1

Abstrak — Beban listrik yang terus meningkat menuntut

adanya penambahan kapasitas pembangkitan. Pemba-

ngunan pembangkit-pembangkit baru dengan kapasitas

besar menimbulkan banyak permasalahan lingkungan

dan pembiayaan. Sistem pembangkit yang paling tepat

digunakan untuk mengatasi permasalahan tersebut,

dengan memperhatikan permasalahan energi dan

penurunan rugi-rugi jaringan adalah Pembangkit

Tersebar (Distributed Generation). Penambahan DG juga

mempengaruhi kemampuan pembebanan (loadability)

sistem. Loadability didefinisikan sebagai nilai pembebanan

maksimum yang masih mampu ditanggung oleh sistem

dalam batas kestabilannya. Konstrain loadability

maksimal yang akan dicapai oleh penempatan DG pada

sistem distribusi adalah batas tegangan (voltage limit).

Penempatan dan penentuan kapasitas optimal unit DG

dengan memperhatikan loadability maksimal sistem

merupakan permasalahan optimasi yang diselesaikan

menggunakan Non-Dominated Sorting Genetic Algorithm-

II (NSGA-II), suatu pengembangan dari algoritma

genetika dengan penambahan mekanisme elitism, non-

dominated sorting dan crowding distance. Optimasi

dilakukan untuk mendapatkan hasil terbaik antara dua

fungsi tujuan (multiobjective optimization), yaitu keandalan

DG dan penghematan bahan bakar. Hasil simulasi

menunjukkan bahwa penggunaan bahan bakar paling

efisien dicapai ketika daya keluaran DG bernilai 8 MW

dan cadangan daya DG sebesar 2 MW. Loadability

maksimum dicapai pada nilai 150% dengan penambahan

10 unit DG untuk sistem IEEE 14 bus, dan 110% dengan

penambahan 7 unit DG untuk sistem IEEE 30 bus.

Indeks — DG, loadability, multiobjective optimization,

NSGA-II

I. PENDAHULUAN

ertumbuhan ekonomi yang cukup tinggi dan iklim usaha

yang semakin baik mengakibatkan meningkatnya

konsumsi energi listrik, baik oleh konsumen rumah tangga

maupun industri. Hal tersebut akan menimbulkan peningkatan

kebutuhan pasokan listrik terhadap sistem. Oleh karena itu,

penambahan kapasitas pembangkit sangat penting dilakukan

untuk menunjang pemenuhan kebutuhan beban listrik yang

terus meningkat [1].

Penambahan kapasitas pembangkit harus dilakukan dengan

cermat, tepat, dan efisien. Banyak aspek yang perlu ditinjau

dalam upaya penambahan kapasitas pembangkit pada suatu

sistem tenaga listrik. Faktor fleksibilitas, nilai ekonomis,

diversifikasi energi, dan pengaruh bagi lingkungan merupakan

hal-hal yang perlu dikaji secara mendalam. Dengan memper-

timbangkan beberapa faktor di atas, maka sistem pembangkit

yang sangat potensial untuk dikembangkan dalam upaya

mengatasi permasalahan pasokan listrik adalah pembangkit

tersebar atau dikenal dengan DG (Distributed Generation).

II. DG DAN LOADABILITY SISTEM

Penelitian mengenai penggunaan Distributed Generation

(DG) untuk menambah kapasitas pembangkitan guna me-

menuhi peningkatan kebutuhan beban listrik terus-menerus

dilakukan. DG memiliki nilai ekonomis yang lebih baik jika

dibandingkan dengan pembangkit sentral dengan ukuran

besar. Biaya investasi, pemeliharaan, dan biaya pembangkitan

DG lebih murah dibandingkan dengan pembangkit besar.

Keunggulan lain yang dimiliki DG adalah tingginya keandalan

sistem yang menggunakan DG. Selain itu penambahan DG

juga dapat meningkatkan stabilitas tegangan dan mengurangi

rugi-rugi total jaringan [2].

A. Distributed Generation (DG)

Secara teknis, DG memiliki beberapa aspek definisi yang

meliputi kapasitas, tujuan pemasangan, lokasi penempatan,

dan teknologi yang digunakan. Beberapa definisi kapasitas

DG yang dimiliki oleh lebaga riset internasional adalah

sebagai berikut:

1. The Electric Power Research Institute mendefinisikan

batas kapasitas DG sampai dengan 50 MW [3].

