OPTIMISASI PENEMPATAN
RECLOSER
PADA SISTEM DISTRIBUSI
JARINGAN RADIAL PENYULANG SRL-06 MENGGUNAKAN
SIMULATED
ANNEALING METHOD
Akbar Rama Dhanara
1, Dr. Susatyo Handoko S.T, M.T
2, Ir. Agung Nugroho, M.Kom
2Departemen Teknik Elektro, Universitas Diponegoro, Semarang Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia
1)
E-mail: akbardhanara@gmail.com
Abstrak
Untuk meningkatkan keandalan sistem tenaga listrik, PT. PLN Area Semarang banyak menggunakan penutup balik otomatis (recloser) pada jaringan listriknya. Salah satu tipe jaringan yang masih banyak digunakan pada sistem distribusi adalah jaringan radial yang memiliki keandalan rendah, untuk mengatasinya dapat dilakukan dengan cara memasang recloser. Melalui metode pendekatan optimisasi ini dapat dilakukan perhitungan penempatan recloser yang optimal. Salah satu indeks keandalan di dunia kelistrikan adalah SAIFI dan SAIDI. Nilai yang semakin tinggi menunjukkan tingkat kegagalan yang semakin tinggi. Penulisan tugas akhir ini membahas penentuan tingkat kegagalan suatu sistem dengan memakai metode pendekatan Simulated Annealing pada penyulang SRL-06 untuk memperoleh nilai SAIFI dan SAIDI yang minimum dengan bantuan software MATLAB R2009a. Dari hasil simulasi dapat disimpulkan bahwa nilai keandalan sebelum dan setelah penempatan recloser berubah.Nilai SAIFI & SAIDI sebelum penempatan recloser di penyulang SRL-06 adalah 0,9260 kali/tahun dan 2,2573 jam/tahun. Lokasi penempatan yang optimal pada kasus 1 yaitu untuk 1 recloser berada pada bus 3 dengan nilai SAIFI & SAIDI adalah 0,28104 kali/tahun & 0,90931 jam/tahun, sedangkan pada kasus 2 untuk 2 recloser berada pada bus 2 & 27 dengan nilai SAIFI & SAIDI adalah 0,6914 kali/tahun & 0,55621 jam/tahun.
Kata kunci: Recloser, SAIDI, SAIFI, Simulated Annealing, MATLAB
Abstract
To improve the reliability of electric power systems, PT. PLN Area Semarang many uses automatic back cover (Recloser) on the electricity network. One type of network that is still widely used in distribution system is a radial network that has a low reliability, to overcome the radial network can be done by installing Recloser. Through this optimization approach can be calculated Recloser optimal placement. One of the world's electricity reliability index are SAIFI and SAIDI. The higher value indicates higher failure rate. This thesis discusses the determination of the failure rate of a system using Simulated Annealing approach to the feeders SRL-06 to obtain the value of SAIFI and SAIDI minimum with the help of MATLAB R2009a software. From the simulation results can be concluded that the reliability value before and after placement Recloser has changed.The value of SAIFI & SAIDI before placement Recloser in feeder SRL-06 are 0.9260 times / yr and 2.2573 hours / year. Optimal placement location in Case 1 is for 1 Recloser currently on bus 3 with the SAIFI & SAIDI are 0.28104 times / year and 0.90931 hours / year, whereas in the case of a 2 to 2 Recloser currently on bus 2 & 27, with a value SAIFI & SAIDI are 0.6914 times / year and 0.55621 hours / year.
Keywords: Recloser, SAIDI, SAIFI, Simulated Annealing, MATLAB
1. Pendahuluan
Peningkatan kebutuhan tenaga listrik yang semakin tinggi menuntut sistem distribusi tenaga listrik memiliki sistem keandalan yang tinggi. Pemadaman listrik yang terlalu sering dengan waktu padam yang lama dan tegangan listrik yang tidak stabil, merupakan refleksi dari keandalan dan kualitas listrik yang kurang baik, dimana akibatnya dapat dirasakan secara langsung oleh pelanggan. Sistem tenaga listrik yang handal dan energi listrik dengan kualitas yang baik atau memenuhi standar, mempunyai
kontribusi yang sangat penting bagi kehidupan masyarakat modern. Semua peranannya itu dapat beroperasi karena tersedianya energi listrik. [1]
keandalan jaringan distribusi berdasarkan indeks keandalan adalah dengan menambahkan sectionalizer atau recloser. Semakin banyak recloser yang dipasang maka semakin handal pula sistem tersebut, akan tetapi dengan banyaknya recloser maka biaya yang dibutuhkan juga semakin besar.
