optimisasi konfigurasi jaringan distribusi dengan integrasi

LAPORAN

PENELITIAN DISERTASI DOKTOR

Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi

Pembangkit Tersebar Energi Terbarukan

Berbasis Algoritma Cerdas Clonal Selection Immune System

Oleh:

Dr. Ramadoni Syahputra, ST., MT.

(NIDN: 0510107403, Prodi Teknik Elektro)

Dibiayai oleh:

Direktorat Jenderal Pendidikan Tinggi, Kementerian Pendidikan dan Kebudayaan, sesuai dengan Surat Perjanjian Pelaksanaan Penugasan Penelitian Hibah Bersaing

Nomor: 007/HB-LIT/III/2015, tanggal 25 Maret 2015

UNIVERSITAS MUHAMMADIYAH YOGYAKARTA

2015

ABSTRAK

Penelitian ini mempunyai tujuan jangka panjang yaitu meningkatkan performa

sistem distribusi tenaga listrik dengan terintegrasinya DG energi terbarukan tenaga angin

dan surya. Dalam penelitian ini dilakukan minimalisasi pengaruh tegangan lebih akibat

integrasi DG, menjaga stabilitas sistem distribusi saat terjadi perubahan cuaca, dan

rekonfigurasi jaringan guna menghasilkan sistem distribusi berefisiensi tinggi. Pada tahap

awal penelitian akan dilakukan rekonfigurasi jaringan distribusi standar IEEE model 77 bus

dengan integrasi DG menggunakan perangkat-lunak Matlab yang terhubung ke Power

System Simulator. Pemilihan standar IEEE ini dalam rangka menguji-coba metode dan

memantapkan strategi yang akan diterapkan pada data sistem distribusi real. Selanjutnya

akan dilakukan optimisasi konfigurasi dengan data jaringan distribusi IEEE model 86 bus

yang terintegrasi DG energi terbarukan angin dan surya. Pemilihan sistem jaringan

distribusi IEEE model 86 bus yang terintegrasi DG energi terbarukan angin dan surya ini

karena dianggap representative dengan kondisi di Indonesia.

Kata-kata kunci: Rekonfigurasi jaringan distribusi, optimisasi, energi terbarukan,

artificial immune system.

ii

KATA PENGANTAR

Bismillaahirrahmaanirrahiim.

Syukur alhamdulillah penulis panjatkan ke hadirat ALLAH SWT atas segala

rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Laporan Akhir

Penelitian berjudul “Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi

Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas Clonal Selection

Immune System”. Kegiatan ini merupakan skema Penelitian Disertasi Doktor dengan

sumber dana berasal dari DITLITABMAS DIKTI KEMENDIKBUD RI untuk tahun

pendanaan 2015.

Kegiatan ini tidak lepas dari beberapa pihak yang telah banyak membantu.

Oleh karena itu bersama ini penulis menyampaikan terima kasih yang sedalam-

dalamnya kepada:

1. Direktur Penelitian dan Pengabdian kepada Masyarakat DIKTI KEMENDIKBUD

RI, yang telah memberikan dukungan dana penelitian, sangat besar manfaatnya

sehingga penulis dapat menyelesaikan Program Doktor Teknik Elektro di ITS pada

tanggal 12 Juni 2015,

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 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, Desember 2015

Penulis

iii

DAFTAR ISI

HALAMAN PENGESAHAN …………………………………… i

DAFTAR ISI …………………………………… ii

RINGKASAN …………………………………… iii

BAB 1. PENDAHULUAN …………………………………… 1

BAB 2. TINJAUAN PUSTAKA …………………………………… 7

BAB 3. TUJUAN DAN MANFAAT PENELITIAN …………………………………… 12

BAB 4. METODE PENELITIAN …………………………………… 13

BAB 5. HASIL YANG DICAPAI …………………………………… 16

BAB 6. RENCANA TAHAPAN BERIKUTNYA …………………………………… 28

BAB 7. KESIMPULAN DAN SARAN …………………………………… 29

DAFTAR PUSTAKA …………………………………… 30

LAMPIRAN

iv

BAB I

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).

