Perpustakaan Digital ITB

Keandalan sistem distribusi tenaga listrik merupakan parameter krusial bagi penyedia layanan kelistrikan seperti PT PLN (Persero). Gangguan pada jaringan distribusi dapat memicu pemadaman yang merugikan pelanggan secara durasi (SAIDI), frekuensi (SAIFI), dan energi yang tidak terlayani (ENS). Penelitian ini mengusulkan algoritma komputasi Hybrid Genetic Algorithm - Particle Swarm Optimization (GA-PSO) untuk mengoptimalkan penempatan Recloser dan Load Break Switch (LBS) pada Penyulang SCG 08 di UP3 Magelang. Evaluasi nilai keandalan dilakukan menggunakan metode Failure Mode and Effects Analysis (FMEA) yang diintegrasikan ke dalam fungsi objektif dengan menerapkan sistem penalti mutlak ketika melanggar batasan jaringan. Hasil simulasi memvalidasi bahwa arsitektur hybrid ini berhasil menemukan global optimum dengan merekomendasikan 4 unit Recloser (titik 6, 12, 14, 16) dan 1 unit LBS (titik 19) dengan total biaya investasi peralatan sebesar Rp 787.600.000. Konfigurasi ini secara signifikan memperbaiki indeks SAIDI menjadi 1,4574 jam/pelanggan/tahun (peningkatan 28,91%), SAIFI menjadi 1,5388 kali/pelanggan/tahun (peningkatan 17,71%), serta menekan kerugian ENS sebesar 5.814,61 kWh/tahun dibandingkan dengan sistem proteksi eksisting. Lebih lanjut, saat diuji menggunakan batasan ketersediaan alat dan modal yang identik dengan kondisi eksisting PLN (2 unit Recloser dan 3 unit LBS senilai Rp 642.800.000), algoritma ini tetap mampu meningkatkan keandalan dengan menggeser penempatan ke titik 6, 10, 12, 14, dan 19, yang menghasilkan perbaikan SAIDI menjadi 1,6252 (peningkatan 20,72%). Berdasarkan pengujian statistik melalui 30 kali eksekusi (multi-running), metode Hybrid GA-PSO terbukti sangat tangguh (robust) dalam menghindari jebakan optimum lokal (local optima). Pada pengujian konstrain ini, algoritma mencapai tingkat keberhasilan pencarian mutlak 100% (30 kali sukses), melampaui performa algoritma PSO murni (27 kali sukses) dan GA murni (23 kali sukses), sehingga menjadikannya pendekatan komputasi yang sangat presisi dan efektif untuk mengeksekusi perencanaan peningkatan keandalan jaringan distribusi.