PENENTUAN LETAK DAN KAPASITAS BANK KAPASITOR SECARA OPTIMAL PADA JARING TRANSMISI MENGGUNAKAN BEE COLONY ALGORITHM

(1)

PENENTUAN LETAK DAN KAPASITAS BANK KAPASITOR SECARA OPTIMAL PADA

JARING TRANSMISI MENGGUNAKAN BEE COLONY ALGORITHM

Danang Sulistyo

Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember

Abstrak-Pertumbuhan industri diikuti permintaan daya reaktif yang tinggi menyebabkan perencanaan dan operasi dari sistem interkoneksi menjadi lebih kompleks sehingga kualitas sistem menjadi kurang dapat diandalkan. Aliran daya reaktif dapat menyebabkan drop tegangan dan kerugian baris dalam sistem transmisi. Pemasangan kapasitor pada sistem transmisi adalah salah satu cara untuk memecahkan masalah ini. Fungsi kapasitor adalah untuk pasokan daya reaktif sehingga kapasitor dapat memperbaiki faktor daya, mengurangi drop tegangan dan mengurangi kerugian daya pada saluran transmisi. Sistem transmisi listrik memiliki banyak variasi beban bus sehingga memasang kapasitor perlu mempertimbangkan lokasi dan kapasitas kapasitor. Algoritma Bee Colony adalah sebuah bentuk kecerdasan buatan untuk menentukan lokasi dan kapasitas bank kapasitor secara optimal sehingga sistem menjadi lebih andal.

Kata kunci-Bank kapasitor, Artificial Bee Colony (ABC) Algorithm

1. PENDAHULUAN

Jaring transmisi pada sistem tenaga listrik berfungsi sebagai sarana untuk menyalurkan energi listrik yang dihasilkan dari pusat pembangkit ke pusat-pusat beban. Jaring transmisi sebagai sarana untuk penyaluran daya membutuhkan suatu kondisi yang optimal. Daya yang disalurkan oleh jaring transmisi ini memiliki dua komponen yaitu daya aktif dan daya reaktif. Besar aliran daya pada suatu sistem berpengaruh pada tingkat keamanan dan kestabilan sistem tenaga listrik

Dalam suatu sistem transmisi tenaga listrik, daya reaktif berpengaruh pada kestabilan sistem. Daya reaktif disebabkan oleh impedansi dari saluran yang sebagian besar merupakan komponen reaktif. Daya reaktif juga menjadi konsumsi untuk peralatan listrik seperti motor, transformator dan peralatan elektronika daya. Bila suatu jaring transmisi tidak memiliki sumber daya reaktif di daerah sekitar beban, maka semua kebutuhan beban reaktifnya dipikul oleh generator sehingga akan mengalir arus reaktif pada jaring transmisi. Apabila kebutuhan ini cukup besar maka arus yang mengalir di jaring transmisi juga semakin besar yang akan berakibat pada penurunan faktor daya, peningkatan rugi-rugi jaringan, jatuh tegangan pada ujung saluran meningkat. Demikian juga pengaruh kenaikan arus terhadap kapasitas peralatan yang pada akhirnya berpengaruh pada umur peralatan.

Optimisasi dapat dicapai dengan mempertimbangkan batas operasional dan kualitas daya yang dibutuhkan [1].

Banyak usaha yang telah dilakukan dalam menentukan letak dan kapasitas kapasitor. Suatu metode yang digunakan untuk menyelesaikan permasalahan peletakkan kapasitor sebagai sebagai kompensasi daya reaktif, penempatan kapasitor shunt pada suatu jaring distribusi dengan menggunakan program aplikasi [2]. Ji-Pyng Chiou dan kawan-kawan melakukan penelitian menggunakan VSHDE (Variable Scaling Hybrid Differential Evolution) untuk menentukan letak kapasitor pada jaring distribusi dalam skala besar [3,4].Ahmed M. Azmy mengoptimalkan aliran daya untuk mengatur profil tegangan pada sistem terinterkoneksi [5]. S.K. Bhattacharya dan S.K. Goswami

melakukan penempatan kapasitor mengunakan metode fuzzy [6].

