Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM
KOORDINASI PEMBANGKITAN UNIT THERMAL
SKRIPSI
diajukan untuk memenuhi sebagian syarat untuk memperoleh gelar Sarjana
Teknik Elektro Konsentrasi Teknik Elektro Fakultas Pendidikan Teknologi dan
Kejuruan
oleh
Binanta Pran Seda Tarigan
E.5051.1000416
PROGRAM STUDI TEKNIK ELEKTRO
DEPARTEMEN PENDIDIKAN TEKNIK ELEKTRO
FAKULTAS PENDIDIKAN TEKNOLOGI DAN KEJURUAN
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
LEMBAR HAK CIPTA
Oleh :
Binanta Pran Seda Tarigan
Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat memperoleh gelar sarjana pada fakultas pendidikan teknik dan kejuruan
© Binanta Pran Seda Tarigan 2015
Universitas Pendidikan Indonesia
Mei 2015
Hak cipta dilindungi undang-undang.
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
BINANTA PRAN SEDA TARIGAN
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
DISETUJUI DAN DISAHKAN OLEH PEMBIMBING :
Pembimbing I
Dr. Ade Gaffar Abdullah, S.Pd, M.Si NIP. 19721113 199903 1 001
Pembimbing II
Drs. H. Bambang Trisno, M.SIE NIP. 19610309 198610 1 001
Mengetahui,
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Abstrak
Salah satu permasalahan dalam sistem tenaga listrik adalah menentukan kombinasi unit pembangkit (unit commitment) dan pembebanan ekonomis (economic dispatch) unit pembangkit dengan mematuhi kendala-kendala operasi pembangkit dan meminimalkan biaya bahan bakar sehingga diperoleh biaya produksi total paling rendah. Metode yang digunakan dalam penelitian ini adalah simulated annealing. Metode ini merupakan suatu teknik optimasi yang didasarkan pada pendinginan logam atau kristal yang dapat menyelesaikan masalah kombinatorial dengan ukuran yang besar. Algoritma simulated annealing mencari kombinasi unit pembangkit yang paling optimum dioperasikan dalam setiap penurunan temperatur. Dengan menggunakan algoritma simulated annealing penyelesaian permasalahan kombinasi unit pembangkit dengan biaya pembangkitan yang paling murah dapat diselesaikan dengan cepat dan dengan hasil yang optimal
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Abstract
One of the problems of electrical power system is determining the combination of unit generation (unit commitment) and load economical of unit generation (economic dispatch) by obeying the constraints operation unit generation and minimize fuel cost in order to achieve minimum total production cost. The method used in this research is simulated annealing. This method is appeared as an optimization technique which is based on metal cooling or crystal that is able to solve a large scale of combinatorial problem. Simulated annealing algorithm search the most optimal unit generation combination in every decrease temperature. By using simulated annealing algorithm the problem of combination unit generation with the lowest cost could be solved quickly and with the optimal result.
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
DAFTAR ISI
PERNYATAAN... i
ABSTRAK... ii
KATA PENGANTAR... iv
UCAPAN TERIMAKSIH... v
DAFTAR ISI... vi
DAFTAR TABEL... viii
DAFTAR GAMBAR... ix
DAFTAR LAMPIRAN... x
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
3.1 Sistem Interkoneksi 500kV Jawa Bali...
3.2 Pengumpulan Data Pembangkit...
3.3 Tahap Perhitungan Persamaan Biaya Bahan Bakar...
3.4 Kesepakatan Unit Pembangkit Tenaga Listrik...
3.4.1 Fungsi obyektif...
3.4.2 Kriteria pembatas...
3.4.3 Kapasitas pembangkit...
3.5 Implementasi Simulated Annealing... 3.5.1 Deskripsi kombinasi...
BAB IV TEMUAN DAN PEMBAHASAN...
4.1 Hasil Karakteristik Input Output dan Fungsi Biaya Bahan Bakar...
4.2 Simulasi Optimasi Dengan Algoritma Simulated Annealing...
4.3 Analisis Hasil Optimasi Penjadwalan Pembangkit
Dengan Algoritma Simulated Annealing... 30
BAB V Simpulan, Implikasi dan Rekomendasi...
