Integrasi Sumber Renewable Energy pada S

71

Integrasi Sumber

Renewable Energy

pada Sistem Distribusi

Menggunakan Metode

Direct

Z

BR

+IPSO

Mat Syai’in

1*

, Adi Soeprijanto

2

, Ontoseno Penangsang

2

, dan Jamal Darusalam Giu

2

1. Jurusan Teknik Elektro, Politeknik Perkapalan Negeri Surabaya, Sukolilo, Surabaya 60111, Indonesia 2. Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember, Sukolilo, Surabaya 60111, Indonesia

*E-mail: matt.syaiin@gmail.com

Abstrak

Perkembangan distributed generator (DG) dan konsep microgrid mengharuskan perubahan sistem jaringan distribusi dari pasif menjadi aktif. Sistem distribusi aktif harus mampu mengakomodir keberadaan DG baik yang dioperasikan sebagai bus generator (PV bus) ataupun sebagai bus beban (PQ bus). Karakteristik sistem distribusi yang unik membuat metode power flow seperti Newton Raphson dan Fast Decouple yang biasa digunakan untuk meganalisis sistem transmisi tidak bisa diaplikasikan pada sistem distribusi. Salah satu metode yang mampu menganalisis sistem distribusi adalah metode yang dibangun berdasarkan Forward-Backward (FB ) seperti metode loopframe, FFRP F, dan direct-ZBR.

Namun metode-metode tersebut tidak mampu mengakomodir DG sebagai PV bus. Untuk mengintegrasikan DG dari jenis sumber renewable energy ke sistem distribusi, diperlukan pemodelan sumber renewable energy dan metode power flow yang mampu menangani karaktersistik sistem distribusi yang unik. Untuk mengatasi masalah-masalah tersebut metode yang diajukan dalam penelitian ini adalah direct-ZBR + IPSO. Direct-ZBR mempunyai algoritma yang sederhana

yang dibangun berdasarkan teori Graph dalam bentuk matriks sederhana yang mampu mengatasi karakteristik sistem distribusi yang unik. Sedangkan improve particle swarm optimization (IPSO) digunakan untuk memodifikasi direct-ZBR

dalam rangka mengakomodir sumber-sumber renewable energy sebagai PV bus.

Abstract

Renewable Energy Sources Integration to Electric Distribution System using Direct ZBR+IPSO Method.

Development of distributed generator (DG) and microgrip concept pushes passive electric distribution system network to active one. Active electric distribution system shall accommodate both DG operated as bus generator (PV bus) as well as load bus (PQ bus). Unique characteristics of power flow like Newton Raphson and Fast Decouple, that commonly used for transmission system analysis, might not appropriate applied in distribution system. One of method enables to analyze distribution system is Forward-Backward based method such as loopframe method, FFRP, and direct-ZBR. However, these methods cannot accommodate DG as PV bus. Renewable energy sources model and power

flow method that complied with unique characteristics of distribution system is needed to integrate DG from renewable energy sources to the electric distribution system. To solve the problem, this research proposed to use direct-ZBR +

IPSO. Direct-ZBRhas simple algorithm which built based on Graph theory in a form of simple matrices to handle the

unique characteristics of distribution system. Whereas improve particle swarm optimization (IPSO) is used to modify

direct-ZBR in order to accommodate renewable energy sources as PV bus.

Keywords: electric distribution system, renewable energy sources, power flow analysis, direct-ZBR, IPSO

1. Pendahuluan

Integrasi sumber-sumber renewable energy ke sistem distribusi, memerlukan power flow sebagai alat untuk menganalisis performansi sistem. Karena sistem distribusi memiliki karakter yang unik, metode power flow seperti Newton Raphson [1] dan Fast Decouple [2] yang biasa digunakan untuk menganalisis sistem

transmisi tidak bisa diaplikasikan pada sistem distribusi. Hal ini karena metode-metode tersebut dibangun berdasarkan asumsi sistem tiga fasa yang seimbang.