2. ALIRAN DAYA REAKTIF

Daya aktif dari rangkaian AC diperoleh dari perkalian tegangan dan komponen arus yang sefase. Jika sebuah beban induktif murni (L) dihubungkan dengan sumber V (volt) akan menghasilkan arus lagging, yaitu arus I tertinggal atau terbelakang 90º terhadap V. Sebaliknya jika sebuah beban kapasitif murni (C) dihubungkan dengan sumber V (volt) akan menghasilkan arus leading, yaitu arus I mendahului 90º terhadap V.

Dalam suatu rangkaian beban, gambar 1 dan 2 menunjukkan rangkaian dan diagram phasor suatu beban yang disuplai oleh sumber V,

90 I I 0 V V XL I -90° 90 V

(a) (b)

Gambar 1. Rangkaian dengan beban induktif a) Rangkaian AC dengan beban elemen induktif b) Diagram phasor rangkaian beban induktif

90 I I 0 V V XC I 90° 90 V (a) (b)

Gambar 2. Rangkaian dengan beban kapasitif a) Rangkaian AC dengan beban elemen kapasitif

b) Diagram phasor rangkaian beban kapasitif

Daya listrik dibagi menjadi 3 elemen yang dapat diketahui masing-masing elemen dari daya tersebut adalah,

Total power (S)) :S VI* (VA ) (1) Active power (P) :P VIcos (Watt) (2) Reactive power (Q):Q VIsin (Var) (3) Sehingga faktor daya dapat diketahui dengan persamaan

daya aktif (KW)

Faktor daya = cos

daya total (KVA)

(4)

Faktor daya dikatakan ”lagging” apabila beban induktif dan sedangkan ”leading” apabila beban kapasitif.

2.1 Pengaruh Kompensasi Pada Beban Induktif

Kompensasi beban induktif dilakukan untuk meningkatkan kualitas daya, yaitu profil tegangan dan power factor (pf). Dngan menggunakan kapasitor, arus reaktif yang mengalir pada saluran akan berkurang dan mengurangi penurunan tegangan pada saluran, sehingga tegangan sumber pada sisi kirim yang tidak berbeda jauh dengan tegangan pada sisi terima.

(2)

2.2 Koreksi Faktor Daya

Pembangkitan daya reaktif pada perencanaan daya dan pensuplaiannya ke beban-beban yang berlokasi pada jarak yang jauh adalah tidak ekonomis, tetapi dapat dengan mudah disediakan oleh kapasitor yang ditempatkan pada pusat beban.

Dengan mengasumsikan beban disuplai dengan daya nyata (aktif) P, daya reaktif tertinggal (lagging) Q1, dan daya semu S1, pada faktor daya tertinggal bahwa :

1 2 2 1 1 cos ( ) P P S _P _Q (5)

ketika kapasitor shunt Qc kVA dipasang pada beban, faktor daya dapat ditingkatkan dari cos θ1 ke cos θ2, dimana :

2 2 cos P S 2 2 2 2 2 1 ( ) ( c) P P P Q P Q Q (6)

Oleh karena itu, dapat dilihat dari gambar .4, daya total dan daya reaktif menurun dari S1 kVA menjadi S2 kVA dan dari Q1 kvar menjadi Q2 kvar. Sehingga dapat diketahui penurunan daya reaktif menyebabkan penurunan daya total . 100 kW 90 kW 80 kW 70 kW 60 kW 43.59 kVar 60 kVar 71.41 kVar 80 kVar 100 kVA PF=1 100 kVA PF=0.9 100 kVA PF=0.8 100 kVA PF=0.7 100 kVA PF=0.6

Gambar 3. Ilustrasi perubahan daya akibat perubahan faktor daya

LOAD P P 2 1 Q =Q QC Q1

(a)

1 2 2 S 1 S 2 Q C Q 1 Q (b)

Gambar 4. Ilustrasi koreksi faktor daya

Fungsi objektif yang digunakan adalah rugi minimal daya aktif (Ploss) pada sistem transmisi. Sehingga pemasangan kapsitor untuk mengurangai rugi saluran mengacu pada persamaan berikut,

2 2 1 [( ) 2 cos ] Nl loss k k i j k i j ij k P g t V V t V V (7) Dengan Nl adalah jumlah saluran pada sistem transmision, gk adalah konduktansi dari line k antara bus i dan j, tk merupakan tap ratio dari transformator k, Vi adalah magnitud tegangan pada bus i, θij perbedaan sudut tegangan antara bus i dan j.