5.1 Simpulan...
5.2 Rekomendasi... 44
44
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
DAFTAR RUJUKAN... 45
1
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
BAB I
PENDAHULUAN
1.1 Latar Belakang Penelitian
Energi listrik saat ini merupakan salah satu kebutuhan utama bagi
kehidupan manusia. Kebutuhan akan energi listrik semakin lama semakin
meningkat seiring dengan perkembangan teknologi dan bertambahnya jumlah
penduduk. Permintaan akan energi yang terus meningkat menyebabkan energi
listrik yang harus disuplai oleh pembangkit menjadi sangat besar sehingga tidak
mungkin hanya menggunakan satu unit pembangkit yang beroperasi, maka
dibutuhkan sistem tenaga listrik dengan beberapa pembangkit listrik yang saling
interkoneksi untuk dapat memenuhi akan kebutuhan tersebut.
Dalam suatu sistem interkoneksi tenaga listrik masing-masing pembangkit beroperasi dengan energi primer yang berbeda-beda,seperti pembangkit hydro dan
thermal. Pembangkit thermal menggunakan batubara sebagai energi primernya. Tingginya penggunaan batubara, BBG, HSD dan MFO sebagai energi primer bagi
pembangkit thermal akan membawa masalah tersendiri bagi sistem pembangkitan tenaga listrik, terutama masalah akan biaya bahan bakar yang mempunyai
persentase tertinggi, yaitu sekitar 60% dari total biaya operasi pembangkit tenaga
listrik, oleh karena itu berbagai teknik untuk menekan biaya bahan bakar terus
berkembang, baik dari segi unit pembangkit secara individu maupun dari segi
operasi sistem tenaga listrik secara terpadu (Asmar, 2014).
Penyediaan energi listrik harus bersifat continue 24 jam sehari. Hal ini memerlukan manajemen operasi yang tertib. Dalam pengoperasian sistem tenaga
listrik yang terdiri dari beberapa pusat pembangkit listik, diperlukan suatu
koordinasi di dalam penjadwalan besar daya listrik yang dibangkitkan
2
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
yang dikenal lebih ekonomis. Hal ini berarti dalam pembangkitan dan penyaluran
energi itu harus dilakukan secara ekonomis dan rasional (Rao, 2014).
Terdapat dua permasalahan yang harus dipecahkan dalam operasi
ekonomis pembangkitan pada sistem tenaga listrik yaitu pengaturan unit
pembangkit (unit commitment) dan penjadwalan ekonomis (economic dispatch).
Unit commitment bertujuan menentukan unit pembangkit yang paling optimum dioperasikan dalam menghadapi beban yang diberikan untuk mencapai biaya
bahan bakar minimum . Sedangkan economic dispatch digunakan untuk membagi beban di antara unit-unit thermal yang beroperasi agar dicapai biaya bahan bakar
yang minimum. (Wood and Wollenberg,1996)
Banyak penelitian dan metode yang digunakan untuk menyelesaikan
permasalahan unit commitment dan economic dispatch diantaranya adalah
Lagrange Relaxation (Zhuang & Galiana 1988), Dynamic Programming (Snyder et al. 1987), Priority List Method (Senjyu et al. 2003), Fuzzy Logic (Su & Hsu 1991), Ant Colony Search (Sum-im & Ongsakul 2003.), A Branch and Bound
(Cohen & Yoshimura 1983), Quadratic Programming (Belhachem et al. 2013), Genetic Algorithm (Kazarlis et al. 1996), Particle Swarm Optimization (Pappala & Erlich 2008)
Pada penelitian ini, penulis mengaplikasikan metode Simulated Annealing
untuk optimasi koordinasi penjadwalan pembangkit unit thermal. Simulated annealing (SA) adalah salah satu algoritma untuk optimasi yang bersifat generik. Berbasiskan probabilitas dan mekanika statistik, algoritma ini dapat digunakan
untuk mencari pendekatan terhadap solusi optimum global dari suatu
permasalahan. Masalah yang membutuhkan pendekatan SA adalah
masalah-masalah optimasi kombinatorial, di mana ruang pencarian solusi yang ada terlalu
besar, sehingga hampir tidak mungkin ditemukan solusi eksak terhadap
3
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Simulated Annealing ini sering digunakan dalam permasalahan optimasi (Zhuang & Galiana 1990; Oktoviana 2007).
1.2. Rumusan Masalah
Pada Tugas Akhir Skripsi ini akan memfokuskan pada masalah dibawah
ini:
1. Bagaimana persamaan karakteristik biaya bahan bakar pada setiap
pembangkit unit thermal?
