BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

Generasi pertama dari pembangkit listrik menggunakan kincir air, dinamo,

dan alternator. Tenaga air (hydropower) sebagai salah satu sumber energi yang da-

pat diperbarui (renewable energy) menjadi sumber energi listrik yang telah diban-

gun jauh sebelum ditemukannya mesin uap. Pada akhir abad ke-19, hydropow-

er berkembang dengan digunakannya turbin, yang menandai lahirnya era industri

pembangkitan listrik modern. Akan tetapi, generasi pertama dari pembangkit listrik

untuk publik menggunakan mesin uap dan generator mesin disel. Pada awal tahun

1960, pembangkitan listrik telah berkembang dengan digunakannya turbin uap un-

tuk pembakaran bahan bakar fosil. Pembangkit listrik dengan sistem pembakaran

bahan bakar fosil merupakan jenis pembangkit listrik sistem thermal. Energi fosil

bersama dengan hydropower menyediakan sebagian besar dari energi listrik global.

Salah satu kelemahan pembangkit listrik sistem thermal adalah biaya bahan

bakar fosil yang tinggi. Hal ini menjadi salah satu faktor berkembangnya eksploitasi

energi alternatif, khususnya renewable energy. Selain hydropower, renewable ener-

gy yang sangat berkembang secara teknis dan ekonomis hingga abad ke-21 adalah

energi angin. Perkembangan teknologi energi angin yang sangat pesat untuk pem-

bangkitan listrik dipicu oleh pertimbangan biaya yang rendah dan ramah lingkun-

gan. Biaya operasional pembangkit listrik sistem hydropower dan angin merupakan

yang paling murah dibanding tipe pembangkit listrik lain, sebab tidak memerlukan

biaya pembelian bahan bakar.

Kekurangan terbesar dari bahan bakar fosil adalah terjadinya emisi karbon

dioksida (CO2) dalam gas buangan hasil pembakaran batu bara. Tingginya emisi

CO2 dalam gas buangan hasil pembakaran batu bara mendorong semakin berkem-

1

2

bangnya industri pembangkit listrik tenaga renewable energy. Terlepas dari en-

ergi angin sebagai sumber energi yang bersih, murah dan ramah lingkungan, en-

ergi angin merupakan renewable energy yang ketersediaannya tidak kontinu dan

cenderung tidak menentu (bersifat intermittent). Akibatnya, pada waktu tertentu

pembangkit listrik sistem energi angin tidak dapat memberikan supply energi listrik

untuk memenuhi permintaan (demand) energi listrik konsumen yang bersifat kon-

tinu. Sehingga, pembangkit listrik dengan sumber energi lain akan beroperasi untuk

memberikan supply energi dan memenuhi demand energi listrik pada saat terjadi

kekurangan maupun kekosongan supply energi listrik dari pembangkit listrik tena-

ga angin.

Pengoperasian pembangkit listrik sistem thermal, hydropower, dan angin

dalam suatu industri listrik diatur dalam jadwal operasional yang telah ditetap-

kan. Guna menekan biaya bahan bakar, industri pembangkit listrik dihadapkan

pada masalah scheduling atau penjadwalan pengoperasian masing-masing tipe pem-

bangkit listrik, yang merupakan masalah optimisasi, sebab penjadwalan yang opti-

mal akan meminimumkan biaya bahan bakar.

Penjadwalan pembangkit listrik sistem renewable energy air dan angin, ser-

ta sistem thermal memerlukan informasi hasil prediksi demand energi listrik yang

akan dibangkitkan, cadangan energi listrik, volume air dalam waduk, serta ke-

cepatan angin. Akan tetapi, hasil prediksi atau peramalan kemungkinan besar men-

gandung error. Error dipandang sebagai ketidakpastian dan ketidaktepatan (bersi-

fat fuzziness). Demand energi listrik yang akan dibangkitkan, cadangan energi

listrik, volume air dalam waduk, serta kecepatan angin merupakan jumlahan dari

hasil peramalan dengan error di dalam hasil peramalan tersebut, sehingga diny-

atakan dalam himpunan fuzzy. Oleh sebab itu, digunakan pendekatan optimisasi

fuzzy dalam menyelesaikan masalah penjadwalan pembangkit listrik untuk ketiga

tipe pembangkit listrik tersebut.