Beberapa metode telah dikembangkan untuk menganalisis sistem distribusi seperti FB [3], loopframe

[4], FFRPF [5], direct-ZBR [6]. Metode-metode tersebut

namun metode-metode tersebut tidak mempunyai algoritma yang dapat mengakomodir PV bus. Untuk dapat mengintegrasikan sumber renewable energy ke dalam sistem distribusi maka mutlak harus ditambahkan sebuah algoritma tambahan pada metode-metode tersebut. Di sisi lain metode power flow tiga fasa berbasis sequence component (SPF-NR) dapat dengan mudah mengakomodir masalah PV bus pada sistem distribusi, tetapi metode tersebut tidak dapat mengakomodir sistem lateral (jaringan dua fasa dan satu fasa). Sehingga untuk mengatasi permasalahan integrasi sumber renewable energy ke sistem distribusi metode yang diajukan adalah menambahkan IPSO pada metode

power flowdirect-ZBR untuk mengatasi masalah PV bus.

IPSO dipilih karena mempunyai algoritma yang sederhana, tidak membutuhkan derivation function, serta mudah dikombinasikan dengan metode optimasi yang lain untuk meningkatkan performansi sistem [7].

2. Metode Penelitian

Metode yang digunakan pada penelitian ini terdiri dari dua tahap. Tahap pertama semua PV bus dianggap sebagai PQ bus sehingga sistem distribusi dapat dianalisis dengan mudah menggunakan metode direct-ZBR. Tahap kedua IPSO digunakan sebagai metode

optimisasi untuk mencari nilai Q yang dibutuhkan oleh PV bus untuk mempertahankan magnitude tegangan pada nilai acuan.

Tahap 1: Memperlakukan PV bus seperti PQ bus kemudian menjalankan algoritma power flow

distribusi.Gambar 1 adalah sistem distribusi yang mempunyai 1 generator (PV bus) pada bus 3. Bus 3 merepresentasikan sel photovoltaic, turbin angin, mikro turbin atau fuelcell yang dikombinasikan dengan perangkat penyimpan energi [8].

Gambar 1. Sistem Distribusi Radial Tiga Fasa Sederhana

Dengan memperlakukan bus 3 sebagai PQ bus maka sistem dapat dianalisis dengan mudah menggunakan metode direct-ZBR. Metode direct-ZBR membutuhkan

konstruksi K-matriks. K-matriks merupakan salah satu bagian dari teori Graph yang juga disebut brach-path

incidence matrix [6,9]. K-matriks merupakan matriks

persegi dengan ukuran (nbranch x nbus-1). nbranch adalah

jumlah branch (saluran, kabel) sedangkan nbus adalah

jumlah bus. Elemen baris dari K-matriks menyatakan

branch dari sistem, sedangkan elemen kolom K-matriks

menyatakan bus dari sistem (kecuali bus referensi). Pada prinsipnya K-matriks adalah mencari rute (path) dari bus menuju bus referensi. Dalam hal ini bus referensi adalah bus 1 sehingga kolom K-matriks dimulai dari bus 2. Nilai dari elemen K-matriks dinyatakan sebagai “+C” jika branch berada pada rute dari bus menuju referensi pada arah yang sama. Sedangkan elemen K-matriks akan bernilai “–C” jika

branch berada pada rute dari bus menuju referensi pada

arah yang berlawanan [9]. C adalah matriks diagonal dengan elemen diagonal adalah 1 sesuai dengan jumlah fasa jaringan (3 fasa, 2 fasa atau 1 fasa). K-matriks yang dibentuk dari Gambar 1 dinyatakan dalam Pers. (1).

⎥

Setelah K-matriks terbentuk, step berikutnya adalah membangun matriks ZBR. Matriks ZBR merupakan

matriks diagonal yang merepresentasikan branch sistem distribusi. Matriks ZBR yang dibentuk dari Gambar 1

dinyatakan dalam Pers. (2).

