OPTIMASI PENEMPATAN KAPASITOR PADA SISTEM
TENAGA LISTRIK DENGAN MENGGUNAKAN
ALGORITMA GENETIK
(Studi Kasus Sistem PT. PLN Sumbar-Riau)
Heru Dibyo Laksono
Jurusan Teknik Elektro
Fakultas Teknik Universitas Andalas
ABSTRAK
Rugi-rugi daya yang terjadi pada saluran transmisi mengakibatkan berbagai dampak yang timbul antara lain turunnya tegangan pada saluran transmisi, rendahnya faktor daya yang terjadi serta menyebabkan kerugian materi karena semakin berkurangnya kekuatan sistem dalam menyalurkan listrik ke konsumen. Untuk mengurangi terjadinya rugi-rugi daya yang timbul pada saluran tranmisi dilakukan pemasangan kapasitor. Dalam pemasangan kapasitor harus diperhatikan saluran yang menggunakannya, lokasi kapasitor serta ukuran kapasitor yang digunakan. Hal ini dilakukan agar penempatan kapasitor yang dilakukan bisa optimal dalam mengurangi rugi-rugi daya yang terjadi serta biaya penggunaan kapasitor. Metode optimasi yang cukup efektif adalah algoritma genetik. Pada metoda ini, penempatan kapasitor dilakukan dengan mengarah pada pemilihan kromosom yang diperoleh. Hasilnya akan diperoleh kromosom terbaik dari sebuah populasi yang ada yang merupakan kondisi optimum penempatan kapasitor sehingga dapat memperkecil rugi-rugi daya yang terjadi pada saluran transmisi. Studi kasus dilakukan pada sistem tenaga listrik PT. PLN Sumbar-Riau dengan menggunakan perangkat lunak Matlab Kata kunci : Rugi-rugi daya, kapasitor, algoritma genetik, kromosom,
1. PENDAHULUAN
Studi aliran daya adalah studi tentang perhitungan tegangan, arus, daya dan faktor daya yang terdapat pada berbagai titik dalam suatu sistem tenaga listrik pada keadaan normal. Studi aliran daya sangat penting dalam perencanaan pengembangan sistem tenaga listrik untuk masa yang akan datang, karena pengoperasian yang baik dari sistem tersebut banyak bergantung dengan sistem tenaga yang lain, penambahan beban, penambahan stasiun pembangkit serta saluran transmisi.[1]
Selain itu, perlu dilakukan optimasi terhadap daya reaktif. Daya reaktif sangat penting karena melalui daya reaktif dapat dipertimbangkan banyak faktor, diantaranya rugi-rugi jaringan, level tegangan, kestabilan tegangan dan lainnya. Perencanaan terhadap pengoptimalan daya reaktif meliputi penggunaan kompensator kapasitor seperti pemilihan titik kompensasi beban reaktif, pembuatan dan solusi dari model matematis yang digunakan[1]. Pada sistem tenaga listrik sebenarnya ada empat permasalahan yang terjadi, yaitu aliran beban, hubung singkat, stabilitas aliran dan pengamanan atau proteksi. Dalam pengaman aliran daya sendiri, kerja dilakukan untuk menjaga agar kondisi aliran daya tetap stabil dan sistem dapat bekerja dengan baik. Salah satu yang menjadi penentu adalah penggunaan kapasitor pada sistem tenaga listrik. Penggunaan kapasitor sendiri mencakup pada masalah penempatan, penggantian dan penentuan ukuran. Selain itu, metode
penempatan kapasitor yang digunakan sangat mempengaruhi kinerja dan stabilitas sistem tenaga listrik yang terjadi. Penempatan kapasitor bank yang dilakukan secara paralel dan ukuran MVAR yang sesuai akan memberikan kompensasi daya reaktif, peningkatan pengaturan tegangan, perbaikan faktor daya, dan pengurangan rugi-rugi daya. Kapasitor yang digunakan mencakup penentuan jumlah, tipe lokasi dan ukuran kapasitor yang optimal yang dapat meminimalkan biaya tahunan rugi-rugi daya dan biaya penggunaan kapasitor. Selain itu, batasan operasi dan kualitas daya dapat dijaga pada batas yang telah ditentukan. Metode penentuan penggunaan kapasitor itu sendiri cukup banyak jenisnya, diantaranya Fuzzy Logic, Simulated Annealing (SA), Tabu search (TS) dan Genetic Algorithm (GA)[2]. Masing-masing metoda tersebut mempuyai beberapa kelebihan dan kekurangan. Dalam penelitian ini dilakukan penentuan kondisi optimal penempatan kapasitor pada sistem tenaga listrik dengan studi kasus di sistem tenaga listrik PT.PLN Sumbar-Riau dengan menggunakan metoda algoritma genetik.