2. Bagaimana membuat model optimasi penjadwalan pembangkit unit
thermal menggunakan algoritma Simulated Annealing tanpa memperhitungkan rugi-rugi pada saluran transmisi ?
3. Bagaimana perbandingan biaya (cost) dan galat (error) di dalam hasil optimasi penjadwalan pembangkit unit thermal antara algoritma Simulated Annealing dengan data riil sistem PLN ?
1.3. Batasan Masalah
Batasan masalah pada Tugas Akhir Skripsi ini adalah sebagai berikut :
1. Data yang digunakan untuk optimasi penjadwalan pembangkit unit
thermal adalah data dari Penyaluran dan Pusat Pengaturan Beban (P3B)
PT. PLN (Persero) Gandul.
2. Pembangkit thermal yang digunakan sebanyak 6 pembangkit yaitu :
Suralaya, Muaratawar, Tanjung Jati, Gresik, Paiton, dan Grati.
3. Rugi-rugi pada saluran transmisi diabaikan.
4. Metode yang digunakan dalam optimasi penjadwalan pembangkit unit
thermal adalah Simulated Annealing.
5. Software pendukung untuk merancang program digunakan MATLAB ver.
R2010a dari The MathWorks, Inc.
4
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Tujuan penulisan skripsi ini adalah sebagai berikut :
1. Mengetahui persamaan karakteristik biaya bahan bakar pada setiap unit
thermal
2. Membuat model optimasi penjadwalan pembangkit unit thermal dengan
menggunakan Simulated Annealing tanpa memperhitungkan rugi-rugi pada saluran transmisi.
3. Membandingkan hasil biaya (cost) dan galat (error) di dalam hasil optimasi penjadwalan pembangkit unit thermal antara algoritma Simulated Annealing dengan data riil sistem PLN.
1.5. Manfaat Penulisan Skripsi
Manfaat yang diharapakan dari skripsi ini diantaranya adalah sebagai
berikut :
1. Bagi penulis : dapat menambah ilmu pengetahuan, pemahaman, dan
keterampilan di dalam dunia kelistrikan, khususnya dalam optimasi
penjadwalan unit thermal.
2. Bagi PLN : diharapkan sebagai salah satu kontribusi positif, bahwa
algoritma simulated annealing merupakan metode optimasi yang dapat dipertimbangkan untuk digunakan. Sehingga dapat mengurangi kerugian
finansial akibat penjadwalan unit thermal yang kurang tepat.
3. Bagi dunia pendidikan : diharapkan dapat meningkatkan ilmu pengetahuan
di dalam dunia kelistrikan tentang optimasi penjadwalan unit thermal.
1.6. Metode Pengumpulan Data
Penulis menggunakan tiga metode pada proses pengumpulan data, yaitu :
1. Metode Wawancara
Penulis mendiskusikan dan menanyakan masalah-masalah yang tejadi
pada penjadwalan pembangkit.
2. Metode Studi Pustaka
Penulis melakukan pembelajaran terhadap beberapa literatur baik dari
penulis luar negeri maupun dalam negeri yang berhubungan dengan
5
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 3. Metode Observasi Langsung
Penulis dapat melihat langsung penjadwalan pembangkit di Penyaluran
dan Pusat Pengaturan Beban (P3B) PT. PLN (Persero) Gandul.
1.7. Sistematika Penulisan Skripsi
Untuk memudahkan dalam membaca dan memahami skripsi ini, maka
disusun sistematika penulisan sebagai berikut :
BAB I PENDAHULUAN
Memaparkan tentang latar belakang masalah, perumusan masalah,
pembatasan masalah, tujuan penulisan, manfaat tugas akhir, dan sistematika
penulisan.
BAB II KAJIAN PUSTAKA
Memaparkan tentang operasi sistem tenaga listrik, karakteristik input-output
pembangkit, konsep pembebanan ekonomis dan pengaturan unit pembangkit,
algoritma simulated annealing.
BAB III METODOLOGI PENELITIAN
Memaparkan tentang model algoritma simulated annealing serta penyelesaian algoritmadalam optimasi penjadwalan pembangkit unit thermal.
BAB IV TEMUAN DAN PEMBAHASAN
Memaparkan tentang pembahasan hasil optimasi penjadwalan pembangkit
unit thermal dengan algoritma yang telah dibuat.
