948
Optimization of Distributed Placement of Renewable Energy Sources to Reduce Power Losses in Distribution System Using
Multi Verse Optimizer Method
Firdaus, Syamsurijal1, Andi Imran2, Elfira Makmur3 Universitas Negeri Makassar, Indonesia1,2,3
Email: [email protected]
Abstrak. Sistem Distribusi merupakan bagian dari sistem tenaga listrik. Sistem distribusi ini berguna untuk menyalurkan tenaga listrik dari sumber daya listrik besar sampai ke konsumen.
Sistem distribusi memiliki permasalahan antara lain adalah rugi-rugi daya dan penurunan tegangan. Rugi daya dan penurunan tegangan akan mempengaruhi kualitas distribusi daya listrik. Penurunan tegangan dan rugi daya pada sistem distribusi dapat diatasi dengan memasang pembangkit tersebar sumber energi terbarukan. Dalam penelitian ini, penerapan metode kecerdasan buatan berupa algoritma multi verse optimizer digunakan untuk penempatan optimal pembangkit tersebar sumber energi terbarukan untuk mengurangi rugi- rugi daya pada sistem distribusi. Penempatan optimal pembangkit tersebar sumber energi terbarukan di sistem distribusi mengurangi hilangnya daya dan mengoptimalkan penetrasi dan pemanfaatan sumber energi terbarukan. Dari simulasi dan pembahasan dapat disimpulkan bahwa penempatan optimal pembangkit tersebar dapat mereduksi rugi-rugi daya aktif dan daya reaktif pada system distribusi. Penempatan optimal pembangkit tersebar dapat juga memperbaiki profil tegangan atau mengatasi masalah tegangan jatuh.
Kata Kunci : pembangkit tersebar, energi terbarukan dan MVO PENDAHULUAN
Seiring dengan meningkatnya kebutuhan manusia mengakibatkan permintaan energi listrik juga meningkat. Dengan adanya penambahan beban mengakibatkan perluasaan atau penambahan jaringan listrik. Jika beban semakin besar maka arus yang mengalir pada jaringan akan semakin besar. Dengan semakin luasnya sistem jaringan maka gangguan yang akan terjadi juga semakin besar. Gangguan dapat mengakibatkan faktor daya menurun, tegangan jatuh, dan losses
Dengan semakin bertambahnya permintaan konsumen listrik, maka semakin besar pula beban listrik yang ditanggung oleh sistem distribusi. Apabila beban-beban listrik baru yang ditanggung oleh sistem distribusi nantinya semakin jauh jaraknya dari pusat pembangkitan, maka hal ini akan menyebabkan peningkatan rugi-rugi daya dan penurunan profil tegangan.
Kehilangan energi perlu diprediksi dan diantisipasi agar terjadi dalam batas normal dan wajar. Apabila pembangkit tenaga listrik sangat jauh dari konsumen, maka digunakan sistem transmisi dan distribusi untuk dapat menyalurkan daya listrik kekonsumen. Rugi – rugi energi atau jatuh tegangan itu sendiri adalah energi yang hilang karena ada tekanan atau resistansi dari sistem jaringan dan transformator. Jatuh tegangan merupakan kehilangan energi yang sama sekali tidak mungkin dihindari
949
Agar permasalahan di atas dapat terhindari, maka perlu adanya suatu solusi terkait beban listrik pada sistem distribusi. Salah satu cara untuk mengurangi drop tegangan dan rugi daya adalah dengan menempatkan pembangkit tersebar (DG) yang optimal pada system distribusi.
Dalam beberapa dekade terakhir ini, pembangkit tersebar mulai dikembangkan di negara-negara maju seperti di belahan Eropa dan Amerika untuk mendukung kebutuhan energi listrik negara. Pembangkit tersebar dinilai sebagai suatu solusi yang tepat untuk mengatasi kekurangan pasokan energi listrik maupun mengatasi problematika sistem distribusi listrik seperti rugi-rugi daya listrik, keseimbangan sistem distribusi listrik, dan juga mengatasi beban kritis yang mengalami drop tegangan.
Kesederhanaan desain, kemudahan mencari sumber penggerak turbin (menggunakan renewable alternative energy), berbiaya rendah, dan kemudahan instalasi membuat pembangkit terdistribusi semakin diminati sebagai sumber daya listrik yang instan.
Dikarenakan pembangkit terdistribusi yang terletak di dekat pusat-pusat beban, maka pembangkit terdistribusi selain dapat langsung melayani beban yang membutuhkan energi listrik tambahan juga dapat diinterkoneksi ke jaringan distribusi listrik untuk optimalisasi keandalan jaringan distribusi tersebut (Sabilla et al., 2013).