Batas tegangan tiap bus menggunakan persamaan 8 dan batas suplai daya reaktif generator menggunakan persamaan 9, min max i i i imum imum L L L

V

untuk i=1,…,

N

pq (8) min max i i i imum imum g g g

Q

untuk i=1,…,

N

_gen (9)

3. ARTIFICIAL BEE COLONY (ABC)

Metode optimisasi yang digunakan untuk menentukan letak dan kapasitas dari masing–masing bank kapasitor adalah metode berbasis kawanan lebah yaitu Artificial Bee Colony (ABC). ABC adalah sebuah metode optimisasi yang terinspirasi oleh perilaku mencari makan lebah madu diperkenalkan oleh Karaboga pada tahun 2005 [9].

ABC Adalah suatu metode pencarian nilai optimal yang terinspirasi oleh kegiatan/pola dari kawanan lebah dalam mencari makanan. Dalam metode ini, perilaku cerdas tertentu dari sekawanan lebah madu berupa perilaku mencari makan ditinjau, dan sebuah algoritma baru dari koloni lebah buatan (Artificial Bee Colony) yang mensimulasikan perilaku lebah madu tersebut dijelaskan untuk memecahkan permasalahan optimisasi multidimensi dan multimodal. Dalam model ABC algorithm, koloni lebah buatan terdiri dari tiga kelompok lebah, yaitu: lebah pekerja, lebah onlooker dan lebah scout. Lebah yang menunggu di dance area untuk membuat keputusan dalam memilih sumber makanan, disebut sebagai lebah onlooker dan lebah yang pergi ke sumber makanan yang pernah dikunjungi sendiri sebelumnya, diberi nama lebah pekerja. Sedangkan lebah yang melakukan pencarian acak disebut lebah scout. Untuk setiap sumber makanan, hanya ada satu lebah pekerja. Lebah pekerja yang sumber makanannya telah habis akan menjadi lebah scout [11]. Langkah-langkah utama dari algoritma ABC diberikan di Gambar 5. Langkah-langkah utama proses optimisasi ABC algorithm dapat diuraikan sebagai berikut,

1. Inisialisasi posisi sumber makanan.

2. Gerakkan lebah pekerja menuju sumber-sumber makanan dan tentukan jumlah nektarnya.

Untuk tiap lebah pekerja, sebuah sumber makanan baru dihasilkan melalui rumusan,

(

)

ij ij ij ij kj

v

x

(10)

3. Gerakkan lebah onlooker menuju sumber-sumber makanan dan tentukan jumlah nektarnya.

Pada langkah ini, lebah onlooker memilih sebuah sumber makanan dengan menggunakan perhi- tungan probabilitas (4) dan mendapatkan sebuah sumber makanan baru dalam area sumber makanan yang telah dipilih melalui rumusan (3).

1 i i SN i i

fit

P

fit

(11)

4. Tentukan sumber makanan yang harus ditinggalkan dan alokasikan lebah pekerjanya sebagai scout untuk mencari sumber makanan baru berdasarkan pencarian secara acak dengan memakai rumusan,

min

[0,1](

max min

)

j j j j

i

x

rand

x

(12)

5. Catat sumber makanan terbaik yang telah ditemukan sejauh ini.

6. Ulangi langkah 2 5 hingga kriteria yang diinginkan terpenuhi.

(3)

INISIALISASI LETAK SUMBER MAKANAN

MENGHITUNG JUMLAH NECTAR

MENENTUKAN LETAK MAKANAN BARU UNTUK LEBAH PEKERJA

MENGHITUNG JUMLAH NECTAR YANG BARU

LEBAH ONLOOKER DISEBARKAN SEMUA?

MENGINGAT LETAK TERBAIK

MENEMUKAN SUMBER MAKANAN YANG DITINGGALKAN

MENGHASILKAN TEMPAT BARU UNTUK PRODUKSI SUMBER MAKANAN

KRITERIA AKHIR MEMUASKAN?