Penelitian ini bertujuan untuk mencari dan menentukan lokasi serta ukuran optimum kapasitor yang akan digunakan pada sistem tenaga listrik serta mengurangi rugi-rugi daya yang terjadi sehingga diperoleh kondisi kualitas aliran daya yang baik dan kestabilan tegangan pada sistem tenaga listrik. Hasil penelitian ini dapat dimanfaatkan untuk menentukan letak optimal pada
penempatan kapasitor bank sehingga mampu meminimalisir rugi-rugi daya yang terjadi dan diharapkan nantinya mampu meminimalis biaya-biaya yang terjadi akibat rugi-rugi daya dan penggunaan kapasitor. Adapun batasan masalah dalam penelitian ini adalah
1. Sistem yang digunakan adalah sistem tenaga listrik PT. PLN Sumbar-Riau.
2. Studi aliran daya yang digunakan adalah metoda Newton-Rhapson.
3. Metoda penempatan kapasitor menggunakan metoda algoritma genetik dengan jumlah kromosom sebanyak 20 buah, jumlah gen 20, dan maxiterasi sebanyak 5 kali.
4. Simulasi menggunakan software Matlab 7.01.
2. TINJAUAN PUSTAKA 2.1 Studi Aliran Daya
Studi aliran daya adalah studi yang dilaksanakan untuk mendapatkan informasi mengenai aliran daya dan tegangan sistem tenaga listrik dalam kondisi operasi tunak. Informasi ini sangat dibutuhkan guna mengevaluasi unjuk kerja sistem tenaga listrik dan menganalisa kondisi pembangkitan maupun pembebanan. Analisa ini memerlukan informasi aliran daya dalam kondisi normal maupun darurat. Studi aliran daya dalam sistem tenaga listrik memerlukan representasi atau pemodelan komponen sistem tenaga listrik. Suatu sistem kelistrikkan tiga fasa yang seimbang selalu diselesaikan per fasa dan digambarkan dalam diagram satu garis yang sesuai dengan sistem tersebut. Tujuan diagram satu garis itu untuk memberikan semua informasi yang diperlukan. Dalam berbagai kasus, diagram satu garis berbeda-beda sesuai dengan persoalan yang akan diselesaikan. Misalnya dalam studi aliran daya, beban-beban dan hambatan – hambatan seperti impedansi, resistansi dan induktasi harus digambarkan. Komponen-komponen dari suatu sistem tenaga listrik pada umumnya terdiri dari: 1. Pusat – pusat pembangkit, dalam hal ini
yang digambarkan adalah generatornya. 2. Transformator-transformator daya. 3. Saluran-saluran transmisi.
4. Kondesator-kondesator sinkron arus statis. 5. Alat-alat pengaman ( pemutus daya dan
relay-relay).
6. Beban-beban yang terdiri dari beban dinamik dan beban statis.
2.2 Model Sistem
Dalam berbagai kasus, diagram satu garis berbeda-beda sesuai dengan persoalan yang akan diselesaikan. Misalnya dalam studi aliran daya, beban-beban dan hambatan – hambatan seperti impedansi, resistansi dan induktansi harus digambarkan. Tempat netral ke tanah tidak perlu digambarkan. Sebenarnya pengabaian ini bertujuan
untuk menyederhanakan perhitungan terutama jika perhitungan dilakukan secara manual. Komponen-komponen dari suatu sistem tenaga listrik pada umumnya terdiri dari : pusat pembangkit, dalam hal ini yang digambarkan adalah generatornya., transformator daya, saluran transmisi, kondesator sinkron arus statis, alat pengaman ( pemutus daya dan relai-relai) dan beban yang terdiri dari beban dinamik dan beban statis.