Beberapa penelitian mengenai optimasi penempatan pembangkit tersebar sudah dilakukan dengan berbagai metode. Masing-masing metode mempunyai kelemahan dan kelebihan sehingga pengggunaan suatu metode tidak bisa dikatakan lebih baik dari metode lainnya. Salah satu metode optimasi yang dapat digunakan adalah metode Genetic Algorithm (GA). Metode GA dapat menurunkan rugi-rugi daya secara signifikan dengan cara menentukan penempatan DG yang tepat (Sabilla et al., 2013).
Penelitian terbaru dilakukan oleh (Ameli et al., 2017) dengan tujuan mencari optimal size, tipe, lokasi dan teknologi unit DG mempertimbangkan isu ekonomi, teknikal dan lingkungan dengan metode MOPSO
Metode yang digunakan untuk pada penelitian ini adalah menempatkan pembangkit tersebar adalah pendekatan algoritma multi verse optimizer. Algoritma multi verse optimizer memiliki kemampuan untuk memperhitungkan kondisi non- linear. Algoritma multi verse optimizer dapat menyelesaikan penempatan optimal dengan pendekatan yang lebih akurat daripada metode konvensional. Algoritma multi verse optimizer mampu memperhitungkan bus –bus dengan nilai tegangan yang rendah dan jaringan dengan resistansi yang tinggi. Jadi optimasi yang dilakukan algoritma multi verse optimizer lebih mendekati kondisi sesungguhnya.
TINJAUAN PUSTAKA 1. Sistem Distribusi
Sistem Distribusi merupakan bagian dari sistem tenaga listrik. Sistem distribusi ini berguna untuk menyalurkan tenaga listrik dari sumber daya listrik besar (Bulk Power Source) sampai ke konsumen. Jadi fungsi distribusi tenaga listrik adalah; 1) pembagian atau penyaluran tenaga listrik ke beberapa tempat (pelanggan), dan 2) merupakan sub sistem tenaga listrik yang langsung berhubungan dengan pelanggan karena catu daya
950
pada pusat-pusat beban (pelanggan) dilayani langsung melalui jaringan distribusi.
Tenaga listrik yang dihasilkan oleh pembangkit tenaga listrik besar dengan tegangan dari 11 kV sampai 24 kV dinaikan tegangannya oleh gardu induk dengan transformator penaik tegangan menjadi 70 kV ,154 kV, 220 kV atau 500 kV kemudian disalurkan melalui saluran transmisi. Tujuan menaikkan tegangan ialah untuk memperkecil kerugian daya listrik pada saluran transmisi, dimana dalam hal ini kerugian daya adalah sebanding dengan kuadrat arus yang mengalir (I2.R) (A.S. Pabla & A.Hadi, 1989).
Adapun jaringan distribusi dapat dibagi menjadi 2 yaitu sebagai berikut : a. Distribusi Primer, merupakan jaringan tegangan menengah yang berfungsi untuk
menghubungkan gardu induk dengan gardu distribusi. Pada sistem distribusi primer saluran yang digunakan untuk menyalurkan energi listrik ke konsumen disebut penyulang (feeder).
b. Distribusi Sekunder, merupakan jaringan yang berfungsi sebagai penyalur tenaga listrik dari gardu distribusi kepada konsumen tenaga listrik. Besarnya standar tegangan untuk jaringan distribusi sekunder ini adalah 220/380 V, serta 440/550 V untuk keperluan industri (Wahyu Trisna Putra et al., 2019).
2. Pembangkit Tersebar Sumber Energi Terbarukan
Indonesia memiliki banyak potensi energi terbarukan, seperti tenaga air (termasuk minihidro), panas bumi, biomasa, angin dan surya (matahari) yang bersih dan ramah lingkungan, tetapi pemanfaatannya belum optimal. Belum optimalnya pemanfaatan energi terbarukan disebabkan biaya pembangkitan pembangkit listrik energi terbarukan, seperti tenaga surya, tidak dapat bersaing dengan biaya pembangkitan pembangkit listrik berbahan bakar energi fosil (bahan bakar minyak, gas bumi, dan batubara)
Pemakaian energi terbarukan banyak dimanfaatkan sebagai sumber pembangkit tersebar. DG atau pembangkit tersebar menghasilkan energi listrik dari beberapa sumber energi yang berkapasitas kecil dan dihubungkan langsung pada jaringan distribusi dan umumnya ditempatkan pada bus yang langsung menyuplai pusat beban atau pada gardu distribusi. Berdasarkan fungsinya, DG dibedakan atas dua macam yaitu sebagai unit yang berfungsi untuk mengantisipasi apabila terjadi pemutusan dari suplai daya grid atau standby unit dan juga berfungsi sebagai unit yang dipasang pada jam-jam beban puncak atau peaking unit (Wahyu Trisna Putra et al., 2019).