BAB V SIMPULAN, IMPLIKASI DAN REKOMENDASI
Memaparkan tentang kesimpulan dari hasil penelitian dan saran-saran
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
BAB III
METODOLOGI PENELITIAN
Penelitian penjadwalan pembangkit termal pada sistem interkoneksi 500kV
Jawa-Bali ini adalah untuk membandingkan metode Simulated Annealing dengan metode yang digunakan PLN.
3.1 Sistem Interkoneksi 500kV Jawa Bali
Suralaya
Gambar 3.1 Diagram satu garis sistem 500kV Jawa-Bali
(sumber : PLN P3B Gandul)
Sistem interkoneksi 500 kV Jawa Bali terdiri atas 28 bus dengan 31 saluran dan 8
19
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Suralaya, pembangkit Muaratawar, pembangkit Cirata, pembangkit Saguling,
pembangkit Tanjungjati, pembangkit Gresik, pembangkit Paiton, dan Pembangkit
Grati. Diantara 8 pembangkit tersebut, pembangkit Cirata dan pembangkit
Saguling merupakan pembangkit tenaga air, sedangkan pembangkit yang lainnya
merupakan pembangkit listrik tenaga uap, adapun pembangkit Suralaya bertindak
sebagai pembangkit slack.
Sistem tenaga listrik Jawa-Bali dibagi menjadi 4 (empat) region. Jakarta Raya dan
Banten disebut region 1, Jawa Barat disebut region 2, Jawa Tengah dan D.I.Y
disebut region 3, serta Jawa Timur dan Bali disebut region 4. Operasi sistem
untuk masing-masing region dikendalikan oleh satu Regional Control Center
(RCC), yaitu RCC Cawang untuk region Jakarta Raya dan Banten, RCC
Cigereleng untuk region Jawa Barat, RCC Ungaran untuk region Jawa Tengah
dan DIY dan RCC Waru untuk region Jawa Timur dan Bali. Khusus untuk
kawasan Bali, terdapat subRCC yang secara teknis berfungsi sebagai region tetapi
secara administratif berada dibawah region Jawa Timur dan Bali. Untuk selurus
sistem terdapat Jawa-Bali Control Center (JCC).
3.2 Pengumpulan Data Pembangkit
Data yang digunakan dalam menentukan koordinasi pembangkit adalah data heat rate pembangkit thermal sistem 500kV Jawa-Bali dan data pembebanan (Logsheet) pada tanggal 9 September 2013. Data heat rate tersebut akan diolah dan dijadikan persamaan biaya bahan bakar sebagai variabel input untuk
pengujian algoritma simulated annealing untuk optimasi dalam koordinasi pembangkitan unit thermal dengan menggunakan perangkat lunak MATLAB
R2010a.
Tabel 3.1 Data heat rate pembangkit thermal sistem 500kV (sumber : PLN P3B Gandul)
Pembangkit Daya Pembangkitan (MW) Heat Rate (Mbtu/kWh)
1 2 3 4 1 2 3 4
Suralaya 1703 2221 2561 3247 76.4922 74.4933 73.4542 71.7965
Muaratawar 736 986 1233 1420 147.641 137.1738 122.5266 119.001
Tanjungjati 1227 1525 1812.8 1982.8 28.8 28.48389 28.18652 27.978
20
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Paiton 2071.5 2792.5 3358.75 4005 76.1617 73.0132 70.8403 68.8973
Grati 330 402 527 746.6 105.511 95.3783 92.9114 91.1029
Tabel 3.2 Harga bahan bakar masing-masing pembangkit
Pembangkit Biaya Bahan bakar ($/Jam)
Tabel 3.1 merupakan data heat reat (laju panas) pembangkit thermal sistem 500 KV Jawa-Bali. Setiap unit pembangkit terdiri dari empat titik heat reat yang diperoleh dari hasil percobaan. Apabila data tersebut diolah maka akan diperoleh
persamaan laju panas dari pembangkit thermal dalam MMbtu/h. Perkalian persaman laju panas dengan biaya bahan bakar akan menghasilkan persamaan
baru yang menggambarkan karakteristik biaya bahan bakar pembangkit thermal. Tabel 3.2 merupakan harga bahan bakar dari masing-masing pembangkit ($/jam).
