BAB I PENDAHULUAN
Terdapat beberapa persoalan pelik yang sekarang ini di hadapi sistem
kelistrikan di Indonesia. Persoalan kekurangan pasokan daya listrik merupakan salah
satu persoalan yang sampai sekarang belum dapat sepenuhnya teratasi. Penambahan
kapasitas pembangkit eksisting atau pembangunan pembangkit baru merupakan
solusi yang paling reasonable, karena kekurangan pasokan daya tentu paling tepat
diatasi dengan menambah pasokan daya. Persoalannya kemudian adalah selain
membutuhkan waktu lama, solusi tersebut juga membutuhkan investasi yang tidak
sedikit. Melihat kondisi ekonomi yang sedang kurang baik dewasa ini, solusi tersebut
sepertinya sulit untuk ditempuh.
Krisis energi merupakan persoalan yang secara global dihadapi oleh banyak
negara termasuk Indonesia. Energi listrik merupakan bentuk energi yang cukup
dominan dimanfaatkan serta mengalami peningkatan kebutuhan dari waktu ke waktu.
Kemampuan sistem kelistrikan untuk meningkatkan kapasitas pembangkitan yang
tidak sebanding dengan peningkatan kebutuhan daya listrik mengakibatkan defisit
energi listrik. Akibat yang ditimbulkannya bukan hanya terhentinya proses
elektrifikasi daerah yang belum mendapatkan aliran daya, tetapi juga kemungkinan
dilakukannya pemadaman bergilir karena keterbatasan pasokan daya. Defisit daya
listrik juga mengakibatkan penurunan kualitas daya yang disuplaikan ke konsumen.
Kenaikan harga Bahan Bakar Minyak (BBM) yang pada saat ini dan pada
masa mendatang bisa jadi merupakan hal yang tak terhindarkan akan semakin
menurunkan kemampuan sistem pembangkit meningkatkan kapasitasnya karena
tingkat ketergantungannya yang cukup tinggi pada BBM. Tingginya harga BBM
sesungguhnya telah mendorong penelitian dan pengembangan pemanfaatan sumber
energi lain terbarukan untuk keperluan pembangkitan daya listrik. Akan tetapi
beberapa kesulitan terkait hal tersebut masih dihadapi. Selain kuantitas daya
pasokan daya, sinkronisasi sistem pembangkitannya terhadap jaringan kelistrikan
juga masih menjadi kendala. Masih perlu terus diupayakan pengembangannya sampai
dengan diperoleh pembangkitan menggunakan sumber energi terbarukan dengan
skala komersial termasuk sinkronisasinya terhadap sistem kelistrikan sampai dengan
terbangunnya grid connected system (sistem tersambung ke jaringan).
Terdapat fenomena lain yang seringkali luput dari perhatian namun
mengkontribusi secara cukup signifikan pada defisit energi listrik, yaitu besarnya
susut daya jaringan. Persoalan tersebut telah secara faktual mengakibatkan defisit
energi dan penurunan kualitas daya listrik. Karakteristik jaringan dan beban yang
bersifat induktif menyebabkan turunnya faktor daya dan memaksa pembangkit
menyediakan daya lebih besar untuk beban yang sama serta mempengaruhi profil
tegangan.
Data real di lapangan menunjukkan bahwa secara umum nilai susut daya
maupun daya yang dicuri melebihi estimasi yang ditetapkan oleh PLN (Kompas
10/03/2006; Suara_Merdeka Senin, 23 Agustus 2004). Kehilangan daya dalam
jumlah besar ini pada gilirannya mengakibatkan kerugian finansial yang cukup
signifikan. Nilai susut daya di jaringan yang nilainya lebih dari 10 % mengakibatkan
kerugian finansial yang tidak sedikit, karena susut daya sebesar 1 % pada sistem
kelistrikan PLN setara kurang lebih dengan kerugian finansial sebesar satu triliun
rupiah pertahun (Republika 12/03/2008). Pada sisi lain, nilai daya yang hilang di
sistem kelistrikan PLN akibat pencurian daya nilainya juga cukup besar, yaitu sekitar
11.44 persen dari total produksi daya yang dihasilkan PLN secara nasional.
Kehilangan daya ini mengakibatkan kerugian finansial yang nilainya bahkan lebih
besar dari margin keuntungan PLN (Kompas 27/02/2006).
Untuk mengatasi persoalan susut daya tersebut, biasanya kapasitor shunt
dipasang pada sisi sekunder trafo daya Gardu Induk (GI) dan pada penyulang (feeder)
jaringan distribusi sistem tenaga listrik. Kapasitor shunt yang dipasang pada GI
digunakan untuk mengendalikan aliran daya reaktif yang mengalir melalui trafo
dinaikkan (Liang and Cheng 2001; Liang and Wang 2003). Sementara kapasitor
shunt yang yang dipasang pada penyulang distribusi digunakan untuk memasok daya
reaktif sedemikan, sehingga tegangan sepanjang feeder dapat dipertahankan pada
batas-batas yang diijinkan serta susut daya dapat diminimalkan. Meskipun demikian
kapasitor-kapasitor tersebut perlu dilepaskan dari jaringan pada kondisi beban rendah
untuk menghindarkan sistem dari kondisi tegangan lebih (overvoltage).