Masalah optimisasi fuzzy dalam penjadwalan pembangkit listrik sistem re-

newable energy air dan angin, serta sistem thermal akan diselesaikan menggunakan

3

algoritma genetik (genetic algorithm) berdasarkan konsep pengambilan keputusan

fuzzy (fuzzy decision). Algoritma genetik tergolong sebagai algoritma heuristik dan

merupakan metode adaptif untuk pencarian solusi dalam masalah optimisasi. Al-

goritma genetik dapat melakukan pencarian solusi optimal dalam ruang pencarian

yang langsung mengarah kepada ruang solusi, sehingga tidak memperluas ruang

pencarian dan mempersingkat waktu yang dibutuhkan dalam pencarian solusi. Al-

goritma genetik dapat melakukan pencarian solusi terhadap seluruh masalah opti-

misasi dengan berbagai fungsi objektif, baik linear maupun non-linear.

Penulisan tesis ini didasarkan pada paper yang ditulis oleh Liang dan Liao

(2007) sebagai literatur utama mengenai penjadwalan pembangkit listrik sistem

thermal, hydropower, angin, dan surya dengan pendekatan optimisasi fuzzy. Dalam

paper tersebut, model penjadwalan pembangkit listrik diujikan terhadap 10 unit

pembangkit listrik sistem thermal, 7 unit pembangkit listrik sistem hydropower,

dan masing-masing 1 unit pembangkit listrik tenaga surya dan angin, dengan tujuan

meminimalkan biaya bahan bakar. Penyelesaian masalah pembangkit listrik dalam

paper tersebut menggunakan algoritma genetik dan diperoleh bahwa biaya bahan

bakar biaya dan emisi CO2 dalam pembangkitan listrik yang melibatkan unit-unit

pembangkit listrik sistem thermal, hydropower, angin, dan surya jauh lebih rendah

dari biaya bahan bakar dan emisiCO2 dalam pembangkitan listrik yang hanya meli-

batkan unit-unit pembangkit listrik sistem thermal. Paper pendukung pada tesis ini

adalah Liang dkk (2009) mengenai penjadwalan pembangkit listrik sistem thermal

dan hydropower berdasarkan pada metode Lagrange dengan algoritma genetik.

Oleh karena itu, Penulis tertarik untuk memodelkan masalah penjadwalan

pembangkit listrik sistem thermal, hydropower, dan angin ke dalam model opti-

misasi dan melakukan pencarian solusi menggunakan algoritma genetik dengan

konsep fuzzy decision yang bertujuan untuk meminimumkan biaya bahan bakar

pada pembangkit listrik sistem thermal yang berbahan bakar batu bara dan bahan

bakar minyak (BBM) dengan mempertimbangkasn emisi CO2 dalam gas buangan

hasil pembakaran batu bara.

4

1.2. Perumusan Masalah

Bedasarkan latar belakang yang telah diuraikan, permasalahan dalam peneli-

tian ini dapat dirumuskan sebagai berikut:

1. Bagaimana proses pemodelan masalah penjadwalan pembangkit listrik sistem

thermal, hydropower, dan angin ke dalam model optimisasi single objektif

non-linear?

2. Bagaimana proses penyelesaian masalah optimisasi penjadwalan pembangk-

itan listrik sistem thermal, hydropower, dan angin menggunakan algoritma

genetik dengan konsep fuzzy decision?

3. Bagaimana susunan jadwal pembangkitan listrik oleh pembangkit listrik sis-

tem thermal, hydropower, dan angin sebagai pendekatan solusi optimal dalam

pengujian model?

4. Bagaimana pengendalian emisi CO2 dalam gas buangan hasil pembakaran

batu bara selama periode penjadwalan pembangkitan listrik?

5. Bagaimana tingkat efektifitas pembangkit listrik sistem energi angin dalam

menurunkan biaya bahan bakar pembangkitan listrik?

6. Bagaimana performa dan stabilitas algoritma genetik yang telah disusun dalam

pencarian pendekatan solusi optimal?

1.3. Tujuan dan Manfaat Penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah sebagai berikut:

1. Memahami proses pemodelan masalah penjadwalan pembangkit listrik sis-

tem thermal, hydropower, dan angin ke dalam model matematika optimisasi

single objektif non-linear.

2. Memahami proses penyelesaian masalah optimisasi penjadwalan pembangkit

listrik sistem thermal, hydropower, dan angin menggunakan algoritma genetik

5

dengan konsep fuzzy decision.

3. Memperoleh jadwal pembangkitan listrik yang optimal sebagai pendekatan

solusi optimal dalam pengujian model penjadwalan pembangkit listrik sistem

thermal, hydropower, dan angin.

4. Mengendalikan emisi CO2 dalam gas buangan hasil pembakaran batu bara

selama pembangkitan listrik.

5. Mengetahui tingkat efektifitas pembangkit listrik sistem energi angin dalam

menurunkan biaya bahan bakar pembangkitan listrik.

6. Mengetahui performa dan stabilitas algoritma genetik yang telah disusun dalam

pencarian pendekatan solusi optimal.

Manfaat dari penelitian ini adalah sebagai berikut:

1. Secara umum penelitian ini diharapkan dapat menambah referensi dan sum-

bangan ilmu pengetahuan dalam bidang matematika terapan dan teknik elek-

tronika, khususnya dalam bidang optimisasi, penerapan teori fuzzy, algoritma

genetik dan masalah penjadwalan pembangkit listrik, serta teknologi pem-

bangkitan listrik.

2. Masalah penjadwalan pembangkit listrik dengan pendekatan optimisasi fuzzy

dalam penelitian ini dan penerapan algoritma genetik sebagai alat untuk menye-

lesaikan masalah tersebut diharapkan dapat membantu pembaca untuk menye-

lesaikan permasalahan dalam kehidupan nyata yang memiliki prinsip yang

sama dengan model-model yang disusun dalam tesis ini.

3. Secara khusus penelitian ini diharapkan dapat memberikan informasi kepa-

da PT. PLN (Persero) beserta Departemen Energi dan Sumber Daya Mineral

mengenai penyusunan jadwal pembangkit listrik sistem thermal, hydropower,

dan angin dengan pengendalian emisi CO2 dalam gas buangan dan penyele-

saiannya menggunakan algoritma genetik berdasarkan konsep fuzzy decision.

6

1.4. Tinjauan Pustaka

Dalam penyusunan rumusan model optimisasi penjadwalan pembangkit list-

rik sistem thermal, hydropower, dan angin, dibutuhkan informasi terkait sistem dan

teknologi ketiga tipe pembangkit listrik tersebut. Informasi-informasi ini diperlukan

dalam identifikasi masalah dan diperoleh dari buku Paul Breeze (2014). Informasi-

informasi lebih mengenai masalah penjadwalan pembangkit listrik diperoleh dari

buku Allen J. Wood dkk (2013), Andras Prekopa dkk (2014), serta buku Joao

P. S. Catalao (2012). Penyusunan model matematika untuk masalah penjadwalan

pembangkit listrik sistem thermal, hydropower, dan angin dengan pendekatan op-

timisasi fuzzy didasarkan pada paper utama dalam tesis ini, yaitu Ruey-Hsun Liang

dan Jian-Hao Liao (2007) serta paper pendukung Ruey-Hsun Liang, Ming-Huei Ke,

dan Yie-Tone Chen (2013).

Paper pendukung lain yang digunakan dalam penyusunan model matematika

masalah penjadwalan pembangkit listrik sistem thermal, hydropower, dan angin

adalah Trivedi dkk (2013), Pathom Attaviriyanupap dkk (2004), J. Xie, X. Wei, Y.

Lu, dan D. Gan (2010), Esteban Gil dkk (2003), A. A. El Desouky dkk (2001),

Ruey-Hsun Liang dan Y. Y. Hsu (1993), H.-C. Chang dan P.-H. Chen (1998).

Penyusunan model matematika untuk masalah penjadwalan pembangkit lis-

trik yang merupakan masalah optimisasi memerlukan dasar teori optimisasi yang

meliputi formulasi fungsi objektif dan kendala, yang diperoleh dari buku Mokhtar S.

Bazaraa, Hanif D. Sherali, dan C. M. Shetty (2006), Olvi Mangasarian (1994), serta

buku A. L. Peressini dkk(1988). Dalam formulasi fungsi biaya bahan bakar seba-

gai fungsi objektif , acuan yang digunakan adalah buku Wood dkk (2013), Prekopa

dkk (2014), serta buku Catalao (2012). Formulasi fungsi objektif dalam masalah

ini menghasilkan suatu fungsi objektif non-linear dengan beberapa kendala per-

tidaksamaan dan kendala persamaan yang non-linear, sehingga memerlukan dasar

teori mengenai program non-linear yang diambil dari buku Mangasarian (1994),

Masatoshi Sakawa (1993), serta Peressini dkk (1988).

Fungsi objektif beserta beberapa kendala yang bersifat fuzziness dalam mas-

7

alah optimisasi penjadwalan pembangkit listrik direpresentasikan dalam fungsi kea-

nggotaan himpunan fuzzy, sehingga menjadi masalah optimisasi fuzzy. Dasar teori

mengenai himpunan fuzzy diambil dari paper Lotfi A. Zadeh (1965), buku Masatoshi

Sakawa (1993), dan buku Zimmermann (2001).

Selanjutnya, konsep-konsep yang diperoleh dari referensi-referensi di atas

digabungkan untuk mencari solusi optimal dari masalah penjadwalan pembangkit

listrik dengan pendekatan optimisasi fuzzy menggunakan algoritma genetik. Algo-

rtima genetik digunakan untuk menyelesaikan masalah ini didasarkan pada konsep

fuzzy decision. Dasar teori mengenai algoritma genetik diambil dari buku Chong

dan Zak (2008), Masatoshi Sakawa (2002), Mitsuo Gen dan Runwei Cheng (1997),

Mitsuo Gen dan Runwei Cheng (2000), serta David E. Goldberg (1989). Dasar teori

mengenai fuzzy decision diambil dari buku Masatoshi Sakawa (1993).

1.5. Metode Penelitian

Pada tesis ini dibahas mengenasi penyelesaian masalah penjadwalan pem-

bangkit listrik sistem thermal, hydropower, dan angin sebagai masalah optimisasi

yang selanjutnya melibatkan transformasi fungsi objektif dan kendala-kendala ke

dalam fungsi keanggotaan dari himpunan fuzzy, sehingga menjadi masalah opti-

misasi fuzzy, yang selanjutnya diselesaikan menggunakan algoritma genetik dengan

konsep fuzzy decision. Metode penelitian yang digunakan dalam penulisan tesis ini

adalah studi literatur dan penelitian ini dibagi dalam empat tahap.

Tahap pertama adalah penyusunan rumusan model optimisasi untuk masalah

penjadwalan pembangkit listrik. Tahap ini diawali dengan mengumpulkan infor-

masi mengenai pembangkitan listrik, yang meliputi tipe-tipe pembangkit listrik sis-

tem thermal, hydropower, dan angin, teknologi yang digunakan pada ketiga tipe

pembangkit listrik tersebut, bahan bakar dan sumber energi pada pembangkit listrik

sistem thermal, hydropower, dan angin, kelebihan dan kekurangan dari ketiga tipe

pembangkit listrik tersebut, dampak emisi CO2 dalam gas buangan dari pembangk-

itan listrik, keseimbangan energi listrik, serta biaya bahan bakar dalam pembangki-

8

tan listrik. Informasi yang diperoleh digunakan dalam melalukan identifikasi masal-

ah lalu menyusun formulasi model. Dalam menyusun rumusan model, dipelajari

beberapa konsep-konsep mendasar dalam program non-linear.

Setelah formulasi model terbentuk, tahap kedua adalah transformasi mod-

el optimisasi masalah penjadwalan pembangkit listrik menjadi model optimisasi

fuzzy. Transformasi ini dilakukan dengan menyusun beberapa fungsi keanggotaan

yang merepresentasikan fungsi objektif beserta beberapa kendala. Dalam menyusun

model optimisasi fuzzy masalah penjadwalan pembangkit listrik, perlu beberapa

konsep-konsep mendasar mengenai teori himpunan fuzzy, yang mencakup him-

punan, fungsi keanggotaan, operasi-operasi pada himpunan fuzzy, serta program

non-linear fuzzy.

Tahap ketiga adalah menyusun algoritma genetik untuk menyelesaikan mod-

el optimisasi fuzzy masalah penjadwalan pembangkit listrik yang telah disusun. Al-

goritma genetik disusun berdasarkan konsep fuzzy decision. Penyusunan algorti-

ma genetik meliputi ditentukannya representasi genetik atau pemilihan pengkodean

kromosom, banyaknya individu dalam satu populasi, panjang kromosom, banyaknya

generasi, serta probabilitas perkawinan silang dan mutasi, formulasi fungsi evalu-

asi, pemilihan metode reproduksi, pemilihan metode perkawinan silang dan mu-

tasi, serta ditentukannya kriteria berhenti. Oleh karena itu, dilakukan pembelajaran

mengenai konsep dasar algoritma genetik yang mencakup seluruh informasi yang

dibutuhkan dalam penyusunan algortima genetik beserta konsep mengenai fuzzy de-

cision.

Tahap keempat adalah melakukan pengujian terhadap model yang telah dis-

usun dengan algoritma genetik. Model yang telah disusun diujikan dalam masalah

penjadwalan pembangkit listrik jangka pendek dan jangka menengah. Proses di-

akhiri dengan pengujian simulasi untuk menguji performa dan stabilitas algoritma

genetik yang telah disusun dalam pencarian pendekatan solusi optimal.

9

1.6. Sistematika Penulisan

Pada penulisan Tesis I ini, penulis menggunakan sistematika sebagai berikut.

BAB I PENDAHULUAN

Bab ini menjelaskan tentang latar belakang, perumusan masalah tujuan dan

manfaat penulisan, tinjauan pustaka, metode penelitian, serta sistematika penu-

lisan.

BAB II DASAR TEORI

Bab ini memuat penjelasan mengenai perkembangan pembangkitan listrik,

emisiCO2 dalam gas buangan akibat pembangkitan listrik, pembangkit listrik

sistem energi pembakaran batu bara, pembangkit listrik sistem mesin disel,

pembangkit listrik sistem energi air, pembangkit listrik sistem energi angin,

keseimbangan energi listrik, penjadwalan pembangkitan listrik, program non-

linear single objektif, himpunan fuzzy, operasi pada himpunan fuzzy, keputu-

san fuzzy, program non-linear fuzzy single objektif, algoritma heuristik, serta

penjelasan mengenai algoritma genetik.

BAB III PEMODELAN MASALAH PEJADWALAN PEMBANGKIT LISTRIK

SISTEM THERMAL, HYDROPOWER, DAN ANGIN

Dalam bab ini dibahas mengenai proses pemodelan masalah penjadwalan

pembangkit listrik sistem thermal, sistem hydropower, dan sistem energi an-

gin, yang dimulai dari identifikasi masalah, penyusunan model optimisasi,

dan penyusunan model optimisasi fuzzy. Bab ini juga berisi penyusunan algo-

ritma genetik untuk menyelesaikan masalah penjadwalan pembangkit listrik

sistem thermal, sistem hydropower, dan angin.

BAB IV PENGUJIAN MODEL PEJADWALAN PEMBANGKIT LISTRIK SIS-

TEM THERMAL, HYDROPOWER, DAN ANGIN

Bab ini membahas proses pengujian model optimisasi penjadwalan pembangk-

it listrik sistem thermal, sistem hydropower, dan angin yan telah disusun

10

menggunakan algoritma genetik, yang meliputi pengujian model penjadwalan

jangka pendek dan jangka menengah.

BAB IV PENUTUP

Bab ini berisi kesimpulan-kesimpulan yang memuat rangkuman hasil peneli-

tian dan saran bagi penelitian selanjutnya.