perencanaan penempatan facts optimal

5/12/2018 Perencanaan Penempatan FACTS Optimal - slidepdf.com

http://slidepdf.com/reader/full/perencanaan-penempatan-facts-optimal 1/7

PERENCANAAN PENEMPATAN FACTS OPTIMALMENGGUNAKAN ALGORITMA GENETIKA

Damis HardiantonoJurusan Teknik Elektro, Fakultas Teknik, Universitas Hasanuddin

e-mail : [email protected]

AbstrakTesis ini bertujuan: 1) menentukan bagian sistem tenaga yang membutuhkan

penempatan peralatan FACTS (Flexible Alternating Current Transmission System) denganmenggunakan Algoritma Genetika (AG) dan 2) menganalisis pengaruh pemasangan FACTSdevices berdasarkan hasil aliran daya terhadap rugi-rugi daya dan profil tegangan sistem.

Penempatan FACTS optimal dalam sistem tenaga dilakukan dengan metode optimasi

menggunakan Algoritma Genetika. Paramater yang dioptimalkan yaitu meminimumkan rugi-rugi

daya total sistem.

Hasil analisis yang diperoleh yaitu : 1) lokasi optimal SVC ditempatkan pada bus 26 (GIBarawaja) dengan rating sebesar 20 MVAr dan TCSC ditempatkan pada saluran 26 (GI Soppeng

± GI Sidrap) dengan rating sebesar -0,7Xline. 2) penempatan peralatan FACTS pada lokasitersebut dapat mengoreksi tegangan yang collapse di bus 24 (GI Tello B 30 kV) sebesar 0,805

pu terkoreksi menjadi 1,047 pu dan bus 26 (GI Barawaja) sebesar 0,690 pu terkoreksi menjadi0,985 pu serta bus yang tegangannya kritis yaitu pada bus 29 (GI Bontoala) sebesar 0,945 puterkoreksi menjadi 0,994 pu. 3) rugi-rugi daya total saluran sebelum penempatan FACTS optimaldiperoleh sebesar 20,487 MW dan berkurang menjadi sebesar 17,394 MW setelah penempatanFACTS optimal.

Kata kunci: Optimasi, Peralatan FACTS, Algoritma Genetika

AbstractThe tesis aimed to : 1) determine the part of power system that requires the allocation

FACTS (Flexible Alternating Current Transmission System) devices by using Genetic Algorithm(GA); 2) analyzed the influence of FACTS devices allocation base on the result of power supplyon the power losses and voltage system.

The optimal FACTS allocation in the power system was conducted by optimizationmethod with Genetic Algorithm. The variables were optimized by minimizing the power losses on

the system.

The results revealed that: (1) The optimum SVC was allocated at bus 26 (GI Barawaja)with a rating by 20 MVAr, while the TCSC was allocated at line 26 (GI Soppeng ± GI Sidrap) witha rating by -0,7Xline; (2) The allocation of FACTS devices at these places could correct thecollapse volatge at bus 24 (GI Tello B 30 kV) from 0.805 pu to 1.047 pu, at bus 26 (GI Barawaja)from 0.690 to be 0.985 pu, and at bus with critical voltage on bus 29 (GI Bontoala) from 0.945 puto be 0.994 pu; and (3) The total power loss on the line before the optimal FACTS allocation was20.487 MW and this value was decreased to 17.394 MW after the optimal FACTS allocation.

Keywords : Optimization, FACTS devices, Genetic Algorithm

1. PendahuluanBanyaknya kendala untuk membangun

saluran transmisi baru memaksa paraengineer untuk memanfaatkan salurantransmisi yang ada sekarang menjadi lebihoptimal. Hal ini dapat dilakukan denganpeningkatan efisiensi saluran melaluipemasangan peralatan Flexible Alternating

Current Transmission System (FACTS).Selain itu untuk mengganti peran penggunaanperalatan elektromekanik seperti phase-shifting transformer sebagai peralatanpengaturan aliran daya yang kerjanya relatif lebih lambat dibandingkan dengan peralatanFACTS (Mohan et. al. 2002 ).



Kontrol pada sistem tenaga listrik denganpenggunaan peralatan FACTS sudah menjadikomponen integral dari penyaluran daya listrikmoderen. Walaupun peralatan FACTS sudahmenjadi kebutuhan wajib bagi penyedia dayalistrik, namun penempatan peralatan FACTSpada saluran tenaga listrik masih menjadipermasalahan tersendiri yang tidak mudahdiselesaikan. Kesalahan dalam penempatanFACTS justru akan mengakibatkan sistemmenjadi tidak efisien bahkan lebih fatal lagi,yaitu sistem menjadi tidak stabil (Paserba et.al. 1995; Piwko et. al. 1993).

