24
METODE PENELITIAN 3.1 Tempat dan Waktu
Penelitian telah dilakukan di PLTU 2 Sumut Pangkalan Susu yang memiliki kapasitas sebesar 2 x 2x220 MW. PLTU tersebut terhubung ke Gardu Induk Binjai
melalui saluran transmisi 275 kVsepanjang ±70 km. Penelitian telah dilaksanakan selama empat bulan dimulai dari bulan Juli hingga November 2015.
3.2 Data dan Peralatan
Data yang digunakan dalam penelitian ini adalah: 1.
Data teknis generator PLTU 2 Sumut Pangkalan Susu pada Lampiran A.1 2.
Data teknis PSS Power System Stabilizer dan AVR Automatic Voltage Regulator
3. Data teknis transformator yang meliputi impedansi, daya nominal dan
tegangan nominal pada Lampiran A.3 4.
Data teknis saluran transmisi yang meliputi panjang dan impedansi saluran transmisi pada Lampiran A.2
5. Data beban harian generator untuk mencari data beban maksimum yang akan
digunakan untuk penalaan PSS Sedangkan peralatan yang digunakan dalam penelitian ini adalah perangkat
lunak Matlab dan Simulink untuk melakukan pemrograman dan simulasi pengujian.
3.3 Variabel yang Diamati
Berikut ini adalah variabel-variabel yang diamati didalam penelitian ini:
25
1. Pe : Deviasi output daya elektrik generator selama gangguan. Variabel ini
menunjukkan keandalan sistem eksitasi sehingga secara tidak langsung menunjukkan keandalan PSS.
2. ω : Kecepatan sudut rotor. Variabel ini juga menunjukkan keandalan PSS
dalam bekerja selama gangguan. 3.
Settling time waktu stabil dan overshoot amplitudo pada osilasi pertama dari ω dan Pe. Semakin kecil settling time dan overshoot maka menunjukkan
bahwa kinerja PSS yang ditala dengan Algoritma Genetika semakin baik.
3.4 Prosedur Penelitian
Penalaan PSS PLTU Pangkalan Susu meliputi serangkaian proses yang panjang meliputi pengumpulan data, studi literatur, pemodelan matematis sistem,
penentuan jenis gangguan, pengujian hasil penalaan PSS, membandingkan penalaan PSS bawaan dengan penalaan menggunakan Genetic Algorithm dan tahap terakhir
yaitu penarikan kesimpulan. Keseluruhan proses penelitian ditampilkan secara visual melalui diagram alir yang ditunjukkan pada Gambar 3.1.
26 Gambar 3.1 Diagram Alir Penelitian
27
3.4.1 Pelaksanaan Penelitian
Berdasarkan diagram alir pada Gambar 3.1 langkah-langkah yang dilakukan selama penelitian adalah sebagai berikut:
1. Pengumpulan data
Data yang diperlukan pada penelitian ini terdiri dari: -
Data teknis pada Lampiran A1-A3 yang diperoleh dari PLTU Pangkalan Susu
- Data setelan parameter PSS yang diperloleh secara real time dari unit sistem
eksitasi PLTU Pangkalan Susu yang terdapat pada Lampiran B.1 2.
Pemodelan Sistem Tenaga PLTU 2 Sumut Pangkalan Susu memiliki 2 generator dengan kapasitas
masing-masing sebesar 220 MW, namun penelitian ini hanya memasukkan salah satu generator saja yaitu pembangkit unit 1 untuk dijadikan obyek
penelitian. Pemodelan yang dilakukan adalah sebagai berikut: a.
Pemodelan generator, transformator daya dan saluran transmisi menjadi bentuk SMIB Single Machine Infinite Bus, dengan kondisi
pembebanan yang sudah ditentukan maka konstanta K1-K6 dihitung untuk membuat model SMIB yang dapat digunakan untuk penalaan
PSS. b.
Pemodelan PSS dan AVR, SMIB digabung dengan AVR dan PSS untuk membuat model yang lengkap dari sistem tenaga
Model matematis yang diperoleh dari kedua langkah diatas kemudian dibuat secara visual menggunakan Simulink
28
3. Menentukan jenis gangguan yang digunakan dalam pengujian hasil penalaan
PSS, yaitu: a
Perubahan beban pada saat pembebanan maksimum: -
Penurunan beban 10 -
Kenaikan beban 10 -
Penurunan beban 20 b
Pemutusan beban dalam jumlah yang besar -
Pemutusan beban 50 4.
Setelah membuat model sistem tenaga, dilakukan penalaan PSS menggunakan GA dengan cara seperti pada Sub bab 3.4.2.
5. Melakukan pengujian hasil penalaan PSS dengan parameter bawaan terhadap
jenis gangguan yang sudah ditentukan, kemudian dilakukan juga pengujian yang sama terhadap PSS yang telah ditala menggunakan GA. Variabel yang
diperhatikan adalah kecepatan sudut rotor ω dan daya elektrik Pe. 6.