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). Cara pemasangan kapasitor pada jaringan

dan penyeimbangan beban biasanya mengalami kesulitan karena beban sistem

distribusi yang sangat dinamis. Dengan demikian nilai kapasitansi kapasitor harus

selalu berubah dari waktu ke waktu, dan beban harus selalu diseimbangkan.

Sedangkan cara meminimalkan rugi-rugi dengan meningkatkan aras tegangan

listrik memerlukan biaya yang besar karena seluruh peralatan yang terhubung dengan

sistem ini harus mampu bekerja pada tegangan yang baru, sementara hasilnya belum

tentu memuaskan. Oleh karenanya, dalam rencana penelitian ini hanya difokuskan pada

cara rekonfigurasi jaringan distribusi yang optimal guna meminimalkan rugi-rugi daya

dalam rangka meningkatkan efisiensi sistem distribusi daya listrik. Selain untuk

menurunkan rugi-rugi daya listrik, rekonfigurasi jaringan distribusi juga bermanfaat

untuk menyeimbangkan beban masing-masing penyulang (feeder), memperbaiki

tegangan sistem, dan mengisolasi gangguan yang terjadi pada salah satu bus pada

jaringan distribusi. Dengan demikian, rekonfigurasi jaringan distribusi merupakan

aspek penting dalam upaya meningkatkan efisiensi sistem distribusi. Guna

mendapatkan rekonfigurasi jaringan yang optimal, dalam penelitian ini digunakan

algoritma cerdas berbasis logika fuzzy dan Particle Swarm Optimization (PSO)

termodifikasi.

Tujuan khusus penelitian ini adalah:

1. Melakukan kajian aliran daya dan tegangan beban pada sistem distribusi daya

listrik, dengan studi kasus pada sistem distribusi standar IEEE 14 bus, 33 bus,

69 bus, 70 bus, dan 86 bus.

2. Melakukan rekonfigurasi jaringan distribusi yang optimal menggunakan

algoritma cerdas berbasis logika fuzzy dan particle swarm optimization (PSO)

termodifikasi untuk meminimalkan rugi-rugi (losses) daya listrik, deviasi

tegangan beban, operasi tie switch, indeks arus cabang, dan menjaga

keseimbangan beban jaringan distribusi, sehingga efisiensi sistem distribusi

daya listrik akan meningkat.

3. Menguji unjukkerja metode yang diusulkan dengan cara membandingkan hasil

rekonfigurasi jaringan yang diperoleh dengan hasil metode-metode lain

misalnya algoritma genetik, simulated annealing, dan metode konvensional.

4. Berdasarkan hasil penelitian, akan memberikan rekomendasi kepada perusahaan

pengelola jaringan distribusi daya listrik (PLN) berupa penerapan metode yang

diusulkan guna meminimalkan rugi-rugi (losses) daya listrik, deviasi tegangan

beban, operasi tie switch, indeks arus cabang, dan menjaga keseimbangan beban

jaringan distribusi.

BAB II

TINJAUAN PUSTAKA

Usaha meminimalkan rugi-rugi daya 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 (Abdelaziz dkk, 2009). Dalam sistem distribusi primer

terdapat dua jenis switch yang dirancang untuk tujuan proteksi dan manajemen

konfigurasi (Rao dan Sivanagaraju, 2010). Kedua jenis switch tersebut adalah switch

yang dalam keadaan normal tertutup (sectionalizing switches) dan switch yang dalam

keadaan normal terbuka (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, 2009). Sarfi dkk (1996) menggunakan algoritma berbasis teori

penyekatan (partitioning theory) dalam rekonfigurasi jaringan distribusi. Walaupun

minimisasi rugi-rugi relatif berhasil, 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, 2009). 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 (2000). Metode

ini terdiri dari dua skema paralel yaitu dekomposisi tetangga dengan prosesor paralel

