B. 406 DESAIN OPTIMASI LOAD FREQUENCY CONTROL PADA PLTMH DENGAN
MODIFIED FIREFLY ALGORITHM (MFA)
Dwi Ajiatmo1*, Yanuar Mahfudz Safarudin2, Dina Mariani3 1Jurusan Teknik Elektro, Universitas Darul Ulum Jombang
Jl. KH. Abdurahman Wahid 29 A, Jombang, 61314 2Jurusan Teknik Mesin, Politeknik Negeri Semarang Jl. Prof H. Soedarto, SH, Tembalang, Semarang, 50275 3Jurusan Teknik Elektro, Universitas Muhammadiyah Semarang
Jl. Kasipah No. 12 Jatingaleh, Semarang, 50254 E-mail: ajiatmo@gmail.com
Abstrak
Pada penelitan ini menawarkan sebuah usulan metode pengaturan load frequency control (LFC) untuk pembangkit listrik tenaga mikro hidro (PLTM) dengan metode SMES yang dikontrol Proporsional Intengrated (PI) dioptimasi dengan Modified firefly algorthm (MFA). Sudah banyak penelitian dilakukan oleh para penelti untuk mengatur FLC pada PLTMH. Dengan SMES akan berfungsi sebagai penyimpan energi berupa superkonduktor. Untuk mendapatkan parameter SMES yang optimal pada PLTMH digunakan MFA. Hasil simulasi menunjukkan bahwa penggunaan MFA terhadap SMES-PI di PLTMH dapat mempercepat settling time respon frekuensi dan juga memperbaiki overshoot respon frekuensi sistem, sehingga dapat meningkatkan kinera sistem.
Kata Kunci: PLTMH; Modified Firefly Algorithm; SMES
PENDAHULUAN
Stabilitas adalah masalah utama dalam tenaga listrik dalam sistem operasi, karena kecepatan rata-rata untuk semua generator harus sama atau sinkron dalam kondisi konstan. Frekuensi dan tegangan generator mikrohidro sangat dipengaruhi oleh kecepatan putar generator (Robandi, 2009). Kecepatan putaran generator dipengaruhi oleh beban. Pada malam hari hampir sembilan puluh persen rumah mematikan lampu, sehingga berdampak pada penurunan tekanan pada mikrohidro. Ini membuat roda gerak berputar lebih cepat. Guna menekan dampak besaran listrik dan, jika terlalu tinggi, alat elektronik yang digunakan di rumah bisa rusak. Oleh karena itu sangat penting untuk mengatur frekuensi agar selalu pada wilayah kerja antara 49 Hz sampai 51 Hz (Syarifuddin Nojeng, 2019). Mekanisme
1st National Conference of Industry, Engineering and Technology 2020, Semarang, Indonesia.
B. 407 pengendaliannya dilakukan secara otomatis yaitu dengan merubah letak bukaan pintu gerbang sehingga aliran air yang masuk dapat disesuaikan dengan beban atau dengan mengatur daya beban pada perangkat pembangkit untuk meminimalisir frekuensi osilasi yang terjadi. Oleh karena itu diperlukan teknologi untuk mengoptimalkan keluaran unit pembangkit mikrohidro yaitu dengan menerapkan Load Frequency Control (LFC) (Dwi Ajiatmo, 2017) (Machrus Ali, 2018). Mekanisme LFC ini dibangun dengan menggunakan
Superconducting Magnetic Energy Storage (SMES), yang mampu memberikan kompensasi daya untuk meminimalkan atau bahkan menghilangkan osilasi frekuensi yang disebabkan oleh perubahan beban daya listrik pelanggan. Diperlukan parameter SMES yang optimal untuk mencapai redaman yang baik, sehingga digunakan metode optimasi dengan hybrid PID-MFA untuk dapat menentukan besaran parameter SMES (Muhammad Ruswandi Djalal, 2015) (S. Mbabazi, 2010).
Banyak pendekatan pengoptimalan telah diusulkan untuk menentukan nilai parameter kontrol yang optimal, termasuk penggunaan Particle Swam Optimization (PSO) dan metode multi-tujuan yang dibatasi GA (Ruswandi Djalal Muhammad, 2018). Peneliti kemudian menawarkan Modified Firefly Algorithm (FA). Algoritma Modified Firefly merupakan algoritma metaheuristik berdasarkan perilaku berkedip kunang-kunang. Tujuan utama kunang-kunang adalah untuk menarik kunang-kunang lainnya. Algoritma ini pertama kali ditemukan oleh Dr. Xin-She Yang (Slowik, 2020). MFA digunakan untuk mengubah parameter PID SMES yang ideal dengan meminimalkan nilai Integral Time Absolute Error
(ITAE). Analisis pengaruh pemasangan PID SMES dengan MFA terhadap stabilitas dinamis sistem pembangkit listrik mikrohidro. SMES dipasang pada generator umpan balik induksi di sistem mikrohidro. Hasil simulasi menunjukkan perbandingan respon frekuensi perangkat tanpa kontroler, menggunakan kontroler PID, menggunakan kontroler SMES, dan menggunakan SMES yang dipasang pada PID. Sehingga pengontrol yang ideal menjadi mungkin.