LETAK AKHIR MAKANAN

MEMILIH SUMBER MAKANAN UNTUK LEBAH ONLOOKER MENENTUKAN LETAK SUMBER MAKANAN UNTUK LEBAH ONLOOKER

Gambar 5, flowchart algoritma ABC

Paiton Grati Surabaya Barat Gresik Tanjung jati Ungaran Kediri Pedan Mandiracan Saguling Tasikmalaya Cirata Cibatu Muaratawar Bekasi Bandung Depok Gandul Cilegon Suralaya Kembangan Cawang Cibinong 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Gambar 6. Single line diagram JAMALI 500kV

4.ANALISA DATA DAN HASIL PERCOBAAN

Simulasi pada Tugas akhir ini menggunakan sistem transmisi Jawa Bali 500 kV yang terdiri dari 23 bus, 28 saluran, dan 8 pusat pembangkit, single line diagram sistem dapat dilihat pada gambar 6.

Langkah yang harus dilakukan pertama kali untuk proses implementasi adalah merepresentasikan parameter-parameter yang dibutuhkan untuk kompensasi menjadi parameter algoritma koloni lebah sehinga proses optimasi dapat dilakukan representasi parameter dapat dilihat pada table 1.

Tabel 1. Representasi ABC Algorithm untuk optimisasi kapasitor ABC Algorithm Optimisasi kapasitor pada

sistem transmisi

Jumlah lebah pekerja atau posisi sumber makanan

Kandidat bus sebagai posisi kapasitor dan kandidat kapasitas kapasitor yang akan dipasang

Dimensi

Jumlah kapasitor yang akan dipasang pada bus sistem transmisi

Fungsi obyektif F = min Ploss

fitness 1

1 fungsi objektif_

Dari hasil analisis load flow diperoleh bahwa tidak semua profil tegangan bus berada dalam batas standar yang diijinkan yaitu bus 13, 14, 19, 20, dan 21 kurang dari 0.95 p.u. Sedangkan total kerugian daya saluran transmisi adalah 136.539+j1223.030 MVA.

a) Percobaan 1

Lokasi bus untuk penempatan kapasitor adalah bus-bus yang merupakan tegangan kritis sehingga kapasitor akan diletakkan pada bus 13, 14, 19, 20, dan 21. Untuk parameter ABC digunakan colony size 50 dan maximum cycle 300.

Hasil simulasi diperoleh nilai kapsitor yang terpasang yaitu sebagai berkut:

1) Bus 13 = 400 MVar 4) Bus 20 = 400 MVar 2) Bus 14 = 400 MVar 5) Bus 21 = 400 MVar 3) Bus 19 = 248.245 MVar

Dari hasil optimisasi dengan ABC pada percobaan 2, total rugi daya dapat diturunkan menjadi 120.666 +j1043.621 MVA. Perbandingan hasil simulasi sebelum dan setelah kompensasi pada percobaan 1 dapat dilihat pada gambar 7, 11,15.

b) Percobaan 2

Pada percobaan 2, bus-bus yang akan dipasang kapasitor adalah seluruh bus beban yang bukan bus pembangkit yaitu 2, 3, 4, 5, 6, 7, 9, 12, 13, 14, 16, 18, 19, 20, dan 21. Untuk parameter ABC digunakan colony size 50 dan maximum cycle 300.

Hasil simulasi diperoleh nilai kapasitor yang terpasang yaitu sebagai berkut:

Bus 2 = 274.589 MVar Bus 13 = 300 MVar Bus 3 = 236.731 MVar Bus 14 = 300 MVar Bus 4 = 171.664 MVar Bus 16 = 296.539 MVar Bus 5 = 276.086 MVar Bus 18 = 100.405 MVar Bus 6 = 182.250 MVar Bus 19 = 197.122MVar Bus 7 = 173.497 MVar Bus 20 = 300 MVar Bus 9 = 289.051 MVar Bus 21 = 300 MVar Bus 12 = 247.509 MVar

Dari hasil optimisasi dengan ABC pada percobaan 2, total rugi-rugi daya dapat diturunkan menjadi 116.989 +j1006.091 MVA. Perbandingan hasil simulasi sebelum dan setelah kompensasi pada percobaan 2 dapat dilihat pada gambar 8, 12, 16.

c) Percobaan 3

Percobaan kali ini tidak hanya kapasitas saja yang dioptimasi tetapi letak kapasitor juga dioptimasi, sedangkan Untuk parameter ABC digunakan colony size 50 dan maximum cycle 300.