Oleh karena itu optimisasi penempatan recloser sangat diperlukan untuk menanggulangi masalah tersebut. Berdasar penelitian lainnya, untuk kasus penempatan recloser banyak menggunakan metode linier seperti Simplex dan non linier seperti ACO, GA, & PSO. Optimisasi penempatan recloser pada laporan ini dilakukan dengan menggunakan Simulated Annealing method. Masalah yang membutuhkan pendekatan SA adalah masalah-masalah optimisasi kombinatorial, di mana ruang pencarian solusi yang ada terlalu besar, sehingga hampir tidak mungkin ditemukan solusi eksak terhadap permasalahan itu. Publikasi tentang pendekatan ini pertama kali dilakukan oleh S. Kirkpatrick, C. D. Gelatt dan M. P. Vecchi, diaplikasikan pada desain optimal hardware komputer, dan juga pada salah satu masalah klasik ilmu komputer yaitu Traveling Salesman Problem. Target dari metode ini adalah menemukan solusi bagus yang bisa diterima, bukan untuk mencari solusi yang terbaik. Simulasi penempatan recloser pada penelitian ini menggunakan metode Simulated Annealing dengan bantuan software Matlab R2009a untuk memecahkan solusi yang optimal.
2. Metode
2.1. Langkah Penelitian
Penelitian ini bertujuan untuk menghitung nilai indeks keandalan SAIFI dan SAIDI jaringan distribusi listrik yang berbentuk radial murni danmenentukan penempatan recloser menggunakan metode Simulated Annealing pada penyulang SRL-06 guna mendapatkan keandalan suatu jaringan yang optimal. Langkah-langkah yang dilakukan pada penelitian ini ditunjukkan pada gambar 1.
Gambar 1. Diagram Alir Langkah Penelitian
2.2. Pengumpulan Data
Data-data yang diperlukan dalam penelitian ini diperoleh dari PT. PLN (Persero) Area Semarang dan PT. PLN (Persero) UPJ Semarang Selatan. Data-data tersebut meliputi data single line diagram Gardu Induk Srondol Penyulang SRL-06, data-data mengenai panjang saluran, rekap data pemadaman pada tahun 2015, kapasitas trafo distribusi, data pembebanan, dan beban masing-masing trafo distribusi.
2.2. Pengolahan data (Perhitungan Indeks
Keandalan
Sebelum
dan
Setelah
Penempatan
Recloser
)
Setelah data-data yang diperlukan sudah lengkap, dilakukan perhitungan indeks keandalan maupun pembebanan penyulang. Perhitungan parameter-parameter tersebut dilakukan dengan menggunakan data-data primer maupun data sekunder, serta dengan batasan-batasan tertentu dalam proses pengolahannya. Kemudian dilakukan perhitungan dalam kondisi riil 2015 dan kondisi awal sebelum penempatan recloser. Dari hasil perhitungan kondisi rill tersebut, maka dapat dilakukan perbandingan terhadap standar PLN. Apabila hasil perhitungan kondisi rill tidak sesuai dengan standar SPLN, maka perlu dilakukan upaya perbaikan / dengan penempatan recloser.
2.3. Optimisasi Penempatan
Recloser
dengan
Metode SA
Dalam hal ini dapat dilakukan dengan memasukan parameter-parameter dari SA sehingga dapat dilakukan optimasi. Parameter yang dimasukan berupa initial temperature, final stopping temperature, min value of function, max number of reject, max number of runs, max number of accept, Boltzmann constant, dan Enorm. Setelah dilakukan optimasi maka akan didapatkan nilai SAIFI dan SAIDI yang baru dengan lokasi penempatan recloser. Langkah selanjutnya melengkapi analisa dengan kesimpulan dan saran-saran.
3. Hasil dan Analisis
3.1. Kondisi Sebelum Penempatan
Recloser
Pada konsisi sebelum penempatan recloser akan dihitung berdasarkan data riil pemadaman dilapangan, Matlab dan ETAP. Kemudian dilakukan perbandingan nilai indeks keandalan tersebut.