Strategi operasi sebagaimana diuraikan merupakan strategi pengendalian
daya reaktif/tegangan yang merupakan salah satu upaya untuk mengatur kebutuhan
daya reaktif sekaligus mempertahankan profil tegangan pada batas-batas yang
diijinkan. Pengendalian dimaksud dapat dilakukan dengan mengatur pengubah
sadapan beban (load tap changer/LTC) trafo dan penjadwalan operasi kapasitor
tersaklar. Karena pengaturan komponen-komponen tersebut mempengaruhi kondisi
operasi sistem dalam pola relasi yang sangat tidak linear (highly non linear), maka
pengaturannya perlu dilakukan secara cermat dan hati-hati. Simulasi dan perhitungan
perlu dilakukan sebelum pengaturan untuk sistem real dilakukan, agar dapat dihindari
pengaruh dekstruktif dari strategi operasi tersebut.
Upaya pemasangan kapasitor dan pengendalian operasinya dapat dipandang
sebagai solusi alternatif terhadap persoalan kekurangan pasokan daya listrik. Upaya
ini perlu dilakukan sebelum dilakukan penambahan kapasitas pembangkit eksisting
atau pembangunan pusat pembangkit baru. Dari sudut pandang ekonomi, nilai
investasi kapasitor jauh lebih murah dibandingkan dengan penambahan kapasitas
pembangkit eksisting atau pembangunan pembangkit baru selain waktu instalasinya
yang jauh lebih singkat. Kompensasi daya reaktif karena pemasangan kapasitor yang
mampu memperbaiki profil tegangan pada sisi lain juga akan merupakan keuntungan
lain disamping minimisasi susut daya jaringan.
Meskipun demikian, pemasangan kapasitor tetaplah merupakan upaya
optimisasi sistem kelistrikan dan bukan upaya penambahan pasokan daya yang baru.
Artinya, keuntungan pemasangan kapasitor tetap terbatas pada upaya meminimalkan
Diharapkan dengan upaya tersebut, susut daya dapat diminimalkan sehingga lebih
banyak daya yang dibangkitkan pembangkit dapat dimanfaatkan. Jika kemudian
sistem telah beroperasi secara optimal dan beban sistem tetap tidak dapat sepenuhnya
terlayani karena kekurangan pasokan daya, maka penambahan kapasitas pembangkit
atau pembangunan pusat pembangkit baru tetap harus dilakukan. Tetapi langkah
tersebut hanya akan merupakan solusi yang feasible jika sistem yang ada telah
dioperasikan secara optimal. Kondisi sistem kelistrikan di Indonesia dewasa ini
dicirikan oleh kondisi-kondisi: susut daya yang tinggi, kapasitas pembangkit yang
lebih dari cukup tetapi terjadi defisit daya, profil tegangan yang buruk, tingginya
tingkat pencurian daya listrik dan (menurut pengakuan PLN) terjadi defisit keuangan.
Melihat kondisi tersebut, pemasangan kapasitor dalam upaya meminimalkan
rugi-rugi daya jaringan dan memperbaiki profil tegangan perlu dilakukan disamping
upaya-upaya lain dalam rangka memperbaiki kondisi sistem kelistrikan di Indonesia.
Secara teknis kapasitor shunt yang akan dipasang pada jaringan distribusi
perlu ditentukan secara hati-hati baik ukuran maupun lokasinya (Masoum, Jafarian et
al. 2004; Masoum, Ladjevardi et al. 2004; Masoum, Ladjevardi et al. 2004).
Kesalahan menentukan ukuran dan lokasi kapasitor bukan saja mengakibatkan
masalahnya tidak terselesaikan, tetapi bahkan berpeluang memperburuk kondisi
sistem dan menimbulkan masalah lain, berupa distorsi harmonik pada tegangan
sistem secara berlebihan serta kerusakan pada kapasitor dan komponen sistem
lainnya. Pertimbangan lain diperlukannya menentukan secara teliti ukuran dan lokasi
kapasitor adalah biaya investasi pengadaan dan pemasangan kapasitor yang tidak
murah.
Kesulitan yang seringkali ditemui dalam menentukan nilai dan lokasi
kapasitor adalah terkait dengan hubungan yang sangat tidak linier (highly nonlinear)
antara penambahan komponen sistem kelistrikan dengan perubahan kondisi operasi
sistem (Deng and Ren 2001; Deng, Ren et al. 2002). Fenomena yang kemudian
ditemui adalah penambahan komponen sistem (dalam hal ini kapasitor) di lokasi
Penentuan lokasi kapasitor bukan merupakan fokus dari penelitian ini.
Dalam penelitian ini, lokasi kapasitor diasumsikan telah ditentukan secara optimal
dan untuk memberikan manfaat yang lebih besar, kapasitor yang telah terpasang
tersebut perlu dikendalikan operasinya. Pengendalian tersebut dimaksudkan untuk
merespon karakteristik dinamis beban sistem kelistrikan, yaitu beban yang selalu
berubah, sehingga komponen terpasang perlu dikendalian. Selain kapasitor, terdapat
piranti lain yang dapat dikendalikan dalam rangka perbaikan profil tegangan dan
minimisasi susut daya, yaitu pengubah sadapan beban (load tap changer/LTC).
Pengendalian simultan kedua tipe komponen tersebut akan memberikan manfaat
maksimal tujuan optimisasi. Untuk keperluan tersebut LTC trafo dan kapasitor
tersakelar dilakukan penjadwalan operasinya. Penjadwalan operasi yang dimaksud
adalah penentuan status sambungan kapasitor dan posisi tap LTC dalam tiap dalam
sehari (24 jam). Karena pengendalian komponen-komponen tersebut juga
mempengaruhi kondisi operasi sistem dalam pola relasi yang sangat tidak linear
(highly non linear), maka pengendaliannya perlu dilakukan secara cermat dan
hati-hati. Simulasi dan perhitungan perlu dilakukan sebelum pengendalian pada sistem
real dilakukan, agar dapat dihindari pengaruh dekstruktif dari strategi operasi
tersebut.