2.3 Aliran Daya dengan Metode Newton-Raphson 1,2,3
Keandalan sistem tenaga dapat diketahui apabila tegangan di semua simpul diketahui. Salah satu keadaan sistem tenaga yang paling sering menjadi perhatian adalah aliran daya. Aliran daya di jaring atau persisnya di cabang-cabang jaring dapat dihitung apabila tegangan di masing-masing simpul jaring telah diketahui . Jadi masalah utama perhitungan aliran daya adalah menghitung tegangan di masing-masing simpul bila sumber arus injeksi di masing-masing simpul diketahui. Bila
I
diketahui maka sistem persamaan linierYV = I
dapat diselesaikan untuk vektor tegangan
V
. Namun dalam jaringan tenaga listrik khususnya dalam perhitungan aliran beban biasanya bukan injeksi arus yang diketahui melainkan injeksi daya. Jadi karena daya mengait besaran tegangan dan arus secara non linier maka masalahnya hanya dapat diselesaikan secara iterasi yakni secara bertahap mencari tegangan simpul yang akan menghasilkan injeksi daya yang besarnya sama dengan daya yang ditentukan untuk masing-masing simpul. Metoda Newton-Raphson dikembangkan dari deret Taylor dengan mengabaikan derivatif pertama fungsi dengan satu variabel dari persamaan deret Taylor.2.4 Algoritma Genetik[7],[8],[9]
Landasan algoritma genetik terinspirasi dari mekanisme seleksi alam, dimana individu yang lebih kuat memiliki kemungkinan untuk menjadi pemenang dan mempunyai kesempatan hidup yang lebih besar di dalam lingkungan yang kompetitif. Teknik algoritma genetik adalah algoritma stokastik yang memanfaatkan fenomena alam. Gagasan di belakang algoritma genetik adalah mengerjakan yang dikerjakan oleh alam. Algoritma genetika telah banyak mengalami keberhasilan dalam penggunaannya untuk masalah-masalah optimasi, seperti penentuan route kawat, penjadwalan, kontrol adaptif, permainan game, pemodelan kognitif, permasalahan transportasi, masalah perjalanan salesman, kontrol optimal, optimal data base, fuzzy logic control (FLC), Artificial Immune System (AIS), Artificial Neural Network (ANN), pendeteksi gangguan pada sistem tenaga listrik, peletakan kapasitor, peralatan FACTS, SVC dan sebagainya. Algoritma genetik bertujuan menyelesaikan berbagai masalah yang kompleks. Metode ini memiliki algoritma probabilitas yang sangat berbeda dari algoritma acak yang
mengkombinasikan elemen-elemen dari pelacakan secara stokastik dan terarah. Genetik algoritma menggunakan kata-kata yang dipinjam dari genetik alam. Pada metode ini akan dibicarakan mengenai individu (genotip, struktur) dalam sebuah populasi. Individu-individu itu disebut benang-benang yang tersusun menjadi kromosom. Ada beberapa istilah dalam genetik algoritma yaitu
• Individu menyatakan suatu nilai atau keadaan yang menunjukkan solusi yang mungkin dari permasalahan yang diangkat.
• Kromosom yaitu individu berupa elemen string yang ditentukan atau gabungan dari gen-gen yang membentuk sebuah nilai.
• Gen yang merupakan nilai dari satuan dasar yang membentuk suatu arti tertentu yang menunjukkan sejumlah string hasil perkawinan sebagai solusi. Satu kesatuan dari gen membentuk kromosom.
• Allele yaitu nilai yang dimasukkan dalam gen • Phenotype yaitu string yang merupakan solusi
akhir. Menunjukkan nilai gabungan dari gen-gen yang dihasilkan.