Penentuan lokasi peralatan FACTSsecara optimal tersebut dapat dilakukandengan penalaan soft computing seperti

Algoritma Genetika (Genetic Algorithm)karena memiliki kemampuan yang handaldalam pelacakan (searching ) solusi optimal(Robandi, 2006 ).

2. Tinjauan Pustaka2.1 Flexible Alternating Current

Transmission System (FACTS)FACTS devices merupakan perangkat

kontrol elektronik terpadu yang mengontrolvaribel-variabel saluran transmisi sepertiimpedansi saluran, tegangan sistem dan suduttegangan secara cepat dan efektif. Dengandemikian FACTS juga sangat berperan untukmenjaga operasi sistem tenaga listrik yangoptimal.

Peralatan FACTS sudah banyak

digunakan pada sistem tenaga modern untukmenangani masalah penyaluran daya dimanasebagai peralatan elektronika daya terpadu,FACTS sangat mungkin diaplikasikan padasaluran transmisi untuk meningkatkankemampuan penyaluran daya saluran.Dengan biaya investasi yang relatif lebihmurah dan waktu pemasangan yang cepatdibanding dengan membangun salurantransmisi baru, menyebabkan aplikasiperalatan FACTS banyak menjadipertimbangan utama oleh perusahaanpenyedia listrik. Selain pertimbangan biaya

investasi, penggunaan FACTS jugadidasarkan pada kemampuannya untukmeningkatkan kestabilan transmisi tenagalistrik (Padiyar, 1996 ), memperbaiki profiltegangan dan keseimbangan daya reaktif serta memperbaiki pembagian beban padasaluran paralel.

Adapun jenis-jenis FACTS devices antara lain:

a. Thyristor Controlled Series Capacitor (TCSC)

TCSC berfungsi untuk mengontrolparameter saluran berupa reaktansi saluran.Sehingga dapat menjadi kompensasi variabelkapasitif atau induktif secara seri denganmemodifikasi reaktansi saluran.

Gambar 1. Diagram TCSC

b. Static Var Compensator (SVC)Peralatan ini dapat dioperasikan pada

kompensasi induktif maupun kompensasikapasitif. Range kerja dari SVC yaitu dari -100

MVAr sampai +100 MVAr.

Gambar 2. Diagram SVC

2.2 Algoritma Genetika (AG) Algoritma Genetika (Genetic Algorithm /

GA) adalah suatu metode optimasi dansimulasi yang perkembangannya tidak bisalepas dari paradigma evolusi yang ditunjukkanpertama kali oleh Charles Darwin (1809-1882)yang diteruskan dalam perkembangan teorigenetika. Evolusi Darwin yang berbasis padakonsep ³survival of the fittest ́ menyatakanbahwa evolusi jenis-jenis spesies makhlukhidup dan ekosistemnya terjadi karena seleksialam. Algoritma genetika juga merupakanalgoritma pencarian heuristik yang didasarkanatas mekanisme evolusi biologis.Keberagaman pada evolusi biologis adalahvariasi dari kromosom antar individuorganisme.

Gambar 3. Siklus AG oleh Goldberg



Gambar 4. Flowchart algoritma genetika

2.3 Implementasi Algoritma Genetikadalam Sistem Tenaga Listrik Algoritma Genetika bekerja berdasarkan

mekanisme seleksi alam. Solusi optimaldiperoleh dari sejumlah solusi dengan prosesacak. Generasi baru diperoleh dari tigaoperator: reproduksi, crossover , dan mutasi.Implementasi Algoritma Genetika padapenelitian ini adalah menentukan lokasipemasangan, tipe dan rating peralatanFACTS.

PengkodeanKonfigurasi nFACTS devices ditentukan

oleh dua parameter, yaitu lokasi dan ratingFACTS devices. String pertama berkaitandengan lokasi devices yang merupakankombinasi saluran dimana FACTS devices ditempatkan. Setiap string memiliki nilai lokasiyang berbeda, dan hanya satu FACTS

devices dalam satu bagian sistem. String yangkedua berkaitan dengan rating FACTSdevices. Nilai disesuaikan dengan penomoranpada string kromoson, yaitu 1 jika terdapatterdapat FACTS dan 0 tidak terdapat FACTSdevices.

Gambar 5. Representasi individu dari FACTSdevices

Inisialisasi PopulasiPopulasi awal dibuat dari parameter

berikut :Gen : Lokasi yang memungkinkan untukFACTS devices.Kromosom : Jumlah Gen (kromosom biasa

juga disebut individu).Nilai string pertama merupakan nilai acak

yang dipilih dari lokasi yang memungkinkanuntuk menempatkan FACTS devices. Nilaiyang ke dua menyatakan nilai rating FACTSdevices yang disesuaikan dengan tipe FACTSitu sendiri.