2. Gas Research Institute mendefinisikan DG sebagai

pembangkit dengan kapasitas antara 25 kW – 25 MW [4].

3. Preston dan Rastler menentukan ukuran mulai dari

beberapa kilowatt hingga lebih dari 100 MW [5].

4. Cardell mendefinisikan DG sebagai pembangkit dengan

kapasitas antara 500 kW dan 1 MW [6].

5. International Conference on Large High Voltage Electric

Systems (CIGRE) mendefinisikan DG sebagai pembangkit

dengan kapasitas lebih kecil dari 50 - 100 MW [7].

Berdasarkan tujuan instalasinya, DG dibangun untuk

menyediakan sumber daya aktif pada sistem tenaga listrik.

Sehingga berdasarkan definisi secara internasional ini, DG

Radika Hendri Wijaya, Adi Soeprijanto, Heri Suryoatmojo Bidang Studi Teknik Sistem Tenaga - Jurusan Teknik Elektro

Fakultas Teknologi Industri

Institut Teknologi Sepuluh Nopember (ITS) Surabaya

Email: radika.hendry@gmail.com

Penempatan dan Penentuan Kapasitas Optimal dari

Distributed Generation (DG) dengan

Mempertimbangkan Maximum Loadability

Menggunakan Non-Dominated Sorting Genetic

Algorithm-II (NSGA-II)

P

2

tidak diharuskan untuk mampu menyediakan daya reaktif [8].

Definisi lokasi penempatan DG, masih mengundang kontro-

versi diantara banyak peneliti. Kebanyakan peneliti mende-

finisikan lokasi DG pada sistem distribusi, namun dalam

beberapa literatur penempatan DG juga dapat dilakukan pada

sisi sistem transmisi [3].

Menurut teknologi yang digunakan dalam pembangkitan,

DG dapat dibedakan menjadi Traditional Generator atau yang

biasanya menggunakan Internal Combustion Engine (ICE),

serta Modern Generator yang terdiri dari fuel cell, storage

device, dan renewable energy [8]. Penelitian ini menggunakan

DG jenis ICE dengan kapasitas antara 1 MW hingga 10 MW.

ICE dipilih karena memiliki efisiensi bahan bakar yang sangat

tinggi. Daya yang dibangkitkan dan penggunaan bahan bakar

ICE membentuk kurva yang hampir linier. Semakin tinggi

nilai daya yang diproduksi, maka semakin banyak bahan bakar

yang dikonsumsi. Sehingga fungsi penghematan bahan bakar

maksimal mampu dicapai ketika ICE dioperasikan pada

kondisi daya keluaran minimalnya.

B. Loadability

Sistem tenaga listrik selalu mendapatkan tekanan yang

berat karena peningkatan beban yang terjadi pada jaringan dan

sulitnya pembangunan pembangkit listrik baru yang letaknya

dekat dengan beban. Hal tersebut menyebabkan keamanan

sistem tenaga menjadi parameter yang sangat penting,

terutama mengenai batas tegangan. Loadability maksimum

merupakan nilai pembebanan maksimum yang masih mampu

diterima oleh sistem dalam kondisi operasi normal [9].

Untuk saluran yang tidak terkompensasi dengan panjang

lebih dari 80 km, yang menjadi batasan loadability adalah

jatuh tegangan, sedangkan untuk saluran dengan panjang lebih

dari 320 km, yang menjadi batasan loadability adalah nilai

steady state margin. Sedangkan untuk sistem distribusi nilai

loadability dapat dievaluasi dengan melihat Voltage Limit

(VL) atau Voltage Stability Limit (VSL) [10].

Batas tegangan (VL) dalam analisis sangat berkaitan

dengan fenomena jatuh tegangan yang terjadi pada jaringan.

Tegangan sistem yang dipengaruhi oleh besarnya nilai jatuh

tegangan tersebut dapat dilihat melalui nilai tegangan pada

tiap-tiap bus. Variasi nilai tegangan bus tidak boleh melebihi

batas keamanaan sistem tenaga yang diijinkan. Jika batasan

(constraint) tegangan tersebut dilanggar, maka loadability

maksimum tidak dicapai pada nilai pembebanan tersebut.