METODE PENELITIAN
Pada gambar 4 menampilkan diagram alir dari algoritma proses Firefly Algorithm (FA) yang digunakan untuk analisis ini. Integral Time Absolute Error (ITAE) adalah fungsi tujuan yang digunakan untuk mengukur stabilitas perangkat.
B. 408 Parameter SMES yang disetel ke MFA adalah Ksmes, tw, Tdc, Kp, Ki. Adapun diagram alir mekanisme tuning parameter SMES menggunakan pendekatan algoritma firefly yang ditunjukkan
pada diagram alir pada Gambar 4. Melihat diagram alir tersebut, akan lebih mudah bagi kita untuk mengetahui urutan proses yang perlu diselesaikan untuk menyusun kerangka.
Gambar 4. Diagram Alur Penalaan MFA di SMES
Metode dari penelitian ini adalah untuk memperbaki Load Frequency Control (LFC) saat ini dengan menggunakan pengontrol penyimpanan energi kapasitif (CES). Pemutakhiran ini dilakukan
Start
Input : Parameter firefly, Batas atas – batas bawah parameter SMES
Inisialisasi awal MFA
MFA diinputkan sebagai input parameter SMES untuk
Evaluasi MFA menggunakan ITAE
= |∆ ( )|
Perankingan MFAberdasarkan nilai fitness dan mencari nilai fitness terbaik dari MFA
Update pergerakan firefly ke nilai fitness yang terbaik
Update nilai fitness yang terbaik (Lightbest)
Iterasi maksimum
End
Output parameter SMES Update nilai firefly
B. 409 dengan mengganti porsi penyimpanan daya CES dengan SMES komponen CES yang umumnya lebih baik. Selain itu, metode Modifed Firefly Algorithm (MFA) digunakan. Metode MFA dengan menghilangkan besaran parameter alfa dan gama, metode MFA hanya bertupu pada besaran parameter beta.
Gambar 5. Model Subsistem Micro Hidro untuk simulasi
Dari model pada gambar 5 dapat dilihat dengan data besaran parameter-parameter di tabel 1 sebagai berkut:
Tabel 1. Data Parameter
Keterangan Nlai Mikro Hidro Tb 1 Kg 1 Tg 13.333 K1 5 K2 8.52 K3 0.004 T 53 Ks 2.5 Ts 0.1 SMES Vsm_max -0.2532 Vsm_min 0.253 Lsm 1 Ido 0.2018
B. 410 HASIL DAN PEMBAHASAN
Respon frekuensi dari hasil simulasi pembangkt listrik mikro hidro tanpa control, setelah dlakukan simulasi diperoleh hasil seperti pada gambar 6.
Gambar 6. Respon frekuensi pada PLTMH tanpa control
Grafik respon frekuensi pembangkit listrik tenaga air mikro tanpa pengontrol telah diilustrasikan pada gambar 6 di atas. Dari grafik ini juga dapat ditunjukkan bahwa nilai overshoot dan time-setting dapat dilihat pada Tabel 2.
Tabel 2. Nilai Overshoot dan settling time sistem tanpa kontrol
Karakterstik Nlai
Overshoot -0.000328
Settling time 7,26
Nilai overshoot dan pengaturan waktu yang dihasilkan oleh simulasi pembangkit listrik mikrohidro tanpa pengontrol di atas merupakan nilai overshoot dan pengaturan waktu terbesar di antara semua simulasi yang dilakukan. Hal ini dikarenakan pengendalian frekuensi sistem hanya dilakukan oleh gubernur, sehingga sistem yang tidak dilengkapi dengan pengontrol frekuensi pada gensetnya menjadi sistem yang paling tidak stabil di antara sistem lain yang dilengkapi pengontrol tersebut. Mengikuti grafik respons frekuensi, analisis akhir proyek ini sering dilakukan melalui analisis grafik tentang kepentingan masing-masing respons frekuensi perangkat.
B. 411 Gambar 7. Respon frekuensi pada PLTMH dengan PI control
Gambar 7 menunjukkan bahwa frekuensi perangkat berosilasi terlebih dahulu hingga memasuki kondisi tunak ketika terjadi perubahan beban atau gangguan. Adapun nilai overshoot yang terjadi, serta waktu penyelesaiannya dapat dilihat pada Tabel 3.
Tabel 3. Nilai Overshoot dan settling time sistem dengan PI Kontrol
Karakterstik Nlai
Overshoot -0.000212
dan 0.00006554
Settling time 13.577
Gambar 8. Respon frekuensi pada PLTMH dengan SMES
Dibandingkan dengan sistem dengan pengontrol PI, penggunaan SMES memiliki respons frekuensi, nilai over-shooting lebih rendah, tetapi waktu penyelesaian lebih lama dibandingkan dengan sistem yang tidak dipasang pengontrol.