Untuk mendapatkan biaya bahan bakar pembangkit ($MMBtu) yang akan
dikalikan dengan persamaan laju panas dapat digunakan rumus berikut ini :
FC =
(3-1)
Dimana :
FC : Biaya bahan bakar ($/MMbtu)
BB : Biaya bahan bakar ($/jam)
Q : Hasil kali antara heat rate dengan daya pembangkitan (MWbtu/Wh) Tabel 3.3 Biaya bahan bakar masing-masing pembangkit ($/MMbtu)
Pembangkit Biaya bahan bakar
21
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Gresik
memenuhi kebutuhan permintaan daya dengan biaya yang minimum, dimana
sistem harus aman dengan dampak terhadap lingkungan dibawah standar,
mempunyai keandalan yang memenuhi standar dan dapat memenuhi permintaan
secara countinue sepanjang waktu, maka dalam mengoperasikan pembangkit listrik haruslah memperhatikan batas-batas dari pembangkit tersebut agar sistem
tetap dalam keadaan stabil. Salah satu batas-batas yang harus diperhatikan dalam
mengoperasikan pembangkit listrik adalah batas daya minimum dan daya
maksimum yang dimiliki oleh pembangkit tersebut, yang berarti bahwa suatu
pembangkit listrik tidak dapat dioperasikan dibawah daya minum dan juga diatas
daya maksimum dari pembangkit listrik tersebut.
Tabel 3.4 Batas pengoperasian daya pembangkit
Pembangkit Pmin Pmaks
Suralaya 1600 3400
Muaratawar 600 1500
Tanjungjati 1200 2100
Gresik 900 2100
Paiton 1800 4300
Grati 290 800
Optimasi pada sistem tenaga listrik khususnya pada masalah koordinasi
pembangkit, mengharuskan untuk mencari kombinasi dari beberapa unit
pembangkit dengan biaya yang paling murah . Salah satu cara untuk mencari
biaya termurah tersebut dapat dilakukan dengan membuat urutan prioritas, yang
akan merepresentasikan pembangkit-pembangkit dari biaya yang paling murah
hingga biaya yang paling mahal. Urutan prioritas diurutkan berdasarkan biaya
22
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
mendapatkan biaya rata-rata yang paling murah dapat dilakukan dengan
mengalikan persamaan laju pertambahan biaya bahan bakar (incremental cost) masing-masing unit pembangkit dengan daya maksimum dari pembangkit
tersebut. Urutan prioritas pembangkit sistem 500kV Jawa-Bali dapat dilihat pada
tabel dibawah ini.
Tabel 3.5 Urutan prioritas pembangkit sistem 500kV Jawa-Bali
Pembangkit Harga produksi
($/kWh)
Urutan
Paiton 0.0215449 1
Tanjungjati 0.021724 2
Suralaya 0.0265871 3
Gresik 0.0523438 4
Muaratawar 0.0790631 5
Grati 0.1818127 6
Data uji yang akan digunakan dalam penelitian ini adalah Logsheet pada hari senin tanggal 9 September 2013 yang diperoleh dari PT.PLN (Persero) P3B
Gandul-Depok, grafik pembebanan pada tanggal 9 September 2013 dapat dilihat
23
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Gambar 3.2 Grafik beban unit thermal sistem 500kV( senin, 9 september 2013)
Beban pembangkit unit thermal sistem 500kV Jawa-Bali terdiri dari 24 jam yang kemudian dibagi menjadi 8 periode, dimana tiap periodenya merupakan beban
rata-rata selama 3 jam. Dari grafik beban tersebut dapat dilihat bahwa beban
berubah-ubah tiap periodenya dikarenakan beban akan mengikuti siklus kegiatan
manusia sehari-hari, oleh sebab itu untuk menghadapi naik turunnya beban
diperlukan koordinasi dari pembangkit unit thermal untuk mensuplai kebutuhan daya tetapi dengan harga minimum.
Data lain yang dibutuhkan dalam penelitian ini adalah penjadwalan pembangkit
berdasarkan data riil sistem yang nantinya akan dibandingkan dengan
penjadwalan pembangkit setelah dioptimasi dengan algoritma simulated annealing. Data riil sistem dapat dilihat pada tabel dibawah ini yang merupakan pembebanan pembangkit unit thermal pada tanggal 9 september 2013 yang sesuai dengan data pembebanan pada gambar 3.1, dimana pembebanan tersebut telah
dibagi menjadi 8 periode.