Gambar 6. Keseluruhan individu dalampopulasi

FitnessKromoson-kromoson yang berisi

informasi tentang letak dan rating FACTStersebut selanjutnya perlu diuji keandalannya,apakah dapat memperbaiki sistem atau tidak.Pengujian dilakukan dengan menentukansuatu fungsi fitness atau fungsi objektif. Dalampenelitian ini digunakan fungsi yangberhubungan dengan rugi-rugi daya, sebagaiberikut :

Sloss =



Karena berhubungan dengan rugi-rugi,sementara rugi-rugi tersebut harusdiminimumkan maka fungsi fitnessnyaharuslah sebesar 1/Sloss (Suyanto,2005 ).

3. Metode Analisis

Gambar 7. Metode analisis

Tujuan optimasi penempatan FACTSdevices itu sendiri adalah untukmemaksimumkan suplai daya dari sistem kebeban tanpa melampaui batas tegangan danarus pada sistem. Untuk maksud tersebut, darisejumlah tipe FACTS devices yang telahditentukan, dicari lokasi dan rating yang palingtepat. Dengan demikian strategi optimasi yangdilakukan dapat dilakukan pada gambar 8.

Gambar 8. Flowchart perencanaanpenempatan FACTS

4.

Hasil dan PembahasanSelengkapnya grafik hasil perbandingantegangan tiap-tiap bus untuk kasus tanpapemasangan FACTS dan dengan FACTSmenggunakan Algoritma Genetika (AG) dapatdilihat pada gambar (9) dan (10).



Gambar 9. Profil tegangan setelahpenempatan FACTS dengan AG

Gambar 10. Grafik perhitungan rugi-rugi dayasaluran

Tabel 1. Perbandingan penempatan FACTS

Memvalidasi hasil analsis penempatan FACTSoptimal menggunakan AG dengan software ETAP

Tabel 2. Hasil validasi

Pengaruh pemasangan FACTS secaraoptimal pada sistem yaitu dapat memperbaikitegangan pada bus yang kritis (menujucollapse) maupun bus yang tegangannya

collapse menjadi tegangan yang membuatsistem menjadi stabil. Hal ini terlihat padakondisi tanpa injeksi daya reaktif atau tanpapemasangan FACTS (Gambar 21), bus yangtegangannya collapse yaitu bus 24 (GI Tello B30 kV) sebesar 0,805 pu dan bus 26 (GIBarawaja) sebesar 0,690 pu sedangkan busyang tegangannya kritis (menuju collapse)yaitu bus 29 (GI Bontoala) sebesar 0,945 pu.Kondisi ini terkoreksi dengan penempatanFACTS optimal pada sistem sehingga bus-busyang tegangannya collapse maupun kritisdapat diperbaiki (Gambar 27). Dimana bus 24

(GI Tello B 30 kV) terkoreksi menjadi 1,047pu, bus 26 (GI Barawaja) terkoreksi menjadi0,985 pu dan bus 29 (GI Bontoala) terkoreksimenjadi 0,994 pu.

Rugi-rugi daya total sistem dapatdiminimalisir dengan penempatan FACTSoptimal pada sistem. Sebelum penempatanFACTS, rugi-rugi daya total sistem sebesar 20,487 MW. Tetapi setelah penempatanFACTS, rugi-rugi daya total sistem dapat



diminimumkan menjadi sebesar 17,394 MW.Dengan demikian daya yang hilang sepanjangsaluran berkurang sebesar 3,092 MW.

5. Kesimpulan1. Bagian sistem untuk penempatan

peralatan FACTS yang menghasilkanaliran daya yang optimal yaitu beradapada bus 26 (GI Barawaja) dengan rating20 MVAr dan TCSC berada pada saluran26 (GI Soppeng ± GI Sidrap) dengan rating-0.7 X line. Optimalisasi penempatanperalatan FACTS ini berdasarkan duaparameter yaitu profil tegangan bus danrugi-rugi daya sistem.

2. Besarnya rugi-rugi daya total saluransebelum penempatan FACTS optimalsebesar 20,487 MW dan setelahpenempatan sebesar 17,394 MW. Dengandemikian penempatan FACTS yang

optimal pada sistem dapat menurunkanrugi-rugi daya sistem sebesar 3,092 MW.Sedangkan tegangan pada bus-bus yangcollapse yaitu bus 24 (GI Tello B 30 kV)sebesar 0,805 pu terkoreksi menjadi 1,047pu dan bus 26 (GI Barawaja) sebesar 0,690 pu terkoreksi menjadi 0,985 pu sertabus yang tegangannya kritis yaitu pada bus29 (GI Bontoala) sebesar 0,945 puterkoreksi menjadi 0,994 pu.