untuk menunkan beban komputasi. Selanjutnya Chung dkk (2004) menggunakan

algoritma tabu search untuk menyelesaikan masalah rekonfigurasi jaringan dalam

sistem distribusi dalam rangka mengurangi rugi-rugi resistif saluran. Dalam metode ini

dilakukan pengecekan keradialan sistem distribusi berbasis simpul jaringan yang

dikembangkan guna menyelesaikan masalah yang berkaitan dengan perencanaan

pemulihan sistem. Jeon dan Kim (2004) 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 (2005) memperkenalkan penggunaan algoritma

pencarian ant colony untuk menyelesaikan masalah rekonfigurasi jaringan yang optimal

guna menurunkan rugi-rugi daya distribusi. Metode ini tergolong baru dan metode

evolusi yang sangat cerdas dalam menyelesaikan masalah optimisasi. Pendekatan

dalam metode ini berbasis populasi yang menggunakan penjelajahan umpan-balik

positif. Dengan menerapkan metode ini, solusi optimal untuk rekonfigurasi jaringan

distribusi dapat dicapai dengan lebih efektif. Dibandingkan dengan metode genetic

algorithm dan simulated annealing, secara numerik metode ant colony memberikan

hasil yang lebih baik terutama dalam menghasilkan rugi-rugi daya rerata jaringan

distribusi.

Rekonfigurasi Jaringan Distribusi

Otomasi distribusi merupakan salah satu isu penting dalam sistem tenaga listrik.

Otomasi sistem distribusi berguna untuk meningkatkan keandalan, efisiensi, dan

kualitas layanan. Perkembangan pesat dalam teknologi komputer dan telekomunikasi

telah mendorong aplikasinya dalam pengendalian sistem tenaga listrik, khususnya

otomasi sistem distribusi. Operasi sistem distribusi dapat dimonitor dan dikendalikan

dari jarak jauh pada pusat operasi. Salah satu keuntungan dari otomasi sistem distribusi

adalah kemudahan dalam melakukan rekonfigurasi jaringan guna meningkatkan

unjukkerja sistem distribusi.

Dalam suatu sistem distribusi, setiap penyulang melayani beban yang terdiri

dari jenis beban residensial, industrial, dan komersial. Jenis-jenis beban tersebut

mempunyai pola beban harian yang bervariasi sehingga beban puncak setiap penyulang

dapat terjadi pada waktu yang berbeda. Dalam kondisi operasi normal, sebagian beban

distribusi dapat dipindahkan dari beban yang tinggi ke beban yang relatif rendah

melalui rekonfigurasi jaringan.

Penyulang distribusi terdiri dari sejumlah switch yang dalam keadaan

normalnya tertutup (sectionalized switches) dan switch yang dalam keadaan normalnya

terbuka (tie switches). Rekonfigurasi jaringan distribusi merupakan proses pengubahan

struktur topologi jaringan distribusi dengan membuka atau menutup sectionalized

switches dan tie switch. Pada saat perubahan kondisi operasi, rekonfigurasi jaringan

dilakukan dengan membuka atau menutup switch-switch jaringan sesuai dengan

kapasitas transformator, kapasitas termal penyulang, jatuh tegangan, dan kondisi

jaringan. Tujuan rekonfigurasi jaringan distribusi di antaranya: menurunkan rugi-rugi

daya, menyeimbangkan beban, mengurangi deviasi tegangan, dan memulihkan sistem.

Rekonfigurasi jaringan distribusi mencakup permasalahan optimisasi yang kompleks.

Hal ini disebabkan adanya batasan-batasan pada saat menemukan solusi optimal atau

solusi yang mendekati optimal dari permasalah yang ditangani.

Gambar 2.1. Sistem distribusi 16 simpul (Abdelaziz dkk, 2009).