B. 412 Gambar 8. Respon frekuensi pada PLTMH dengan MFA
Pada grafik di gambar 8 atas menunjukkan bahwa kurva respons frekuensi untuk sistem yang menggunakan pengontrol SMES lebih besar daripada kurva respons frekuensi untuk sistem yang menggunakan pengontrol SMES+PI. Ini berarti respons frekuensi pengontrol SMES + PI yang ditala dengan MFA lebih tinggi karena memiliki overflow yang lebih kecil dan pengaturan osilasi yang lebih baik.
Tabel 5. Nilai Overshoot dan settling time PI-SMES ditala dengan MFA
Karakterstik Nlai Overshoot -0.0000541 dan 0.00000653 Settling time 4.532
Perbandingan pergerakan grafik secara keseluruhan dapat dlihat pada gambar 9, yang memberikan komparasi tentang masing-masing metode yang digunakan dalam menjaga kestabilan sistem pada PTMH akibat dari perubahan beban di sisi konsumen, bisa teradi secara tiba-tiba atau secara fluktuatif. Dan pemilihan metode MFA untuk mentuning PI-SMES sangat bagus dalam meredam osilasi dan overshoot jadi pemilihan metode MFA sudah tepat.
B. 413 Gambar 9. Hasil Respon Frekuensi Metode MFA dengan metode PID, SMES,
Uncontrol
KESIMPULAN
Hasil simulasi dapat dihasilkan nilai parameter kontrol yang dioptimalkan dari perangkat kontrol Superconducting Magnetic Energy Storage (SMES) dan kontroler PI menggunakan Modified Firefly Algorithm (MFA) sebagai alat penelitian. Hasil simulasi nilai Ksmes adalah 87.438, nilai Twi adalah 9.0736, nilai Tdci adalah 0.0253, dan erar nilai Kp_MFa adalah 7.8593 dan nilai Ki_MFa adalah 6.5888. Melalui penggunaan SMES untuk penyimpanan energi dalam sistem kendali frekuensi beban, sistem pembangkit mikrohidro dapat meningkatkan respons frekuensi dibandingkan dengan penyimpanan lainnya. Ini dapat ditunjukkan dengan waktu penyesuaian 4,56, nilai penyesuaian tercepat serta kelebihan -0,0000541, itulah nilai waktu berlebih terkecil.
DAFTAR PUSTAKA
Dwi Ajiatmo, A. R. (2017). Desain Optimasi LFC Pada Micro-hydro menggunakan Metode Ant Colony Optimization (ACO). Seminar Nasional Inovasi Teknologi (hal. 075-080). Kediri: Universtas Nusantara Kediri.
John J Grainger, W. D. (1994). Power System Analysis. New York: Mc-Graw Hill.Inc. Machrus Ali, M. R. (2018). Optimal Design Capacitive Energy Storage (CES) for Load
Frequency Control in Micro Hydro Power Plant Using Flower Pollination Algorithm.
2018 Electrical Power, Electronics, Communications, Controls and Informatics Seminar (EECCIS). Malang: IEEE.
B. 414 Muhammad Ruswandi Djalal, D. A. (2015). Frequency Control PLTMH dengan Capacitive
Energy Storage Menggunakan Cuckoo Search Algorithm. SENTIA 2015 (hal. B201-B204). Malang: Polinema .
Robandi, I. (2009). Modern power system control : desain,analisis,dan solusi kontrol tenaga listrik / Imam Robandi. Yogyakarta: Andi Offset.
Ruswandi Djalal Muhammad, A. M. (2018). Aplikasi Algoritma Differential Evolution untuk Desain Optimal Load Frequency Control pada Pembangkit Listrik Tenaga Hibrid Angin dan Diesel. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 511-516. S. Mbabazi, J. L. (2010). Analysis and Design of Electronic Load Controllers for
Micro-hydro Systems in the Developing World. London: University of Sheffield. Saadat, H. (1999). Power System Analysis . New York: MCGraw-Hill.
Santoso, D. A. (2014). Perancangan Load Frequency Control (LFC) dengan Capasitive Energy Storage (CES) menggunakan Particle Swarm Optimization dan Bacteria Foraging Algorithm pada Pembangkit Listrik Tenaga Mikrohidro. Surabaya: ITS Surabaya.
Setiadi, H. (2014). Penalaan Parameter Superconducting Magnetic Energy Storage (SMES) Menggunakan Firefly Algorithm (FA) Pada Sistem Tenaga Listrik Multimesin.
Surabaya: ITS Surabaya.
Slowik, A. (2020). Swarm Intelligence Algorithms: A Tutorial. New York: Tylor & Francis Group.
Syarifuddin Nojeng, S. R. (2019). Design of the Electronic Load Controller Using Micro Controller Based Zero Crossing Detector For Pico-Hydro Power Plant. Electrical and Electronics Engineering: An International Journal (ELELIJ), 1-7.
Y. S. Lee, C. J. (1991). Application of Superconducting Magnetic Energy Storage Unit to Improve the Damping of Synchronous Generator. IEEE Transactions-EC.
Y.-S. Lee, C.-J. W. (1991). Application of superconducting magnetic energy storage unit on damping of turbogenerator subsynchronous oscillation. IEE Proceedings C (Generation, Transmission and Distribution) (hal. 419 – 426). Holand: EIT Digital Library.