3.1.1. Analisis Keandalan Kondisi Riil 2015
𝑆𝐴𝐼𝐹𝐼 =∑ λ𝑖N𝑖
Ui = lama pemadaman rata-rata (jam/tahun) Ni = jumlah pelanggan padam
N = jumlah pelanggan total
Dengan persamaan diatas dapat dihitung indeks keandalan sebagai berikut :
Tabel 1. Hasil perhitungan indeks keandalan kondisi riil tahun 2015 telah memenuhi standar. Standar yang dipakai yaitu SPLN 68-2 tahun 1986 yang menyebutkan bahwa standar saifi adalah 3,2 kali/tahun, sedangkan saidi sebesar 20 jam/tahun. Sehingga dalam hal ini diperlukan keandalan yang sangat tinggi. Sehingga perlu dilakukan upaya untuk meningkatkan keandalan tersebut. Yaitu dengan dilakukannya penambahan recloser pada penyulang SRL-06 untuk meningkatkan nilai keandalan.
3.1.2. Perhitungan Kondisi Awal dengan
Matlab
Indeks keandalan yang dihitung adalah indeks-indeks titik beban (load point) dan indeks-indeks sistem baik secara section maupun keseluruhan. Indeks load point antara lain:
a. Frekuensi gangguan (failure rate) untuk setiap load
point λLP, merupakan penjumlahan laju kegagalan
semua peralatan yang berpengaruh terhadap load point, dengan persamaan:
𝜆𝐿𝑃= ∑𝑖=𝐾𝜆𝑖 (3)
Dimana :
𝜆𝑖 = laju kegagalan untuk peralatan K (failure)
K = semua peralatan yang berpengaruh terhadap Load Point
b. Lama gangguan tahunan rata-rata untuk load point ULP, dengan persamaan :
𝑈𝐿𝑃= ∑𝑖=𝐾𝑈𝑖= ∑𝑖=𝐾𝜆𝑖𝑥𝑀𝑇𝑇𝑅 (4)
Dimana :
MTTR = waktu perbaikan (jam)
Berdasarkan indeks-indeks load point ini, diperoleh sejumlah indeks keandalan untuk mengetahui indeks keandalan sistem secara keseluruhan yang dapat dievaluasi dan bisa didapatkan dengan lengkap mengenai kinerja sistem. Indeks-indeks ini adalah frekuensi dan lama pemadaman rata-rata tahunan.
Daya Tersambung
Prakiraan Daya Tersambung total ditentukan dengan rumus sebagai berikut :
VAR = PelR x VR (5)
Dimana :
VARt : Daya Tersambung rumah tangga pada tahun ke t. VR : Daya Tersambung per pelanggan rumah tangga
Dengan metode perhitungan tersebut, diperoleh hasil perhitungan kondisi eksisting pada software Matlab sebagai berikut:
Tabel 2. Hasil perhitungan indeks keandalan kondisi awal dengan Matlab
No Penyulang SAIFI (kali/tahun) SAIDI (jam/tahun)
1 SRL-06 0,9260 2,2573
Pada hasil perhitungan diatas dapat dilihat bahwa nilai SAIFI dan SAIDI pada penyulang SRL-06 sebesar 0,9260 kali/tahun dan 2,2573 jam/tahun. Nilai SAIDI tidak sesuai indeks keandalan berdasarkan IEEE Std. 1366-2000 [2] , sedangkan nilai SAIFI telah sesuai.
Tabel 3. Nilai Indeks Keandalan
3.1.3. Perhitungan Kondisi Awal dengan
ETAP
Perhitungan menggunakan ETAP sama dengan
Gambar 2. Penyulang SRL-06
Tabel 4. Hasil perhitungan indeks keandalan kondisi awal dengan ETAP
No Penyulang SAIFI (kali/tahun) SAIDI (jam/tahun)
1 SRL-06 0,9244 2,2522
Pada hasil simulasi dengan ETAP pada Tabel 4. dapat dilihat bahwa nilai SAIFI dan SAIDI pada penyulang SRL-06 sebesar 0,9244 kali/tahun dan 2,2522 jam/tahun.
3.1.4. Perbandingan Kondisi Riil dengan
Matlab
Setelah dilakukan perhitungan keandalan pada kondisi rill dan Matlab, maka perbandingan dari nilai SAIFI dan SAIDI dapat dilihat pada Tabel 5.