Multi-Objektif Fuzzy

Dalam domain fuzzy, fungsi objektif diasosiasikan dengan suatu fungsi

keanggotaan (Das, 2006). Fungsi keanggotaan mengindikasikan derajat pemenuhan

fungsi objektif. Dalam usulan penelitian ini digunakan tiga fungsi keanggotaan yaitu

fungsi keanggotaan untuk reduksi rugi daya nyata, fungsi keanggotaan untuk deviasi

tegangan simpul, dan fungsi keanggotaan untuk penyeimbangan beban penyulang.

II.2.2.1 Fungsi Keanggotaan untuk Reduksi Rugi Daya Nyata

Mula-mula didefinisikan variable optimisasi xi sebagai berikut:

1

4

5

7 6

9

11

3 2

8

10

12

13

14

15 16

Penyulang 1 Penyulang 2 Penyulang 3

0

)(

loss

loss

iP

iPx , untuk i = 1, 2, …, Nk. (1)

dengan, Ploss(i) adalah rugi daya nyata total saat rekonfigurasi jaringan,

P0

loss adalah rugi daya nyata sebelum rekonfigurasi jaringan.

Gambar 2. Fungsi keanggotaan untuk reduksi rugi daya nyata.

Berdasarkan persamaan (1) terlihat bahwa jika xi tinggi maka reduksi rugi

dayanya rendah, sebaliknya jika xi rendah maka reduksi rugi dayanya tinggi. Fungsi

keanggotaan untuk reduksi rugi daya nyata ditunjukkan dalam Gambar 2. Berdasarkan

Gambar 1, dapat dituliskan persamaan:

max

min

maxmin

minmax

max

,0

,1

,)(

)(

xxuntuk

xxuntuk

xxxuntukxx

xx

L

i

i

i

i

i (2)

II.2.2.2 Fungsi Keanggotaan untuk Deviasi Tegangan Simpul

1,0

0

µLi

xmin xmax

xi

Tujuan utama fungsi keanggotaan untuk deviasi tegangan simpul jaringan

distribusi adalah bahwa deviasi tegangan simpul harus serendah mungkin. Variable

optimisasinya didefinisikan sebagai berikut:

yi = max|Vs – Vi,j|, untuk i = 1, 2, …, Nk; j = 1, 2, …, Ns. (3)

Jika nilai maksimum deviasi tegangan simpul adalah rendah maka fungsi

keanggotaan yang lebih tinggi yang diambil, sebaliknya jika nilai maksimum deviasi

tegangan simpul adalah tinggi, maka fungsi keanggotaan yang lebih rendah yang

diambil.

Gambar 3. Fungsi keanggotaan untuk deviasi tegangan simpul.

II.2.2.3 Fungsi Keanggotaan untuk Penyeimbangan Beban Penyulang.

Penyeimbangan beban penyulang distribusi merupakan salah satu tujuan pokok

dalam rekonfigurasi jaringan distribusi. Strategi yang efektif untuk meningkatkan

margin pembebanan pada penyulang yang terbebani sangat berat adalah dengan

mentransfer sebagian beban yang dipikul oleh penyulang tersebut.

avg

i

avg

iji

jiIF

IFIFF

)( ,

,

, untuk i = 1, 2, …, Nk; i = 1, 2, …, Ns. (4)

1,0

0

µVi

ymin ymax

yi

BAB III

METODE PENELITIAN

Penelitian yang akan dilaksanakan adalah peningkatan efisiensi sistem distribusi

daya listrik berbasis algoritma cerdas fuzzy-PSO termodifikasi. Alat yang digunakan

dalam penelitian ini terdiri dari perangkat-keras dan perangkat-lunak, di antaranya:

1. Perangkat-keras (hardware)

Perangkat-keras yang digunakan adalah satu unit notebook Toshiba Satellite M200

dengan spesifikasi memori 1 GB dan processor Intel Centrino Core2 Duo 1.8 GHz.

2. Perangkat-lunak (software)

a. Metode hibrid berbasis logika fuzzy dan PSO termodifikasi.

b. Matlab-Simulink untuk mengimplementasikan rancangan sistem distribusi

sesuai standar IEEE dan optimisasi multiobjektif dalam rekonfigurasi jaringan

distribusi menggunakan algoritma cerdas berbasis logika fuzzy dan PSO

termodifikasi guna meningkatkan efisiensi sistem distribusi.