Hubungan tak linier antara perubahan status komponen tersakelar, beban
sistem kelistrikan, daya yang dibangkitan dengan tegangan sistem dan rugi-rugi
sistem dapat secara teliti diperhitungkan dengan analisis aliran beban (load flow
analysis). Secara matematis perhitungan aliran beban dapat dilakukan dengan
mencari solusi atas seperangkat persamaan linier simultan banyak perubah
(multi-variable simultaneous linear equations). Penyelesaian persoalan tersebut
membutuhkan metode komputasi tingkat tinggi yang melibatkan prosedur iteratif.
Beban komputasi dari perhitungan aliran beban pada gilirannya sangat tinggi. Pada
sisi lain, karena melibatkan prosedur iteratif, ketelitian hasil perhitungan aliran beban
akan tergantung pada jumlah iterasi dan kriteria konvergensi yang biasanya
ketelitian hasil perhitungan adalah metode yang dipakai dalam analsis aliran beban.
Untuk memperoleh hasil perhitungan dengan ketelitian yang tinggi, jumlah iterasinya
dapat ditingkatkan dan derajat toleransi kesalahannya diperkecil. Akan tetapi, hal ini
akan memperberat beban komputasi. Metode yang lebih kompleks, yang karenanya
lebih rumit, juga biasanya dapat memberikan hasil perhitungan yang lebih teliti. Hal
ini juga akan meningkatkan beban komputasi. Pemilihan metode yang tepat disertai
penentuan jumlah iterasi dan tingkat toleransi kesalahan yang proporsional akan
memberikan hasil perhitungan dengan tingkat ketelitian yang bisa diterima
(acceptable) dengan beban komputasi yang rasional.
Jaringan distribusi merupakan sistem tiga fasa dan seringkali tidak
seimbang yang diakibatkan oleh perubahan konfigurasi jaringan dan
ketidakseimbangan beban. Untuk keperluan penyederhanaan, estimasi dan analisis
seringkali dilakukan dengan mendasarkan pada asumsi bahwa sistem dalam keadaan
seimbang, sehingga perhitungan dan analisis yang dilakukan dapat dilakukan untuk
satu fasa saja serta memperhitungkan fasa lainya sepenuhnya seimbang dan hanya
berbeda fasa 120 derajat saja.
Untuk memperoleh strategi pengendalian yang lebih akurat, sistem tiga fasa
perlu diperhitungkan secara lengkap. Kesulitan yang akan ditemui adalah kalkulasi
yang lebih rumit dan beban komputasi yang lebih berat. Penelitian ini mengambil
fokus pengembangan piranti lunak untuk analisis aliran daya sistem tak setimbang
dan optimisasi pengendalian daya reaktif/tegangan untuk minimisasi susut daya dan
perbaikan profil tegangan.
Dalam penelitian tahun pertama, perhitungan aliran beban akan dilakukan
dengan mempertimbangkan kondisi beban tak seimbang dan memperhitungkan
berbagai konfigurasi segmen saluran distribusi. Metode perhitungan aliran beban
yang dipilih adalah Algoritma Propagasi Maju-Balik (Forward-Backward
Propagation Algorithm). Dalam perhitungan ini, sistem tidak perlu dilakukan
modifikasi terhadapnya dan juga tidak perlu dilakukan penerapan komponen simetris
terhadap sistem dengan terlebih dahulu menentukan jalur penelusuran maju dan balik
dan dilanjutkan dengan perhitungan arus jaringan dengan menggunakan jalur
propagasi balik. Setelah nilai arus pada tiap segmen saluran diketahui, maka tegangan
bus dapat diperhitungkan berdasarkan arus jarungan dan impedansinya. Nilai-nilai
tegangan bus tersebut kembali digunakan untuk meng-update nilai arus segmen
saluran. Perhitungan iteratif ini terus diulangi sampai dengan diperoleh selisih nilai
tegangan tiap bus, tiap fasa untuk perhitungan iteratif yang berurutan. Selisih nilai
tersebut diperiksa berdasarkan nilai toleransi yang ditetapkan dan perhitungan iteratif
dikatakan konvergen jika nilai selisih dimaksud tidak melebihi toleransi yang
ditetapkan.
Dalam penelitian tahun pertama, perhitungan aliran beban tiga-fasa tak
seimbang diimplementasikan untuk sistem standar IEEE berdimensi 34 bus. Untuk
keperluan investigasi perbaikan kondisi operasi sistem karena pemasangan kapasitor,
maka dipasang kapasitor secara tentatif baik ukuran maupun lokasinya. Perhitungan
aliran beban kembali dijalankan untuk melihat pengaruh pemasangan kapasitor shunt
terhadap kondisi operasi sistem yang meliputi profil tegangan dan susut daya sistem.
Tentu saja penentuan ukuran dan lokasi kapasitor masih perlu diperhitungkan secara
lebih cermat dengan metoda optimisasi yang merupakan perhitungan terpisah.