Tabel 5. Perbandingan kondisi Riil dan Matlab
No Kondisi SAIFI (kali/tahun) SAIDI (jam/tahun)
1 Riil 15 21,98
2 Matlab 0,9260 2,2573
Berdasarkan Tabel 5. terdapat perbedaan antara kondisi riil
dan perhitungan matlab. Hal ini dikarenakan nilai λ dan r
yang digunakan berbeda. Pada kondisi riil juga memperhatikan sisi keadaan sekitar seperti pohon, hewan dan lain-lain. Sehingga mempunyai nilai yang berbeda.
3.1.5. Perbandingan Matlab dengan ETAP
Tabel 6. Perbandingan Matlab dengan ETAP
INDEKS Matlab ETAP Error (%)
Perbandingan pada Tabel 6. diatas dapat dilihat adanya perbedaan antara perhitungan dengan menggunakan Matlab dan perhitungan dengan menggunakan ETAP. Perbedaan ini terjadi dikarenakan oleh pembulatan angka pada perhitungan jumlah pelanggan. Pada perhitungan manual pada software matlab menggunakan jumlah pelanggan yang sudah dibulatkan angkanya, karena tidak mungkin jumlah pelanggan itu merupakan bilangan desimal. Maka diperoleh hasil perhitungan akhir akan sedikit berbeda dengan perhitungan pada ETAP.
3.2. Optimisasi Penempatan
Recloser
dengan
SA
Melalui pengujian ini dimaksudkan akan mendapat nilai SAIFI dan SAIDI yang minimum untuk meningkatkan keandalan suatu sistem tenaga listrik. Dalam pengujian ini batas-batas parameter sistem disesuaikan dengan PLN [4]. Berikut nilai parameter SPLN yang digunakan untuk optimasi penempatan recloser pada penyulang SRL-06.
Tabel 7. Parameter Sistem
Sedangkan untuk parameter SA yang digunakan adalah sebagai berikut :
Min Value of Function 1e-6 Max Number of Reject 100
Fungsi Fitness yang digunakan dalam proses optimasi adalah sebagai berikut :
Tetapi dalam SA adalah proses minimasi fungsi, jadi nilai yang harus di minimalisir yaitu nilai SAIFI dan SAIDI. Fungsi minimasi yang digunakan dalam pengujian adalah sebagai berikut :
𝑓(𝑥) = 𝑆𝐴𝐼𝐹𝐼. 𝑆𝐴𝐼𝐷𝐼 (7)
Selama proses optimisasi berlangsung maka akan muncul grafik nilai SAIFI, nilai SAIDI, dan nilai fitness. Berdasarkan Gambar 3 dapat dilihat bahwa sistem mencapai konvergen pada iterasi ke 21 sebelum iterasi maksimum (max iterasi = 160). Besarnya jumlah iterasi dan kondisi letak recloser yang diperlukan dalam pengujian dapat bervariasi dikarenakan sistem optimisasi menggunakan Simulated Annealing mengacak letak recloser secara random tetapi tetap tertuju pada fungsi tujuan tersebut. Pada pengujian ditetapkan untuk inisial temperatur sebesar 100 (default), dan final stop temperature sebesar 1x10-10. Jadi, temperature akan berhenti minimum di angka 1e-20. Min value of the function yaitu fungsi untuk fitness, untuk mencari pencapaian nilai fitness optimum dengan kondisi nilai SAIDI dan SAIFI minimum, pada parameter di set 1e-6. Ketika titik untuk solusi baru lebih baik atau lebih minimum dengan syarat ∆𝑓 < 0 maka solusi dapat diterima dan target akan berhenti. Jika fungsi ∆𝑓 > 0 atau positif, maka akan membangkitkan bilangan random dan mengggunakan kriteria Metropolis yaitu dengan syarat 𝑃[𝐸𝑖+1] = 𝑒−∆𝐸/𝑘𝑇 untuk menentukan menerima atau
menolak titik yang baru. Jika bilangan random tersebut nilainya lebih kecil dari kriteria, maka solusi dapat diterima. Untuk konstanta Boltzmann, k, bisa diberi nilai 1. Untuk Energy norm mengacu pada keadaan parameter lain, semakin besar nilainya kondisi iterasi akan semakin banyak. Pada program di set (Enorm = 1e-2). Untuk cooling factor, pada parameter ditetapkan 0,95 agar dapat mereduksi temperature secara perlahan dan menghasilkan banyak langkah komputasi iterasi untuk konvergen. Ditunjukkan pada Gambar 4, terlihat pada bus 16 melakukan perhitungan ulang sehingga menghasilkan nilai fitness 2,3705. Dibandingkan dengan penempatan recloser yang sebelumnya, pada bus 16 lebih banyak melakukan komputasi dan pada iterasi ke 25 nilai fitness sudah menghasilkan nilai yang konvergen.