Hasil simulasi diperoleh letak dan kapasitas kapasitor yang terpasang yaitu sebagai berkut:

(4)

2) Bus 13 = 400 MVar 5) Bus 21 = 400 MVar 3) Bus 14 = 400 MVar

Dari hasil optimisasi dengan ABC pada percobaan 2, total rugi-rugi daya dapat diturunkan menjadi 119.576 +j1033.322 MVA. Perbandingan hasil simulasi sebelum dan setelah kompensasi pada percobaan 3 dapat dilihat pada gambar 9, 13, 17.

d) Percobaan 4

Percobaan kali ini tidak hanya kapasitas saja yang dioptimasi tetapi letak kapasitor juga dioptimasi, sedangkan Untuk parameter ABC digunakan colony size 70 dan maximum cycle 500.

Hasil simulasi diperoleh letak dan kapasitas kapasitor yang terpasang yaitu sebagai berkut,

Bus 3 = 300MVar Bus 13 = 300 MVar Bus 4 = 300MVar Bus 14 = 300MVar Bus 7 = 300 MVar Bus 19 = 227.819MVar Bus 9 = 300 MVar Bus 20 = 300 MVar Bus 12 = 300 MVar Bus 21 = 300 MVar

Dari hasil optimisasi dengan ABC pada percobaan 2, total rugi daya dapat diturunkan menjadi 117.374 +j1009.983 MVA. Perbandingan hasil simulasi sebelum dan setelah kompensasi pada percobaan 3 dapat dilihat pada gambar 10, 14, 18.

Gambar 7. Grafik perbandingan rugi daya aktif sebelum dan setelah pemasangan kapasitor percobaan 1.

0 5 10 15 20 25 1-2 1-4 2-5 3-4 4-5 4-18 5-7 5-8 5-11 6-7 6-8 8-9 9-10 10-11 11-12 12-13 13-14 14-15 14-16 14-20 15-16 16-17 16-23 18-19 19-20 20-21 21-22 22-23

saluran transm isi

ru g i d a y a a k ti f (M W )

(5)

Gambar 11. Perbandingan tegangan masing-masing bus sebelum dan sesudah penempatan kapasitor percobaan 1

Gambar 15. Grafik konvergensi optimisasi ABC pada percobaan 1 Gambar 16. Grafik konvergensi optimisasi ABC pada percobaan 2

0.88 0.9 0.92 0.94 0.96 0.98 1 1.02 1.04 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 no bus te g a n g a n ( p .u )

sebelum setelah kompensasi

0.88 0.9 0.92 0.94 0.96 0.98 1 1.02 1.04 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 no bus te g a n g a n ( p .u )

sebelum kompensasi setelah kompensasi 0.88 0.9 0.92 0.94 0.96 0.98 1 1.02 1.04 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 no Bus te g a n g a n ( p .u )

(6)

Gambar 17. Grafik konvergensi optimisasi ABC pada percobaan 3 Gambar 18. Grafik konvergensi optimisasi ABC pada percobaan 4

5. KESIMPULAN

Dari percobaan yang telah dilakukan ABC dapat memperoleh hasil yang optimal untuk menentukan lokasi dan kapasitas bank kapasitor. Percobaan dilakukan dengan pertimbangan batas-batas yang digunakan untuk menemukan solusi yang lebih baik. Peformansi komputasi menunukkan hasil memuaskan dengan melihat penurunan kerugian daya Kompensasi tidak cukup dengan optimasi kapasitas kapasitor saja tetapi juga dengan mengoptimasi letak kapasitor. Jumlah kapasitor berpengaruh pada pemenuhan kebutuhan daya reaktif pada sistem.