Standar batas tegangan PLN adalah antara 0,9 pu - 1,05 pu.

III. METODE PENEMPATAN DAN PENENTUAN KAPASITAS

OPTIMAL DG

Proses penentuan lokasi penempatan dan daya yang

dikeluarkan oleh DG memerlukan iterasi proses yang sangat

panjang dan rumit, karena harus dilakukan pencarian nilai

yang paling optimal dari semua kemungkinan yang ada dan

menghitung ulang keseluruhan nilai aliran daya yang dimiliki

sistem. Oleh karena itu pencarian solusi optimal dilakukan

dengan menggunakan bantuan kecerdasan buatan, yaitu

NSGA-II. Untuk mendapatkan hasil optimasi yang maksimal,

maka pemodelan sistem, fungsi evaluasi, dan parameter

NSGA-II yang akan digunakan dalam strategi optimasi harus

didefinisikan dengan jelas.

A. Karakteristik dan Pemodelan Sistem

Sistem distribusi tenaga listrik yang digunakan dalam

pengujian penempatan dan penentuan kapasitas optimal DG

ini bertipe grid distribution network dan menggunakan bus uji

standar IEEE 14 dan 30 bus. DG yang digunakan dalam

penelitian ini adalah jenis pembangkit pembakaran dalam atau

ICE (Internal Combustion Engine). DG dimodelkan sebagai

injeksi daya aktif pada bus, yang akan dikodekan dalam

bentuk kromosom menurut aturan tertentu.

Simulasi dijalankan dengan ketentuan bahwa kondisi

pembangkit dalam keadaan normal, sistem dalam keadaan

seimbang (pembebanan masing-masing fasa sama), dan tidak

terjadi perubahan beban sistem selama proses simulasi ini

dijalankan, kecuali peningkatan beban secara gradual dan

serempak pada pengujian loadability sistem.

B. Evaluasi Maksimum Loadability Sistem

Batasan loadability sistem yang digunakan adalah batas

tegangan atau disebut voltage limit (VL). VL dilihat dan

dievaluasi melalui tegangan masing-masing bus dari sistem

yang diujikan. Standar batas tegangan yang digunakan dalam

penelitian ini mengikuti standar PLN (0.9 pu – 1.05 pu).

Ketika tegangan sistem masih berada pada batas nilai

tegangan yang diijinkan, maka proses optimasi terus dilakukan

dengan menambahkan jumlah unit DG dan meningkatkan

pembebanan sistem. Sesuai dengan penyederhanaan perhi-

tungan Continuation Power Flow (CPF), maka untuk mening-

katkan pembebanan sistem, nilai loading sistem dikalikan

dengan suatu bilangan (), yang nilainya akan terus meningkat

dengan selisih sebesar 10% system loading untuk setiap

iterasi. Maximum loadability akan dicapai pada system loading

tertinggi, dengan tegangan masing-masing bus tetap berada

pada batas nilai yang diijinkan [10].

C. Evaluasi Fungsi Multiobjective

Pemasangan unit DG dilakukan untuk meningkatkan ke-

mampuan sistem dalam memenuhi peningkatan kebutuhan

pembebanan, sehingga dapat mengakomodasi penambahan

beban yang akan terjadi. Hal ini mengakibatkan kapasitas

cadangan daya (spinning reserve) yang dimiliki unit DG harus

tinggi. Selain itu, efisiensi pembangkit juga sangat penting

untuk diperhatikan. Penggunaan BBM meningkat sejalan

dengan meningkatnya daya output pembangkit. Sehingga

penghematan bahan bakar dapat dilakukan dengan menekan

daya keluaran unit DG. Kedua fungsi tujuan tersebut dapat

ditulis sebagai berikut:

𝑆𝑝𝑖𝑛𝑛𝑖𝑛𝑔 𝑅𝑒𝑠𝑒𝑟𝑣𝑒 𝑆𝑅 𝐷𝐺 = 𝑃𝑘𝐷𝐺𝑖 − 𝑃𝑜𝑢𝑡𝐷𝐺𝑖𝑁𝑖=1 (1)

𝐹𝑢𝑒𝑙 𝑆𝑎𝑣𝑖𝑛𝑔 𝐹𝑆 𝐷𝐺 = 𝑃𝑜𝑢𝑡𝐷𝐺𝑖𝑁𝑖=1 (2)

Dengan variabel i menunjukan lokasi DG pada bus ke-i, Pk

menunjukan kapasitas daya DG, Pout menunjukan daya

keluaran DG. Pemasangan DG pada sistem pembangkit

mempengaruhi rugi daya saluran sehingga besar rugi daya

saluran dihitung kembali.

PG = Psystem + PoutDG (3)

Ploss = PG – Pload (4)

dengan PG menunjukan jumlah total daya pembangkitan,

Psystem menunjukan daya keluaran pembangkit sistem, PoutDG

menunjukan daya keluaran pembangkit DG, Pload menunjukan

daya beban, Ploss menunjukan rugi daya saluran.

3

Dengan mempertimbangkan penurunan total rugi-rugi

jaringan yang spesifik dan loadability maksimum sistem,

fungsi multiobjective yang digunakan dalam penelitian ini

adalah untuk mendapatkan nilai maksimal dari fungsi SRDG(),

sehingga didapatkan sistem dengan keandalan suplai daya

yang tinggi serta evaluasi fungsi FSDG(), sehingga didapatkan

daya keluaran unit DG yang paling minimal supaya

penghematan bahan bakar unit DG dapat dicapai.

D. Studi Aliran Daya

Dalam penyelesaian studi aliran daya, sistem diasumsikan

berada dalam kondisi seimbang, sehingga perhitungan

dilakukan dalam satu fasa.

Gambar 1. Sistem tenaga listrik dengan 4 bus [11]

Untuk sistem yang terdiri dari n bus n saluran, aliran daya

dihitung menurut Kirchoff, arus yang masuk bus i adalah [11]:

𝐼𝑖 = 𝑦𝑖0𝑉𝑖 + 𝑦𝑖1 𝑉𝑖 − 𝑉1 + ⋯ + 𝑦𝑖𝑛 𝑉𝑖 − 𝑉𝑛 (5)

𝐼𝑖 = 𝑉𝑖 𝑦𝑖𝑗𝑛𝑗=0 − 𝑦𝑖𝑗𝑉𝑗

𝑛𝑗=0 , 𝑗 ≠ 𝑖 (7)

𝐼𝑖 =𝑃𝑖−𝑗𝑄

𝑉𝑖∗ (8)

Substitusi Ii pada persamaan (7) ke dalam persamaan (8) akan

menghasilkan: 𝑃𝑖−𝑗𝑄

𝑉𝑖∗ = 𝑉𝑖 𝑦𝑖𝑗

𝑛𝑗=0 − 𝑦𝑖𝑗𝑉𝑗

𝑛𝑗=0 , 𝑗 ≠ 𝑖 (9)

Persamaan (9) dapat ditulis dalam bentuk:

𝐼𝑖 = 𝑌𝑖𝑗𝑉𝑗𝑛𝑗=1 (10)

Persamaan (10) dalam bentuk polar dapat ditulis:

𝐼𝑖 = 𝑌𝑖𝑗 𝑉𝑗 ∠(𝜃𝑖𝑗 + 𝛿𝑗 )𝑛𝑗=1 (11)

Substitusi persamaan (11) pada persamaan (8) adalah:

𝑃𝑖 − 𝑗𝑄𝑖 = 𝑉𝑖 ∠(−𝛿𝑖) × 𝑌𝑖𝑗 𝑉𝑗 ∠(𝜃𝑖𝑗 + 𝛿𝑗 )𝑛𝑗=1 (12)

𝑃𝑖 = 𝑉𝑖 𝑉𝑗 𝑌𝑖𝑗 𝑐𝑜𝑠(𝜃𝑖𝑗 − 𝛿𝑖 + 𝛿𝑗 )𝑛𝑗=1 (13)

𝑄𝑖 = 𝑉𝑖 𝑉𝑗 𝑌𝑖𝑗 𝑠𝑖𝑛(𝜃𝑖𝑗 − 𝛿𝑖 + 𝛿𝑗 )𝑛𝑗=1 (14)

Dihitung elemen-elemen matriks jacobian sesuai persamaan:

∆𝑃1

(𝑘)

⋮

∆𝑃𝑛(𝑘)

∆𝑄1(𝑘)