Dalam menggunakan metode algoritma genetika pada optimasi, ada beberapa parameter yang digunakan. Parameter yang digunakan tergantung pada permasalahan yang diselesaikan. Parameter-parameter yang standar antara lain sebagai berikut : • Ukuran populasi
• Jumlah generasi • Probabilitas mutasi • Probabilitas crossover
Operasi-operasi dalam algoritma genetika adalah • Reproduksi
• Pengkodean/ representasi kromosom • Pindah silang • Mutasi • Seleksi • Elitisme • Penggantian Populasi • Fitness
Berbeda dengan teknik pencarian dan penentuan konvensional, tahap awal pencarian dalam algoritma genetik dimulai dari himpunan penyelesaian acak (random) yang disebut populasi. Setiap individu dalam populasi diwakili sebuah kromosom yang merupakan satu solusi dari masalah yang akan dihadapi. Kromosom merupakan suatu string yang terdiri dari simbol, biasanya berupa bit-bit biner namun dapat juga berupa floating point. Kromosom-kromosom
tersebut kemudian akan “berkembang” melalui serangkaian iterasi yang disebut generasi. Pada tiap generasi, kromosom-kromosom dievaluasi dengan menggunakan ukuran nilai fitness tertentu. Penggunaan algoritma genetik memerlukan beberapa penetapan fundamental, yaitu :
• Representasi kromosom (chromosome representation)
• Pembentukan populasi awal (initialization) • Operator genetik yang berfungsi untuk
melakukan reproduksi
• Fungsi evaluasi (evaluation function) • Fungsi seleksi (selection function)
3. Penentuan Penempatan Kapasitor Pada Sistem Tenaga Listrik Dengan Algoritma Genetik
Penentuan penempatan kapasitor pada sistem tenaga listrik berfungsi untuk mengkompensasi daya reaktif serta rugi-rugi daya yang terjadi pada saluran transmisi agar dapat diminimalisir. Langkah pertama yang dilakukan pada penelitian ini adalah melakukan perhitungan aliran daya pada sistem tenaga listrik sebelum mengalami kompensasi. Studi aliran daya dilakukan dengan menggunakan metoda Newton Raphson dengan bantuan perangkat lunak Matlab Versi 7.1 . Adapun tujuan dari studi aliran daya ini untuk mengetahui berapa besarnya rugi-rugi daya yang terjadi pada sistem tenaga listrik. Setelah studi aliran daya dilakukan dan diperoleh rugi-rugi daya yang terjadi maka proses selanjutnya adalah menentukan lokasi dan besarnya nilai kapasitor yang akan digunakan dengan menggunakan metode algoritma genetik.
4. Hasil dan Pembahasan
Pengujian dilakukan dengan menggunakan data-data sistem tenaga listrik PT. PLN Sumbar Riau dan metoda yang digunakan adalah metode Newton-Raphson. Pada studi aliran daya selain rugi-rugi daya, juga dapat ditentukan magnitude tegangan, sudut phasa tegangan, daya aktif dan daya reaktif dari setiap bus yang ada dalam sistem tenaga listrik tersebut. Selain itu asumsi-asumsi yang digunakan pada studi aliran daya adalah tegangan slack bus 1.05 pu, tegangan PV bus 1.03 pu dan tegangan PQ bus sebesar 1.00 pu. Asumsi tegangan inilah yang akan digunakan sebagai sudut tegangan pada perhitungan aliran daya yang dilakukan. Adapun data-data sistem tenaga listrik interkoneksi Sumbar-Riau yang digunakan adalah Tabel 4.1 Data Nama dan Tipe Tiap Bus Sistem Interkoneksi Sumbar-Riau
NO. BUS NAMA BUS TIPE BUS 1. PLTU Ombilin Slack 2. PLTG Pauh Limo PV 3. PLTA Maninjau PV 4. PLTA Batang Agam PV