Ketika K-matriks dan ZBR selesai dibangun, maka

proses iterasi siap dijalankan. Tujuan dari proses iterasi adalah mencari nilai tegangan setiap bus ( (dalam hal ini PQ bus). Pada permulaan iterasi diset sama dengan tegangan pada bus referensi. Tegangan tersebut digunakan untuk menghitung arus injeksi ( pada setiap bus kecuali bus referensi. Untuk bus i pada iterasi ke-k, dinyatakan seperti pada Pers. (3).

(3)

Dengan and masing-masing adalah daya aktif dan daya reaktif pada bus i. Kemudian arus

branch dihitung dengan Pers. (4) sebagai berikut:

(4)

Tegangan branch ( ) diperoleh dengan mengalikan matriks ZBR dengan arus branch seperti pada Pers.

(5).

(5)

Akhirnya, nilai pada iterasi selanjutnya didapatkan dengan Pers. (6).

(6)

Dengan adalah tegangan pada setiap bus pada kondisi awal yang diset sama dengan tegangan referensi, atau dengan kata lain adalah tegangan setiap bus pada kondisi tanpa beban (no-load voltage). Proses iterasi akan berhenti jika lebih kecil dari toleransi dan adalah perbedaan tegangan antara

dengan .

Tahap 2: Menggunakan IPSO sebagai metode untuk mengakomodir PV bus. Pada tahap ini, IPSO digunakan untuk mengoptimasi nilai daya reaktif yang diperlukan oleh setiap fasa pada PV bus untuk menjaga

magnitude tegangan pada PV bus tetap berada

pada setpoint.

IPSO yang digunakan pada penelitian ini dikembangkan oleh Jong Bae Park et al. [10]. Berbeda dengan PSO standar yang dikembangkan oleh Kennedy dan Ebenhart [11-12], IPSO memiliki algoritma tambahan yang disebut “chaotic sequences” sebagai teknik yang menjamin proses pencarian sebuah solusi global

menjadi lebih cepat sekaligus memperkecil kemungkinan untuk terjebak ke dalam solusi lokal. Formula “chaotic sequences” yang dapat digunakan untuk mempercepat pencarian solusi global – contoh sebuah faktor – dapat ditulis sebagai Pers. (7) berikut:

1 1

.

.(1

)

k k k

f

=

μ

f

₋

−

f

₋ (7)

Faktor ini merupakan turunan dari phenomenon iterator yang disebut logistic map. Nilai faktor-faktor akan berisi perkalian weight factor of position dengan

velocity transition equation.

.

new

f

ω

=

ω

Perpindahan posisi tersebut dipercepat untuk mendapatkan kondisi menuju solusi global optimum.

Gambar 2 adalah diagram alir dari metode yang diajukan dalam penelitian ini yaitu mengintegrasikan sumber renewable energy sebagai PV bus kedalam analisis power flow tiga fasa tak seimbang pada sistem distribusi radial dengan menggunakan IPSO. Diagram alir tersebut merupakan perpaduan dari tahap 1 dan tahap 2 yang dijalankan bersama. Secara lengkap tahapan tersebut adalah 1) Baca data (data beban dan data jaringan), 2) Inisialisasi populasi dari pada setiap PV bus sesuai dengan jumlah fasanya, 3) Cek

untuk memastikan bahwa berada pada batas yang diizinkan (Q ≥ Qmin dan Q ≤ Qmax). Jika lebih

besar dari , maka harus diatur sama dengan , demikian sebaliknya jika kurang dari , maka harus diatur sama dengan . Catatan: hanya yang berada di dalam batas yang diizinkan untuk menuju ke proses selanjutnya, 4)Jalankan direct

-ZBRpower flow untuk mendapatkan nilai tegangan pada

setiap bus, 5) Khusus untuk PV bus, nilai yang dihasilkan dari direct-ZBRpower flow dengan mengacu

pada nilai dibandingkan dengan setpoint yang bertujuan untuk mendapatkan . Jika kurang dari toleransi berarti nilai yang diinginkan telah didapat. Namun jika lebih besar dari toleransi maka harus di-update menggunakan IPSO untuk mendapatkan nilai yang baru, 6) Perlu dicatat: jika

