2.3 Power System Stabilizer (PSS)
2.3.2 Bagian-Bagian PSS di PLTU Pangkalan Susu
PSS yang dipasang pada PLTU Pangkalan Susu memiliki bagian-bagian dan cara kerja seperti berikut ini [4,11] :
1. L
16
Filter adalah perangkat elektronik yang digunakan untuk melewatkan sinyal
dengan rentang frekuensi tertentu [12]. PSS di PLTU Pangkalan Susu dilengkapi dengan low-pass filter dengan frekuensi cut-off [13]:
(2.32)
Gambar 2.12 Low Pass Filter [14]
Fungsi alih rangkaian pada Gambar 2.12 adalah sebagai berikut [14]:
(2.33)
dengan: dan maka:
(2.34)
dari Persamaan (2.34) kita ketahui bahwa parameter T7 dalam Gambar 2.11 secara fisik adalah nilai RC, dengan mengatur nilai T7, kita dapat mengatur frekuensi yang masuk ke dalam PSS.
2. R
amp-track Filter
Ramp-track filter adalah low-pass filter bertingkat (multipole) yang berfungsi
untuk membatasi perubahan yang sangat cepat dari daya elektrik agar karakteristiknya mirip dengan sinyal kecepatan rotor yang bergantung pada daya mekanik yang berubah dengan lambat [13].
17
N
M
s
T
s
T
9
8
1
1
Gambar 2.13 Blok ramp-track filter [13]
Gambar 2.13 menunjukkan blok ramp-track filter yang terdapat pada Gambar 2.13, filter memiliki parameter sesuai dengan Persamaan (2.35) berikut ini [15]:
(2.35)
Melalui ramp-track filter, sinyal yang keluar dari PSS dapat meniru sinyal kecepatan putaran rotor sehingga bekerja dengan lebih akurat dibandingkan PSS yang tidak memiliki filter tersebut [13].
3. W
ashout Filter
Washout filter adalah sebuah High-Pass Filter yang berfungsi untuk
melewatkan hanya sinyal perubahan input yang cukup besar yang akan diolah oleh PSS. Filter ini memiliki frekuensi cut-off sebesar [13]:
(2.36)
Gambar 2.14 High Pass Filter [14]
Fungsi alih rangkaian pada Gambar 2.14 adalah sebagai berikut [14]:
18 dengan: dan maka:
(2.38)
dari Persamaan (2.38) kita ketahui bahwa parameter Tw1, Tw2 dan Tw3 dalam Gambar 2.11 secara fisik adalah nilai RC pada filter, dengan mengatur nilai Tw1, Tw2 dan Tw3 serta T7, maka PSS bekerja dalam wilayah kerja (bandwidth) yang bisa diatur sesuai kebutuhan.
4. L
ead-Lag Phase Compensator
Untuk meredam osilasi pada rotor, PSS harus menghasilkan sinyal torsi elektrik yang sefasa dengan perubahan deviasi kecepatan rotor. Hal tersebut membutuhkan kompensator fasa untuk mengompensasi lag antara output PSS dengan torsi elektrik yang dihasilkan [1].
Gambar 2.15 Lead-Lag Compensator [16]
Rangkaian pada Gambar 2.15 memiliki fungsi alih sebagai berikut [16]:
(2.39)
dari Persamaan (2.39) dapat diketahui kuantitas fisik parameter dalam Gambar 2.11 : Ks1 = ; T1 = ; T2 = ; T3 = ; T4 =
19
Besar fasa yang dihasilkan PSS untuk yang dihasilkan oleh lead-lag
compensator dihitung menggunakan Persamaan (2.40) berikut ini [2]:
(2.40) dimana :
: Fasa yang dihasilkan PSS
ω : frekuensi osilasi pada sistem tenaga
Penalaan PSS dilakukan dengan menentukan parameter-parameter pada tiap-tiap bagiannya sesuai dengan kondisi sistem tenaga tempatnya dipasang, oleh karena itu pemilihan penalaan PSS dilakukan setelah terlebih dahulu menentukan kondisi gangguan yang terjadi.
5. O
utput Voltage Limiter
Gambar 2.16 Pembatas Tegangan Ouput (Output Voltage Limiter) [12]
Pembatas tegangan pada PSS berfungsi untuk membatasi output PSS sehingga tidak bekerja pada keadaan yang tidak diharapkan. Pembatasan tegangan output PSS dilakukan dengan cara mengatur variabel-variabel pada Persamaan (2.41) dan (2.42) sebagai berikut [1, 12]:
Tegangan output maksimum = (V1+0.7) Volt (2.41) Tegangan output minimum = (-V2 - 0.7) Volt (2.42)
20 2.4 Genetic Algorithm (Algoritma Genetika)
Algoritma Genetika (GA) adalah teknik pencarian heuristik yang didasarkan pada gagasan evolusi seleksi alam dan genetik. Algoritma ini memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi. Dalam proses evolusi, individu secara terus menerus mengalami perubahan gen untuk menyesuaikan dengan lingkungan hidupnya [17].
GA diperkenalkan oleh John Holland pada tahun 1975 di Universitas Michigan untuk menyelesaikan permasalahan yang memiliki ciri sebagai berikut [17]:
1. Ruang pencarian sangat besar, kompleks, atau kurang dipahami
2. Tidak ada pengetahuan yang memadai untuk menyederhanakan ruang pencarian yang sangat besar menjadi ruang pencarian yang lebih sempit 3. Tidak ada analisis matematis yang bisa menangani ketika metode
konvensional gagal menyelesaikan masalah yang dihadapi
4. Solusi yang dihasilkan tidak harus optimal, asal sudah memenuhi kriteria sudah bisa diterima
5. Mempunyai kemungkinan solusi yang jumlahnya sangat banyak
Untuk memanfaatkan algoritma genetika, kita harus dapat menyandikan solusi dari masalah yang diberikan ke dalam kromosom pada algoritma genetika dan
21
membandingkan nilai fitness-nya. Sebuah representasi algoritma genetika yang efektif dan nilai fitness yang bermakna adalah kunci keberhasilan dalam aplikasi algoritma genetika.