Tabel 3.6 Penjadwalan pembangkit unit thermal sistem500kV sebelum optimasi
0 2000 4000 6000 8000 10000 12000 14000 16000 18000
24
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Pukul Beban
3.3 Tahap Perhitungan Persamaan Biaya Bahan Bakar
Mulai
Baca data heat rate
Menghitung konstanta α, , I/O masing-masing unit pembangkit
Membentuk karakteristik I/O Fi(Pit) = α i + i Pi + i Pi2
Menghitung harga biaya bahan bakar
Menghitung persamaan biaya bahan bakar Fi(Pit) = α i + i Pi + i Pi2 x harga biaya bahan bakar
25
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Gambar 3.3 Flowchart Perhitungan Fungsi Biaya Bahan Bakar Pembangkit Dalam penjadwalan pembangkit termal dengan metode Simulated Annealing
diperlukan penentuan persamaan biaya bahan bakar terlebih dahulu yang diperoleh dengan mengolah data heat rate dari masing-masing unit pembangkit. Di bawah ini adalah tahapan-tahapan untuk menentukan persamaan biaya bahan bakar :
1. Membaca data heat rate pembangkit pada tabel 3.1
2. Menghitung konstanta α, ,dan input/output dari tiap unit pembangkit dengan mengolah data heat rate dan daya pembangkit dan membentuk matriks seperti dibawah ini :
[
Penentuan konstanta αi , i , idapat ditemukan dengan cara eliminasi gaus
atau gaus jordan.
3. Membuat persamaan input/output dari konstanta α, ,dan
4. Menghitung persamaan biaya bahan bakar dari masing-masing pembangkit dengan perkalian antara persamaan input/output pembangkit dengan harga biaya bahan bakar pembangkit.
Persamaan biaya bahan bakar Fi(Pi) =
α
i+ P
i+
i2 (3-3)3.4 Kesepakatan Unit Pembangkit Tenaga Listrik
Kesepakatan unit dapat didefenisikan sebagai proses pengambilan keputusan yang optimal, penjadwalan start-up dan shut-down unit-unit pembangkit guna meminimumkan biaya operasi selama periode pengamatan.
26
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Asumsi yang biasanya digunakan untuk menyelesaikan permasalahan kesepakatan unit pembangkit dengan algoritma simulated annealing adalah :
1. Beban sistem setiap periode pengamatan adalah konstan dan telah diberikan (diperoleh dari estimasi beban)
2. Rugi-rugi transmisi, start up cost diabaikan
Berdasarkan asumsi diatas kesepakatan unit pembangkit dapat diformulasikan sebagi berikut :
3.4.1 Fungsi obyektif
Minimisasi (Biaya bahan bakar)
FT = ∑ ] (3-4)
Dimana :
FT = Total biaya produksi seluruh pembangkit
) = Biaya tiap unit pembangkit untuk satuan waktu t
= Daya output yang dihasilkan tiap unit pembangkit pada waktu t
= Status unit pembangkit
3.4.2 Kriteria pembatas
Kesetimbangan daya pembangkit dan beban
∑ t (3-5)
Dimana :
= Daya output unit pembangkit i pada jam ke t
Pdt = Daya beban jam ke t
3.4.3 Kapasitas pembangkit
Pi min ≤ ≤ Pi maks (3-6)
Dimana :
Pi min = Daya minimum yang dapat dihasilkan pembangkit ke i
27
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Pi maks = Daya maksimum yang dapat dihasilkan pembangkit ke i
3.5 Implementasi Simulated Annealing
Implementasi dari algoritma simulated annealing dalam permasalahan kombinatorial memerlukan empat unsur :
1. Deskripsi mengenai kombinasi yang dibentuk dari permasalahan
2. Suatu fungsi obyektif
3. Suatu random generator yang dapat mengubah kombinasi
4. Annealing schedule
3.5.1 Deskripsi kombinasi
Pada penelitian ini kombinasi pada sistem tenaga listrik berupa kombinasi
on-off unit-unit pembangkit (unit commitment) dan kombinasi daya pembangkitan yang ekonomis (economic dispatch).
3.5.2 Evaluasi fungsi obyektif
Fungsi obyektif pada penelitian ini merupakan fungsi biaya. Fungsi biaya merupakan jumlah dari biaya produksi semua unit pembangkit yang on
pada waktu tertentu.
3.5.3 Aturan perubahan kombinasi
Pada penelitian ini perubahan kombinasi dilakukan secara random. Suatu unit pembangkit digunakan pada waktu tertentu dengan suatu daya pembangkitan maka jika unit pembangkit tersebut digunakan pada waktu berikutnya daya pembangkitannya dapat ditambah atau dikurangi dengan batas daya maksimum dan minimum.