DAFTAR PUSTAKA

Acha, E., Fuerte-Esquival C., Ambriz-PerezH., Angeles-Camacho C., FACTS Modeling and Simulation in Power Networks, John Wiley & Son Ltd.,England, 2004.

Cekdin, C., Sistem Tenaga Listrik (ContohSoal dan PenyelesaiannyaMenggunakan Matlab), Edisi I,C.V Andi Offset, Yogyakarta,2004.

Delfanti, M., Granelli, G.P., Optimal Capacitor Placement Using Deterministic and Genetic Algorithms, IEEE

Transaction on Power Systems,Vol. 15, No. 3, August, 2000.

Gen, M. dan Cheng, R., Genetic Algoritm and Enginering design, AshikagaInstitute of Technology Ashikaga,Japan, A wiley-Intersciencepublication, John wiley & Sons(Asia) Pte Ltd., 1997.

Goldberg, D.E., Genetic Algoritm inSearch,Optimization and Machine

Learning , Addition WesleyPublishing Company, Inc., USA,1989.

Haupt, R.L., Haupt, S.E., Practical Genetic Algorithm, Second Eidtion, JohnWiley & Sons Inc., USA, 2004.

Higuchi, T., Liu, Y., Yao, X., Genetic and Evolutionary Computation,Springer Science + BusinessMedia LLC., New York, 2006.

Hosea, E., Tanoto, Y., Perbandingan Analisa Aliran Daya denganMenggunakan Metode AlgoritmaGenetika dan Metode Newton-Raphson, Jurnal Teknik ElektroUniv. Petra, Vol. 5, No. 1,Surabaya, 2005.

Iba, K., Reactive Power Optimization by Genetic Algorithm, IEEETransaction on Power Systems,

Vol. 9, No. 2, May 1994.Kundur, P., Power System Stability and

Control, McGraw-Hill Inc., USA,1993.

Miller, T.J.E., Reactive Power Control inElectric Sistem, John Wiley &Sons Ltd., England, 1982.

Mitchell, M., Introduction to Genetic Algorithm, A Bradford Book The MIT Press,England, 1999.

Mohan, M.R., Rajiv, K.V., Thyristor Based FACTS Controllers for Electrical Transmission System, Wiley-

Interscience, New York, 2002.Nayak, A., Stojmenovic I., Handbook of Apllied

Algorithm, John Wiley & SonsInc., USA, 2008.

Padiyar, K.R., Power System Dynamics, JohnWiley & Sons Ltd., USA, 1996.

Paserba, J.J., Nicholas, W.V., Larsen, E.V.,Piwko, R,J., A Thyristor Controlled Series Compensation Model for System Stability Analysis, IEEETPD, Vol. 10, No. 3, PPL-3, May1995.

Piwko, R.J., Damsky, B.L., Furamasu, B.C.,

Mittlestad, W., Thyristor Controlled Series CompensationPrototype at The Slatt 500 kV Substation, IEEE Transaction onPower Delivery, Vol. 8, No. 3, pp.1460-1469, July 1993.

Robandi, I., Desain Sistem Tenaga Modern,Edisi I, Penerbit Andi Offset,Yogyakarta, 2006.



_________, Alocation Design for FACTS Device on Jawa-Bali Interconnected Power SystemUsing Genetic Algorithm WithMutation, Majalah IPTEK, Vol. 17No. 2, Surabaya, Mei 2006.

Saadat, H., Power System Analysis, McGraw-Hill Inc., International eddition,USA, 1999.

Suarga, Algoritma Pemrograman, Penerbit Andi Offset, Yogyakarta, 2006

Suriadi, Syahrizal, Chandra, R., PenentuanLokasi Optimal PenggunaanKapasitor Daya Pada GarduHubung Jantho, Jurnal RekayasaElektrika, Volume 5 No.2 Tahun2006.

Suyanto, Evolutionary Computation(Komputasi Berbasis Evolusi danGenetika), Informatika, Bandung,

2008. _______, Algoritma Genetika dalam MATLAB,

Andi Offset, Yogyakarta, 2005.UP2B PLN, Evaluasi Operasi Tenaga Listrik

Sistem Sulawesi Selatan danTenggara, PT. PLN (Persero) UnitBisnis Sulselra, Makassar, 2002.

Zamora, R., Syahrizal. dan Mairizal, D.,Optimasi Kompensasi DayaReaktif Dengan Metode Fast Decoupled , Jurnal RekayasaElektrika, Vol. 3, No. 2, 2004.

Weedy, B.M., Electric Power Sistem, John

Wiley & Sons Ltd., England, 1984.Wood, A.J., Wollenberg B.F., Power

Generation, Operation And Control , Second Edition, JohnWiley & Sons Inc., USA, 1996.

perencanaan penempatan facts optimal

Documents