Perkembangan DG di masa sekarang didukung oleh dua isu utama dalam sistem tenaga listrik pada masa sekarang, yaitu :
a. Perubahan kebijakan energi listrik di seluruh dunia dari sistem monopoli menjadi sistem yang lebih kompetitif terkhusus pada sektor pembangkit yang memungkinkan keragaman dalam kepemilikan aset pembangkit sehingga akan adanya persaingan yang mendorong harga energi listrik menjadi lebih murah.
b. Kebijakan lingkungan yang berkelanjutan yang mengharapkan DG dapat membantu mengurangi gas emisi terutama emisi karbon. Pemanfaatan energi DG harus mendorong pengurangan emisi karbon karena umumnya teknologi DG memiliki emisi karbon yang rendah bahkan ada yang emisi karbonnya nol seperti photovoltaic (sel surya)
951 3. Studi Aliran Daya
Studi aliran daya merupakan suatu bagian penting dalam analisis sistem tenaga.
Studi ini sangat penting dalam perencanaan, penjadwalan ekonomis, dan pemantauan sistem yang ada untuk rencana pengembangan masa depan. Masalah dalam analisis aliran daya terdiri dari penentuan magnitude dan sudut fase tegangan tiap bus dan aliran daya aktif dan reaktif setiap saluran (W. D. Stevenson & Grainger, J. J, 1994).
Menurut (Hadi Saadat, 2002) bahwa dalam penyelesaian masalah aliran daya, sistem tenaga diasumsikan beroperasi pada keadaan seimbang dan digunakan model satu fase. Untuk menghitung aliran daya pada jaringan sederhana dengan bentuk radial dapat dilakukan secara analitik, tetapi untuk jaringan yang lebih rumit diselesaikan secara iterasi. Ada empat kuantitas yang berhubungan dengan setiap bus, yaitu magnitude tegangan |V|, sudut fase tegangan , daya riil P, dan daya reaktif Q.
4. Minimisasi Rugi-rugi Daya
Rugi-rugi daya listrik pada sistem distribusi dipengaruhi beberapa faktor yang antara lain faktor konfigurasi dari sistem jaringan distribusi, transformator, kapasitor, isolasi dan rugi–rugi daya listrik dikategorikan dua bagian yaitu rugi-rugi daya aktif dan daya reaktif
Fungsi tujuan (obyektif) untuk diminimalkan diberikan oleh jumlah rugi-rugi saluran sebagai :
1 NL
L lk
k
P P
... (2)dengan PL sebagai rugi-rugi daya aktif total dan Plk sebagai rugi-rugi daya aktif pada saluran k.
Rugi-rugi saluran individual Plk dapat diekspresikan dalam bentuk tegangan dan sudut fase sebagai :
2 2
2 cos
1,...,
lk k i j i j i j
i
P g V V VV k
N
... (3)
dengan gk konduktansi seri pada saluran k, vi dan vj masingmasing adalah tegangan pada bus i dan bus j, serta θi dan θj adalah masing-masing sebagai sudut fase tegangan pada bus i dan bus j (J. A. Momoh, 2001).
5. Algoritma Multi Verse Optimizer
Algoritma MVO pertama kali digunakan oleh Syedali Mirjalili pada tahun 2015.
MVO didasarkan pada teori multi verse dan teori big bang. Teori big bang membahas bahwa alam semesta kita dimulai dengan ledakan besar. Hal ini diyakini dalam teori ini ada lebih dari satu big bang dan setiap ledakan besar menyebabkan lahirnya alam semesta. Istilah multi verse berdiri berlawanan dengan alam semesta, yang mengacu pada keberadaan alam semesta lain selain alam semesta yang tempat kita tinggal (Mirjalili et al., 2016).
Proses pencarian dibagi menjadi dua tahap, yaitu tahap eksplorasi dan eksploitasi (Mirjalili et al., 2016). MVO terdiri dari tiga konsep utama.
a. Lubang putih (White hole)
952 b. Lubang hitam (Balck hole)
c. Lubang terowongan (Worm hole)
Lubang putih belum terlihat di alam semesta. Menurut ahli Fisika, big bang dianggap sebagai lubang putih. Mungkin menjadi sumber utama alam semesta.
