• Tidak ada hasil yang ditemukan

Optimasi Penempatan dan Kapasitas Distributed Generation (DG) dengan Menggunakan Artificial Immune Negative Selection

N/A
N/A
Protected

Academic year: 2017

Membagikan "Optimasi Penempatan dan Kapasitas Distributed Generation (DG) dengan Menggunakan Artificial Immune Negative Selection"

Copied!
3
0
0

Teks penuh

(1)

1 BAB I

PENDAHULUAN

1.1. Latar Belakang

Meningkatnya kebutuhan energi listrik diakibatkan oleh bertambahnya penduduk, kebutuhan ekonomi, pembangunan perindustrian dan perumahan.Masalah yang dihadapi adalah terjadinya pemadaman listrik yang diakibatkan oleh kapasitas pembangkit yang ada tidak sebanding dengan beban yang akan dilayani. Untuk melayani seluruh beban maka digunakan teknologi yang dapat menjadi salah satu solusi untuk mencegah terjadinya pemadaman listrik

Teknologi yang pada saat ini banyak digunakan untuk melayani beban yang bertambah adalah Distributed Generation.Distributed Generator (DG) merupakan pembangkit berkapasitas kecil yang terletak pada sistem distribusi tenaga listrik [1].Untuk penggerak pemula dari DG juga dapat berupa energi terbarukan dan juga mesin diesel.

Pemasangan DG mempunyai banyak keuntungan yaitu meningkatkan efisiensi dan keandalan system serta dapat memperbaiki kualitas daya dan level tegangan [2]. Permasalahan yang dihadapi pada saat ini dalam DG adalah mendapatkan titik koneksi yang tepat untuk pemasangan DG pada saluran yang akan dikoneksikan pada saluran distribusi tegangan 20 kV. Pemasangan DG juga menimbulkan kerugian misalnya menambah jumlah sumber arus hubung singkat apabila terjadi gangguan pada sistem [3].

Salah satu hal yang sangat penting dalam pembahasan DG adalah mengenai penentuan letak dan kapasitas optimal dari suatu DG. Letak dan kapasitas DG dapat dikatakan optimal apabila menghasilkan kerugian daya yang minimal serta level tegangan yang terjaga yaitu berada diantara nilai minimal dan nilai maksimal [1]. Untuk mendapatkan standar hal-hal tersebut maka diperlukan suatu metode yang dapat mengoptimal pengoperasian DG pada saluran.

(2)

2 Pada tugas akhir ini penulis ingin melakukan pengoptimasian penempatan dan kapasitas DG dengan menggunakan kecerdasan buatan yaitu Artificial Immune System (AIS). Dalam Artificial Immune System terdapat beberapa metode

yang dapat diterapkan dalam pengoptimasian salah satunya adalah metode Negative Selection. Metode Negative Selection adalah metode yang akan

digunakan dalam pengoptimasian titik koneksi dan kapasitas DG pada jaringan 20 kV.

1.2. Perumusan Masalah

Ada pun rumusan masalah dari penelitian ini adalah :

1. Bagaimana pengaruh penempatan dan kapasitas DG terhadap kualitas tegangan dan perubahan rugi daya aktif ?

2. Bagaimana penggunaan algoritma AIS terhadap pengoptimasian titik koneksi DG?

1.3. Tujuan

Tujuan dari penelitian ini adalah :

Menganalisis kemampuan dari algoritma AIS untuk pengoptimalan pada penempatan dan kapasitas DG yang akan diinterkoneksikan pada jaringan distribusi 20 kV, selain itu penelitian ini juga bertujuan mengetahui pengaruh penempatan DG terhadap kualitas tegangan dan perubahan rugi daya aktif

1.4. Batasan Masalah

2. Studi aliran daya menggunakan metode Newton-Raphson dengan bantuan program MATLAB.

3. Mengalisis level tegangan dan rugi daya aktif pada jaringan distribusi. 4. Tidak membahas dari segi ekonomis (harga) dari suatu peralatan maupun

lainnya pada system tenaga listrik.

5. Kapasitas DG yang digunakan yaitu 0,75 MW–1,5 MW.

(3)

3 1.5. Manfaat

Hasil penelitian ini diharapkan menjadi pertimbangan dalam perencanaan bagi pengembang untuk dapat diimplementasikan pada Distributed Generation yang ada agar penyaluran sistem tenaga dapat optimal digunakan.

Referensi

Dokumen terkait

Two Layer Particle Swarm Optimization (TLPSO) untuk optimisasi peletakan dan sizing DG.Distributed Generation (DG) merupakan pembangkit tersebar dengan tujuan menekan losses daya

Penelitian ini bertujuan untuk menentukan kapasitas dan penempatan yang optimal dari distributed generation (DG) untuk mengurangi rugi – rugi daya aktif pada sistem

Untuk mengetahui kondisi awal dari sistem distribusi 33 bus, maka sebelum pemasangan DG dilakukan simulasi aliran daya dengan menggunakan metode Newton-Raphson. Kondisi awal

Two Layer Particle Swarm Optimization (TLPSO) untuk optimisasi peletakan dan sizing DG.Distributed Generation (DG) merupakan pembangkit tersebar dengan tujuan menekan losses daya

Distributed Generation (DG) mulai banyak di aplikasikan pada sistem tenaga listrik, karena semakin meningkatnya kebutuhan, dan untuk menghilangkan biaya- biaya transmisi

Bagaimana cara optimasi penentuan lokasi Distributed Generation (DG) dan kapasitor dengan rekonfigurasi jaringan yang tepat untuk memaksimalkan keluaran daya aktif

base pu Z Z Z = Ω (9) base base base MVA kV Z 2 = (10) Untuk mengetahui kondisi awal dari sistem distribusi 33 bus, maka sebelum pemasangan DG dilakukan simulasi aliran

Optimasi aliran daya menggunakan metode Binary Linear Programming (BLP) dengan penempatan 3 buah distributed generation tipe Pembangkit Listrik Tenaga Diesel (PLTD)