⋮

∆𝑄𝑛(𝑘)

=

𝜕𝑃1

(𝑘)

𝜕𝛿1⋯

𝜕𝑃1(𝑘)

𝜕𝛿𝑛

⋮ ⋮ ⋮𝜕𝑃𝑛

(𝑘)

𝜕𝛿1⋯

𝜕𝑃𝑛(𝑘)

𝜕𝛿𝑛

𝜕𝑃1(𝑘)

𝜕 𝑉1 ⋯

𝜕𝑃1(𝑘)

𝜕 𝑉𝑛

⋮ ⋮ ⋮𝜕𝑃𝑛

(𝑘)

𝜕 𝑉1 ⋯

𝜕𝑃𝑛(𝑘)

𝜕 𝑉𝑛

𝜕𝑄1(𝑘)

𝜕𝛿1⋯

𝜕𝑄1(𝑘)

𝜕𝛿𝑛

⋮ ⋮ ⋮𝜕𝑄𝑛

(𝑘)

𝜕𝛿1⋯

𝜕𝑄𝑛(𝑘)

𝜕𝛿𝑛

𝜕𝑄1(𝑘)

𝜕 𝑉1 ⋯

𝜕𝑄1(𝑘)

𝜕 𝑉𝑛

⋮ ⋮ ⋮𝜕𝑄𝑛

(𝑘)

𝜕 𝑉1 ⋯

𝜕𝑄𝑛(𝑘)

𝜕 𝑉𝑛

.

∆𝛿1

(𝑘)

⋮

∆𝛿𝑛(𝑘)

∆ 𝑉1(𝑘)

⋮

∆ 𝑉𝑛(𝑘)

(15)

Diperoleh 𝑉 dan 𝜃 baru hasil koreksi sebagai berikut:

𝜃𝑖 𝑘+1

= 𝜃𝑖 𝑘

− ∆𝜃𝑖 𝑘

(16)

𝑉𝑖 𝑘+1

= 𝑉𝑖 𝑘

− ∆ 𝑉𝑖 𝑘

(17)

Proses diulangi hingga semua nilai ∆ 𝑉𝑖 dan ∆𝜃𝑖 lebih kecil

nilainya dari suatu indeks ketepatan (accuracy) tertentu.

E. Optimasi Penempatan dan Penentuan Kapasitas DG

Strategi optimasi penempatan dan penentuan kapasitas DG

dilakukan berdasarkan kedua fungsi tujuan yang diharapkan,

untuk mendapatkan penurunan rugi-rugi terbaik dan maximum

loadability menurut diagram alir berikut.

Gambar 2. Diagram alir strategi optimasi DG

Pengkodean Kromosom dan Pembangkitan Populasi Awal

Setiap unit DG diwakili oleh S string biner dari 8 bit gen

dalam satu kromosom. Keempat bit awal mewakili kapasitas

unit DG, sedangkan 4 bit sisanya mewakili daya keluaran DG.

Sesuai dengan rating daya keluaran ICE, maka daya keluaran

yang mampu dihasilkan adalah antara 1 – 10 MW. Sedangkan

lokasi penempatan DG dikodekan menurut jumlah bus sistem

yang digunakan. Setiap bus diwakili oleh L string biner dari 4

bit untuk 14 bus dan 5 bit untuk 30 bus.

Pembentukan kromosom dilakukan dengan menggabung-

kan string S dan L menjadi satu array gen individu yang

terdiri dari 12 bit (untuk sistem 14 bus) dan 13 bit (untuk

sistem 30 bus). Nilai masing-masing elemen kromosom (gen)

dibangkitkan secara acak menggunakan software MATLAB

2010a. Sehingga diperoleh ilustrasi representasi kromosom

seperti gambar berikut.

Mulai

System Loading = 100%

Membangkitkan

Populasi Awal

Kromosom = Rating,

Lokasi DG Konfigurasi kromosom

SL

= S

L +

10

%

nDG = nDG + 1

Tidak

Ya

Tidak

Ya

Tidak Ya

nDG = 1

running loadflow (NR)

Evaluasi fitness

SRDG() dan FSDG()

Baca data DG, Bus dan

Parameter NSGA-II

iterasi = maxgen?

Individu Terbaik

(maximum loadability)

nDG = maxDG?

Plot Placement and

Sizing DG terbaik

Selesai

Proses NSGA-II

1. Non-Dominated

Sorting

2. Crowding

Distance

3. Selection

4. Elitism

5. Crossover

6. Binary Mutation

fitness = OptF?

4

Mekanisme NS dan CD

Pada semua individu dalam populasi yang telah dibangkit-

kan, dilakukan perhitungan fitness menurut kedua fungsi

tujuan yang telah didefinisikan. Evaluasi fitness multi tujuan

dilakukan dalam mekanisme NS (Non-dominated Sort) dan

CD (Crowding Distance). Populasi yang telah dihitung nilai

fungsi obyekifnya, diklasifikasikan dalam bidang-bidang

optimasi (pareto-optimal front). Suatu individu dikatakan

mendominasi individu lain jika hasil evaluasi seluruh fungsi

tujuan dari individu tersebut tidak sebih buruk dari individu

lainnya dan minimal satu dari hasil evalusi fungsi tujuan

tersebut yang lebih baik dari pada individu lainnya [12].

Setelah semua individu diurutkan dalam bidang-bidang

tertentu, dilakukanlah perhitungan nilai crowding distance dari

masing-masing individu. Pemikiran dasar yang melatarbela-

kangi perhitungan CD (crowding distance) adalah usaha untuk

menemukan jarak Euclidean antara setiap individu pada suatu

bidang berdasarkan pada nilai fungsi tujuan m. Perhitungan

kedua mekanisme itu divisualisasikan seperti gambar berikut.

Gambar 3. Visualisasi hasil perhitungan NS dan CD pada NSGA-II [12]

Operator Genetik

Proses optimasi dilanjutkan dengan dengan menerapkan

beberapa operator genetik, yaitu; elitisme, pindah silang, dan

mutasi. Elitisme dilakukan dengan mengkopi individu terbaik

hasil seleksi yang telah didapatkan. Pindah silang (crossover)

dilakukan untuk mengatur ulang informasi dari dua individu

yang berbeda dan membuat individu baru. Metode pindah

silang yang digunakan adalah one-point crossover, yaitu

pindah silang titik potong tunggal. Pemilihan titik potong

dilakukan secara random dan probabilitas pindah silang yang

digunakan dalam penelitian ini adalah 0,9.

Operator mutasi yang digunakan dalam penelitian ini

adalah binary mutation. Proses ini hanya dilakukan dengan

mengubah nilai gen dari 0 menjadi 1 ataupun sebaliknya.

Sedangkan probabilitas mutasi yang dipilih dalam penelitian

ini adalah (1/nGen). Probabilitas mutasi yang kecil ini dilakukan

agar populasi asli tidak kehilangan sifat genetisnya, namun

tetap memberikan kemungkinan cukup untuk memunculkan

individu dengan kemungkinan penyelesaian permasalahan

yang lebih baik daripada individu yang telah ada.

IV. PENGUJIAN SISTEM DAN ANALISIS

Analisa aliran daya dilakukan dengan akurasi mencapai

0.00001, akselerasi 1.6, dan iterasi maksimum sebanyak 100

kali proses. Parameter sistem yang diperhatikan dalam

simulasi tersebut adalah rugi-rugi jaringan total dan nilai

tegangan dari masing-masing bus dalam sistem tersebut.

Kemudian mulai dilakukan peningkatan pembebanan sistem

dan penambahan unit DG. Simulasi yang dianalisis merupakan

kombinasi unit DG yang memberikan nilai loadability sistem

paling maksimal pada sistem IEEE 14 dan 30 bus.

A. Kombinasi dengan Loadability Maksimum (IEEE 14 bus)

Gambar 4. Pareto-optimal front hasil optimasi NSGA-II

TABEL 2

LOADABILITY MAKSIMUM PADA IEEE 14 BUS Jumlah Unit DG = 4

Loadability = 150%

Running Summary (21/12/2011 – 13:43:02)

Lokasi

DG

Daya Keluaran

DG (MW)

Kapasitas DG

(MW)

Jumlah Unit

DG

4 8.00 10 1

12 8.00 10 1

13 8.00 10 1

14 8.00 10 1

Total Loss tanpa DG 36.570 MW

Total Loss menggunakan DG 29.764 MW

Penurunan Total Loss 6.807 MW

Total Daya Output DG 32.00 MW

Total Cadangan Daya 8.00 MW

Cadangan daya DG 20.00 %

Penambahan empat unit DG pada sistem IEEE 14 bus,

menjadikan sistem masih mampu menerima kenaikan

pembebanan sebesar 50% dari beban normalnya. Peningkatan

pembebanan menyebabkan kenaikan rugi-rugi jaringan. Rugi-

rugi daya aktif naik dari 13.869 MW menjadi 29.764 MW. Hal

ini terjadi karena aliran daya saluran juga makin besar.

Penempatan optimal DG pada sistem mampu menurunkan

rugi-rugi daya aktif jaringan sebesar 6.807 MW.

Gambar 5. Hasil optimasi NSGA-II untuk 4 unit DG

5

Hasil simulasi peningkatan loadability sistem hingga 50%

menunjukkan bahwa tegangan masing-masing bus masih

dalam batas operasi normal yaitu 0.9 - 1.05 p.u. Sehingga

penambahan unit DG tidak mengganggu kestabilan sistem.

Gambar 6. Profil tegangan hasil running max pada IEEE 14 bus

Gambar 7. Sistem IEEE 14 bus dengan 4 unit DG

B. Kombinasi dengan Loadability Maksimum (IEEE 30 bus)

Gambar 8. Pareto-optimal front hasil optimasi NSGA-II

TABEL 4

LOADABILITY MAKSIMUM PADA IEEE 30 BUS Jumlah Unit DG = 7

Loadability = 110%

Running Summary (22/12/2011 – 05:47:50)

Lokasi

DG

Daya Keluaran

DG (MW)

Kapasitas DG

(MW)

Jumlah Unit

DG

15 8.00 10 1

25 16.00 20 2

22 24.00 30 3

26 8.00 10 1

Total Loss tanpa DG 23.019 MW

Total Loss menggunakan DG 15.938 MW

Penurunan Total Loss 7.081 MW

Total Daya Output DG 56.00 MW

Total Cadangan Daya 14.00 MW

Cadangan daya DG 20.00 %

Gambar 9. Hasil optimasi NSGA-II untuk 7 unit DG

Penambahan tujuh unit DG pada sistem IEEE 30 bus,

menjadikan sistem masih mampu menerima kenaikan

pembebanan sebesar 10% dari beban normalnya. Namun

demikian peningkatan pembebanan sistem menyebabkan

peningkatan rugi-rugi jaringan, dari 18.403 MW naik menjadi

23.019 MW. Penempatan DG yang optimal pada sistem masih

mampu memberikan penurunan rugi-rugi jaringan sebesar

30.8% dan cadangan daya mencapai 20%. Pada kenaikan

pembebanan ini, tegangan masing-masing bus masih berada

dalam batas normal.

Gambar 10. Profil tegangan hasil running max pada IEEE 30 bus

12

13

11

10

14

6

9

8

1

5

C

C C

2

3

4

C

9

4

7 8

6

Gambar 11. Sistem IEEE 30 bus dengan 7 unit DG

Daya keluaran total pada semua bus yang terseleksi adalah

sebesar 56 MW. Nilai tersebut merupakan hasil proses

optimasi menggunakan NSGA-II sehingga didapatkan

kompromi terbaik antara keandalan unit DG dan penghematan

bahan bakar sebagai fungsi dari daya keluaran DG. Dengan

nilai daya keluaran total sebesar 56 MW, DG masih memiliki

cadangan daya sebesar 14 MW (20% dari total kapasitas

terpasang DG). Selain itu penambahan 7 unit DG dengan

kombinasi optimal ini juga mengakibatkan nilai pembebanan

yang masih dapat ditanggung sistem mencapai 110% dari

beban normalnya serta memberikan penurunan rugi-rugi

jaringan yang cukup besar.

V. KESIMPULAN

Dari hasil simulasi dan analisis yang telah dilakukan dapat

disimpulkan bahwa :

1. Penempatan dan penentuan daya keluaran DG yang tepat

dapat memperbaiki nilai tegangan bus agar dapat tetap

berada pada batas normalnya.

2. Pemilihan lokasi dan daya keluaran yang tepat

menyebabkan unit DG memiliki keandalan yang tinggi dan

menggunakan bahan bakar dengan lebih efisien.