5. PLTA Singkarak PV 6. PLTA Koto Panjang PV 7. PLTD Teluk Lembu PV 8. Dumai PQ 9. Duri PQ 10. Garuda Sakti PQ 11. Bangkinang PQ 12. Payakumbuh PQ 13. Padang Luar PQ 14. Lubuk Alung PQ 15. PIP PQ 16. Batusangkar PQ 17. Indarung PQ 18. Solok PQ 19. Salak PQ 20. Simpang Haru PQ
Tabel 4.2 Data Pembangkitan dan Beban
No. P e m b a n g k i t a n Beban Tegangan Jenis P Q P Q 1 - - 0.0000 0.0000 1.0500
0
0 Slack 2 40.8000 - 34.0000 21.0720 1.03000
0 PV 3 68.0000 - 17.5000 10.5360 1.03000
0 PV 4 10.5000 - 0.0000 0.0000 1.03000
0 PV 5 148.7500 - 4.2500 2.6340 1.03000
0 PV 6 114.0000 - 8.5000 5.2680 1.03000
0 PV 7 48.3000 - 76.5000 47.4120 1.03000
0 PV 8 0.0000 0.0000 25.5000 15.8040 1.00000
0 PQ 9 0.0000 0.0000 17.0000 10.5360 1.00000
0 PQ 10 0.0000 0.0000 85.0000 52.6800 1.00000
0 PQ 11 0.0000 0.0000 26.7750 16.5940 1.00000
0 PQ 12 0.0000 0.0000 0.0000 0.0000 1.00000
0 PQ 13 0.0000 0.0000 42.5000 26.3400 1.00000
0 PQ 14 0.0000 0.0000 25.5000 15.8040 1.00000
0 PQ 15 0.0000 0.0000 42.5000 26.3400 1.00000
0 PQ 16 0.0000 0.0000 8.5000 5.2680 1.00000
0 PQ 17 0.0000 0.0000 51.0000 31.6080 1.00000
0 PQ 18 0.0000 0.0000 17.0000 10.5360 1.00000
0 PQ 19 0.0000 0.0000 17.0000 10.5360 1.00000
0 PQ 20 0.0000 0.0000 71.4000 44.2510 1.00000
0 PQTabel 4.3 Data Saluran Transmisi Interkoneksi Sumbar-Riau
Line Z (pu)
Y/2 (pu)
Dari Bus Ke Bus R X
1 17 0.06700 0.18075 0.01750 1 19 0.00195 0.00690 0.00090 2 20 0.00555 0.01980 0.00240 2 14 0.02655 0.09525 0.01050 2 15 0.01575 0.05066 0.00270 3 13 0.03300 0.11430 0.01430 6 11 0.00825 0.04950 0.00540 6 10 0.02880 0.17355 0.02290 9 8 0.04635 0.16515 0.00770 10 7 0.01020 0.06180 0.00460 10 9 0.08205 0.35400 0.00000 11 10 0.02085 0.12750 0.18650 12 4 0.83550 1.84920 0.00007 12 6 0.04815 0.23370 0.02250 13 12 0.02520 0.08700 0.01090 14 5 0.00675 0.03315 0.00330 14 3 0.04455 0.16020 0.01550 15 14 0.01080 0.03870 0.00000 17 16 0.00000 0.00015 0.00000 17 2 0.00525 0.01875 0.00000 18 17 0.02685 0.09585 0.00930 19 18 0.02160 0.07770 0.00850
Berdasarkan data-data pada Tabel 4.1 s.d Tabel 4.3 dilakukan perhitungan aliran daya pada kondisi normal dan kondisi sebelum dilakukan penambahan kapasitor dan diperoleh besar rugi-rugi daya yang terjadi pada saluran transmisi sebesar 32.868 MW untuk daya aktif dan 64.619 MVAR untuk daya reaktif. Hasil rugi-rugi daya inilah yang akan dibandingkan dengan hasil rugi-rugi daya yang dihitung setelah penambahan kapasitor pada bus-bus yang telah ditentukan
Penggunaan metoda algoritma genetik untuk penentuan pemasangan kapasitor bergantung pada beberapa parameter yaitu pcross dan pmut. Nilai pcross dan pmut yang terjadi akan berpengaruh pada nilai sebaran yang diperoleh. Artinya bahwa cross dan mutasi menjadi pengaruh utama untuk mencari gen baru yang optimal yang memiliki sifat yang baik yang merupakan gabungan antara dua sifat orang tua. Dalam sistem tenaga, cross dan mutasi menjadi faktor penentu terbesar dalam menentukan posisi sebuah kapasitor pada sebuah saluran untuk mengurangi kerugian yang terjadi. Tabel 4.4 Nilai Pcross dan Pmutasi
Pcross Pmut 0.70 0.020 0.80 0.035 0.90 0.050 1.00 0.500 Penentuan nilai cross dan mutasi pada Tabel 4.4 berdasarkan aturan baku yang telah ditetapkan dimana nilai pcross yang digunakan berada pada range
0.700
sampai 1 dan nilai pmut yang digunakan berada pada range0.10