Analisis aliran beban tiga fasa bukanlah satu-satunya perhitungan yang
dilakukan dalam penelitian ini. Perhitungan tersebut memiliki peran utama
memetakan (mapping) antara penambahan komponen kelistrikan dengan kondisi
operasi sistem kelistrikan. Untuk keperluan perbaikan kondisi operasi sistem,
sejumlah kapasitor shunt perlu dipasang pada sistem distribusi. Dalam kaitan ini,
perhitungan aliran beban akan dilakukan secara berulang untuk beberapa kapasitor
dengan ukuran yang bisa jadi berbeda yang dipasang untuk beberapa lokasi yang
berbeda pula.
Dalam tahap penelitian tahun kedua ini, status operasional kapasitor shunt
dan tap LTC dievaluasi setiap jam untuk merespon perubahan beban. Strategi
beban kelistrikan yang berubah. Kurun pengendalian dilakukan untuk 24 jam,
sehingga penentuan status operasional komponen tersakelar perlu dilakukan 24 kali
untuk beban tiap jam. Perhitungan aliran beban perlu dijalankan beberapa kali untuk
tiap jam dan akumulasi perhitungan tersebut untuk kurun 24 jam perhitungan menjadi
cukup besar. Pemilihan Algoritma perhitungan aliran beban yang efisien dan akurat
perlu dilakukan untuk meringankan beban komputasi.
Dalam penelitian tahun sebelumnya, program aliran beban telah berhasil
dikembangkan dan akan dimanfaatkan dalam penelitian tahun kedua. Dalam
penelitian tahun kedua ini, kombinasi-kombinasi status dan posisi tap LTC ditentukan
secara optimal. Proses penentuan jadwal operasi optimal kapasitor-kapasitor tersebut
dengan menggunakan metode optimisasi cerdas akan selalu melibatkan perhitungan
aliran beban, sehingga program aliran beban merupakan tulang punggung (backbone)
perhitungan dari seluruh proses optimisasi. Akurasi perhitungan aliran beban pada
gilirannya akan memberikan kontribusi signifikan terhadap kesahihan (ke-valid-an)
hasil optimisasi.
Dalam penelitian tahun kedua, penjadwalan operasi kapasitor shunt dan
LTC akan ditentukan menggunakan metode optimisasi cerdas. Metode yang
diusulkan adalah Agoritma Genetika (Genetic Algorithm, GA). Pemilihan Algoritma
Genetika terutama didasarkan atas kemampuan algoritma tersebut untuk memperoleh
hasil optimal global terutama untuk persoalan-persoalan optimisasi multimodal.
Metode optimisasi ini akan lebih lanjut dikembangkan dengan menggabungkan
metode Fuzzy kedalam Algoritma Genetika untuk membentuk metode Hibrida
Fuzzy-Algoritma Genetika. Gabungan metode ini diharapkan memperbaiki hasil
optimisasi penentuan status penjadwalan optimal kapasitor shunt dan LTC.
Dalam penelitian ini, dilakukan penentuan status penjadwalan optimal
kapasitor shunt dan LTC sedemikian, sehingga diperoleh minimisasi susut daya dan
perbaikan profil tegangan. Untuk keperluan tersebut berbagai kemungkinan solusi
perlu dibangkitkan dan kandidat-kandidat solusi tersebut akan secara berkelanjutan
selection). Program perhitungan aliran beban dimanfaatkan untuk mengevaluasi
kombinasi status penjadwalan dengan memberikan hasil perhitungan yang berupa
profil tegangan dan susut daya sistem. Untuk kombinasi tertentu perhitungan aliran
beban akan melakukan perhitungan dan memberikan nilai susut daya dan deskripsi
profil tegangan bagi kombinasi tersebut. Perhitungan tersebut dilakukan untuk
seluruh kombinasi yang diberikan pada tiap jamnya. Setelah diselesaikan perhitungan
untuk jam tertentu, perhitungan kembali dilakukan untuk jam berbeda dengan beban
yang berbeda serta kombinasi penjadwalan yang berbeda pula. Perhitungan dilakukan
untuk seluruh kurun optimisasi dengan jumlah kombinasi penjadwalan yang cukup
besar.
Secara komputatif pelibatan program perhitungan aliran beban adalah
sebagai subrutin pada perhitungan optimisasi Algortima Genetika untuk
mengevaluasi nilai susut daya dan profil tegangan atas kombinasi-kombinasi
penjadwalan yang diberikan. Masukan untuk program tersebut adalah kombinasi
penjadwalan dan keluarannya adalah nilai susut daya dan deskripsi profil tegangan
atas beban sistem pada tahap tersebut. Terdapat sejumlah besar kandidat solusi yang
perlu dievaluasi dan diperbaiki dalam proses komputasi. Sampai dengan tahap
tertentu kandidat solusi dengan hasil terbaik akan diambil sebagai solusi akhir dari
persoalan optimisasi yang ditangani. Hasil terakhir akan masih merupakan
sandi-sandi genetik yang perlu diterjemahkan dalam bentuk hasil penjadwalan optimal yang
dapat dipahami dan lebih operasional.
