Exercise 6: Pembangkitan Listrik Berbiaya Rendah
1. Biaya Sosial (Social Costs): Pertama, buatlah sebuah grafik untuk setiap skenario yang membandingkan biaya kumulatif total dan biaya sosial yang tidak masuk dalam
hitungan pada tahun 2020 (di sebelah atas cabang area). Pastikan anda mengatur konfigurasi grafik untuk menunjukkan skenario pada sumbu X dan kategori biaya pada legenda. Simpan grafik dalam grafik favorit dengan nama “Costs by Skenario”.
2. Kapasitas (Capacity): Selanjutnya, buatlah sebuah grafik yang menunjukkan kapasitas total yang dipasang pada tahun 2020 di setiap skenario. Simpan grafik tersebut dalam grafik favorit dengan nama “Capacity by Skenario”.
Kedua grafik tersebut akan terlihat seperti di bawah ini:
Cobalah untuk menjawab dua pertanyaan di bawah ini: • Mengapa batubara menjadi pilihan yang termurah?
• Mengapa LEAP menginstal kapasitas yang lebih untuk Tenaga Angin dan PLT-Air meskipun semua skenario akan berada pada level permintaan energi listrik yang sama?
6.4 Memasukkan Biaya Eksternal
Hasil dari skenario di atas ternyata dipengaruhi oleh sebuah fakta bahwa selama ini ada faktor penting yang terabaikan, yakni faktor kerugian yang berhubungan dengan polusi dari pembakaran minyak bumi. Biaya tersebut seringkali diabaikan karena tidak secara langsung dihitung dalam sebagian besar sistem energi. Meski demikian, biaya tersebut ada dan menyebabkan dampak
ekonomi yang nyata seperti kerugian terhadap kesehatan manusia dan hasil panen.
Selanjutnya, masukkan data yang mendeskripsikan nilai eksternal tersebut. Masuk ke jendela General: Effects kemudian tambahkan data yang mendeskripsikan Externatlity Costs
untuk empat polutan, yakni: NOX, SO2, CH4 dan N2O. Gunakan nilai eksternal pada tabel di samping dalam satuan $/kg.
Sebelum melihat hasil perhitungan, masuklah ke jendela General: Basic Parameters: Costing dan pastikan untuk mencentang pilihan Environmental Externality Costs.
Pollutant Externality Value ($/kg)
NOx 9.8
SO2 4.1
CH4 0.4
Kemudian sekali lagi pilih Results View. Segera setelah LEAP menghitung ulang hasilnya, maka akan terlihat hasil favorit Costs by Scenario dengan grafik seperti di bawah ini. Perhatikan bahwa LEAP sekarang telah menghitung biaya eksternal baru.
Sekarang, cobalah menjawab pertanyaan-pertanyaan berikut:
• Bagaimanakah hasil dari anda dapat berubah? Berikan alasannya.
• Mengapa biaya eksternal sangat bervariasi di antara bermacam pembangkit listrik yang berbeda?
• Apakah jenis biaya eksternal penting lainnya yang terabaikan dalam perhitungan selama ini?
6.5 Menggunakan Skenario Optimalisasi untuk Mengidentifikasi Skenario Berbiaya Rendah
Sekarang anda dapat mulai untuk mencoba kemampuan optimalisasi LEAP. LEAP secara otomatis akan menentukan kombinasi pembangkit listrik mana yang dapat memenuhi permintaan energi dengan biaya terendah.
Langkah pertama, masuk ke jendela General: Basic Para-meters: Optimization, kemu-dian pastikan bahwa fitur optimalisasi telah terinstal dengan baik dalam LEAP. Apabila telah terinstal dengan baik, maka akan terlihat seperti jendela di samping. Matikan kotak pilihan Include Emissions Constraints dan atur pilihan lainnya pada nilai default.
Selanjutnya, buatlah sebuah skenario baru dimana anda dapat mengaplikasikan fitur optimalisasi di dalamnya. Masuk ke jendela Manage Scenarios kemudian buat skenario baru dengan nama Optimization (Opt) yang secara langsung mewarisi skenario Current Accounts.
Kembali ke jendela utama tampilan analisis dan pilihlah skenario Optimization. Untuk menggunakan skenario Optimization, hanya diperlukan pengaturan sederhana karena sebelumnya anda telah memasukkan semua data dasar yang diperlukan dalam perhitungan optimalisasi. LEAP secara langsung akan menggunakan data yang sama.
Pilih cabang Transformation\Electric Generation, kemudian pilih variabel Opmtimize. Ubah nilainya dari No menjadi Yes. Apabila variabel tersebut tidak ada, periksa apakah anda telah mengedit skenario yang tepat. Variabel ini tidak muncul pada skenario Current Accounts. Terakhir, untuk setiap proses, periksa apakah pengaturan ter-dispatch telah diatur ke RunningCost.
Sekali lagi, pilih Results View. LEAP akan menghitung ulang hasilnya kembali. Perhatikan bahwa selama perhitungan ulang tersebut, perhitungan LEAP akan berhenti sejenak, kemudian LEAP memunculkan jendela terpisah yang berisi informasi tentang model optimalisasi OSeMOSYS3 yang digunakan untuk menghitung skenario optimalisasi. Jendela tersebut secara otomatis akan menutup ketika perhitungan optimalisasi telah lengkap, di mana perhitungan LEAP akan dilanjutkan kembali.