Gambar 3. Grafik nilai fungsi tujuan (1 recloser) bus 3
Gambar 5. Grafik nilai fungsi tujuan (2 recloser) bus 2 & 27
Berdasarkan hasil pengujian program pada tabel 9 dapat dilihat bahwa terdapat 2 kasus untuk pemasangan recloser.
a. Kasus 1
Pemasangan recloser yang optimal adalah pada lokasi 3 untuk 1 recloser dengan SAIFI dan SAIDI sebesar 0,28104 kali/tahun dan 0,90931 jam/tahun. Tetapi untuk skala jaringan riil, pemasangan recloser yang baik dapat di pasang di tengah yaitu pada lokasi 16 dengan SAIFI dan SAIDI sebesar 0,40354 kali/tahun dan 1,0454 jam/tahun.
b. Kasus 2
Sedangkan untuk pemasangan 2 recloser berada pada lokasi 2 dan 27 dengan SAIFI dan SAIDI sebesar 0,6914 kali/tahun dan 0,55621 jam/tahun.
Hal ini telah sesuai dengan teori, yaitu bahwa salah satu kegunaan recloser adalah untuk meningkatkan keandalan sistem tenaga listrik. Suatu sistem akan handal ketika nilai SAIFI dan SAIDI nya kecil. Dapat dibuktikan bahwa nilai SAIFI dan SAIDI sebelum pemasangan recloser adalah sebesar 0,9260 kali/tahun dan 2,2573 jam/tahun.
4. Penutup
Dari pembahasan tugas akhir ini yaitu mengenai penempatan recloser pada penyulang SRL-06, dapat disimpulkan bahwa pada kasus 1, berdasarkan pengujian penempatan 1 buah recloser yang optimal terletak pada lokasi 3 dengan nilai SAIDI sebesar 0,90931jam/tahun dan nilai SAIFI sebesar 0,28104 kali/tahun. Sedangkan pada kasus 2, penempatan recloser yang optimal terletak pada lokasi 2 dan 27 dengan nilai SAIDI sebesar 0,55621 jam/tahun dan nilai SAIFI sebesar 0,6914 kali/tahun. Hal ini telah sesuai dengan teori dari fungsi recloser , yaitu meminimalisir nilai SAIFI dan SAIDI. Nilai SAIFI dan SAIDI sebelum penempatan recloser adalah 0,9260 kali/tahun dan 2,573 jam/tahun
Referensi
[1]. Gunawan Hadi Prasetiyo, Dedy Kurnia Setiawan, Widyono Hadi. 2014. “Optimasi Penempatan Recloser Pada Penyulang Mayang Area Pelayanan dan Jaringan (APJ) Jember Menggunakan Simplex Method”. Jurusan Teknik Elektro, Fakultas Teknik Universitas Jember (UNEJ). [2]. Sumarno, Radiktyo Nindyo. 2010. “Optimasi Penempatan
Recloser Terhadap Keandalan Sistem Tenaga Listrik Dengan Algoritma Genetika”. Teknik Elektro Universitas Diponegoro
[3]. Santosa, Budi dan Paul Willy. 2011. “Metoda
Metaheuristik Konsep dan Implementasi”. Surabaya : Guna Widya.
BIODATA PENULIS
Akbar Rama Dhanara lahir di Kudus, 21 Februari 1994. Riwayat pendidikan SDN 3 Demaan, SMPN 1 Kudus, SMAN 1 Kudus
dan sekarang ia sedang
menempuh pendidikan di
Departemen Teknik Elektro Fakultas Teknik Universitas
Diponegoro angkatan 2012
konsentrasi Ketenagaan.
Saya menyatakan bahwa segala informasi yang tersedia di makalah ini adalah benar, merupakan hasil karya sendiri, bebas dari plagiat, dan semua karya orang lain telah dikutip
dengan benar.
Akbar Rama Dhanara NIM : 21060112140172
Semarang, Maret 2017
Menyetujui
Dosen Pembimbing I Dosen Pembimbing II