Jumlah tahapan maupun jumlah kandidat solusi pada umumnya ditentukan
dengan mempertimbangkan hasil optimisasi dan beban komputasi. Solusi terbaik
pada umumnya diperoleh dengan kandidat dalam jumlah besar dan generasi yang
panjang. Namun beban komputasinya akan sangat berat. Dengan demikian, jumlah
kandidat solusi dan generasi perlu ditentukan sedemikian, sehingga diperoleh solusi
yang baik dengan beban komputasi yang masih dalam batas untuk dapat ditangani
Dalam penelitian tahun kedua ini setelah berhasil dikembangkan program
penjadwalan optimal komponen tersakelar menggunakan Algoritma Genetika,
algoritma akan lebih lanjut dikembangkan dengan memasukkan konsep logika kabur
(Fuzzy Logic) kedalamnya. Diharapkan diperoleh hasil penjadwalan pengendalian
yang lebih baik. Konsep Fuzzy tersebut dimanfaatkan untuk menentukan kombinasi
yang lebih optimal dengan mempertimbangkan pemenuhan kekangan dan pencapaian
sasaran yang lebih fleksibel. Perlu disampaikan di sini bahwa terdapat sejumlah
fungsi sasaran dan kekangan yang perlu dipenuhi dan dicapai dalam proses
optimisasi. Kombinasi pencapaian sasaran dan pemenuhan kekangan secara simultan
akan lebih dapat dilakukan secara lebih baik dengan menerapkan pola relasi yang
lebih lentur untuk kedua maksud tersebut. Dengan demikian, kandidat solusi
potensial akan dievaluasi dengan mempertimbangkan secara mekanisme yang lebih
fleksibel sedemikian, sehingga dimungkinkan ekplorasi yang lebih ekstensif atas
BAB II
TINJAUAN PUSTAKA
Defisit daya listrik merupakan persoalan krusial yang dewasa ini dihadapi
oleh PLN dan belum dapat sepenuhnya terpecahkan. Pemadaman bergilir kemudian
dilakukan untuk menghindarkan sistem mengalami pemadaman total (totally black
out). Penurunan kualitas daya merupakan persoalan lain yang diantaranya disebabkan
oleh kekurangan pasokan daya listrik tersebut. Penurunan kualitas dimaksud meliputi
profil tegangan yang buruk, frekwensi tegangan yang tidak stabil serta distori
harmonik yang berlebihan. Ketika kontinyuitas pasokan masih merupakan persoalan,
hal-hal yang berkaitan dengan persoalan kualitas daya untuk sementara biasanya
”diabaikan”.
Selain kekurangan pasokan daya, susut daya pada jaringan merupakan
sebab yang mengkontribusi defisit daya listrik. Data real di lapangan menunjukkan
bahwa secara umum nilai susut daya melebihi estimasi yang ditetapkan oleh PLN
(Kompas 10/03/2006; Suara_Merdeka Senin, 23 Agustus 2004). Kehilangan daya
dalam jumlah besar ini pada gilirannya mengakibatkan kerugian finansial yang cukup
signifikan. Berangkat dari indikasi tersebut, berbagai upaya kemudian dilakukan
untuk meningkatkan efisiensi operasi sistem tenaga listrik. Pada sisi pembangkitan
dilakukan penjadwalan optimal pembangkitan (Liao 2006; Liao and Tsao 2006; Sun,
Zhang et al. 2006). Penjadwalan tersebut dilakukan untuk meningkatkan kemampuan
pembangkitan dan menjamin kontinyuitas pasokan dengan biaya pembangkitan
minimal. Pada sistem transmisi daya listrik dilakukan alokasi optimal daya reaktif
untuk menekan rugi-rugi daya penyaluran dan mempertahankan profil tegangan (Jwo,
Liu et al. 1999; Vaahedi, Tamby et al. 1999; Zhang, Liu et al. 2002). Pengaturan
optimal aliran daya listrik (optimal power flow) juga dilakukan untuk menurunkan
rugi daya penyaluran, mengoptimalkan kapasitas pembangkitan serta memperbaiki
profil tegangan (Malange, Alves et al. 2004; Somasundaram, Kuppusamy et al. 2004;
Minimisasi susut daya dan perbaikan profil tegangan pada sistem distribusi
daya merupakan salah satu upaya untuk mengatasi persoalan di atas. Upaya yang
dapat dilakukan adalah dengan pengendalian daya reaktif/tegangan, yang secara
teknis dapat dilakukan dengan pengaturan sadapan LTC dan penjadwalan operasi
kapasitor tersaklar. Strategi perencanaan ini diyakini efektif untuk meminimalkan
susut daya dan memperbaiki profil tegangan (Grainger and Civanlar 1985).
Pengendalian optimal LTC dan kapasitor merupakan persoalan optimisasi
pengambilan keputusan banyak langkah dengan variabel diskrit dan fungsi sasaran
tak linier. Dalam perspektif matematis, tujuan optimisasi dapat dicapai dengan
menentukan kombinasi terbaik status operasi komponen terkendali dengan
memperhatikan pemenuhan kekangan operasi. Lebih jauh, pengendalian tersebut
perlu dilakukan dengan sesedikit mungkin melakukan perubahan status kendali
komponen tersaklar untuk mempertahankan usia peralatan (Roytelman, Wee et al.
1995).
Analisis aliran beban merupakan tulang punggung (backbone) pengendalian
daya reaktif/tegangan karena merupakan perhitungan yang secara berulang dilakukan
untuk evaluasi setiap kombinasi status komponen terkendali. Pada umumnya aliran
beban diperhitungkan untuk sistem seimbang dengan asumsi jaringan dan beban
dalam keadaan seimbang. Pada kondisi real, sistem dan beban pada umumnya sulit
untuk dipertahankan seimbang karena karakteristik pemakaian beban oleh konsumen.