Lubang hitam terlihat di alam semesta. Ini menarik benda-benda alam semesta di dalamnya. Worm hole adalah terowongan antara dua alam semesta. Benda-benda itu berjalan diantara alam semesta melalui terowongan ini. Setiap alam semesta mengandung tingkat inflasi. Dengan tingkat inflasi, nilai fitness dihitung. Model konseptual ini tiga komponen kunci dari teori multiverse ditunjukkan pada Gambar.
1.
Gambar 1. Gambar ilustrasi lubang putih, lubang hitam dan terowongan.
Algoritma berbasis populasi membagi proses pencarian menjadi dua fase, yaitu eksplorasi dan eksploitasi. Menggunakan konsep lubang putih dan lubang hitam untuk mengeksplorasi ruang pencarian oleh MVO. Sebaliknya, lubang terowongan membantu MVO dalam mengeksploitasi ruang pencarian. Ini diasumsikan bahwa setiap solusi adalah analogi pada alam semesta dan setiap variabel adalah obyek di alam semesta. Selain itu, ditetapkan masing-masing solusi tingkat inflasi yang sesuai, yang sebanding dengan nilai fungsi fitness dari solusinya. Istilah time instead sebagai iterasi dalam tulisan juga memakai istilah umum dalam teori multi-verse dan kosmologi.
Dalam optimasi, berikut aturan yang diterapkan alam semesta MVO:
a. Tingkat inflasi yang lebih tinggi, probabilitas yang lebih tinggi adalah yang dimiliki lubang putih
b. Tingkat inflasi yang lebih tinggi, probabilitas yang lebih rendah adalah yang dimiliki lubang hitam.
c. Alam semesta dengan tingkat inflasi yang tinggi cenderung untuk mengirim benda melalui lubang putih
d. Alam semesta dengan tingkat inflasi yang rendah cenderung untuk menerima lebih banyak objek melalui lubang hitam.
e. Objek di semua alam semesta mungkin menghadapi gerakan acak menuju alam semesta terbaik melalui lubang terowong pada tingkat inflasi.
953
Model konseptual dari algoritma MVO seperti ditunjukkan pada Gambar 2.
Gambar 2. Model Konsep Algoritma MVO (I(U1) > I(U2) > … >I(Un-1) > I(Un)) METODE
Penelitian ini adalah jenis penelitian simulasi, yaitu dengan melakukan pemodelan dan mensimulasikan sistem IEEE 33 Bus yang terintegrasi dengan pembangkit tersebar menggunakan perangkat lunak Bahasa pemrograman MATLAB pada perangkat komputer. Diagram satu garis diilustrasikan pada Gambar 3.
Gambar 3. Diagram satu garis system distribusi 33 Bus
Tahapan simulasi menggunakan metode algoritma MVO dapat digambarkan seperti flowchart berikut
1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 2 6 2 27 8 2 9 3 0 3 1 3 2 3 3 1 9 2 0 2 1 2 2
2 3 2 24 5
954 Mulai
Inisialisasi U dengan dimensi I x d
Defenisikan lb, ub, L dan universe baik
Iter =1
i = 1
Hitung rate inflasi pada semua universe
Performa roda rolet berdasarkan pers 2.2
Update WEP dan TDR menggunakan pers 3.10 dan 3.11
Last Universe
Iter < L
Cetak rate inflasi universe terbaik
selesai
i = i + 1
Iter = iter + 1
Gambar 4. Flowchart simulasi dengan metode MVO HASIL DAN PEMBAHASAN
Sebelum melakukan penambahan Pembangkit tersebar, dilakukan perhitungan aliran daya saat tanpa Pembangkit tersebar. Simulasi ini dilakukan untuk mengetahui kondisi awal dari sistem distribusi IEEE 33 bus. Simulasi aliran daya dilakukan dengan menggunakan metode Newton Rapshon yang. Kondisi awal yang diperoleh akan dibandingkan dengan hasil simulasi setelah dilakukan pemasangan pembangkit
955
tersebar. Pada simulasi sistem tanpa penambahan pembangkit tersebar diperoleh rugi daya aktf sebesar 0,2022 pu dan rugi daya reaktif sebesar 0,1348 pu
Gambar 5. Karakteristik konfergensi menggunakan menggunakan algoritma MVO Berdasarkan hasil simulasi yang dilakukan dengan menggunakan algoritma MVO seperti yang terlihat pada Gambar 5 di atas. sistem mulai konvergen pada iterasi ke-10. Hal ini menunjukkan bahwa penggunaan algoritma MVO mempercepat proses iterasi
Profil tegangan sistem IEEE 33 bus sebelum pemasangan pembangkit tersebar dan sesudah pemasangan pembangkit tersebar ditunjukkan pada Gambar 6 berikut:
Gambar 6. Perbandingan tegangan system distribusi antara sebelum Penempatan DG dan setelah Penempatan DG.