Gambar 2. Diagram Alir Metode Direct-ZBR+IPSO

3. Hasil dan Pembahasan

Sistem percontohan yang digunakan pada simulasi adalah jaring distribusi radial pada Gambar 3. Ada tiga macam skenario sistem yang disimulasikan pada

Parameter yang digunakan saat proses optimisasi QPV

menggunakan IPSO antara lain Jumlah individu pada setiap variabel adalah 27, Toleransi eror adalah 0,0001, Variabel-variabel yang dioptimisasi adalah QPV-a, QPV-b, QPV-c. (a, b, dan c adalah penamaan fasa)

Perangkat lunak yang digunakan adalah Matlab® kemudian hasilnya diverifikasi dengan perangkat lunak ETAP® Power Station.

Simulasi pada kondisi semua bus adalah PQ bus. Tahap ini algorritma simulasi hanya memperlakukan semua bus sebagai PQ bus tanpa PV bus pada sistem Gambar 3. Hasil simulasi antara metode direct -yang diajukan dengan metode Newton Rhapson (NR) berbasis sequence methods [8] adalah sama (Gambar 4) namun ada sedikit perbedaan dengan hasil simulasi pada ETAP.

Gambar 3. Diagram Satu-garis Sistem Distribusi Radial 3-fasa

Gambar 4. Besar Magnitudo Tegangan dan Sudut Tegangan pada Setiap Bus (Fasa-a)

1 2 3 4 5 6 7 8 9 10 11 12 13

Gambar 5. Besar Magnitudo Tegangan dan Sudut Tegangan pada Setiap Bus (Fasa-b)

1 2 3 4 5 6 7 8 9 10 11 12 13

Gambar 6. Besar Magnitudo Tegangan dan Sudut Tegangan pada Setiap Bus (Fasa-c)

Simulasi pada kondisi PQ, dan PV bus berlaku pada bus 2, dan 11..Pada tahap ini disimulasikan analisis

power flow 3-fasa dengan status PV bus pada bus 2 dan

11. Magnitudo tegangan pada bus 2 diatur pada nilai 1,043 pu (per unit). Data jaringan sama dengan kondisi semua bus merupakan PQ bus . Untuk verifikasi metode yang diusulkan (direct- + IPSO), maka digunakan metode Newton Rhapson (NR) berbasis sequence methods

sebagai pembanding. Hasil simulasi dapat dilihat pada Gambar 7 sampai Gambar 9, menunjukkan bahwa

magnitudo dan sudut tegangan pada fasa a, b, dan c di

setiap bus yang didapatkan melalui metode direct- + IPSO sama dengan metode Newton Rhapson (NR).

1 2 3 4 5 6 7 8 9 10 11 12 13

Gambar 7. Magnitudo dan Sudut Tegangan Fasa-A pada Setiap Bus dengan Status PV Bus pada Bus 2 dan 11 (1R/X)

Gambar 8. Magnitudo dan Sudut Tegangan Fasa-b pada Setiap Bus dengan Status PV Bus pada Bus 2 dan 11 (1R/X)

Gambar 9. Magnitudo dan Sudut Tegangan Fasa-c pada Setiap Bus dengan Status PV Bus pada Bus 2 dan 11 (1R/X)

Gambar 10. Magnitudo dan Sudut Tegangan Fasa-a pada Setiap Bus dengan Status PV Bus pada Bus 2 dan 11 (4R/X)

Gambar 11. Magnitudo dan Sudut Tegangan Fasa-b pada Setiap Bus dengan Status PV Bus pada Bus 2 dan 11 (4R/X)

Tabel 1. Tegangan Setiap Bus yang Dihasilkan Metode direct- + IPSO pada Kondisi 5R/X

Phase-a Phase-b Phase-c

Bus Mag Deg(rad) Mag Deg(rad) Mag Deg(rad) 1 1.060 0 1.060 -2.0944 1.060 2.0944 2 1.043 -0.1931 1.043 -2.2936 1.043 1.8953 3 0.806 -0.0916 0.802 -2.2129 0.802 1.9760 4 0.621 0.0465 0.606 -2.1053 0.606 2.0835 5 0.797 -0.0715 0.792 -2.1934 0.792 1.9955 6 0.621 0.0465 0.606 -2.1053 0.606 2.0835 7 0.492 0.2623 0.460 -1.9209 0.461 2.2679 8 1.014 -0.2172 1.014 -2.3171 1.014 1.8719 9 1.023 -0.3265 1.024 -2.4231 1.023 1.7663 10 1.005 -0.2188 1.005 -2.3188 1.005 1.8702