3.5.4 Annealing schedule
Annealing schedule berperan dalam menentukan pergerakan yang diperbolehkan selama proses pencarian berlangsung. Proses cooling atau
annealing adalah mencairkan sistem pada temperatur yang tinggi dan menurukan temperatur dengan tahap lambat sampai titik beku.
28
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
adalah pembangkit bilangan random, yang digunakan pada saat dilakukan proses perubahan secara random pada kombinasi. Hal ini menjadi penting khususnya pada saat menyelesaikan permasalahan dalam ukuran besar dengan ribuan iterasi.
Mulai
Tentukan state awal, Hitung pembebanan dengan lamda, Hitung Total Cost (TCi) dan simpan sebagai current state (BEST SO FAR)
Tentukan harga awal dari Temperatur Dan buat temperatur=temperatur awal
Carilah state baru secara random dengan inisialisasi feasible solution, Hitung pembebanan dengan lamda, Hitung Total Cost baru (TCj)
Evaluasi Total cost ΔC = Tcj - Tci Inisialisasi persamaan biaya bahan bakar, batas
29
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
YA TIDAK
YA TIDAK
TIDAK
YA
Gambar 3.4 Flow chart algoritma simulated annealing
Susunan algoritma penjadwalan pembangkit termal mengabaikan rugi-rugi pada
saluran transmisi dengan metode Simulated Annealing adalah sebagai berikut: 1. Menentukan kombinasi awal pembangkit (initial state)
2. Menghitung pembebanan unit pembangkit sesuai state dengan lamda dan dengan constraint ∑
3. Evaluasi pembebanan unit pembangkit dengan persamaan constraint
λ untuk Pimin < Pi < Pimax
Terimalah state baru sebagai BEST SO FAR dengan probabilitas P(ΔC)=exp (-ΔC/T) > r, Bangkitkan bilangan acak r antara 0 sampai 1
30
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
λ untuk Pi = Pmin
4. Hitung total biaya kombinasi FT = ∑ ]
5. Simpan kombinasi dan pembebanan unit pembangkit tersebut sebagai
current state (BEST SO FAR)
6. Tentukan harga temperatur awal dan buat temperatur = temperatur awal
7. Carilah kombinasi baru (new state) secara random dengan inisialisasi feasible solution, Hitung pembebanan masing-masing unit pembangkit serta total biaya dari kombinasi tersebut.
8. Hitung ΔE = Total biaya baru – Total biaya BEST SO FAR,
Jika ΔE≤0 maka terimalah kombinasi baru (new state) sebagai current state (BEST SO FAR).
Jika ΔE>0 maka terimalah kombinasi baru (new state) sebagai current state (BEST SO FAR) dengan probabilitas P(ΔC)=exp (-ΔC/T) > r, dan bangkitkan bilangan acak r antara 0 sampai 1.
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
BAB V
SIMPULAN, IMPLIKASI DAN REKOMENDASI
5.1 Simpulan
Berdasarkan penelitian skripsi yang telah dilakukan oleh penulis, didapat
beberapa kesimpulan sebagai berikut:
1. Persamaan biaya bahan bakar masing-masing unit pembangkit
thermal berbeda sesuai dengan nilai heat rate unit pembangkit tersebut.
2. Algoritma simulated annealing adalah algoritma optimasi yang digunakan untuk menyelesaikan permasalahan optimasi khususnya
optimasi kombinatorial yang memiliki ruang solusi sangat besar
sehingga tidak mungkin diselesaikan secara manual.
3. Algoritma simulated annealing dapat menyelesaikan permasalahan kombinatorial pada penjadwalan dan pembebanan pembangkit dengan
waktu yang sangat cepat dan juga dengan hasil yang optimal.
4. Hasil optimasi dengan menggunakan algoritma simulated annealing
tanpa memperhitungkan rugi-rugi saluran transmisi, start up cost, lebih optimal 24,3% dibandingkan dengan riil PLN.
5.2 Implikasi dan Rekomendasi
Di bawah ini merupakan beberapa saran penulis terhadap penelitian
skripsi ini:
1. Untuk penelitian selanjutnya tentang unit commitment dan economic dispatch dapat ditambahkan kendala-kendala yang lebih banyak seperti rugi-rugi saluran transmisi, start up cost, ramping rate.