5 10 15 20 25 30 35 40 45 50 55 60
10-0.72 10-0.719 10-0.718 10-0.717 10-0.716 10-0.715 10-0.714 10-0.713
Convergence curve
Iteration
Best score obtained so far
MVO
0 5 10 15 20 25 30 35
0.91 0.92 0.93 0.94 0.95 0.96 0.97 0.98 0.99 1
bus
voltage(pu)
voltage tanpa pembangkit tersebar voltage dengan pembangkit tersebar
956
Pada Gambar 6 di atas dapat dilihat bahwa tegangan pada semua bus yaitu bus 6 sampai bus 18 serta bus 26 sampai bus 33 mengalami kenaikan setelah terpasang pembangkit tersebar. Hal ini menunjukkan bahwa pemasangan pembangkit tersebar dapat meningkatkan nilai tegangan atau memperbaiki profil tegangan pada semua bus.
Hasil simulasi aliran daya sistem IEEE 33 buas menggunakan algoritma MVO menunjukkan bahwa lokasi paling optimal penempatan pembangkit tersebar sumber energi terbarukan yang paling optimal adalah pada Bus 18 dan Bus 1. Rugi-rugi daya sistem IEEE 33 Bus setelah penambahan pembangkit tersebar mengalami penurunan.
Tabel 1. Hasil simulasi sistem distribusi IEEE 33 Bus
Kasus Kondisi P Loss (pu) Qloss (pu)
1 Sebelum pemasangn
pembangkit tersebar 0.2022 0.1348
2 Setelah pembangkit
tersebar 0.1956 0.1301
Pada kondisi awal atau sebelum sistem ditambahkan daya dari pembangkit tersebar , besar rugi daya aktif sebesar 0.2022 pu dan rugi daya reaktif sebesar 0.1348 pu. Pada saat ditambahkan pembangkit tersebar, rugi daya aktif 0.1956 dan rugi daya reaktif 0.1301 pu. Sehingga terjadi reduksi rugi daya aktif sebesar 0.066 pu dan rugi daya reaktif sebesar 0.0047 pu.
KESIMPULAN
Kesimpulan dari hasil penelitian ini adalah sebagai berikut:
1. Hasil simulasi menunjukkan bahwa lokasi penempatan pembangkit tersebar sumber energy terbarukan paling optimal untuk mengurangi rugi-rugi daya aktif maupun daya reaktif pada studi kasus ini adalah pada bus 18 dan bus 1. Pemasangan pembangkit tersebar sumber energy terbarukan pada system distribusi dapat mereduksi losses daya aktif sebesar 0,066 pu dan daya reaktif 0,0047 pu
2. Dari simulasi dan pembahasan dapat disimpulkan bahwa penempatan optimal pembangkit tersebar sumber energy terbarukan dapat mereduksi rugi-rugi daya aktif dan daya reaktif pada system distribusi. Penempatan optimal capasitor bank dapat juga memperbaiki profil tegangan atau mengatasi masalah tegangan jatuh.
DAFTAR PUSTAKA
J. A. Momoh. (2001). Electric power system applications of optimization. Marcel Dekker, Inc.
Mirjalili, S., Mirjalili, S. M., & Hatamlou, A. (2016). Multi-Verse Optimizer: A nature- inspired algorithm for global optimization. Neural Computing and Applications, 27(2), 495–513. https://doi.org/10.1007/s00521-015-1870-7
957
Prasad, P.V, S. Sivanagaraju, & N.Sreenivasulu. (2007). A Fuzzy-Genetic Algorithm For Optimal Capacitor Placement In Radial Distribution Systems, 2 No.
Sabilla, N. H., Nugroho, A., & Handoko, S. (2013). Optimasi Penempatan Pembangkit Terdistribusi Pada Ieee 30 Bus System Menggunakan Algoritma Genetika. Jurnal Transient, 2(3), 7.
Wahyu Trisna Putra, I. K., Satriya Utama, N. P., & Setiawan, I. N. (2019). Optimasi penempatan titik interkoneksi distributed generation (DG) pltm muara pada penyulang panji dengan metode genetic algorithm (GA). Jurnal Spektrum, 6(2), 141. https://doi.org/10.24843/SPEKTRUM.2019.v06.i02.p19
W. D. Stevenson, & Grainger, J. J. (1994). Power System Analysis. Singapore: McGraw- Hill, Inc.
Zuhal. (2000). Dasar Teknik Tenaga Listrik dan Elektronika Daya. Jakarta: Gramedia.
