpa kontrol
(pu)
SMES
(pu)
SMES FA
(pu)
Suralaya 0,0004229 0,0003166 0,0002513
Muaratawar 0,0002163 0,0001157 0,0001013
Cirata 0,0001838 0,0000962 0,0000868
Saguling 0,0001643 0,0000846 0,0000761
Tanjungjati 0,0001684 0,0000897 0,0000807
Gresik 0,0001498 0,0000799 0,0000724
Paiton 0,0001605 0,0000886 0,0000809
Grati 0,0001696 0,0000875 0,0000780
Settling Time Analisa dan Hasil Grafik Frekuensi Suralaya Overshoot
23
Pembangkit Tanpa kontrol
(detik)
SMES
(detik)
SMES FA
(detik)
Suralaya >20 8,054 6,996
Muaratawar >20 8,933 7,779
Cirata >20 7,969 7,408
Saguling >20 7,949 7,266
Tanjungjati >20 7,837 7,343
Gresik >20 7,911 7,179
Paiton >20 7,947 7,293
Grati >20 7,838 7,232
Analisa dan Hasil Grafik Frekuensi Suralaya
24
Settling Time Overshoot
Settling time Analisa dan Hasil Grafik Sudut Rotor Suralaya Overshoot
25
Pembangkit Tanpa kontrol
(pu)
SMES
(pu)
SMES FA
(pu)
Suralaya -0,00008457 -0,00005039 -0,00004363
Muaratawar -0,00004327 -0,00002380 -0,00002102
Cirata -0,00003675 -0,00002001 -0,00001826
Saguling -0,00003234 -0,00001761 -0,00001600
Tanjungjati -0,00003368 -0,00001858 -0,00001698
Gresik -0,00002996 -0,00001663 -0,00001521
Paiton -0,00003209 -0,00001851 -0,00001704
Grati -0,00003392 -0,00001817 -0,00001636
Settling Time Analisa dan Hasil Grafik Sudut Rotor Suralaya Overshoot
26
Pembangkit Tanpa kontrol
(detik)
SMES
(detik)
SMES FA
(detik)
Suralaya >20 7,251 6,635
Muaratawar >20 9.343 8,296
Cirata >20 8,23 7,876
Saguling >20 8,289 7,495
Tanjungjati >20 8,214 7,855
Gresik >20 8,233 7,836
Paiton >20 8,848 8,487
Grati >20 8,216 7,878
Kesimpulan dan Saran Kesimpulan Saran
1. Gangguan pada satu pembangkit dapat berefek pada pembangkit lain apabila pembangkit ini saling berinterkoneksi.
2. SMES dapat diapliaksikan pada sistem tenaga listrik multimesin Jawa Bali 500 kV untuk meredam osilasi frekuensi
3. Algoritma FA dapat digunakan untuk menala parameter SMES. Sehingga didapatkan nilai Kc sebesar 90, Tdc sebesar 0,0147, Tw sebesar 8,0245 Kp sebesar 8 dan Ki sebesar 6,7313.
4. SMES yang optimal dapat diterapkan pada sistem tenaga listrik multimesin Jawa Bali 500 kV untuk meredam overshoot frekuensi dan mempercepat settling time salah satunya dapat meredam overshoot pada pembangkit Suralaya menjadi 0,0002513 pu dan mempercepat settling time menjadi 6,996 detik.
27
Kesimpulan dan Saran Kesimpulan Saran
1. Untuk mendapatkan koordinasi parameter SMES yang optimal dapat dilakukan dengan menggunakan komputasi cerdas yang lain, seperti DEA, PSO, GA, ICA, dll.
2. SMES diterapkan pada sistem single mesin, atau multimesin lainnya. 3. Penerapan SMES dapat digunakan untuk analisa pada kondisi gangguan
transien.
28
Daftar Pustaka
1. Imam Robandi, “Desain Sistem Tenaga Modern : Optimisasi, Logika Fuzzy, dan Algoritma Genetika”, Penerbit ANDI, Yogyakarta, 2005.
2. Imam Robandi, “Modern Power System Control”, Penerbit ANDI, Yogyakarta, 2009. 3. Adi Soeprijanto, “Desain Kontroller untuk Kestabilan Dinamik Sistem Tenaga
Listrik”, Itsprees, Surabaya, 2012. 4. Miles, R. H., Malinowski, J. H., “Power System Operation”, Mc GrawHill, Singapore,
Ch.12, 1994. 5. Paul M. Anderson, A.A. Fouad, “Power System Control and stability,” IEEE Press
Power system engineering series, 1993. 6. P. Kundur, “Power System Stability and Control,” McGrow-Hill, Inc, 1993. 7. Cheung K. Y., Cheung S. T., Navin, de Silva R. G., Juvonen, M.P., Singh R., & Woo J.
J., “Large-scale Energy Storage Systems”, Imperial College Research Report, ISE2,2003.
8. Mohd Hasan Ali, Minwon Park, In-Keun Yu, Toshiaki Murata, Junji Tamura and Bin Wu, “Enhancement of transient stability by fuzzy logic-controlled SMES considering communication delay”, Int J Electr Power Energy Syst 31 (7–8) (2009), pp. 402–408
29
Daftar Pustaka
9. Dwaraka S. Padimiti and Badrul H. Chowdhury, “Superconducting Magnetic Energy Storage System (SMES) for Improved Dynamic System Performance”, Power Engineering Society General Meeting, 2007. IEEE
10. Mochamad AVID Fassamsi, "Optimal Tunning Superconducting Magnetic Energy Storage (SMES) menggunakan Imperialist Competitive Algorithm (ICA) Untuk Meredam Osilasi Daya Pada Sistem Kelistrikan Jawa Bali 500 kV" Tugas Akhir Master, Department of Electrical Engineering, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia 2010.
11. Y. S. Lee and C. J. Wu, “Application of Superconducting Magnetic Energy Storage Unit on Damping of Turbogenerator Subsynchronous Oscillation”, IEE Proceedings-C, Vol. 138, pp. 419-426, 1991.
12. Yang Xin-She,”Engineering Optimization”, A Jhon Wiley & Sons, New Jersey, 2010. 13. Akbar Swandaru,”Koordinasi Optimal Capacitive Energy Storage (CES) dan
Kontroler PID untuk Meredam Osilasi Daya pada Sistem Kelistrikan Jawa Bali 500 kV menggunakan Diferential Evolution (DE)” Tugas Akhir, Department of Electrical Engineering, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia 2012.
14. H. Saadat, “Power System Analysis,” McGraw-Hill International Edition, 1999
30
Terima kasih
Herlambang Setiadi 2209 100 054
31