strategi peningkatan efisiensi jaringan distribusi dengan integrasi
TRANSCRIPT
LAPORAN KEMAJUAN
PENELITIAN KERJASAMA ANTAR PERGURUAN TINGGI
(PEKERTI)
Strategi Peningkatan Efisiensi Jaringan Distribusi dengan
Integrasi Pembangkit Tersebar Energi Terbarukan
Berbasis Algoritma Cerdas
Tim Peneliti Pengusul:
Ramadoni Syahputra, S.T., M.T.
(NIDN: 0510107403/Teknik Elektro/FT UMY/Ketua)
Ir. Agus Jamal, M.Eng. (NIDN: 0529086601/Teknik Elektro/FT UMY/Anggota)
Tim Peneliti Mitra:
Prof. Ir. Mochamad Ashari, M.Eng., Ph.D. (NIDN: 0012106504/Teknik Elektro/FTI ITS/Ketua)
Dr. Ir. Soedibyo, M.M.T. (NIDN: 0007125502/Teknik Elektro/FTI ITS/Anggota)
DIBIAYAI DENGAN
DIPA DIREKTORAT RISET DAN PENGABDIAN MASYARAKAT
KEMENTERIAN RISET TENOLOGI PENDIDIKAN
NOMOR : DIPA-042.06-0.1.401516/2016 TERTANGGAL 7 DESEMBER 2015
UNIVERSITAS MUHAMMADIYAH YOGYAKARTA Agustus 2016
i
RINGKASAN
Penelitian ini bertujuan meningkatkan efisiensi jaringan distribusi tenaga listrik
dengan integrasi pembangkit tersebar (distributed generation, DG) energi terbarukan
surya dan angin. Strategi yang diterapkan untuk meningkatkan efisiensi sistem
distribusi adalah pemetaan potensi energi surya-angin dalam rangka menentukan lokasi
dan kapasitas DG yang optimal, meminimalkan pengaruh tegangan lebih akibat
integrasi DG, menjaga stabilitas sistem distribusi saat terjadi perubahan cuaca, dan
meminimalkan losses jaringan guna menghasilkan sistem distribusi berefisiensi tinggi.
Metode yang digunakan untuk menerapkan strategi ini yaitu metode optimisasi berbasis
algoritma cerdas particle swarm optimization (PSO) termodifikasi. Strategi
peningkatan efisiensi sistem distribusi berbasis algoritma cerdas akan diterapkan pada
sistem distribusi standar IEEE dan data sistem distribusi real yaitu PLN APJ
Yogyakarta. Diperlukan waktu dua tahun untuk mencapai target khusus penelitian ini.
Guna mencapai target tersebut, pada tahun pertama penelitian akan dilakukan
peningkatan performa sistem distribusi standar IEEE model 33 bus menggunakan
perangkat-lunak ETAP dan Matlab. Pemilihan standar IEEE ini dalam rangka
menguji-coba metode dan memantapkan strategi yang akan diterapkan pada data sistem
distribusi real. Pada tahun kedua akan diterapkan strategi peningkatan efisiensi sistem
distribusi data PLN APJ Yogyakarta akibat integrasi DG energi terbarukan surya-angin.
Pemilihan sistem distribusi PLN APJ Yogyakarta karena salah satu daerah strategis
terletak di wilayah selatan pulau Jawa yang memiliki potensi tinggi dalam
pengembangan DG energi terbarukan surya dan angin.
Kata-kata kunci: Jaringan distribusi, pembangkit tersebar, energi terbarukan, PSO,
efisiensi.
ii
PRAKATA
Bismillaahirrahmaanirrahiim.
Syukur alhamdulillah penulis panjatkan ke hadirat ALLAH SWT atas segala
rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Laporan Kemajuan
Penelitian berjudul “Strategi Peningkatan Efisiensi Jaringan Distribusi dengan Integrasi
Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas”. Kegiatan ini
merupakan skema Penelitian PEKERTI dengan sumber dana berasal dari Direktorat
Riset dan Pengabdian Masyarakat Kemenristekdikti RI untuk tahun pendanaan 2016.