dibagi jumlahgen sampai 1 dibagi jumlah gen yang ada. Pada penentuan posisi kapasitor kali ini dilakukan dengan variasi nilai pcross dan pmut yang digunakan. Nilai-nilai pcross dan pmut yang ada pada Tabel 4.4 digunakan secara acak dan bergantian untuk melihat hasil dan output yang diperoleh sehingga nantinya terlihat mana yang merupakan hasil yang optimal dari penggunaannya. Adapun penggunaan nilai pmut dan pcross yang digunakan sebagai percobaan sebagai berikut : o Percobaan 1 dengan pcross 0.7 dan pmut
0.02
o Percobaan 2 dengan pcross 0.7 dan pmut 0.035
o Percobaan 3 dengan pcross 0.7 dan pmut 0.5 o Percobaan 4 dengan pcross 0.8 dan pmut
0.05
o Percobaan 5 dengan pcross 0.8 dan pmut 0.5 o Percobaan 6 dengan pcross 0.9 dan pmut
0.02
o Percobaan 7 dengan pcross 0.9 dan pmut 0.05
o Percobaan 8 dengan pcross 1 dan pmut 0.035
o Percobaan 9 dengan pcross 1 dan pmut 0.5 Sementara itu, parameter-parameter lain yang digunakan bernilai sebagai berikut
o MaxIterasi bernilai 5
o Jumlah gen (jumlah bus ) sebanyak 20 o Jumlah kromosom sebanyak 20
Dari pe variasi daya y tertera p Tabel Percoba 1 2 3 4 5 6 7 8 9 Dari Ta yang te dibandi sebelum Selanju daya ya yang c Adapun yaitu m dan s perband ini Tabel 4 Tabe Setelah dilakuk yang d dilakuk yang m rugi da yang d diperole Membe perubah daya re daya ak daya re ercobaan yang nilai paramete yang terkecil pada Tabel 4.5 4.5 Nilai Rug Setelah Algoritma aan Kromos 11 1 4 13 7 3 14 14 1 abel 4.5 terliha erjadi pada salu ingkan denga m dilakukan utnya dilakukan
ang terjadi pad cukup optimal n tahapan-taha membandingkan setelah pena dingan diperlih 4.6 Rugi-Rugi Percobaan 1 4 5 9 el 4.7 Persent Daya Percobaan
1
4
5
9
h dilakukan kan pemilihan k dilakukan. kan dengan ca memiliki nilai p aya saluran ya diperoleh pada eh percobaan k erikan hasil ya han nilai daya eaktifnya sebes ktifnya sebesa eaktifnya sebedilakukan den erakan diambi
dari tiap per berikut ini. gi-rugi Saluran Menggunak a Genetik som Rugi-ru MW 32.398 37.005 39.367 32.769 31.970 39.978 39.148 32.947 32.708 at bahwa nilai r uran tiap perco an nilai rug n penambah n perbandingan a saluran untuk bagi penemp apan yang a n nilai rugi-rug ambahan ka hatkan pada T Daya Terkecil Rugi-Ru 32.3980 6 32.7690 6 31.9700 5 32.7080 5 tase Perubaha a Terkecil dar %
Rugi-1.429
0.301
2.732
1
0.486
perbandingan kondisi optima Pemilihan k ara memilih h perubahan terb ang terjadi. Be a Tabel 4.6 d ke-5 ang paling op aktifnya sebes sar 12.61 % . ar 31.9700 MW sar 56.4730 M ngan melakuka il nilai rugi-ru rcobaan seper n Yang Terja kan Metod ugi yang TerjaMVar 8 60.434 5 72.701 7 85.997 9 60.265 0 56.473 8 88.438 8 76.218 7 60.910 8 58.728 rugi-rugi salura obaan lebih kec gi-rugi salura han kapasito n nilai rugi-ru k mencari solu patan kapasito akan dilakuka gi daya Sebelu apasitor. Has abel 4.6 berik dari Percobaan ugi 60.4340 60.2650 56.4730 58.7280 an Rugi-Rugi ri Percobaan -Rugi
6.476
6.738
12.606
9.116
n, selanjutny al dari percobaa kondisi optim hasil percobaa besar pada rug erdasarkan has dan Tabel 4 ptimal. Adapu sar 2.73 % da Untuk rugi-ru W dan rugi-ru MVAR. Denga an ugi rti adi de adi an cil an or. ugi usi or. an, um sil kut n ya an mal an gi-sil .7 un an ugi ugi an dem dala men salu salu juga pele men perh dan men den pen 7 in diba men dite pen men kro yan MV 90 M nila ini digu Dar terj kare Dis Art reak aka sesu Gam Ga Teg Kap 5. 1. mikian percoba am pemilihan ngurangi rugi uran. Selain uran, profil tega dipertimba etakan kapas nggunakan 2 hitungan aliran n diperoleh nunjukkan kro ngan rugi-rugi nggunaan kapa ni menggunak andingkan nggunakan 4 empatkan pad nggunaan ka nggunakan kap mosom yang ng diinjeksikan VAR, bus 8 se MVAR dan bu ai kapasitor ya lebih kecil dib unakan pada ri segi penggu adi penghemat ena kapasitor sinilah terjadi inya dengan ktif bisa men an mengurangi Untuk udah penamba mbar 4.1 beriku ambar 4.1 gangan Sebel pasitor Kesimpulan Adapun ke Berdasarka dilakukan pada sistem rugi daya 64.6190 M