Karenanya, perhitungan aliran beban perlu diperluas untuk sistem tak seimbang
dengan secara komprehensif melibatkan ketiga fasa-nya. Dalam perhitungannya,
analisis aliran beban tak seimbang akan meningkatkan dimensi persoalan dan
meningkatkan beban komputasi. Labih jauh, karakteristik sistem distribusi yang pada
umumnya mempunyai konfigurasi radial dengan rasio R/X yang tinggi dapat
mengakibatkan metode komputasi gagal untuk konvergen sehingga dibutuhkan
metode komputasi lanjut untuk perhitungan tersebut (A.Ulinuha, Masoum et al.
Strategi untuk mengurai sistem tak seimbang agar mudah diselesaikan
diklasifikasikan menjadi dua metode, yaitu: dekomposisi sistem tak seimbang
menjadi komponen simetrisnya (Lo and Zhang 1993; Zhang and Chen 1994), dan
pemanfaatan arus injeksi untuk pelepasan kopling antar fasa (Chen, Chen et al. 1991;
Cheng and Shirmohammadi 1995; Lin and Teng 2000; Vieira, Freitas et al. 2004).
Sedangkan teknik komputasi yang biasa digunakan untuk perhitungan aliran beban
dikelompokkan menjadi dua metode, yaitu: Gauss-Seidel yang membutuhkan banyak
iterasi dan progres kalkulasinya lambat (Teng 2002; Vieira, Freitas et al. 2004) dan
Newton-Raphson yang meskipun mempunyai karakteristik konvergensi yang baik
tetapi beban komputasi pada tiap iterasinya cukup rumit karena memerlukan
perhitungan inverse pada Matriks Jacobian (Garcia, Pereira et al. 2000; Lin and Teng
2000; da Costa, de Oliveira et al. 2007).
Dalam penelitian ini, aliran beban sistem tak seimbang akan dianalisis
menggunakan teknik propagasi maju-balik (forward-backward propagation
technique). Metode ini bekerja langsung pada sistem tanpa adanya modifikasi,
sehingga tidak memerlukan dekomposisi sistem menjadi komponen simetrisnya atau
dekopling sistem kepada tiap fasanya (Thukaram, Wijekoon Banda et al. 1999).
Metode ini telah pernah dipakai oleh pengusul untuk menyelesaikan perhitungan
analisis aliran tak seimbang sistem IEEE 34-bus dengan kemampuan konvergensi
yang baik (A.Ulinuha, Masoum et al. 2007). Analisis ketidakseimbangan sistem juga
dilakukan pada sistem tersebut.
Program perhitungan aliran beban sistem tak seimbang akan dimanfaatkan
untuk asesmen sejumlah kombinasi status operasi LTC dan kapasitor pada sistem
distribusi. Kombinasi solusi tersebut akan dianalisis menggunakan program aliran
beban untuk dilihat pengaruhnya pada penurunan susut daya jaringan dan perbaikan
profil tegangan dalam kurun 24 jam. Pemenuhan tegangan pada batas-batas yang
diijinkan juga dievaluasi untuk memastikan nilai tegangan sistem tidak melampaui
batas-batas tersebut. Untuk keperluan tersebut, program aliran beban dijadikan
susut daya dan profil tegangan. Terdapat sejumlah besar kemungkinan solusi yang
hasil perhitungannya perlu dibandingkan untuk dapat ditentukan solusi terbaik
(Ghose and Goswami 2003; Carpinelli, Varilone et al. 2005).
Karena jumlah kemungkinan kombinasi yang hampir tak berhingga,
evaluasi untuk setiap kemungkinan solusi hampir mustahil dilakukan. Karenanya
diperlukan strategi komputasi untuk mendapatkan solusi optimal dengan waktu dan
beban komputasi yang terjangkau. Pada penelitian ini diusulkan pengembangan
metode optimisasi cerdas untuk pengendalian daya reaktif/tegangan secara optimal
melalui penentuan status operasi LTC dan kapasitor. Metode optimisasi yang
diusulkan adalah Algoritma Genetika, yang diketahui cukup robust untuk persoalan
optimisasi yang sangat tidak linier (highly nonlinear optimization problem).
Algoritma genetika dikembangkan oleh John Holand (Holland 1975) dan
merupakan metode optimisasi yang fleksibel dan robust serta mampu memberikan
hasil optimisasi global. Metode ini kapabel menemukan solusi problem optimisasi
kompleks yang biasanya sulit dipecahkan oleh methode optimisasi konvensional.
Solusi optimal diperoleh melalui penelusuran yang berangkat dari sejumlah
kemungkinan solusi dan secara rekursif memperbaiki solusi potensial melalui
mekanisme seleksi dan modifikasi dengan menggunakan operator genetik.
Penelusuran dilakukan terarah atas solusi-solusi prospektif dengan
mempertimbangkan keseimbangan antara eksplorasi dan eksploitasi (Michalewics
1996).
Penyelesaian problem optimisasi menggunakan Algoritma Genetika diawali
dengan konstruksi populasi awal yang terdiri atas sejumlah individu. Tiap individu
merepresentasikan sebuah kemungkinan solusi dan akan dievaluasi berdasarkan
parameter tingkat pencapaian sasaran dan pemenuhan kekangan. Seleksi merupakan
langkah selanjutnya untuk menentukan individu yang diproyeksikan mengalami
modifikasi melalui penyilangan untuk menghasilkan individu-individu baru. Untuk
mempertahankan keragaman solusi, beberapa karakter (gen) dalam individu baru
telah terlewati. Populasi pada generasi yang baru siap untuk mengalami evaluasi dan
keseluruhan proses akan kembali terulang. Individu-individu pada tiap generasi
diharapkan mengalami perbaikan yang kurang lebih ekivalen dengan perbaikan akan
solusi-solusi. Sampai dengan generasi tertentu perhitungan dihentikan ketika tidak
ada lagi perbaikan populasi dan individu terbaik akan diambil untuk dikonversikan
menjadi solusi optimal (Ulinuha 2007).