3. Penghematan bahan bakar unit DG sangat mempengaruhi

cadangan daya DG atau dengan kata lain memiliki dampak

yang besar terhadap keandalan sistem.

4. Penambahan DG dalam kondisi yang optimal pada sistem

mampu menurunkan rugi-rugi total jaringan dan

mengakomodasi adanya peningkatan nilai pembebanan

(loadability) sistem.

5. Penggunaan NSGA-II mampu menghasilkan solusi

optimal untuk mendapatkan komporomi terbaik antara

penghematan penggunaan bahan bakar dan keandalan unit

DG sebagai suatu proses optimasi multiobjective.

REFERENSI

[1] Harjono, “Perencanaan Kebutuhan Energi Listrik Nasional dengan Menggunakan Metode Ekonometrik”, ITS Digital Library, Surabaya,

2009.

[2] A.A. Abou El-Ela, S.M. Allam, and M.M. Shatla, "Maximal optimal benefits of distributed generation using genetic algorithms",

ELSEVIER : Electric Power System Research, 2010.

[3] Electric Power Research Institute web-page (November 2011): http://www.epri.com/gg/newgen/disgen/index.html.

[4] Gas Research Institute, Distributed Power Generation: A Strategy for a

Competitive Energy Industry, Gas Research Institute, Chicago, USA 1998.

[5] D. Sharma, R. Bartels, Distributed electricity generation in competitive

energy markets: a case study in Australia, in: The Energy Journal Special issue: Distributed Resources: Toward a New Paradigm of the

Electricity Business, The International Association for Energy

Economics, Clevland, Ohio, USA, 1998, pp. 17–40. [6] J. Cardell, R. Tabors, Operation and control in a competitive market:

distributed generation in a restructured industry, in: The Energy Journal

Special Issue: Distributed Resources: Toward a New Paradigm of the Electricity Business, The International Association for Energy

Economics, Clevland, Ohio, USA, 1998, pp. 111–135.

[7] CIGRE, Impact of increasing contribution of dispersed generation on the power system; CIGRE Study Committee no 37, Final Report,

September 1998.

[8] Thomas Ackermann, Goran Andersson, and Lennart Soder, “ Distributed Generation: a definition”, ELSEVIER Electrical Power

Sistem Research 57 (2001) 195-204, Desember 2000.

[9] A. Shunmugalatha and Dr. S. Mary Raja Slochanal, "Optimum

Allocation of Generation for Maximum Loadability Limit of Power

System using Multiagent Based Particle Swarm Optimization

(MAPSO), The 8th International Power Engineering Conference (IPEC), India, 2007.

[10] Nasser Hemdan and Michael Kurrat, “Influence of Distributed

Generation on Different Loadability Aspects of Electrical Distribution Systems”, 20th International Conference on Electricity Distribution,

Prague, 2009.

[11] Hadi Saadat, Power System Analysis, Mc Graw-Hill, New York, 2000. [12] Kalyanmoy Deb, et al, "A Fast and Elitist Multiobjective Genetic

Algorithm: NSGA-II", IEEE Transaction on Evolutionary

Computation, Vol. 6, No. 2, April 2002, pp. 182-197.

Radika Hendri Wijaya, lahir di kota Nganjuk pada tanggal

28 Desember 1988 dari pasangan suami-istri Widodo dan

Hartiningsih. merupakan anak pertama dari dua

bersaudara, menempuh pendidikan sekolah dasar di

Sekolah Dasar Negeri Banaran I. Kemudian melanjutkan

pendidikan ke Sekolah Menengah Pertama Negeri 1 Kertosono, dan menempuh pendidikan Sekolah

Menengah Atas di SMA Negeri 1 Kertosono. Sekarang ini

sedang menempuh pendidikan di Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember. Menekuni

bidang studi Teknik Sistem Tenaga. Dalam beorganisasi, aktif sebagai Ketua

Persekutuan Mahasiswa Kristen (PMK) ITS, kepanitiaan SITIA (Seminar on Inteligent Technologi and Its Application), serta beberapa kegiatan

kemahasiswaan lainnya.

1

8

C

2

3

4

5

6

7

C

10

6

9 11

10

11

C 12

13

C

14

15

16

17

19

18

20

21

22 23 24

25

26

27 28

29 30