aan ke-5 digun n penempatan i-rugi daya perubahan ru gangan dan fa angan untuk sitor. Setelah 20 buah kro n daya pada s hasil dari omosom ke-7 y i terkecil Da asitor yang dip kan kapasitor dengan yan 4 buah kapa a bus 7, 8, apasitor pun pasitor dengan lain, hanya s n, yaitu pada ebesar 10 MVA us 15 sebesar 1 ang digunakan bandingkan jum kromosom-k unaan kapasito tan terhadap bi yang diguna optimasi pen nilai kapasito ngalami penur rugi-rugi daya profil tegang ahan kapasitor ut Grafik Perb lum dan Sesu
esimpulan dari an analisa a sebelum pen m interkoneksi aktif sebesar MVAR untuk da nakan sebagai n kapasitor yang terjadi ugi-rugi daya aktor daya tia
dalam pem h itu d omoson dilak sistem tenaga percobaan yang memiliki ari sisi bany
akai, kromoso yang paling s ng lain, h asitor yaitu 12, dan 15. n, kromosom n nilai terendah ebesar 610 M bus 7 sebesa AR, bus 12 se 180 MVAR. Ju n pada kromos mlah kapasitor kromosom lai or ini tentunya iaya yang digu akan lebih se nggunaan kapa r yang kecil, runan dan ten a yang terjadi. gan sebelum r dapat dilihat bandingan P udah Penamb penelitian ini aliran daya nambahan kap Sumbar-Riau, 32.8680 MW aya reaktif. acuan untuk pada pada ap bus milihan dengan kukan listrik ke-5 i nilai yaknya m ke-sedikit hanya yang Nilai m 7 h dari MVAR ar 330 ebesar umlah som 7 r yang innya. a akan unakan edikit. asitor. daya ntunya dan t pada Profil bahan yang pasitor , rugi-W dan
2. Berdasarkan analisa aliran daya yang dilakukan setelah penambahan kapasitor pada bus 7, bus 8, bus 12 dan bus 15 terjadi penurunan rugi-rugi daya aktif 2.7320 % dan rugi-rugi daya reaktif 12.6060 % Daftar Pustaka
[1] Hilal, Hamzah. 2006. Analisa Sistem Tenaga Listrik II. Pusat Pengembangan Bahan Ajar UMB. Universitas Mercu Buana.
[2] Hadi, Sadaat. 2002. Power System Analysis. John Wiley and Sons, Inc : New York. [3] Noertahyana,Agustinus,Yulia, 2002, Studi
Analisa Pelatihan Jaringan Syaraf Tiruan Dengan Dan Tanpa algoritma Genetik, Teknik Informatika Universitas Kristen Petra, Jurnal Informatika Vol. 3, No. 1, Mei 2002:13 – 18.
[4] Nugraha, Radian. 2009. Perencanaan Daya Reaktif untuk Perbaikan Kestabilan Tegangan dan Rugi-rugi Saluran dengan Menggunakan Logika Fuzzy. Tugas Akhir Jurusan Teknik Elektro Universitas Andalas : Padang.
[5] Robandi, Imam. 2007. Desain Sistem Tenaga Modern. Yogyakarta : Penerbit Andi [6] Suyanto, 2005, Algoritma Genetik dalam
MATLAB, ANDI, Yogyakarta.
[7] Wartana, Made. Mustikawati, Mimin. 2006. Optimasi Penempatan Kapasitor Pada Saluran Distribusi 20 kV Dengan Menggunakan Metode Kombinasi Fuzzy Dan Algoritma Genetik. SNATI 2006, 17 Juni 2006. Yogyakarta.
BIODATA
Heru Dibyo Laksono, Lahir di Sawah Lunto, 7 Januari 1977. Menamatkan S1 di Jurusan Teknik Elektro Universitas Andalas (Unand) Padang tahun 2000 bidang Teknik Tenaga Listrik. Pendidikan S2 bidang Teknik Kendali dan Sistem diselesaikan di Institute Teknologi Bandung (ITB) tahun 2004. Masuk sebagai dosen Teknik Elektro Universitas Andalas sejak tahun 2005.