6. DAFTAR PUSTAKA

[1] Mohammad A. S. Masoum, Marjan Ladjevardi, Akbar Jafarian and Ewald F. Fuchs, “Optimal Placement, Replacement and Sizing of Capacitor Banks in Distorted Distribution Networks by Genetic Algorithms”, IEEE Transaction on Power Delivery, Vol. 19, No. 4, Oktober 2004.

[2] Ngakan Putu Satriya Utama, “Memperbaiki Profil Tegangan Di Sistem Distribusi Primer Dengan Kapasitor Shunt”, Teknologi Elektro, 45 Vol, 7 No, 1 Januari - Juni 2008.

[3] Ji-Pyng Chiou, Chung-Fu Chang and Ching-Tzong Su, ”Ant Direction Hybrid Differential Evolution for Solving Large Capacitor Placement Problems”, IEEE Transaction On Power Systems, Vol. 19, No. 4, Nopember 2004.

[4] Ji-Pyng Chiou, Chung-Fu Chang and Ching-Tzong Su, “Capacitor placement in large-scale distribution systems using variable scaling hybrid differential evolution”, Electrical Power and Energy Systems, Vol 28 Desember 2006.

[5] Ahmed M. Azmy, “Optimal Power Flow to Manage Voltage Profiles in Interconnected Networks Using Expert Systems”, IEEE Transaction On Power Systems , Vol 22, No. 4, Nopember 2007.

[6] S.K. Bhattacharya, S.K. Goswami, “A new fuzzy based solution of the capacitor placement problem in radial distribution system”, Expert Systems with Applications, Vol 36, 2009.

[7] Imam Robandi, “Desain Sistem Tenaga Modern”, ANDI, Yogyakarta, 2006.

[8] Hadi Saadat, “Power System Analysis”, McGraw-Hill, Singapore, 2004.

[9] Karaboga, D., “An Idea Based On Honey Bee Swarm For Numerical Optimization”, Technical

Report-TR06, Erciyes University, Engineering Faculty, Computer Engineering Departmen, 2005

[10]Haiyan Quan, Xinling Shi, “On the Analysis of Performance of the Improved Artificial-Bee-Colony Algorithm”. Fourth International Conference on Natural Computation, 2008.

[11]Li-Pei Wong, Malcolm Yoke Hean Low and Chin Soon Chong, “A Bee Colony Optimization Algorithm for Traveling Salesman Problem”, Second Asia International Conference on Modelling & Simulation, Vol 27, No 4, Oktober 2008.

[12]Nurhan Karaboga. “A New Design Method Based on Artificial Bee Colony Algorithm for Digital IIR Filters”, Journal of the Franklin Institute November 2008.

[13]http://us1.harunyahya.com/Detail/T/EDCRFV/product Id/15049/THE_MIRACLE_OF_THE_HONEYBEE. [14]Tereshko V., “Reaction-diffusion model of a honey bee

colony’s foraging behaviour”, Lecture Notes in Computer Science, vol 1917, Springer-Verlag: Berlin, p. 807-816, 2000.

[15]V. Tereshko, A. Loengarov, “Collective Decision-Making in Honey Bee Foraging Dynamics”, Computing and Information Systems Journal, ISSN 1352-9404, vol. 9, No 3, October 2005.

[16]Isnaini Laili Izzati, “Economic dispatch optimization for 500 kV Jawa Bali electrical power system using bacterial foraging optimization”, Final Project, Department of Electrical Engineering, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia 2010.

[17]Juningtijastuti, “Optimization of parameter and location of UPFC for transmission loss reduction using Bacteria Foraging algorithm”, Master Thesis, Department of Electrical Engineering, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia 2010.

DANANG SULISTYO, lahir di Madiun, Jawa Timur pada tanggal 24 September 1986 dari pasangan Bapak Santoso dan Ibu Sarminah, merupakan putra pertama dari dua bersaudara. Pada tahun 1999 penulis lulus dari SD Ledok Kulon III Bojonegoro. Penulis melanjutkan di SMPN 1 Bojonegoro dan lulus pada tahun 2002. Setelah lulus dari SMUN 1 Bojonegoro pada tahun 2005, penulis melanjutkan studi S1 di Institut Teknologi Sepuluh Nopember (ITS) Surabaya jurusan Teknik Elektro. Penulis dapat dihubungi melalui alamat email: [email protected]