Jalan Penelitian

Langkah-langkah penelitian tahun ketiga ini dirangkum dalam suatu diagram

alir seperti terlihat pada Gambar 3.1.

Gambar 3.1. Diagram alir langkah-langkah penelitian

Studi Pustaka

Mulai

Validasi rancangan sistem distribusi dan uji aliran daya

Merancang metode fuzzy multiobjektif

Merancang sistem distribusi daya listrik sesuai standar IEEE 77 bus dan

APJ Yogyakarta dalam Matlab-Simulink

Menguji metode fuzzy multiobjektif

Analisis hasil optimisasi fuzzy-PSO termodifikasi

Analisis Efisiensi dan Kesimpulan

Selesai

Optimisasi fungsi keanggotaan fuzzy multiobjektif menggunakan PSO

Menerapkan metode hibrid berbasis logika fuzzy dan PSO termodifikasi

untuk optimisasi konfigurasi jaringan distribusi

Membandingkan hasil optimisasi fuzzy-PSO termodifikasi dengan metode lain

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

Dalam penelitian ini dilakukan ujicoba terhadap sistem distribusi radial 20-kV

yang mempunyai dua gardu induk, empat penyulang, 77 bus cabang seperti ditunjukkan

pad Gambar 4.1.

Gambar 4.1. Sistem distribusi radial 20-kV, 77 bus.

Sebelum dilakukan rekonfigurasi jaringan distribusi sebagaimana terlihat pada

Gambar 4.1, rugi-rugi daya aktif total jaringan tersebut adalah 229.64 kW. Dalam

kondisi awal sistem ini, efisiensi jaringan distribusi adalah sebesar 93.25 %. magnitudo

tegangan minimum yang terjadi pada bus 67 adalah sebesar 0.900 p.u., sebagaimana

terlihat pada Gambar 4.2.

Tabel 4.1. Instalasi dan kapasitas DG

Bus Kapasitas

(kW) Power Factor

5 150 0.8

7 100 0.9

14 100 0.9

22 100 1

28 150 0.9

34 50 0.8

36 100 0.9

41 150 0.8

46 100 0.9

54 200 0.9

59 100 1

68 200 0.9

70 50 0.8

74 100 0.9

Gambar 4.2. Profil tegangan tanpa DG sebelum rekonfigurasi.

Dalam penelitian ini, dimodelkan adanya pemasangan tujuh pembangkitan

tersebar (distributed generations, DG) pada bus-bus 3, 6, 24, 29, 38, 52, dan bus 64,

sebagaimana terlihat pada TABLE 4.1. Berdasarkan hasil penelitian untuk studi kasusu

ini, maka dapat dilihat dari sistem uji kasus 77 bus bahwa DG memberikan pengaruh

dalam pengurangan rugi-rugi daya listrik pada jaringan distribusi. Rugi-rugi daya aktif

jaringan distribusi dengan pemasangan DG adalah 179.87 kW, atau, efisiensi jaringan

distribusi adalah sebesar 94.63 %, sebagaimana terlihat pada TABLE 4.2. magnitudo

tegangan minimum terjadi pada bus 67 yaitu sebesar 0.913, sebagaimana terlihat pada

Gambar 4.3.

number of nodes

Vo

ltag

e m

agnit

ud

e in

p.u

.

0 10 20 30 40 50 60 700.88

0.9

0.92

0.94

0.96

0.98

1

Gambar 4.3. Profil tegangan dengan DG sebelum rekonfigurasi.

Setelah dilakukan rekonfigurasi, rugi-rugi daya aktif total adalah sebesar 165.07

kW, atau dengan kata lain, efisiensi jaringan distribusi adalah sebesar 95.05 %,

sebagaimana ditunjukkan pada Tabel 4.2. magnitudo tegangan minimum terjadi pada

bus 15 yaitu sebesar 0.937 p.u. pada Gambar 4.4. ditunjukkan profil tegangan untuk

masing-masing bus jaringan distribusi dengan integrasi DG setelah dilakukan

rekonfigurasi jaringan.

Pada Gambar 4.5 ditunjukkan distribusi rugi-rugi daya untuk setiap bus sebelum

rekonfigurasi jaringan, sedangkan Gambar 4.6 menunjukkan distribusi rugi-rugi daya

untuk setiap bus sesudah rekonfigurasi jaringan. Berdasarkan Gambag 4.5 dan Gambar

4.6 dapat diobservasi bahwa rugi-rugi daya listrik hampir setiap bus mengalami

penurunan kecuali pada bus-bus 4, 6, 7, 11, 16, 18, 19, dan bus 20, dimana rugi-rugi

dayanya mengalami sedikit peningkatan karena pembagian beban ke dalam penyulang-

pengulangnya.

Vo

ltag

e m

agnit

ud

e in

p.u

.

number of nodes 0 10 20 30 40 50 60 70

0.91

0.92

0.93

0.94

0.95

0.96

0.97

0.98

0.99

1

Gambar 4.4. Profil tegangan dengan DG setelah rekonfigurasi.

Tabel 4.2. Hasil Simulasi Jaringan Distribusi 70 Bus

Uji Kasus

Parameter Analisis

Active Power

Loss (kW)

Efficiency of

Distribution

Network (%)

Minimum

Voltage (p.u.)

Jaringan distribusi

tanpa DG sebelum

rekonfigurasi

229.64 93.25 0.891 (V17)

Jaringan distribusi

dengan DG

sebelum

rekonfigurasi

179.87 94.63 0.902 (V17)

Jaringan distribusi

dengan DG setelah

rekonfigurasi

165.07 95.05 0.918 (V45)

Vo

ltag

e m

agnit

ud

e in

p.u

.

number of nodes

0 10 20 30 40 50 60 700.93

0.94

0.95

0.96

0.97

0.98

0.99

1

Berdasarkan hasil studi kasus dalam penelitian ini, maka dapat diperhatikan

bahwa dari uji kasus sistem distribusi radial 70 bus bahwa DG memberikan pengaruh

positif dalam penurunan rugi-rugi daya listrik pada jaringan, dan struktur topologi

jaringan optimum tanpa pembangkitan tersebar (DG) berbeda dengan struktur topologi

jaringan optimum dengan DG.

Gambar 4.5. Distribusi rugi-rugi daya sebelum rekonfigurasi.

Gambar 4.6. Distribusi rugi-rugi daya setelah rekonfigurasi.

18

BAB V

KESIMPULAN

Penggunaan algoritma cerdas fuzzy dalam rekonfigurasi jaringan distribusi daya

listrik yang optimal telah memberikan hasil yang cukup memuaskan. Hasil simulasi

untuk jaringan distribusi standar IEEE 77 bus diperoleh bahwa efisiensi jaringan

distribusi mengalami peningkatan dari 93.25 % (sebelum rekonfigurasi, tanpa

pemasangan DG) menjadi 95.05 % (setelah rekonfigurasi, dengan pemasangan DG).

Berdasarkan uji kasus sistem distribusi radial 77 bus dengan integrasi DG, metode

fuzzy multiobjective yang digunakan dalam penelitian ini memberikan hasil yang

signifikan dalam upaya pengurangan rugi-rugi daya listrik, sehingga dengan demikian

memberikan kontribusi penting dalam peningkatan efisiensi sistem distribusi daya

listrik.

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.

Syahputra, R., Robandi, I., Ashari, M. (2015). Reconfiguration of Distribution Network

with DER Integration Using PSO Algorithm. TELKOMNIKA, 13(3). pp. 759-

766.

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.

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. 582-

593.

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.

Das, D., 2006, “A Fuzzy Multi-Objective Approach for Network Reconfiguration of

Distribution Systems,” IEEE Trans on Power Delivery, Vol.21, No.1, pp. 202–

209.

Das, D., 2006, “Reconfiguration of distribution system using fuzzy multi-objective

approach”, ELSEVIER: Electrical Power and Energy Systems, Vol. 28, pp. 331–

338.

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.

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.

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.

Ibrahim, H.D., 2004, “Pengurangan Susut Energi untuk Peningkatan Efisiensi

Penggunaan Energi Listrik pada Sistem Distribusi”, Seminar Losses Energi 2004,

hal. A1-A3.

Jeon, Y. J., and J.C. Kim, 2004, “Application of Simulated Annealing and Tabu Search

for Loss Minimization in Distr Systems,” Elec Pw & Energy Sys, Vol. 26, No.1,

pp.9-18.

Kusdiana, D, 2008, “Kondisi Riil Kebutuhan Energi di Indonesia dan Sumber-Sumber

Energi Alternatif Terbarukan”, Seminar Renewable Energy, Ditjen LPE, Dep

ESDM, Bogor.

Li, K.K., T.S. Chung, and G.Q. Tang, 2004, “A Tabu Search to Distribution Network

Reconfiguration,” Electric Power Components & Systems, Vol.32, No.6, pp.571-

585.

Martins, V.F., and C.L. Borges, 2011, “Active Network Integrated Planning

Incorporating DG and Load Response”, IEEE Trans On Power Systems, Vol. 26,

No.4, 2164-2172.

Niknam, T., R. Khorshidi, and B.B. Firouzi, 2010, “A Hybrid Evolutionary Algorithm

for Distrib. Feeder Reconfiguration”, Indian Academy of Sciences, Vol.35, No.2,

139-162.

Pilo, F., G. Pisano, and G.G. Soma, 2011, “Optimal Coordination of Energy Resources

with A Two-Stage Active Management”, IEEE Trans on IE, Vol. 58, No.10,

4526-37.

Rao, P.V.V.R., and S. Sivanagaraju, 2010, “Network Reconfiguration for Loss

Reduction and Load Balancing using Plant Growth Simulation Algorithm”,

IJEEI, Vol.2, No. 4.

Rao, R.S., M.R. Raju, and A.S. Rao, 2011, “Optimal Reconfiguration of Distribution

System Using Harmony Search Algorithm”, IEEE Trans on PS, Vol.26,

No.3,1080-8.

Salazar, H., R. Gallego, and R. Romero, 2006, “Neural Networks-Clustering

Techniques in Distribution Reconfiguration”, IEEE Trans on PWRD, Vol.21,

No.3, pp.1735-1742.

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.T., C.F. Chang, and J.P. Chiou, 2005, “Distribution Reconfiguration by Ant

Colony Search Algorithm,” Electric Power Syst Research ELSEVIER, Vol.75(2-

3), 190–199.

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.786-

795.

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.

Syahputra, R., Robandi, I., Ashari, M. (2015). Reconfiguration of Distribution Network

with DER Integration Using PSO Algorithm. TELKOMNIKA, 13(3). pp. 759-

766.

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


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.

Jamal, A., Suripto, S., Syahputra, R. (2016). Performance Evaluation of Wind Turbine

with Doubly-Fed Induction Generator. International Journal of Applied


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., (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


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


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 Neuro-

Fuzzy 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.

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. (2016). Strategi Peningkatan Efisiensi Jaringan Distribusi dengan

Integrasi Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas.

KEMENRISTEKDIKTI.

Syahputra, R. (2016). Rekayasa dan Pengkondisian Energi Terbarukan, UMY.

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


Syahputra, R., Soesanti, I. (2016). Application of Green Energy for Batik Production

Process. Journal of Theoretical and Applied Information Technology (JATIT),

91(2), pp. 249-256.

LAMPIRAN

Lampiran 1. Berita Acara Promosi Doktor Teknik Elektro ITS

Lampiran 2. Berita Acara Rapat Terbuka Promosi Doktor Teknik Elektro

ITS

optimisasi konfigurasi jaringan distribusi dengan integrasi

Documents