Untuk memahami cara kerja GA, berikut ini beberapa istilah yang harus diketahui terlebih dahulu [17]:
a. Individu : representasi solusi dari permasalahan
b. Gen : variabel dalam solusi
c. Populasi : kumpulan dari individu dalam jumlah tertentu d. Generasi : siklus proses evolusi
e. Fitness : nilai yang menyatakan keoptimalan solusi Proses GA untuk mencari solusi adalah sebagai berikut [2, 17]:
1. Tahap penyandian (encoding), yaitu menyandikan gen dari individu. Gen dapat dikodekan kedalam tiga bentuk, namun yang digunakan pada penelitian ini adalah kode bilangan real :
a). kode biner (bilangan 0 dan 1)
contoh : 3 variabel (X1,X2,X3) dikodekan kedalam individu yang terdiri dari 3 gen yaitu X1(001), X2(010) dan X3(101).
b). kode bilangan real dimana nilai gen berada pada interval 0 sampai 1 contoh : 3 variabel (X1,X2,X3) dikodekan ke dalam individu yang terdiri dari 3 gen yaitu X1(0,5392), X2(0,6489) dan X3(0,1642).
c.) kode diskrit desimal : nilai gen berupa bilangan bulangan bulat dalam interval 0 sampai 9
22
contoh : 3 variabel (X1,X2,X3) dikodekan kedalam individu yang terdiri dari 9 gen, tiap-tiap variabel dikodekan kedalam 3 gen yaitu X1(212), X2(135) dan X3 (439).
2. Membentuk populasi awal
Untuk membentuk populasi awal, kita harus menentukan jumlah individu sebanyak N, kemudian membentuk populasi awal yang didalamnya terdapat N individu yang dengan gen didalamnya dipilih secara acak (random).
3. Memformulasikan fungsi objektif
Dalam mencari individu terbaik (solusi), maka tiap individu di dalam populasi akan dievaluasi melalui fungsi objektif. Setelah dievaluasi dengan fungsi objektif, maka tiap individu akan memiliki nilai fitness yang menyatakan kemampuan individu untuk bertahan hidup.
4. Elitisme
Elitisme adalah proses penyalinan individu yang memiliki nilai fitness terbaik pada satu proses generasi untuk mencegah hilang atau rusaknya individu tersebut pada saat proses mutasi dan kawin silang.
5. Pindah silang (crossover)
Pindah silang adalah proses memasangkan dua individu sebagai induk untuk mendapatkan anak. pindah silang yang digunakan pada penelitian ini adalah
metode “pindah silang seragam”.
6. Mutasi
Mutasi adalah proses mengubah semua nilai gen yang terdapat di dalam individu, dengan menggunakan indeks probabilitas mutasi. Pada penelitian
23
Langkah-langkah nomor 1-6 diulang sampai jumlah generasi tertentu dan hasil yang terbaik sudah diperoleh. Gambar 2.17 menunjukkan diagram alir dari Genetic
Algorithm [18].
Gambar 2.17 Diagram alir Genetic Algorithm [18] BAB 3
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang
Power System Stabilizer (PSS) adalah alat kendali tambahan yang digunakan
pada sistem eksitasi generator sinkron untuk meredam osilasi elektromekanik pada generator yang timbul akibat gangguan dan perubahan beban yang terjadi pada sistem tenaga listrik.
PSS meredam osilasi pada rotor generator dengan memberikan sinyal tambahan yang memproduksi torsi elektrik yang sefasa dengan deviasi kecepatan rotor untuk mengembalikan rotor ke kecepatan sinkron. Dalam menghasilkan torsi redaman, PSS bekerja dengan mengolah sinyal input berupa daya output generator, frekuensi output dan sudut daya [1].
Dalam penggunaannya, parameter-parameter PSS harus di tala (tuning) agar kinerjanya sesuai dengan kebutuhan serta cocok dengan karakter sistem tenaga yang dikendalikannya, sehingga mampu menstabilkan generator saat terjadi perubahan pembebanan [2].
Secara luas, penalaan PSS dilakukan dengan penentuan parameter yang membuat PSS bekerja pada kondisi yang sudah diramalkan saja, hal ini membuat PSS tidak bekerja dengan baik saat bekerja diluar kondisi yang sudah ditentukan.
Genetic Algorithm sebagai kecerdasan buatan cocok untuk menyelesaikan
permasalahan ini, karena dapat memperluas wilayah kerja PSS sekaligus mempersingkat penghitungan, sehingga dapat menghasilkan satu set parameter penalaan PSS yang efektif untuk segala kondisi pembebanan pada sistem tenaga [3].
Pada tugas akhir ini, penulis memilih PLTU 2 SUMUT Pangkalan Susu sebagai lokasi penelitian karena pembangkit tersebut masih baru dan sistem eksitasi
2
generatornya sudah memakai PSS. Hasil penelitian ini diharapkan dapat menjadi pertimbangan dalam penalaan PSS pada pembangkit lain yang akan dibangun, khususnya Pembangkit Unit 3 dan 4 PLTU Pangkalan Susu yang akan segera rampung pada beberapa tahun kedepan.