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 Riset dan Pengabdian Masyarakat Kemenristekdikti RI, yang telah
memberikan dukungan dana penelitian, sangat besar manfaatnya sehingga penulis
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, dan Rahmat Adiprasetya,
ST., M.Eng., Sekretaris 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, Agustus 2016
Penulis
iii
DAFTAR ISI
HALAMAN PENGESAHAN …………………………………… i
DAFTAR ISI …………………………………… ii
RINGKASAN …………………………………… iii
BAB 1. PENDAHULUAN …………………………………… 1
BAB 2. TINJAUAN PUSTAKA …………………………………… 5
BAB 3. METODE PENELITIAN …………………………………… 10
BAB 4. HASIL YANG DICAPAI …………………………………… 14
4.1. Jaringan Distribusi Model IEEE …………………………………… 14
4.2. Jaringan Distribusi PLN UPJ Bantul …………………………………… 20
BAB 5. RENCANA TAHAPAN BERIKUTNYA …………………………………… 26
BAB 6. KESIMPULAN DAN SARAN …………………………………… 27
DAFTAR PUSTAKA …………………………………… 28
LAMPIRAN
iv
BAB 1
PENDAHULUAN
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). Berdasarkan audit energi
hingga 2008, angka rugi-rugi energi total PLN se-Indonesia adalah 16,84% (Ibrahim,
2009). Dari total tersebut, rugi-rugi sistem distribusi tercatat memiliki rugi-rugi terbesar
yaitu 14,47%, sedangkan rugi-rugi sistem transmisi hanya 2,37%. 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).
Dalam penelitian ini, lingkup permasalahan yang akan diteliti adalah:
1. Bagaimana melakukan kajian aliran daya dan tegangan beban sistem distribusi
dengan studi kasus sistem distribusi standar IEEE model 86 bus dan 118 bus
serta sistem distribusi real yaitu PLN APJ Yogyakarta.
2. Bagaimana membuat model pembangkit tersebar (DG) energi terbarukan yang
berasal dari pembangkit listrik tenaga angin dan pembangkit listrik tenaga surya
untuk di-on-grid-kan ke sistem distribusi tenaga listrik.
3. Bagaimana melakukan pemetaan potensi energi surya-angin dalam rangka
menentukan lokasi dan kapasitas DG energi terbarukan yang optimal berbasis
algoritma cerdas PSO untuk meningkatkan efisiensi sistem distribusi.
4. Bagaimana meminimalkan losses jaringan guna menghasilkan sistem distribusi
berefisiensi tinggi menggunakan algoritma cerdas particle swarm optimization
(PSO) termodifikasi.
5. Bagaimana menguji unjuk-kerja algoritma yang diusulkan dengan cara
membandingkan dengan metode-metode lain misalnya algoritma genetik,
simulated annealing, dan metode konvensional.
Tujuan penelitian ini adalah:
1. Melakukan kajian aliran daya dan tegangan beban sistem distribusi dengan studi
kasus sistem distribusi standar IEEE model 86 bus dan 118 bus serta sistem
distribusi real yaitu PLN APJ Yogyakarta.
2. Meminimalkan pengaruh tegangan lebih akibat integrasi DG sistem distribusi.
3. Menjaga stabilitas sistem distribusi dengan integrasi DG saat terjadi perubahan
cuaca.
4. Meminimalkan losses jaringan guna menghasilkan sistem distribusi berefisiensi
tinggi menggunakan algoritma cerdas particle swarm optimization (PSO).
BAB 2
TINJAUAN PUSTAKA
Usaha meminimalkan rugi-rugi 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 (Martins dan Borges, 2011; Abdelaziz dkk, 2014). Dalam sistem
distribusi primer terdapat dua jenis switch yang dirancang untuk tujuan proteksi dan
manajemen konfigurasi (Rao dan Sivanagaraju, 2010), yaitu sectionalizing switches
dan 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,
2014). Sarfi dkk (2013) menggunakan algoritma berbasis partitioning theory dalam
rekonfigurasi jaringan distribusi. 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, 2014). 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 (2014). Metode
ini terdiri dari dua skema paralel yaitu dekomposisi tetangga dengan prosesor paralel
untuk menunkan beban komputasi, dan keragaman panjang tabu untuk meningkatkan
akurasi solusi. Selanjutnya Chung dkk (2014) menggunakan algoritma tabu search
untuk menyelesaikan masalah rekonfigurasi jaringan distribusi untuk mengurangi rugi-
rugi resistif saluran. Dalam metode ini dilakukan pengecekan keradialan jaringan
distribusi. Keradialan jaringan berguna untuk menyelesaikan masalah yang berkaitan
dengan perencanaan pemulihan sistem (Syahputra dkk, 2014).
Jeon dan Kim (2014) 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 (2012) memperkenalkan penggunaan algoritma ant colony
optimization (ACO) untuk menyelesaikan masalah rekonfigurasi jaringan optimal.
Solusi optimal untuk rekonfigurasi jaringan distribusi dapat dicapai dengan lebih
efektif. Dibandingkan dengan metode GA dan SA, metode ant colony memberikan
hasil yang lebih baik dalam menghasilkan rugi-rugi daya rerata jaringan distribusi.
Dalam perkembangan terakhir, penggunaan logika fuzzy dalam usaha
meminimalkan rugi-rugi jaringan distribusi telah dilakukan oleh Hsiao (2014) dan
Syahputra dkk (2014), dengan fungsi multi-objektif fuzzy berbasis metode evolusi
untuk rekonfigurasi jaringan. Dalam metode ini fungsi objektif diformulasikan
menggunakan prinsip min-max dalam logika fuzzy. Selanjutnya permasalahan
optimisasi dalam sistem distribusi sangat diuntungkan dengan hadirnya teknik
optimisasi yang baru yaitu particle swarm optimization (Alrashidi dan El-Hawary,
2006; del Velle dkk, 2008). Particle swarm optimization (PSO) merupakan metode
untuk optimisasi fungsi numerik yang kompleks berdasarkan pada peniruan perilaku
sosial sekawanan lebah dan bagaimana mereka dapat mencapai daerah yang paling
banyak tersedia bunga tumbuh-tumbuhan (Niknam dkk, 2010). Sivanagaraju dkk
(2008) menggunakan algoritma PSO diskret untuk menyelesaikan masalah
rekonfigurasi jaringan distribusi. Salah satu keunggulan algoritma PSO dibanding
algoritma cerdas lainnya adalah dalam hal waktu komputasi yang relatif singkat, seperti
dibuktikan dalam penelitian oleh Abdelaziz dkk (2014) yang ditunjukkan di Tabel 2.1.
Algoritma PSO membutuhkan waktu 15 detik, sedangkan algoritma ACO dan dan GA
masing-masing 18 detik dan 30 detik dengan hasil optimisasi yang sama yaitu 9,76%.
Tabel 2.1. Perbandingan hasil optimisasi konfigurasi jaring distribusi IEEE 70 bus
tanpa DG dari beberapa metode (Abdelaziz dkk, 2014)
Algoritma Optimisasi Prosentase Hasil Reduksi
Kerugian Daya (%)
Waktu komputasi
(detik)
GA 9,76 30
ACO 9,76 18
PSO 9,76 15
Studi pendahuluan yang sudah dilakukan Tim Peneliti Pengusul (TPP) yaitu
sesuai rencana penelitian PEKERTI ini adalah:
1. Pemodelan dan validasi, dan optimisasi jaringan distribusi standar IEEE 33
bus, 60 bus, dan IEEE 70 bus dalam perangkat lunak Matlab.
2. Algoritma logika fuzzy dan particle swarm optimization (PSO).
Studi ini merupakan modal awal yang sangat penting untuk melangkah ke
penelitian PEKERTI yang akan dilakukan, yaitu:
1. Dengan telah dilakukannya studi tentang pemodelan, validasi, dan
optimisasi jaringan distribusi IEEE 33 bus, 60 bus, dan IEEE 70 bus
(Gambar 2.1), maka dapat dikembangkan untuk optimisasi jaringan
distribusi skala lebih besar yaitu optimisasi jaringan distribusi IEEE 86 bus
dan IEEE 118 bus pada Power System Simulator di Lab Konversi Energi
ITS yang akan dilakukan dalam penelitian PEKERTI ini.
2. Dengan telah dilakukannya studi tentang algoritma kombinasi logika fuzzy
dan particle swarm optimization, maka dapat dilanjutkan dengan
menggabungkan kedua metode tersebut untuk membentuk metode hibrid
fuzzy-PSO yang akan digunakan dalam penelitian PEKERTI ini.
Gambar 2.1. Model turbin angin sebagai suatu DG
BAB 3
METODE PENELITIAN
Alat yang digunakan dalam penelitian ini yaitu:
1. Perangkat-keras (hardware)
a. Power system simulator beserta interface card ke laptop (di Lab KE ITS).
b. Modul wind energy, fuel cell, dan power electronics (di Lab KE ITS).
c. Laptop/PC dengan spesifikasi minimum processor 1.8 GHz, 4 GB.
2. Perangkat-lunak (software)
a. Software Matlab 2010a original untuk optimisasi jaringan (di Lab KE ITS).
b. Software ETAP 7.0.0 original untuk menguji aliran daya (di Lab KE ITS).
c. Metode cerdas Particle Swarm Optimization untuk optimisasi jaringan distribusi.
BAB 4
HASIL YANG DICAPAI
4.1. Jaringan Distribusi IEEE 33 Bus
Dalam bagian ini diuraikan optimisasi konfigurasi jaring distribusi model IEEE
33 bus seperti ditunjukkan pada Gambar 5.1. Dalam uji kasus pada sistem distribusi
model IEEE 33-bus ini, telah ditetapkan sebanyak lima buah tie switch yaitu switch-
switch nomor 33, 34, 35, 36 dan 37. Total beban sistem adalah 3715 kW. Dalam sistem
ini digunakan base tegangan V = 12,66 kV dan dan base daya semu S = 10 MVA.
1
2
3
4
10
13
14
15
16
17
18
Substation
11
12
20
21
2
3
4
5
6
7
8
9
10
25
18
19
1
5
6
7
8
9
12
13
14
15
16
17
11
19
20
21
22 27
28
26
26
27
28
29
31
32
30
30
31
32
33
24
23
23
24
25
29
22
36
34
37
33
35
i bus
beban
tie switches
sectionalizing switchesk
j
Gambar 4.1. Jaring distribusi radial model IEEE 33 bus.
Hasil-hasil optimisasi konfigurasi jaring distribusi 33 bus tanpa DG
menggunakan algoritma AIS ditunjukkan pada Tabel 4.1 dan Gambar 4.2 sampai
dengan Gambar 4.4. Magnitudo tegangan minimum yang ditetapkan adalah 0,90 p.u
dan maksimumnya adalah 1,00 pu.
Tabel 4.1. Data-data hasil optimisasi jaring distribusi IEEE 33 bus tanpa DG
Jumlah
Iterasi
Pra Rekonfigurasi Pasca Rekonfigurasi Waktu
Komputasi
(detik) Tie
Switches
Kerugian
Daya
(kW)
Tegangan
Minimum
(p.u.)
Switches
Dibuka
Kerugian
Daya
(kW)
Reduksi
Kerugian
Daya (%)
Tegangan
Minimum
(p.u.)
5
33
34
35
36
37
202,68 0,911
(bus 18)
6
11
14
36
37
134,95 33,42 0,941
(bus 33) 4,19
10
33
34
35
36
37
202,68 0,911
(bus 18)
7
9
14
28
32
131,76 34,99 0,943
(bus 33) 8,17
30
33
34
35
36
37
202,68 0,911
(bus 18)
6
10
32
34
37
129,29 36,21 0,942
(bus 33) 23,46
50
33
34
35
36
37
202,68 0,911
(bus 18)
6
10
32
34
37
129,29 36,21 0,942
(bus 33) 36,98
100
33
34
35
36
37
202,68 0,911
(bus 18)
6
10
32
34
37
129,29 36,21 0,942
(bus 33) 72,88
200
33
34
35
202,68 0,911
(bus 18)
6
10
32
129,29 36,21 0,942
(bus 33) 153,40
36
37
34
37
300
33
34
35
36
37
202,68 0,911
(bus 18)
6
10
32
34
37
129,29 36,21 0,942
(bus 33) 215,98
400
33
34
35
36
37
202,68 0,911
(bus 18)
6
10
32
34
37
129,29 36,21 0,942
(bus 33) 288,51
500
33
34
35
36
37
202,68 0,911
(bus 18)
6
10
32
34
37
129,29 36,21 0,942
(bus 33) 370,77
700
33
34
35
36
37
202,68 0,911
(bus 18)
6
10
32
34
37
129,29 36,21 0,942
(bus 33) 513,70
1000
33
34
35
36
37
202,68 0,911
(bus 18)
6
10
32
34
37
129,29 36,21 0,942
(bus 33) 618,28
10000
33
34
35
36
37
202,68 0,911
(bus 18)
6
10
32
34
37
129,29 36,21 0,942
(bus 33) 6974.58
Dari hasil optimisasi pada Tabel 4.1 diperlihatkan bahwa telah dilakukan
optimisasi konfigurasi jaring distribusi model IEEE 33 bus tanpa integrasi DG dengan
variasi jumlah iterasi yaitu 5, 10, 50, 100, 200, 300, 400, 500, 700, 1000, dan 10000.
Variasi jumlah iterasi ini diterapkan untuk melihat performa algoritma AIS dalam
optimisasi rekonfigurasi jaring distribusi. Dengan variasi jumlah iterasi ini diharapkan
akan diperoleh informasi jumlah iterasi terendah yang mendapatkan hasil konfigurasi
terbaik dan konsumsi waktu komputasinya juga yang paling rendah. Hasil optimisasi
menunjukkan bahwa terdapat 3 fase perubahan kerugian daya akibat konfigurasi jaring
distribusi yaitu fase-fase perubahan jumlah iterasi 5, 10, dan 30, seperti diilustrasikan
pada Gambar 4.2.
Gambar 4.2. Fase perubahan kerugian daya konfigurasi jaring distribusi pada
perubahan iterasi.
Selanjutnya konfigurasi yang paling optimal diperoleh pada uji optimisasi
dengan jumlah iterasi 30 (fase perubahan ketiga) dengan posisi tie switches adalah 6,
10, 32, 34, dan 37 dalam waktu komputasi 23,46 detik. Pada iterasi-iterasi selanjutnya
diperoleh hasil yang sama. Dalam penelitian ini telah dilakukan uji optimisasi hingga
10.000 iterasi dan diperoleh hasil yang paling optimal adalah tetap pada konfigurasi
dengan posisi tie switches yang sama. Konfigurasi ini menghasilkan kerugian daya
sebesar 129,29 kW, atau terjadi reduksi kerugian daya sebesar 36,21 % dibanding
kerugian daya konfigurasi awal 202,68 kW. Pada konfigurasi optimal ini magnitudo
tegangan terendah terjadi pada bus 32 yaitu 0,946 p.u. Konfigurasi terbaik jaring
distribusi model IEEE 33 bus menggunakan algoritma PSO yang dihasilkan dalam
penelitian ini ditampilkan pada Gambar 4.3. Pada gambar tersebut terlihat bahwa
fase I
fase II
fase III
konfigurasi jaring distribusi IEEE 33 bus hasil optimisasi menggunakan algoritma AIS
tetap dalam topologi radial.
Jika dibandingkan konfigurasi awal jaring distribusi yang ditunjukkan pada
Gambar 4.1 dan konfigurasi optimal yang diperlihatkan pada Gambar 4.3, maka terjadi
perubahan status switch. Perubahan yang terjadi adalah tie switch 33, 35, dan 36
menjadi posisi ditutup, sedangkan sectionalizing switch 6, 10, dan 32 menjadi posisi
dibuka. Dalam optimisasi konfigurasi jaring distribusi diupayakan seminimal mungkin
terjadi perubahan status tie switch menjadi ditutup. Dalam operasi sistem distribusi,
perubahan status tie switch menimbulkan surja hubung (switching surge) yang
menggaggu kualitas daya saluran distribusi.
1
2
3
4
10
13
14
15
16
17
18
Substation
11
12
20
21
2
3
4
5
6
7
8
9
10
25
18
19
1
5
6
7
8
9
12
13
14
15
16
17
11
19
20
21
22 27
28
26
26
27
28
29
31
32
30
30
31
32
33
24
23
23
24
25
29
22
36
34
37
33
35
i bus
beban
tie switches
sectionalizing switchesk
j
Gambar 4.3. Hasil rekonfigurasi paling optimal sistem distribusi IEEE 33 bus.
Profil tegangan pra dan pasca rekonfigurasi untuk optimisasi terbaik dengan 30
iterasi ditunjukkan pada Gambar 4.4, sedangkan profil tegangan untuk berbagai iterasi
ditunjukkan pada Gambar 4.5.
0 5 10 15 20 25 30 350.91
0.92
0.93
0.94
0.95
0.96
0.97
0.98
0.99
1
Tegangan B
us(p
.u)
Nomor Bus
Profil Tegangan Sistem Distribusi Radial 33 Bus
Sebelum Rekonfigurasi
Setelah Rekonfigurasi
Gambar 4.4. Profil tegangan terbaik hasil optimisasi konfigurasi jaring distribusi model
IEEE 33 bus (30 iterasi).
Gambar 4.5. Profil tegangan hasil optimisasi konfigurasi jaring distribusi model IEEE
33 bus dalam berbagai jumlah iterasi.
BAB 5
RENCANA TAHAPAN BERIKUTNYA
Kegiatan Penelitian PEKERTI ini yang disertai dengan luaran-luarannya
direncanakan terlaksana dalam 12 bulan. Jadwal pelaksanaan Penelitian PEKERTI ini
selanjutnya ditunjukkan pada Tabel 5.1.
Tabel 5.1. Jadwal pelaksanaan Penelitian PEKERTI
No. Jenis Kegiatan Bulan ke-
1 2 3 4 5 6 7 8 9 10 11 12
1 Studi dan penelusuran pustaka lebih
mendalam
2 Survey lapangan dan pemetaan potensi DG
sistem distribusi PLN APJ Yogyakarta
3 Perancangan dan pembuatan program load-flow di Matlab dan validasi dengan ETAP
4 Rekonfigurasi Jaringan Distribusi Terintegrasi
DG pada Power System Simulator
5 Rancang-bangun Program Rekonfigurasi Jaringan
dgn metode PSO
6 Optimisasi Konfigurasi Jaringan Distribusi
dengan DG PLN APJ Yogyakarta
7 Analisis Efisiensi Energi Jaringan Distribusi
dan Perbandingan Metode Rekonfigurasi
8 Penyusunan Laporan Tengah dan Laporan
Akhir Penelitian
9 Publikasi Jurnal Internasional
11 Penyusunan Buku Ajar
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Penelitian ini membahas metodologi untuk rekonfigurasi jaring distribusi
radial dengan integrasi DG menggunakan algoritma PSO pada sistem uji jaring
distribusi model IEEE 33 bus dan sistem distribusi radial PLN UPJ Bantul 60 bus.
Berdasarkan hasil-hasil simulasi diperoleh kesimpulan sebagai berikut:
1. Pada studi kasus jaring distribusi IEEE 33 bus, rekonfigurasi optimal berhasil
meningkatkan efisiensi jaring distribusi dari 94,82% menjadi 96,64%.
2. Optimisasi konfigurasi jaring distribusi IEEE 33 bus berhasil meningkatkan
profil tegangan jaring distribusi dari minimum 0,911 p.u menjadi minimum
0,942 p.u pada base tegangan 12,66 kV.
3. Pada studi kasus jaring distribusi PLN UPJ Bantul 60 bus, rekonfigurasi
optimal berhasil meningkatkan efisiensi jaring distribusi dari 97,53% menjadi
98,25%.
4. Optimisasi konfigurasi jaring distribusi PLN UPJ Bantul 60 bus berhasil
meningkatkan profil tegangan jaring distribusi dari minimum 0,860 p.u
menjadi minimum 0,901 p.u pada base tegangan 20 kV.
6.2 Saran
1. Penelitian ini dapat dilanjutkan dengan melakukan optimisasi konfigurasi
jaring distribusi real menggunakan seluruh data penyulang dalam suatu
gardu induk.
2. Penelitian ini dapat dilanjutkan dengan melakukan kerjasama dengan PT
PLN (Persero) untuk optimisasi konfigurasi jaring distribusi real suatu
gardu induk dalam rangka membantu meningkatkan performa sistem
distribusi yang dikelolanya. Optimisasi ini juga sangat bermanfaat dalam
mengurangi inefisiensi teknik yang selama ini terjadi di PLN.
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.
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.
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.
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.
Kusdiana, D, 2008, “Kondisi Riil Kebutuhan Energi di Indonesia dan Sumber-Sumber
Energi Alternatif Terbarukan”, Seminar Renewable Energy, Ditjen LPE, Dep
ESDM, Bogor.
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.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.
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.
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.
Jamal, A., Suripto, S., Syahputra, R. (2016). Performance Evaluation of Wind Turbine
with Doubly-Fed Induction Generator. International Journal of Applied
Engineering Research (IJAER), 11(7), pp. 4999-5004.
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. (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.
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
Computer Science & Information Technology (IJCSIT), Vol. 5, No. 1, pp. 23-37.
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
Computer Science & Information Technology (IJCSIT), Vol. 4, No. 2, pp. 57-68.
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.
Syahputra, R., (2015), “Teknologi dan Aplikasi Elektromagnetik”, LP3M UMY,
Yogyakarta, 2016.
Syahputra, R., (2014), “Estimasi Lokasi Gangguan Hubung Singkat pada Saluran
Transmisi Tenaga Listrik”, Jurnal Ilmiah Semesta Teknika Vol. 17, No. 2, pp.
106-115, Nov 2014.
Syahputra, R., Robandi, I., Ashari, M., (2011), “Modeling and Simulation of Wind
Energy Conversion System in Distributed Generation Units”. International
Seminar on Applied Technology, Science and Arts (APTECS). 2011; pp. 290-
296.
Syahputra, R., Robandi, I., Ashari, M., (2011), “Control of Doubly-Fed Induction
Generator in Distributed Generation Units Using Adaptive Neuro-Fuzzy
Approach”. International Seminar on Applied Technology, Science and Arts
(APTECS). 2011; pp. 493-501.
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., 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
Engineering Research (IJAER), 11(18), pp. 9269-9278.
LAMPIRAN
FORMULIR EVALUASI ATAS CAPAIAN LUARAN KEGIATAN
Ketua : Ramadoni Syahputra Perguruan Tinggi : Universitas Muhammadiyah Yogyakarta Judul : Strategi Peningkatan Efisiensi Jaringan Distribusi dengan Integrasi
Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas Waktu Kegiatan : Tahun ke-1 dari rencana 2 tahun
Luaran yang direncanakan dan capaian tertulis dalam proposal:
No Luaran yang Direncanakan Capaian
1 Laporan Penelitian 90%
2 Publikasi di Jurnal Internasional (Sudah Terbit) 100%
3 Publikasi di Seminar Internasional (in Review) 80%
4 Hak Cipta (HKI) Metode Optimasi (Draft) 60%
CAPAIAN (Lampirkan bukti-bukti luaran dari kegiatan dengan judul yang tertulis di
atas, bukan dari kegiatan penelitian dengan judul lain sebelumnya)
1. PUBLIKASI ILMIAH
Keterangan
ARTIKEL JURNAL KE-1*
Nama jurnal yang dituju JES (Journal of Electrical Systems)
Klasifikasi jurnal Jurnal Internasional terindeks Scopus
Impact factor jurnal 0,23
Judul artikel Performance Enhancement of Distribution Network
with DG Integration Using Modified PSO Algorithm
Status naskah (diberi tanda )
- Draf artikel
- Sudah dikirim ke jurnal
- Sedang ditelaah
- Sedang direvisi
- Revisi sudah dikirim ulang
- Sudah diterima
- Sudah terbit
* Jika masih ada artikel ke-2 dan seterusnya, uraikan pada lembar tambahan
2. BUKU AJAR
Buku ke-1*
Judul :
3. PEMBICARA PADA PERTEMUAN ILMIAH (SEMINAR/SIMPOSIUM)
Internasional
Judul Makalah An Artificial Immune System Algorithm Approach
for Reconfiguring Distribution Network
Nama Pertemuan Ilmiah Seminar Internasional ICOMPAC 2016 di Surabaya
Tempat Pelaksanaan ITS
Waktu Pelaksanaan Nopember 2016
- Sedang direview - Sudah dilaksanakan
4. SEBAGAI PEMBICARA KUNCI (KEYNOTE SPEAKER)
Nasional Internasional
- Bukti undangan dari Panitia
- Judul Makalah
- Penulis
- Penyelenggara
- Waktu Pelaksanaan
- Tempat Pelaksanaan
- Draf makalah
- Sudah dikirim
- Sedang direview
- Sudah dilaksanakan
5. UNDANGAN SEBAGAI VISITING SCIENTIST PADA PERGURUAN TINGGI LAIN
Nasional Internasional
- Bukti undangan
- Perguruan tinggi pengundang
- Lama kegiatan
- Kegiatan penting yang dilakukan
6. CAPAIAN LUARAN LAINNYA
HKI (Hak Cipta), Draft Metode optimasi jaringan distribusi berbasis
PSO termodifikasi TEKNOLOGI TEPAT GUNA
REKAYASA SOSIAL
JEJARING KERJA SAMA
PENGHARGAAN
LAINNYA (Tuliskan)
Jika luaran yang direncanakan tidak tercapai, uraikan alasannya:
……………………………………………………………………………………………
………………………………………………………………………………………
Yogyakarta, 10 September 2016
(Ramadoni Syahputra)
Jurnal Internasional JES (Sudah Terbit)
Seminar Internasional ICOMPAC 2016 (in Review)