Algoritma Genetika telah pernah dipakai oleh pengusul untuk
menyelesaikan persoalan optimisasi dengan hasil yang cukup memuaskan
(A.Ulinuha, Masoum et al. 2006; A.Ulinuha, Masoum et al. 2007; A.Ulinuha, Islam
et al. 2008; Ulinuha, Masoum et al. 2008). Salah satu kelemahan Algoritma Genetika
adalah proses seleksi yang ketat sehingga solusi prospektif bisa jadi tidak
diperhitungkan karena tidak secara penuh mencapai sasaran dan mematuhi kekangan.
Untuk mengatasi kelemahan tersebut, Algoritma Genetika digabungkan dengan
sistem Fuzzy agar memiliki karakteristik seleksi yang lebih lunak karena ukuran
pencapaian sasaran dan pemenuhan kekangan yang ditentukan secara gradual.
Efektifitas metode hibrida ini terutama karena kemampuannya untuk secara simultan
mempertahankan solusi yang prospektif sambil memperbaiki solusi potensial. Metode
Hibrida Algortima Genetika-Fuzzy ini telah pernah digunakan oleh pengusul untuk
penyelesaian persoalan optimisasi dengan hasil perhitungan yang menunjukkan
perbaikan dibandingkan hasil optimisasi dari Algoritma Genetika (Ulinuha, Masoum
et al. ; A.Ulinuha, Masoum et al. 2006; Ulinuha, Masoum et al. 2010). Meskipun
integrasi sistem Fuzzy ke dalam Algoritma Genetika membuat tambahan prosedur
dalam komputasi, beban dan waktu komputasi secara umum tidak bertambah secara
DAFTAR PUSTAKA
A.Ulinuha, S. M. Islam, et al. (2008). Optimal Voltage Restoration in Electric Power Systems Using Genetic Algorithms Powercon 2008 and 2008 IEEE Power India Conference. New Delhi, India, IEEE - PES.
A.Ulinuha, M. A. S. Masoum, et al. (2006). A Hybrid GA-Fuzzy Algorithm for Optimal Dispatch of LTC and Shunt Capacitors in Distribution System. Australasian Universities Power Engineering Conference (AUPEC), Melbourne, Australia, Victoria University.
A.Ulinuha, M. A. S. Masoum, et al. (2006). Optimal Dispatch of LTC and Shunt Capacitors in the Presence of Harmonics using Genetic Algorithms. Power Systems Conference and Exposition (PSCE) - IEEE, Atlanta, Georgia, USA, IEEE PES.
A.Ulinuha, M. A. S. Masoum, et al. (2007). Optimal Control of Reactive Power/Voltage in Distribution System Using Genetic Algorithms. Postgraduate Electrical Engineering and Computing Symposium (PEECS), Perth, Australia, Curtin University of Technology.
A.Ulinuha, M. A. S. Masoum, et al. (2007). Unbalance Power Flow Calculation for Radial Distribution System Using Forward-Backward Propagation Algorithm. Australasian Universities Power Engineering Conference (AUPEC), Perth, Australia, Curtin University of Technology.
Baran, M. E. and M.-Y. Hsu (1999). "Volt/VAr control at distribution substations." IEEE Transactions on Power Systems 14(1): 312-318.
Carpinelli, G., P. Varilone, et al. (2005). "Capacitor placement in three-phase distribution systems with nonlinear and unbalanced loads." Generation, Transmission and Distribution, IEE Proceedings- 152(1): 47-52.
Chen, T. H., M. S. Chen, et al. (1991). "Distribution system power flow analysis-a rigid approach." IEEE Transactions on Power Delivery 6(3): 1146-1152. Cheng, C. S. and D. Shirmohammadi (1995). "A three-phase power flow method for
real-time distribution system analysis." IEEE Transactions on Power Systems 10(2): 671-679.
da Costa, V. M., M. L. de Oliveira, et al. (2007). "Developments in the analysis of unbalanced three-phase power flow solutions." International Journal of Electrical Power & Energy Systems 29(2): 175-182.
Ghose, T. and S. K. Goswami (2003). "Effects of unbalances and harmonics on optimal capacitor placement in distribution system." Electric Power Systems Research 68(2): 167-173.
Grainger, J. J. and S. Civanlar (1985). "Volt/var control on distribution systems with lateral branches using shunt capacitors and voltage regulators. Part I: The overall problem." IEEE Transactions on Power Apparatus and Systems 104(11): 3278-3283.
Grainger, J. J. and S. Civanlar (1985). "Volt/var control on distribution systems with lateral branches using shunt capacitors and voltage regulators. Part III: The numerical result." IEEE Transactions on Power Apparatus and Systems 104(11): 3291-3297.
Gu, Z. and D. T. Rizy (1996). "Neural networks for combined control of capacitor banks and voltage regulators in distribution systems." IEEE Transactions on Power Delivery 11(4): 1921-1928.
Holland, J. H. (1975). Adaptation in Natural and Artificial Systems. Ann Arbor, University of Michigan Press.