2. Algoritma simulated annealing dapat menyelesaikan permasalahan kombinatorial yang sangat besar, sehingga untuk penelitian
45
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
lebih luas sehingga jumlah kombinasi yang dioptimasi akan semakin
banyak.
3. Hasil analisis yang penulis lakukan masih perlu penelitian lebih lanjut
untuk dibandingkan dengan metode lain ataupun dikombinasikan
dengan metode lainnya agar diperoleh metode yang lebih baik dalam
menyelesaikan persoalan penjadwalan dan pembebanan ekonomis
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
DAFTAR RUJUKAN
Asmar, Yassir & Hasanuddin, T., 2014. Pembuatan Aplikasi Untuk Analisis Economic Dispatch Stasiun Pembangkit Tenaga Listrik. ELECTRICHSAN, 1(1).
Basith, A. (n.d.), 2005. Unit Commitment Menggunakan Algoritma Simulated Annealing (SA) Pada Pembangkit Belawan Indonesia.
Belhachem, R. et al., 2013. Dynamic Economic Load Dispatch Using Quadratic Programming and GAMS. , pp.126–131.
Cohen, A.I. & Yoshimura, M., 1983. A branch-and-bound algorithm for unit commitment. IEEE Trans. Power Appar. Syst.; (United States), 102:2.
Hindriyanto., 2014. Metode Optimisasi Metaheuristik Menggunakan Matlab. Yogyakarta: Gava Media
Kazarlis, S.A., Bakirtzis, A.G. & Petridis, V., 1996. A genetic algorithm solution to the unit commitment problem. IEEE Transactions on Power Systems, 11(1), pp.83–92.
Marsudi, D., 2011. Pembangkitan Energi Listrik (Edisi Kedua). Jakarta: Erlangga
Marsudi, D., 2006. Operasi Sistem Tenaga Listrik (Edisi Pertama). Yogyakarta: Graha Ilmu.
Oktoviana, L.T., 2007. Optimasi Perencanaan Transaksi Tenaga Listrik Interkoneksi Jawa-Bali Dengan Simulated Annealing.
Pappala, V.S. & Erlich, I., 2008. A new approach for solving the unit commitment problem by adaptive particle swarm optimization. 2008 IEEE Power and Energy Society General Meeting - Conversion and Delivery of Electrical Energy in the 21st Century, (3), pp.1–6.
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Rohmat, A., Abdullah, A. G., & Hasbullah. (2014). Koordinasi Hidro Thermal
Jangka Pendek Menggunakan Algoritma Lagrangian Relaxation. Hlm. 1-18.
Seliin, S. (1998). A simulated annealing algorithm for unit commitment, 13(1), 197–204.
Senjyu, T., Uezato, K. & Funabashi, T., 2003. A fast technique for unit commitment problem by extended priority list. IEEE Transactions on Power Systems, 18(2), pp.882–888..
Simopoulos, D. N., Kavatza, S. D., & Vournas, C. D. (2006). Unit Commitment by an Enhanced Simulated Annealing Algorithm. IEEE Transactions on Power Systems, 21(1), 68–76. doi:10.1109/TPWRS.2005.860922
Snyder, W.L., Powell, H.D. & Rayburn, J.C., 1987. Dynamic Programming Approach to Unit Commitment. IEEE Transactions on Power Systems, 2(2), pp.339–348.
Su, C.-C. & Hsu, Y.-Y., 1991. Fuzzy dynamic programming: an application to unit commitment. IEEE Transactions on Power Systems, 6(3), pp.1231– 1237.
Sum-im, T. & Ongsakul, W., Ant colony search algorithm for unit commitment. In IEEE International Conference on Industrial Technology, 2003. IEEE, pp. 72–77.
Suyanto., 2010. Algoritma Optimasi. Yogyakarta: Graha Ilmu
Stevenson, W. D. (1983). Analisis Sistem Tenaga Listrik. Edisi keempat. Jakarta: Erlangga.
Wood, A. J & Wollenberg, B. F. (1996). Power Generation, Operation, and Control. Edisi kedua. New York: John Wiley & Sons, Inc.
Zhuang, F. & Galiana, F.D., 1988. Towards a more rigorous and practical unit commitment by Lagrangian relaxation. IEEE Transactions on Power Systems, 3(2), pp.763–773.
Zhuang, F. & Galiana, F.D., 1990. Unit commitment by simulated annealing.
Binanta Pran Seda Tarigan, 2015
APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL