Perpustakaan Digital ITB

Peningkatan ketergantungan energi listrik akan menuntut perusahaan penyedia energi listrik untuk memperbaiki efisiensi, kualitas dan keamanan saat pengoperasikan sistem tenaga listrik. Peningkatan rugi-rugi daya aktif akan berdampak terhadap berkurangnya pasokan daya yang dikirim oleh perusahaan energi listrik kepada konsumen. Artinya, daya aktif yang dihasilkan oleh pembangkit akan hilang begitu saja karena dianggap tidak terjual. Dalam hal ini, perusahaan penyedia listrik akan menderita kerugian karena menghasilkan daya dengan biaya besar tetapi tidak mendapatkan keuntungan finansial dari penjualan daya. Selain itu, agar listrik dapat memberikan kualitas tegangan yang baik kepada konsumen, perusahaan pemasok energi listrik harus mempertahankan tegangan yang konstan, terutama di akhir saluran. Indikator ini bisa dilihat dengan mempertahankan tegangan pada bus beban agar selalu berada pada nilai sama dengan atau mendekati ideal (biasanya 1,0 p.u). Agar kinerja ini dapat dilakukan maka perlu dilakukan optimasi terhadap variabel-variabel kontrol yang berpengaruh terhadap terhadap rugi-rugi daya aktif dan total deviasi tegangan pada bus beban. Penelitian ini dalam lingkup optimasi dinamakan optimasi pengaturan daya reaktif dan tegangan yang sering dikenal dalam dunia penelitian global yaitu Optimal Reactive Power Dispatch (ORPD). ORPD merupakan suatu permasalahan yang belum terpecahkan hingga saat ini. Strategi ini dilakukan dengan mengoptimalkan variabel kontrol yang berpengaruh terhadap suplai daya reaktif dan tegangan. Variabel kontrol yang dimaksud dalam penelitian ini yaitu magnitude tegangan keluaran generator, tap transformer, dan kompensator daya reaktif. Penelitian ini mengusulkan beberapa metode dalam menyelesaikan permasalahan ORPD dengan optimasi single-objective dan multi-objective. Untuk single objective, penelitian ini mengusulkan 5 (lima) algoritma yaitu Hybrid Artificial Neural Network and Time-Varying Particle Swarm Optimization (HANNTVPSO), Time-Varying Particle Swarm Optimization (TVPSO), Genetic Algorithm (GA), Hybrid Time-Varying Particle Swarm Optimization and Genetic Algorithm (HTVPSOGA) dan Hybrid Genetic Algorithm and Time-Varying Particle Swarm Optimization (HGATVPSO). Pembangkitan nilai awal pada algoritma HANNTVPSO menggunakan nilai random terbimbing. Nilai random ini berasal dari keluaran ANN. Sedangkan keempat algoritma lainnya menggunakan pembangkitan nilai awal secara ii acak. Kelima algoritma ini diuji pada sistem tenaga skala kecil yaitu sistem tenaga IEEE 14-bus. Adapun optimasi multi-objective untuk meminimalkan rugi-rugi daya aktif dan total deviasi tegangan, penelitian ini mengusulkan 7 (tujuh) algoritma yaitu Multi-objective Particle Swarm Optimization (MOTVPSO), Multi-objective Non-dominated Sorting Genetic Algorihm – III (MONSGA-III), Multi-objective Hybrid Particle Swarm Optimization and Genetic Algorithm (MOHTVPSOGA), Multi-objective Ant Lion Optimization (MOALO), Multi-objective Dragonfly Algorithm (MODA), Multi-objective Grey Wolf Optimizer (MOGWO), dan Multi-objective Multi-verse Optimizer (MOMVO). Semua algoritma ini diuji pada sistem tenaga IEEE 14-bus, 57- bus, dan 118-bus. Untuk perbandingan kinerja dari ketujuh algoritma digunakan nilai-nilai parameter algoritma yang sama. Kompleksitas permasalahan MORPD pada sistem tenaga IEEE-14 bus dan 57-bus yaitu melibatkan variabel kontrol yang terdiri atas gabungan variabel kontinu dan diskrit. Sedangkan untuk sistem tenaga IEEE 118-bus menganggap semua variabel kontrol sebagai variabel kontinu. Kompleksitasnya pada sistem tenaga IEEE 118-bus terletak pada pemanfaatan reaktor dan kapasitor bank dengan jumlah variabel kontrol yang sangat banyak. Untuk optimasi single-objective, algoritma HANNTVPSO mampu memperbaiki nilai awal TVPSO yaitu sebesar 12,365 MW. Nilai ini lebih baik jika dibandingkan dengan algoritma TVPSO saat menggunakan pembangkitan awal secara acak yaitu sebesar 13,48965 MW. Namun pembangkitan awal terbimbing memiliki kelemahan yaitu nilai bobot yang berbeda untuk setiap kasus yang berbeda juga. Permasalahan ini akan menyulitkan dalam penentuan nilai keluaran ANN sebagai nilai awal TVPSO. Sehingga keempat algoritma pada penelitian kedua digunakan pembangkitan awal secara acak. Keempat algoritma tersebut adalah TVPSO, GA, HTVPSOGA, dan HGATVPSO. Algoritma-algoritma ini diuji untuk menyelesaikan permasalahan ORPD dengan menentukan keluaran optimasi berdasarkan kriteria uji statistik yaitu Best Objective Value (BOV), Worst Objective Value (WOV), dan Mean Objective Value (MOV). Hasil perbandingan menunjukkan bahwa nilai BOV terbaik dihasilkan oleh algoritma GA. Adapun nilai WOV dan MOV terbaik dihasilkan oleh algoritma HTVPSOGA dan HGATVPSO. Dari hasil simulasi pada penelitian ke-1 dan ke-2, kelima algoritma yang diusulkan mampu mereduksi rugi-rugi daya aktif lebih baik dibandingkan dengan penelitian sebelumnya yang berdasarkan referensi dalam karya ini. Selain itu, kedua algoritma kombinasi ini mampu menemukan solusi optimal lebih cepat yaitu pada iterasi ke-4. Sedangkan untuk optimasi multi-objective pada penelitian ke-3 dan ke-4, berdasarkan kriteria uji statistik dari ketujuh algoritma yang diusulkan, algoritma MOHTVPSOGA memiliki kontribusi yang sangat dominan dibandingkan usulan algoritma lain dan penelitian sebelumnya yang ada dalam karya ini. Namun algoritma ini memiliki kekurangan dari jumlah waktu komputasi yang digunakan. Berbeda dengan algoritma MOMVO yang memiliki waktu komputasi yang efisien. Namun algoritma ini memiliki kekurangan dari nilai kualitas solusi. Namun ketika algoritma MOHTVPSOGA diuji pada sistem kelistrikan 500 kV, algoritma ini mampu menghasilkan kualitas solusi iii dengan kontribusi yang sangat signifikan dan waktu komputasi yang efisien jika dibandingkan dengan pusat pengaturan PT. PLN. Hal ini dikarenakan walaupun algoritma ini menggunakan jumlah iterasi maksimum dan jumlah populasi yang kecil, algoritma ini masih mampu memberikan kontribusi yang lebih baik. Dari hasil ini menunjukkan bahwa algoritma MOHTVPSOGA memiliki peluang yang sangat menjanjikan ketika diterapkan pada sistem kelistrikan yang nyata.