Jwo, W.-S., C.-W. Liu, et al. (1999). "Large-scale optimal VAR planning by hybrid simulated annealing/genetic algorithm." Electric Power and Energy Systems 21(1): 39-44.
Kersting, W. H. (1991). "Radial distribution test feeders." IEEE Transactions on Power Systems 6(3): 975-985.
Kompas (10/03/2006). Susut Daya PLN Tegal Capai 10,62 persen.
Liang, R.-H. and C.-K. Cheng (2001). "Dispatch of main transformer ULTC and capacitors in a distribution system." IEEE Transactions on Power Delivery 16(4): 625-630.
Liang, R.-H. and Y.-S. Wang (2003). "Fuzzy-based reactive power and voltage control in a distribution system." IEEE Transactions on Power Delivery 18(2): 610-618.
Liao, G.-C. (2006). "Short-term thermal generation scheduling using improved immune algorithm." Electric Power Systems Research 76(5): 360-373.
Liao, G.-C. and T.-P. Tsao (2006). "Using chaos search immune genetic and fuzzy system for short-term unit commitment algorithm." International Journal of Electrical Power & Energy Systems 28(1): 1-12.
Lo, K. L. and C. Zhang (1993). "Decomposed three-phase power flow solution using the sequence component frame." IEE Proceedings-Generation, Transmission and Distribution 140(3): 181-188.
Malange, F. C. V., D. A. Alves, et al. (2004). "Real power losses reduction and loading margin improvement via continuation method." Power Systems, IEEE Transactions on 19(3): 1690- 1692.
Mayordomo, J. G., M. Izzeddine, et al. (2002). "Compact and flexible three-phase power flow based on a full Newton formulation." IEE Proceedings-Generation, Transmission and Distribution 149(2): 225-232.
Merdeka (2005). PLN Optimis Mampu Turunkan Susut Daya Listrik 10%. Merdeka. Michalewics, Z. (1996). Genetic Algorithms + Data Structures = Evolution Program
New York, Springer-Verlag Berlin Heidelberg.
Ramakrishna, G. and N. D. Rao (1998). "Fuzzy inference system to assist the operator in reactive power control in distribution systems." IEE Proceedings-Generation, Transmission and Distribution 145(2): 133-138.
Ramakrishna, G. and N. D. Rao (1999). "Adaptive neuro-fuzzy inference system for volt/var control in distribution systems." Electric Power Systems Research 49(2): 87-97.
Republika (2008). Reorganisasi dan mismanajemen PLN.
Roytelman, I., B. K. Wee, et al. (1995). "Volt/var control algorithm for modern distribution management system." IEEE Transactions on Power Systems 10(3): 1454-1460.
Somasundaram, P., K. Kuppusamy, et al. (2004). "Evolutionary programming based security constrained optimal power flow." Electric Power Systems Research 72(2): 137-145.
Suara_Merdeka (Senin, 23 Agustus 2004). Susut Daya, PLN Rugi 2,5 Miliar/Bulan. Sun, L., Y. Zhang, et al. (2006). "A matrix real-coded genetic algorithm to the unit
commitment problem." Electric Power Systems Research 76(9-10): 716-728. Teng, J.-H. (2002). "A modified Gauss-Seidel algorithm of three-phase power flow
analysis in distribution networks." International Journal of Electrical Power & Energy Systems 24(2): 97-102.
Thukaram, D., H. M. Wijekoon Banda, et al. (1999). "A robust three phase power flow algorithm for radial distribution systems." Electric Power Systems Research 50(3): 227-236.
Trebi-Ollennu, A. and B. A. White (1997). Multiobjective fuzzy genetic algorithm optimisation approach to nonlinear control system design. Control Theory and Applications Conference.
Ulinuha, A. (2007). Optimal Dispatch of LTC and Switched Shunt Capacitors for Distribution Networks in the Presence of Harmonics. Department of Electrical and Computer Engineering. Perth, Curtin University of Technology. Doctor of Philosophy: 203.
Ulinuha, A., M. A. S. Masoum, et al. (2010). "Hybrid genetic-fuzzy algorithm for volt/var/total harmonic distortion control of distribution systems with high penetration of non-linear loads." IET Generation, Transmission & Distribution 5(4): 425 - 439.
Ulinuha, A., M. A. S. Masoum, et al. "Hybrid Genetic-Fuzzy Algorithm for Optimal Volt/VAr/THD Control of Distribution Systems with High Penetration of Nonlinear Loads " IEEE Transactions on Power Delivery.
Ulinuha, A., M. A. S. Masoum, et al. (2008). "Optimal Scheduling of LTC and Shunt Capacitors in Large Distorted Distribution Systems using Evolutionary-Based Algorithms." IEEE Transactions on Power Delivery 23(1): 434 - 441.
Vaahedi, E., J. Tamby, et al. (1999). "Large scale voltage stability constrained optimal VAr planning and voltage stability applications using existing OPF/optimal VAr planning tools." IEEE Transactions on Power Systems 14(1): 65 - 74.
Vieira, J. C. M., Jr., W. Freitas, et al. (2004). "Phase-decoupled method for three-phase power-flow analysis of unbalanced distribution systems." IEE Proceedings-Generation, Transmission and Distribution 151(5): 568-574. Wu, T., M. Rothleder, et al. (2004). "Pricing energy and ancillary services in
integrated market systems by an optimal power flow." IEEE Transactions on Power Systems 19(1): 339 - 347.
Zhang, W., Y. Liu, et al. (2002). Optimal VAr planning in area power system. International Conference on Power System Technology, 2002.