Number of Iteration

E

rro

r

Trend of error ZBR-PSO method Trend of error NR method

Gambar 13. Perbandingan Tren Eror antara Metode direct- + IPSO dengan NR di mana Status PV Bus pada Bus 2 dan 11 (4R/X)

Dari Gambar 10 sampai 12 terlihat bahwa magnitudo

dan sudut tegangan fasa-a dan fasa-b di setiap bus hasil dua metode berbeda bernilai sama. Namun terdapat sedikit perbedaan nilai pada fasa-c (Gambar 12).

Gambar 13 menunjukkan kecenderungan eror antara metode direct- + IPSO dengan metode NR pada kondisi 4R/X. Kedua metode menunjukkan hasil yang memuaskan.

Ketika nilai resistansi, R dinaikkan menjadi 5 kali (5R/X) maka metode NR menjadi divergen tetapi metode yang diusulkan (direct- + IPSO) tetap konvergen. Eror pada setiap iterasi dapat dilihat pada Gambar 14 dan tegangan yang dihasilkan oleh metode yang diusulkan dapat dilihat pada Tabel 1.

5 10 15 20 25 30 35 40 45 50

Number of Iteration

E

rro

r

Trend of error ZBR-PSO method Trend of error NR method

Gambar 14. Perbandingan Tren Eror antara Metode Direct- + IPSO dengan NR di mana Status PV Bus pada Bus 2 dan 11 (5R/X)

IPSO telah sukses menjaga tegangan pada setpoint.

Penentuan nilai setpoint adalah penting untuk menjaga level tegangan. Aplikasi IPSO untuk memasukkan PV bus ke dalam analisis power flow 3-fasa tidak membutuhkan modifikasi dari metode direct -sehingga mempermudah algoritma.

4. Simpulan

Metode yang diajukan berhasil memasukkan PV bus ke dalam analisis power flow 3-fasa direct- tanpa memodifikasi algoritmanya. IPSO mudah diaplikasikan dan menjamin proses iterasi selalu konvergen. Hasil pengujian mengungkap bahwa direct- + IPSO masih mampu mencapai solusi yang konvergen ketika metode NR gagal mencapai nilai konvergen. Metode ini dapat diajukan untuk perencanaan dan rekonfigurasi sistem terutama untuk menghitung nilai PV bus melalui analisis aliran daya 3-fasa menggunakan metode direct

pada sistem distribusi.

Daftar Acuan

[1] B. Stott, IEEE Transactions PAS-91/5(1972) 1955. [2] B. Stott, O. Alsac, IEEE Transactions PAS-93/3

(1974) 859.

[3] W.H. Kersting, Distribution System Modeling and Analysis, CRC Press, Boca Raton, USA, 2002, p.308.

[4] T.-H. Chen, N.-C. Yang, Electric Power Systems Research, 80 (2010) 799.

[5] M.F. AlHajri, M.E. El-Hawary, IEEE Transactions 25/1 (2010) 378.

[6] T.H. Chen, N.C. Yang, Transmission & Distribution, IET 3/10 (2009) 903.

[8] S.M. Moghaddas-Tafreshi, E. Mashhour, Electric Power Systems Research, 79/4 (2009) 680.

[9] G.W. Stagg, A.H. El-Abiad, Computer Methods in Power System Analysis, McGraw-Hill, New York, 1968, p.427.

[10]P. Jong-Bae, et al., IEEE Transactions on, 25/1 (2010) 156-166.

[11]J. Kennedy, R. Eberhart, Particle swarm optimization. Proceedings, IEEE International

Conference on Neural Networks, vol. 4, Perth, Australia, 1995, p.1942.