paper opc

OPTIMISASI PENEMPATAN DAN UKURAN KAPASITOR BANK UNTUK MENGURANGI RUGI-RUGI DAYA MENGGUNAKAN METODE ALGORITMA GENETIKA

(STUDI KASUS INTERKONEKSI SUBSISTEM SUMBAGSEL 150 kV)

Oleh : Joni Irawan NPM : G1D006007 Pembimbing : Anizar Indriani, S.T., M.T Irnanda Priyadi, S.T., M.T

ABSTRAK

Permintaan suplai daya reaktif terus meningkat akibat penambahan beban bersifat induktif. Suatu jaringan apabila tidak memiliki sumber daya reaktif di daerah sekitar beban maka semua suplai daya reaktif dipikul oleh generator sehingga mengalir arus reaktif yang berakibat: faktor daya menurun dan rugi-rugi daya besar. Untuk mengatasi masalah tersebut diperlukan kompensasi daya reaktif dengan pemasangan kapasitor bank pada jaringan. Pemasangan kapasitor tidak bisa dilakukan secara sembarangan karena berpengaruh pada beberapa aspek seperti kontrol sistem, biaya dan batas tegangan sehingga diperlukan perhitungan yang tepat. Optimisasi penempatan dan ukuran kapasitor bank menggunakan metode algoritma genetika. Studi yang diterapkan pada data pembanding Jawa Bali 500 kV hasil penelitian sebelumnya menggunakan metode algoritma Artificial Bee Colony (ABC) menghasilkan penurunan rugi-rugi daya aktif dan reaktif sebesar 14,04 % dan 17,41 %, hasil ini tidak jauh berbeda dengan hasil optimisasi menggunakan metode algoritma genetika sebesar 13,68 % dan 16,96 %. Pada interkoneksi subsistem Sumbagsel 150 kV rugi-rugi daya berkurang dari 25,315+j9,303 MVA menjadi 23,549+j0,773 MVA dan semua profil tegangan berada pada batas ± 5% dari tegangan referensi.

Kata kunci: Optimisasi, kapasitor bank, algoritma genetika, rugi-rugi daya

1. PENDAHULUAN

Beberapa tahun ini, operasi sistem tenaga

listrik modern sedang menghadapi banyak tantangan

berkaitan dengan permintaan suplai daya reaktif yang

terus meningkat akibat meningkatnya beban yang

bersifat induktif pada jaringan. Suatu jaringan apabila

tidak memiliki sumber daya reaktif di daerah sekitar

beban maka semua kebutuhan beban reaktif dipikul

oleh generator, sehingga akan mengalir arus reaktif

pada jaringan yang akan berakibat: faktor daya

menurun, rugi-rugi daya besar, dan jatuh tegangan

pada ujung saluran meningkat serta terjadi pemanasan

pada kawat penghantar sehingga umur peralatan

menjadi lebih pendek. Hal ini akan menimbulkan

kerugian bagi perusahaan pengelola kelistrikan

terutama pihak PT. PLN Persero maupun konsumen.

Untuk mengurangi rugi-rugi daya dan

memperbaiki profil tegangan agar selalu berada pada

batas-batas yang diizinkan diperlukan kompensasi

daya reaktif. Kompensasi yang digunakan adalah

dengan penempatan kapasitor bank. Pemasangan

kapasitor tidak bisa dilakukan secara sembarangan

karena berpengaruh pada beberapa aspek seperti

kontrol sistem, biaya dan batas tegangan sehingga

diperlukan perhitungan yang tepat. Untuk menentukan

letak dan ukuran kapasitor bank yang optimal

menggunakan metode algoritma genetika. Metode

algoritma genetika merupakan salah satu algoritma

komputasi untuk masalah optimisasi yang terinspirasi

oleh teori evolusi yang kemudian diadopsi menjadi

algoritma komputasi untuk mencari solusi suatu

permasalahan. Metode ini termasuk kedalam metode

kecerdasan buatan (artificial intellegent). Keunggulan

metode ini dapat mencari solusi yang terbaik dari

suatu permasalahan kompleks tanpa harus

menggunakan metode konvensional. Metode ini

mengoptimisasi fungsi-fungsi obyektif secara akurat.

Kelemahan metode ini memerlukan waktu simulasi

sedikit lama dan beberapa kali pengujian untuk

mencapai konvergen. Terdapat beberapa metode

optimisasi kecerdasan buatan lain seperti algoritma

Artificial Bee Colony (ABC), Particle Swarm

Optimization (PS0) dan algoritma Ant Colony System

(ACS). Metode ABC telah diterapkan dalam sistem

jaringan listrik Jawa Bali 500 kV oleh Danang

Sulistyo mahasiswa Institut Teknologi Surabaya (ITS)

dalam skripsinya yang berjudul “Penentuan Letak dan

Kapasitas Bank Kapasitor Secara Optimal

Menggunakan Bee Colony Algorithm”.

Hasil optimisasi metode algoritma genetika

akan dibandingkan dengan hasil optimisasi metode

ABC di sistem transmisi Jawa Bali 500 kV dan akan

diuji cobakan pada interkoneksi subsistem Sumatera

150 kV. Sistem interkoneksi Sumatera terdiri dari tiga

subsistem yaitu Sumbagut (SBU), Sumbagteng

(SBT), dan Sumbagsel (SBS). Masing-masing

subsistem terdiri dari beberapa Unit Pelaksana Teknis

(UPT). Implementasi metode ini diterapkan pada

interkoneksi subsistem Sumbagsel 150 kV yang

terdiri dari UPT Bengkulu, UPT Sumatera Selatan dan

UPT Tanjung Karang. Penelitian ini dilakukan karena

penelitian sebelumnya menggunakan sistem transmisi

Jawa Bali bertegangan 500 kV sedangkan sistem

Sumatera menggunakan tegangan 150 kV serta masih

adanya profil tegangan beberapa bus yang belum

sesuai dengan batasan yang diizinkan.

2. KOMPENSASI DAYA REAKTIF

Untuk operasi yang efisien dan diandalkan

pada sistem tenaga, kontrol tegangan dan daya reaktif

harus mencapai beberapa sasaran berikut [7] :

a. Tegangan terminal semua peralatan dalam

sistem berada pada batas yang dapat diterima.

Kegunaan peralatan konsumen didesain untuk

beroperasi pada tingkat tegangan tertentu.

Operasi yang lebih lama dari peralatan pada

tegangan di luar tegangan yang diizinkan

dapat memberikan efek yang kurang baik pada

performansi alat dan dapat menyebabkan

kerusakan pada peralatan.

b. Kestabilan sistem ditingkatkan untuk

memaksimalkan penggunaan sistem transmisi.

Tegangan dan kontrol daya reaktif memiliki

dampak yang penting pada kestabilan sistem.

c. Aliran daya reaktif diminimasi sedemikian

rupa untuk mengurangi rugi-rugi I2R dan I2X

sampai minimum. Hal itu untuk memastikan

sistem transmisi beroperasi secara efisien,

terutama untuk transfer daya aktif.

Untuk menjaga tegangan pada batasan yang

ditentukan sangat rumit dengan fakta bahwa suplai

daya sistem tenaga pada beban yang sangat banyak

dan daya itu diperoleh dari banyak unit pembangkit.

Dengan beban bervariasi, daya reaktif memerlukan

sistem transmisi yang bervariasi. Oleh karena daya

reaktif tidak dapat ditransmisikan pada jarak panjang,

kontrol tegangan dilakukan menggunakan alat khusus

yang dipasang pada sistem. Pemilihan yang tepat dan

koordinasi peralatan untuk mengontrol daya reaktif

dan tegangan merupakan tantangan besar pada teknik

sistem tenaga.

Berikut batasan yang harus diperhatikan :

• Tegangan harus berada pada batasan toleransi

yang diizinkan, yaitu :

VMin � Vi � VMaks untuk i=1,…..n standar

IEEE-519 (2)

Keterangan :

I = nomor bus

VMin = 0,95 pu

VMaxs = 1,05 pu

• Generator harus mensuplai daya reaktif

sebesar :

QMin � Qi � QMaks

untuk i=1,…..n (3)

Keterangan :

QMin = daya reaktif minimum (MVAr)

QMaks = daya reaktif maksimum (MVAr)

Kompensasi daya reaktif dapat dilakukan

dengan 3 cara yaitu :

a. Tegangan Bus Generator

Generator sinkron dapat membangkitkan atau

menyerap daya reaktif tergantung pada eksitasinya.

Generator mensuplai daya reaktif ketika overexcited

dan generator menyerap daya reaktif ketika

underexcited [7].

Kemampuan untuk terus menerus mensuplai

atau menyerap daya reaktif dibatasi oleh field current,

armature current, dan end region heating limit.

Generator sinkron dilengkapi oleh Automatic Voltage

Regulator (AVR) yang terus menyesuaikan eksitasi

dan juga mengontrol tegangan terminal agar tetap

konstan pada nilai yang ditentukan.

b. Tap Trafo

Trafo dengan fasilitas tap-changing

merupakan alat yang penting untuk mengontrol

tegangan dan daya reaktif pada level sistem transmisi.

Tap trafo ini menyediakan alat yang baik untuk

mengontrol profil tegangan, dan meminimalis rugi-

rugi daya aktif dan reaktif. Dengan mengubah tap

trafo kita dapat menaikkan rasio tap pengubah

tegangan sehingga output akan sesuai dengan

tegangan sistem yang diinginkan.

c. Kompensator VAr

Kompensator VAr yang ada sangat bervariasi,

seperti :

1. Kapasitor paralel, reaktor paralel, syncronous

condensor, dan Static Var Compensator

(SVCs).

2. Kompensator reaktansi kawat, seperti

kapasitor seri.

Penambahan kapasitor memungkinkan kita

memperbaiki faktor daya, dan perbaikan faktor daya

tersebut dapat mengurangi penurunan tegangan pada

sisi terima seperti yang terlihat pada Gambar 2.4. V R

menunjukkan tegangan pada sisi terima dan Vs adalah

tegangan pada sisi pengirim. Dengan penambahan

kapasitor shunt, kita juga dapat meningkatkan

kapasitas penyaluran daya kepada konsumen, seperti

yang terlihat pada Gambar. 1.

1θ

1θ

Gambar 1. Tegangan terima sebelum dan sesudah dipasang kapasitor paralel

Sumber : Imam Robandi (2006)

�� cos � sin � � � ��

(1)

�� cos � sin �� (2)

∆��

= ��

(3)

3. ALGORITMA GENETIKA

Algoritma genetika adalah algoritma pencarian

yang didasarkan pada mekanisme seleksi alamiah dan

genetika alamiah [10]. Pertama kali algoritma

genetika dirintis oleh Jhon Holland pada tahun 1960-

an dan dikembangkan oleh muridnya David Goldberg.

Algoritma genetika telah dipelajari, diteliti, dan

diaplikasikan. Dalam proses evolusi, individu secara

terus-menerus mengalami perubahan gen untuk

menyesuaikan dengan lingkungan hidupnya. “Hanya

individu-individu yang kuat yang mampu bertahan”.

Proses seleksi alamiah ini melibatkan perubahan gen

yang terjadi pada individu melalui proses

perkembangbiakan. Dalam algoritma genetika ini,

proses perkembang-biakan ini menjadi proses dasar

yang menjadi perhatian utama, dengan dasar berpikir:

“Bagaimana mendapatkan keturunan yang lebih

baik”.

Parameter yang digunakan dalam algoritma

genetika yaitu:

1. Jumlah gen

2. Jumlah kromosom

3. Pc (Kemungkinan kawin silang)

4. Pm (Kemungkinan mutasi)

5. Maksimum generasi

Operator yang digunakan dalam algoritma

genetika yaitu :

1. Pengkodean

2. Nilai fitness

3. Seleksi

4. Kawin silang

5. Mutasi

6. Elitisme

7. Regenerasi

Berikut ini adalah langkah-langkah dalam

menyelesaikan simulasi optimasi penempatan dan

ukuran kapasitor bank untuk mengurangi rugi-rugi

daya.

Langkah 1 : memasukkan data sistem jaringan

(pembangkitan, pembebanan,

karakteristik saluran).

Langkah 2 : memasukkan parameter algoritma

genetika (JumKrom, JumGen, Pc, Pm,

Pbreeder, dan MaxGenerasi).

Langkah 3 : inisialisasi awal populasi sebanyak

jumlah kromosom.

Langkah 4 : memasukkan penghitung awal generasi.

(proses fitness)

Langkah 5a : menjalankan aliran daya Newthon

Raphson setiap injeksi kromosom.

Langkah 5b : Jika rugi-rugi daya minimum sesuai

dengan yang kita tentukan dan

tegangan memenuhi batasan ± 5%,

print solusi aliran daya, rugi-rugi daya

dan injeksi MVAr. Jika tidak

melanjutkan ke langkah 5c.

Langkah 5c : Sebelumnya menetapkan batasan

maksimum nilai obyektif. Kemudian

menghitung fungsi fitness (2.52) setiap

kromosom. Set Nkr = Nkr+1.

Langkah 5d : jika Nkr =Nkrom menuju langkah 6, jika

tidak kembali ke langkah 5a.

(Pembuatan roulette)

Langkah 6a : menentukkan total fitness sebagai

jumlah dari semua nilai fitness setiap

kromosom. Menentukkan fitness relatif

kemudian menentukkan fitness

komulatif dengan mengeset k=k+1.

(Seleksi)

Langkah 7a : membangkitkan bilangan secara acak

dan melakukan pemilihan sampai

jumlah kromosom yang ditentukan.

Dengan mengeset Nkr induk =Nkr induk+1.

Langkah 7b : jika Ninduk=Nkrom akan menghasilkan

anak=induk dan menuju langkah 8, jika

tidak kembali ke langkah 7a.

(Proses kawin silang)

Langkah 8a : membangkitkan bilangan acak (Rand1)

sebanyak setengah jumlah kromosom

untuk menjodohkan masing-masing 2

kromosom induk.

Langkah 8b : jika (Rand1)<=Pc, maka menjodohkan

2 kromosom induk pada posisi kawin

silang (dengan batasan titik acak). Jika

tidak maka akan memindahkan posisi 2

kromosom langsung tanpa batasan

titik.

Langkah 8c : menghasilkan keluaran anak.

(Proses mutasi)


sebanyak jumlah kromosom

Langkah 9b : jika (Rand2)<=Pm, maka melakukan

mutasi gen pada posisi acak. Jika tidak

memindahkan kromosom tanpa mutasi.


(Elitisme)


sebanyak jumlah kromosom

Langkah 10b : jika (Rand3)<=Pbreeder, maka

melakukan pengkopian kromosom

terbaik hasil seleksi sebelumnya pada

kromosom hasil kawin silang dan

mutasi.


(Regenerasi)

Langkah 11 : menggantikan populasi lama dengan

populasi baru dimana populasi baru

merupakan anak hasil kawin silang dan

mutasi.

Langkah 12 : proses berlangsung sampai rentang

maksimum generasi. Jika mencapai

generasi maksimum program akan

berhenti namun belum mencapai solusi

yang diinginkan. Kembali

membangkitkan populasi awal.

Gambar 2. Fowchart Optimisasi Penempatan dan Ukuran Kapasitor Bank

Menggunakan Algoritma Genetika

Gambar 3. Single line diagram interkoneksi subsistem Sumbagsel 150 kV

Sumber: PT. PLN P3B Sumatera bidang operasi sistem (telah diolah kembali)

Gambar 4. Single line diagram sistem Jawa Bali 500 kV Sumber: Jurnal Fajar Galih Indarko

Tabel 1. Representasi algoritma genetika untuk optimisasi kapasitor

Algoritma

genetika

Optimisasi kapasitor pada

sistem transmisi

Kromosom Kandidat bus sebagai posisi kapasitor dan kandidat kapasitas kapasitor yang akan dipasang

Gen Jumlah kapasitor yang akan dipasang pada bus sistem transmisi

Fungsi obyektif F = min SLT (Rugi-rugi daya total)

Fitness 10000

�� !" #$%&'("�

Tabel 2. Data pembangkitan dan beban subsistem Sumbagsel 150 kV

No

Bus Nama Bus

Beban Pembangkitan

MW MVAr MW MVAr Qmin Qmax

1 Bukit Asam (Slack) 34,48 16,7 260 61,8532 -130 220 2 Gunung Megang 25,32 12,26 80 -0,8714 -39,2 52,678 3 Indralaya 33,92 16,43 124 20,9901 -70 96 4 IPP Borang 0 0 150 4,5942 -40 60 5 Borang 94,08 45,56 36 -2,5351 -24,49 32,924 6 Talang Duku 0 0 28 0,7801 -15 18 7 Musi 0 0 210 55,3339 -102,879 138 8 New Tarahan 23,01 11,14 200 53,6101 -80 180 9 Tarahan 32,98 15,98 18 -2,6015 -8,367 10,5 10 Besai 0 0 90 19,7638 -80,6 76,2 11 Batu Tegi 0 0 28.6 3,8823 -16 18 12 Pekalongan 73,06 35,39 0 0 0 0 13 Pagar Alam 14,31 6,93 0 0 0 0 14 Lubuk Linggau 42,89 0,78 0 0 0 0 15 Lahat 22,35 10,83 0 0 0 0 16 Prabumulih 21,14 10,24 0 0 0 0 17 Keramasan 94,72 45,87 0 0 0 0 18 Talang Kelapa 30,21 14,63 0 0 0 0 19 Betung 0 0 0 0 0 0 20 Mariana 15,18 7,35 0 0 0 0 21 Baturaja 53,09 25,72 0 0 0 0 22 Blambangan Umpu 4,8 2,33 0 0 0 0 23 Bukitkemuning 24,32 11,78 0 0 0 0 24 Kotabumi 33,36 16,16 0 0 0 0 25 Tegineneng 35,57 17,23 0 0 0 0 26 Menggala 28,78 13,94 0 0 0 0 27 Gumawang 25,31 12,26 0 0 0 0 28 Pagelaran 37,29 18,06 0 0 0 0 29 Metro 30,05 14,56 0 0 0 0 30 Sribawono 28,28 13,69 0 0 0 0 31 Natar 34,48 41,70 0 0 0 0 32 Teluk Betung 60,7 29,39 0 0 0 0 33 Sutami 24,16 11,7 0 0 0 0 34 Kalianda 18,61 34,01 0 0 0 0 35 Sukarami 0 0 0 0 0 0 36 Adijaya 21,51 10,42 0 0 0 0

Sumber: PT. PLN P3B Sumatera bidang operasi sistem (telah diolah kembali)

4. HASIL DAN PEMBAHASAN

Hasil Simulasi Aliran Daya Data

Pembanding Setelah Kompensasi Daya Reaktif

Menggunakan Metode Algoritma Genetika

Data parameter algoritma genetika :

1. Jumlah kromosom = 20

2. Peluang crossover = 0,9

3. Peluang mutasi = 0,1

4. Peluang pelestarian = 0,2

5. Maksimum generasi = 100

Gambar 5. Grafik nilai obyektif terbaik setiap generasi pada

percobaan Pc = 0,9, Pm=0,1, Pbreeder=0,2, dan MaxGenerasi=100

Hasil Perbandingan optimisasi penempatan dan ukuran kapasitor bank menggunakan metode algoritma ABC dengan metode algoritma genetika

Tabel 3. Hasil Perbandingan optimisasi penempatan dan ukuran kapasitor bank menggunakan metode

algoritma ABC dengan metode algoritma genetika Sebelum

kompensasi Kompensasi

dengan metode algoritma ABC

Kompensasi dengan metode

algoritma genetika Total kompensasi (MVAr)

- 2975,272 3150

Posisi kapasitor - 3, 4, 7, 9, 12, 13, 14, 19, 20, 21

3, 4, 7, 8, 12, 14, 15, 18, 20, 21, 22

Total rugi daya aktif (MW)

136,539 117,374 117,854

Prosentase Penurunan rugi daya aktif

- 14,04 % 13,68%

Total rugi daya reaktif (MVAr)

1223,030 1009,983 1015,600

Prosentase Penurunan rugi daya reaktif

- 17,41 % 16,96 %

Total pembangkitan daya aktif (MW)

9204,539 9185,374 9185,854

Total pembangkitan daya reaktif(MVAr)

4781,030 1640,163 1423,600

Gambar 6 Grafik perbandingan tegangan dalam pu sebelum dan sesudah kompensasi.

Gambar 7. Grafik perbandingan rugi-rugi daya aktif sebelum dan sesudah kompensasi

Gambar 8. Grafik perbandingan rugi-rugi daya reaktif sebelum dan sesudah kompensasi

0.880

0.900

0.920

0.940

0.960

0.980

1.000

1.020

1.040

1 2 3 4 5 6 7 8 9 1011121314151617181920212223242526272829

Te

ga

ng

an

(p

u)

No. bus

Perbandingan Tegangan (pu)

sblm ABC GA

0.000

5.000

10.000

15.000

20.000

25.000

1─

2

1─

4

2─

5

3─

4

4─

5

4─

18

5─

7

5─

8

5─

11

6─

7

6─

8

8─

9

9─

10

10─

11

11─

12

12─

13

13─

14

14─

15

14─

16

14─

20

15─

16

16─

17

16─

23

18─

19

19─

20

20─

21

21─

22

22─

23

Ru

gi-

rug

i d

ay

a a

kti

f (M

W)

Saluran transmisi

Perbandingan Rugi-Rugi Daya Aktif (MW)

sblm ABC GA

-50.000

0.000

50.000

100.000

150.000

200.000

1─

2

1─

4

2─

5

3─

4

4─

5

4─

18

5─

7

5─

8

5─

11

6─

7

6─

8

8─

9

9─

10

10─

11

11─

12

12─

13

13─

14

14─

15

14─

16

14─

20

15─

16

16─

17

16─

23

18─

19

19─

20

20─

21

21─

22

22─

23

Ru

gi

da

ya

re

ak

tif

(MV

Ar)

Saluran transmisi

Perbandingan Rugi-Rugi Daya Reaktif (MVAr)

sblm ABC GA

Hasil Simulasi Aliran Daya Subsistem

Sumbagsel 150 kV Setelah Kompensasi Daya

Reaktif Menggunakan Metode Algoritma

Genetika

Data parameter algoritma genetika :

1. Jumlah kromosom = 30

2. Peluang crossover = 0,9

3. Peluang mutasi = 0,1

4. Peluang pelestarian = 0,2

5. Maksimum generasi = 50

Gambar 9. Grafik nilai obyektif terbaik setiap generasi pada

percobaan Pc = 0,9, Pm=0,1, Pbreeder=0,2, dan MaxGenerasi=50

Berikut ini hasil perbandingan sebelum dan setelah kompensasi daya reaktif menggunakan kondisi real

dan metode algoritma genetika terdapat pada Tabel 4:

Tabel 4. Perbandingan kompensasi daya reaktif menggunakan kondisi real dengan metode algoritma genetika

Sebelum kompensasi

Kompensasi dengan kondisi

real

Kompensasi dengan metode

algoritma genetika Total kompensasi (MVAr)

- 30 110

Posisi - 31, 34 kapasitor bank dan 14

reaktor

3, 4, 8, 9, 10, 14, 17 ,22, 23, 25, 26, 27, 29, 31, 32, 33,

35, 36 kapasitor bank

Total rugi daya aktif (MW)

25,315 24,897 23,549

Prosentase Penurunan rugi daya aktif

- 1,65 % 6,9 %

Total rugi daya reaktif (MVAr)

9,303 7,515 0,773

Prosentase Penurunan rugi daya reaktif

- 19,2 % 91,69 %

Total pembangkitan daya aktif (MW)

1043,275 1042,857 1041,509

Total pembangkitan daya reaktif (MVAr)

532,342 500,554 413,812

Gambar 10. Grafik perbandingan tegangan dalam pu sebelum dan sesudah kompensasi.

5. KESIMPULAN

Dari hasil analisa diperoleh hasil kesimpulan sebagai berikut:

1. Metode algoritma genetika dapat diterapkan dalam optimisasi penempatan dan ukuran kapasitor bank pada jaringan transmisi dibuktikan dengan hasil perbandingan antara metode Algorithm Bee Colony (ABC) dengan metode algoritma genetika pada sistem Jawa Bali 500 kV.

2. Hasil perbandingan dua metode optimisasi pada sistem Jawa Bali 500 kV, metode algoritma genetika mengalami penurunan rugi-rugi daya sebesar 117,854+j1015,6 MVA sedangkan metode ABC mengalami penurunan rugi-rugi daya sebesar 117,374+j1009,983 MVA.

3. Sebelum dilakukan kompensasi daya reaktif subsistem Sumbagsel memiliki total pembangkitan sebesar 1043,275+j532,342 MVA, pembebanan sebesar 1017,960 +j523,040 MVA dan rugi-rugi daya sebesar 25,315+j9,303 MVA dan Setelah kompensasi memiliki total pembangkitan sebesar 1041,509+j413,812 MVA, pembebanan sebesar 1017,960+j523,040 MVA, injeksi daya reaktif sebesar 110 MVAr dan rugi-rugi daya sebesar 23,549+j0,773 MVA

4. Optimisasi letak dan ukuran kapasitor bank pada subsistem Sumbagsel pada posisi bus

3, 4, 8, 9, 10, 14, 17 ,22, 23, 25, 26, 27, 29, 31, 32, 33, 35, 36 dengan masing-masing ukuran kapasitor bank sebesar (3, 7, 8, 3, 8, 3, 1, 10, 2, 2, 11, 12, 5, 9, 8, 2, 11, 5) MVAr

6. DAFTAR PUSTAKA

[1] Hadi Saadat, “Power System Analysis”, McGraw-Hill, Singapore, 2004.

[2] Turan Gonen, “Electric Power Transmission System Engineering”, Simultaneously, Canada, 1988.

[3] Zuhal, “Dasar Teknik Listrik dan Elektronika Daya”, Pustaka Utama, Jakarta, 1988.

[4] T.S. Hutahuruk, “Transmisi Daya Listrik”, Erlangga, Jakarta, 1996.

[5] William Stevenson, “Analisis Sistem Tenaga Listrik”, Erlangga, Bandung, 1983.

[6] Cekmas Cekdin, “Sistem Tenaga Listrik Contoh Soal dan Penyelesaian Menggunakan Matlab”, ANDI, Yogyakarta, 2007.

[7] Imam Robandi, “Desain Sistem Tenaga Modern”, ANDI, Yogyakarta, 2006.

[8] Ramasamy Natarajan, “Power System Capacitor”, CRC Press, Francis, 2005.

[9] Danang Sulistiyo, “Penentuan Letak dan Kapasitas Bank Kapasitor Secara Optimal Menggunakan Bee Colony Algorithm”, Skripsi, Bidang Studi Teknik Sistem Tenaga

0.800

0.850

0.900

0.950

1.000

1.050

1.100

1 2 3 4 5 6 7 8 9 1011 12 1314 1516 1718 19 2021 2223 2425 26 2728 2930 3132 33 3435 36

Te

ga

ng

an

(p

u)

No. Bus

Perbandingan Tegangan (pu)

sblm kondisi optimisasi

Institut Teknologi Surabaya, Surabaya, 2010.

[10] Suyanto, “Algoritma Genetika dalam Matlab”, ANDI, Yogyakarta, 2005.

[11] Achmad Basuki, “Algoritma Genetika Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi, dan Machine Learning”, PENS-ITS Surabaya, 2003.

[12] Achmad Basuki, “Strategi Menggunakan Algoritma Genetika”, PENS-ITS Surabaya, 2003.

[13] Sri Kusumadewi, “Artificial Intelligence Teknik dan Aplikasinya)”, Graha Ilmu, Yogyakarta, 2003.

[14] I Putu Nicho Nopriadi a.k.a. Nick Troval, “Algoritma Genetika Dasar Komputasi Cerdas”, Teknik Elektro Universitas Udayana, Bali.

[15] Wahyudi Tjondro, “Perbandingan Algoritma Exhaustive, Algoritma Genetika dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek”, Skripsi, Jurusan Teknik Informatika Universitas Petra, Surabaya, 2006.

[16] Andry Pujiriyanto, “Cepat Mahir Matlab”, www.ilmukomputer.org, Bandung, 2004.

[17] Fajar G Indarko, “Penentuan MVAr Optimal SVC pada Sistem Transmisi Jawa Bali 500 kV Menggunakan Artificial Bee Colony Algorithm”, Skripsi, Bidang Studi Teknik Sistem Tenaga Institut Teknologi Surabaya, Surabaya, 2010.

BIODATA

Penulis merupakan putra kedua dari pasangan Bapak H. Mustakim Usman dan Hj. Minarti. Penulis lahir di Bengkulu, pada tanggal 6 Juni 1988.

Penulis merupakan lulusan SD Negeri 59 Bengkulu (2000), SLTP Negeri 2 Bengkulu (2003), dan SMA Negeri 2 Bengkulu (2006). Setelah itu penulis melanjutkan pendidikan pada Program Studi Teknik Elektro Fakultas Teknik Universitas Bengkulu. . Pembaca dapat mengirim kritik dan saran di [email protected] atau di blog [email protected]

paper opc

Documents