Setelah seluruh perhitungan tersebut lengkap, anda dapat kembali menunjukkan hasil favorit Costs by Scenario. Grafik dari perhitungan tersebut nampak seperti yang tertera di bawah ini. Perhatikan bahwa LEAP sekarang telah membuat hasil untuk skenario optimalisasi baru tersebut. Dapat dilihat bahwa biaya sosial keseluruhan ternyata sedikit lebih murah dari skenario termurah yang telah dibuat sebelumnya.
3
OSeMOSYS (Open Source Energy Modeling System) adalah sistem pemodelan energi berbasis open source yang digunakan dalam LEAP untuk menghitung konfigurasi biaya rendah yang optimal dari modul Transformasi tunggal manapun. OSeMOSYS bergantung pada GNU Linear Programming Kit (GLPK), sebuah
Untuk mengetahui lebih jelas, lihatlah grafik lainnya yang menunjukkan Electric Generation dengan proses dari setiap skenario pada tahun 2020.
Tidak seperti pada skenario simulasi teknologi sederhana lainnya, pada skenario Optimization, LEAP sendiri yang memilih komposisi pembangkit listrik. Karena bentuk beban yang telah dimasukkan sebelumnya bervariasi menurut musim dan waktu, maka akan terdapat beberapa periode puncak permintaan energi. Jika sebuah pembangkit listrik dibangun pada periode tersebut, maka biaya yang dikeluarkan akan rendah, namun akan tinggi dalam hal pengoperasian (misalnya, PLT-Combustion Turbines). Di sisi lain, jika pembangkit listrik dibangun pada periode beban dasar permintaan energi, maka pembangkit listrik tersebut menghabiskan banyak biaya dalam pembangunan namun memiliki biaya tetap yang rendah (misalnya PLT-Gas Alam CC), atau bahkan tanpa biaya bahan bakar (PLT-Tenaga angin).
6.6 Menggunakan Batasan (Constraints) untuk Menentukan Limit CO2
Pada latihan selanjutnya, anda akan membuat skenario tambahan yang menggambarkan bagaimana pilihan teknologi berbiaya rendah akan berubah apabila level maksimum emisi CO2 dibebankan dalam sistem.
Untuk membuat batasan emisi, langkah pertama yakni kembali ke jendela General: Basic Parameters: Optimization, kemudian aktifkan kotak pilihan Include Emissions Constraints.
Kembali ke jendela utama dan tempatkan cabang Emission Constraints. Tambahkan dampak baru untuk Carbon Dioxide Non Biogenic di bawah cabang tersebut. Skenario Current Accounts dan semua skenario lainnya tidak memerlukan batasan emisi, untuk itu cukup masukkan jumlah nilai yang besar (misalnya, 500 juta) ke dalam variabel Annual Emission
Selanjutnya, masuk ke jendela Manage Scenarios, kemudian buat skenario baru dengan nama CO2 Constraint (CON) yang mewarisi skenario Optimization. Kembali ke jendela utama dan masukkan nilai sebesar 25 juta ton ke dalam variabel Annual Emission Constraint pada skenario baru tersebut.
Langkah terakhir, pilih kembali Results View. Segera setelah semuanya lengkap, lihatlah hasil pembangkitan, emisi GHG total, dan biaya sosial. Grafik terlihat seperti di bawah ini:
Sekarang cobalah untuk menjawab pertanyaan di bawah ini:
• Berapa nilai persentase penurunan emisi GHG oleh pembatasan CO2 pada tahun 2020 bila dibandingkan dengan skenario optimal tanpa pembatasan?
6.7 Menggunakan Data Milik Sendiri
Sekarang kembali dan tinjau ulang biaya pemodalan, Pengoperasian & Pemeliharaan (O&M), dan bahan bakar yang digunakan dalam latihan ini serta parameter teknik seperti usia penggunaan, efisiensi, ketersediaan maksimum dan kredit kapasitas.
Tanamkan dalam pikiran bahwa nilai yang digunakan pada latihan ini hanyalah nilai contoh: nilai tersebut tidak dimaksudkan untuk menjadi nilai yang realistis (jangan pernah gunakan nilai tersebut untuk studi yang sebenarnya!)
• Bagaimana nilai tersebut bila disamakan dengan biaya pembangkitan listrik di negara anda?
• Cobalah untuk mengganti biaya pemodalan dan bahan bakar yang digunakan dalam latihan ini dengan data milik anda sendiri (apabila tersedia). Bagaimana pembangkit listrik gabungan terbaik dapat berubah?
• Langkah terakhir, pikirkan variabel manakah yang nampaknya akan berubah di masa mendatang. Misalnya, anda mungkin ingin mengetahui berapa banyak teknologi terbarukan seperti energi surya dan angin yang menjadi lebih murah secara signifikan pada dekade terakhir, sedangkan harga minyak bumi (terutama minyak) telah meningkat secara umum. Coba masukkan beberapa ekspresi pertumbuhan atau Growth untuk menggambarkan tren ini. Apakah dampak dari perubahan tersebut pada pembangkit listrik gabungan terbaik?