Perpustakaan Digital ITB

Sistem tenaga listrik modern memiliki karakteristik operasi yang optimal dan effisien menyebabkan operasi sistem tenaga listrik beroperasi mendekati titik operasi maksimumnya. Sistem tenaga listrik dengan berbagai jenis pembangkitan dengan komposisi beban yang bermacam-macam yang saling terinterkoneksi dapat menyebabkan terjadinya perubahan topologi jaringan dan perubahan komposisi pembangkitan dengan cepat dan dinamis. Operasi sistem tenaga listrik yang effisien dan dinamis ini memerlukan sistem penilai keamanan sistem tenaga listrik yang cepat dan akurat. Sistem penilai keamanan operasi sistem tenaga listrik konvensional proses penilaianya menggunakan simulasi analisa kontingensi dengan menggunakan teknik sampling pada sebagian jaringan sistem tenaga dengan besar daya pembangkitan dan profile beban tertentu saja. Pada metode ini proses penilaian keamanan sistem tenaga listrik sangat bergantung pada keahlian dan pengalaman operator dalam menganalisa data hasil simulasi dengan melibatkan banyak variabel dan parameter yang harus diperiksa sehingga memiliki potensi terjadi kesalahan akibat dari faktor manusia. Sistem penilaian keamanan sistem tenaga listrik berbasis pembelajaran mesin memiliki karakteristik cepat dalam mengambilan keputusan, sehingga mampu untuk menjelajahi banyak skenario operasi sistem tenaga, memiliki fleksibilitas yang tinggi, dan dapat diaplikasikan hampir pada setiap permasalahan. Berbagai jenis teknik dan metode pembelajaran mesin sudah banyak digunakan sebagai alat untuk menilai status keamanan statis maupun status keamanan dinamis sistem tenaga listrik yang menunjukkan unjuk kerja yang bagus. Berdasarkan kondisi diatas pada tesis menggunakan metode pembelajaran mesin berbasis random forest sebagai alat untuk menilai keamanan sistem tenaga listrik. Simulasi aliran daya dan simulasi dinamis menggunakan perangkat lunak Power Factory Digsilent dan Python dengan variasi beban antara 50% sampai 150% dari beban sistem digunakan untuk membuat dua jenis dataset yang berbeda. Simulasi aliran daya dilakukan pada kondisi topologi normal dan kondisi kontigensi N-1 pada komponen saluran transmisi, transformator, generator dan beban digunakan untuk menyususun dataset model SSA. Simulasi dinamis yang dilakukan pada sistem tes meliputi simulasi gangguan hubung singkat satu fasa dan tiga fasa pada saluran transmisi, trip pada pembangkit dan kehilangan beban digunakan untuk menyusun dataset model TSA. Model penilai keamanan dinamis yang terdiri dari model penilaian keamanan statis dan model penilaian keamanan transient ditraining dan diuji menggunakan jenis dataset yang berbeda akan diuji pada sistem tes IEEE 14 bus dan New England 39 bus untuk mengukur tingkat kesalahan dan akurasi model. Akurasi model diukur menggunakan parameter RMSE, R2 dan perbandingan jumlah klasifikasi status keamanan sistem tenaga listrik yang benar terhadap jumlah total prediksi. Hasil pengujian model SSA pada sistem tes 14 bus dan 39 bus menghasilkan RMSE terkecil sebesar 0,0029 dan 0,113 serta akurasi klasifikasi status keamanan statis terbesar sebesar 100% dan 99,94% masing-masing untuk sistem tes 14 bus dan 39 bus. Pengujian model TSA pada sistem tes 14 bus dan 39 bus menghasilkan RMSE terkecil sebesar 0,176 dan 4,29 serta akurasi klasifikasi status keamanan transient terbesar sebesar 100% dan 99,62% masing-masing untuk sistem tes 14 bus dan 39 bus. Lama proses penilaian model keamanan dinamis membutuhkan total waktu sebesar 1,71 milidetik dan 5,82 milidetik masing-masing untuk sistem tes 14 bus dan 39 bus yang prosesnya lebih cepat dari proses pembacaan PMU. Dari hasil pengujian model menunjukan bahwa model penilai keamanan dinamis pada penelitian tesis ini dapat digunakan sebagai sistem penilai keamanan sistem tenaga listrik yang effisient dengan tingkat akurasi tertentu.