Saat terjadi gangguan, kecepatan sudut rotor ω dan daya elektrik Pe akan mengalami osilasi, hasil penalaan PSS dibandingkan dengan cara mengukur
nilai overshoot amplitudo osilasi pertama dan settling time waktu menuju stabil kemudian diperoleh hasil perbandingan diantara keduanya.
7. Dari hasil perbandingan yang diperoleh, maka dapat ditarik beberapa
kesimpulan 8.
Selesai
3.4.2 Metode Penalaan PSS Menggunakan GA
29
GA diterapkan untuk penalaan PSS menggunakan bahasa pemrograman Matlab. Berdasarkan diagram alir pada Gambar 3.2, penalaan PSS menggunakan GA
dilakukan dengan langkah-langkah sebagai berikut: 1.
Menghitung keterlambatan fasa SMIB dengan Persamaan 2.10 – 2.13 2.
Menyusun fungsi objektif berdasarkan keterlambatan fasa dari SMIB 3.
Menentukan parameter-parameter GA 4.
Pembentukan individu dan populasi 5.
Elitisme 6.
Pindah Silang 7.
Mutasi 8.
Mengulangi langkah 1-7 hingga generasi terakhir 9.
Selesai Parameter PSS yang dioptimalkan dengan GA adalah T1, T2, T3 dan T4
sedangkan parameter lainnya dibiarkan tetap sama seperti yang ditunjukkan pada Lampiran B.1.
30 Gambar 3.2 Diagram alir penalaan PSS dengan GA
BAB 4
31
HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pemodelan Sistem Tenaga
Berdasarkan data-data teknis yang diperoleh, PLTU 2 Sumut Pangkalan Susu dimodelkan seperti pada gambar berikut ini:
Gambar 4.1 Pembangkit Tunggal-Bus Tak Hingga SMIB
Gambar 4.1 adalah model pembangkit tunggal yang terhubung dengan bus tak- hingga yang dibuat secara manual untuk memberikan gambaran tentang obyek
penelitian. R
total
dan X
Ltotal
pada Gambar 4.1 berturut-turut adalah total resistansi dan total reaktansi yang nilainya diberikan pada Lampiran A.4.
Setelah mendapatkan model skematik, maka Konstanta K1sampai K6 pada Gambar 4.2 dihitung untuk mendapatkan model matematis dari sistem. Kondisi
pembebanan yang dipilih adalah sebagai berikut: -
Tanggal Pencatatan Beban : 20 Juli 2015 Pukul 14.30 WIB -
Beban P dan Q : 220 MW, 81 MVAR
Berdasarkan kondisi diatas, nilai K1-K6 dihitung menggunakan Matlab sesuai dengan Persamaan 2.21-2.27, hasilnya diberikan pada Tabel 4.1.
Tabel 4.1 Konstanta K1-K6 Konstanta
Pembebanan 220 MW
81 MVAR K1
2,2557
32
K2 0,9216
K3 0,9821
K4 0,0044
K5 -0,00071515
K6 1,9954
a A
sT K
1 1
3 3
K T
s K
d
2
K
Hs 2
1
s
6
K
5
K
4
K
1
K
R
sT
1 1
_ +
+
+ _
_
+ +
+
m
T
e
T
r
+
t
E
fd
E
1
v
fd
D +
AVR
Beban
Gambar 4.2 Model Matematis SMIB dalam Diagram Blok
4.1.1 Power System Stabilizer PSS
PSS yang terpasang pada PLTU Pangkalan Susu ditunjukkan dalam diagram blok pada Gambar 4.4.
Gambar 4.3 Power System Stabilizer pada GEC-300
4.1.2 Model Matematis Lengkap SMIB dan PSS
33
Gabungan dari Gambar 4.2 dan 4.3 menghasilkan Gambar 4.4 yang merupakan model matematis pembangkit yang dilengkapi dengan PSS, model tersebut sudah
dapat digunakan untuk melakukan simulasi di Simulink Matlab.
2
K
s
6
K
PSS
Beban
5
K
4
K
1
K
R
sT
1 1
+ _
+ +
+ _
_
+ +
+
m
T
e
P
r
+
t
E
fd
E
PSS
V
1
v
fd
Hs 2
1
D +
a A
sT K
1 1
3 3
K T
s K
d
Gambar 4.4 Model SMIB + PSS
Gambar 4.4 akan dibuat menggunakan Simulink untuk menguji hasil penalaan PSS, baik yang menggunakan GA dan tanpa GA.
4.2 Penalaan PSS dengan Genetic Algorithm GA
Proses penalaan PSS dengan GA melalui beberapa langkah awal diantaranya menghitung kompensasi fasa dan menyusun fungsi objektif, oleh karena itu harus
dilakukan beberapa proses perhitungan terlebih dahulu, kemudian dapat menggunakan GA untuk mendapatkan parameter PSS yang optimal.
Penerapan GA dalam penalaan PSS dilakukan dengan bahasa pemrograman Matlab, parameter yang didapatkan melalui GA diasumsikan sebagai hasil penalaan
optimal yang mampu membuat kinerja PSS menjadi lebih baik dari sebelumnya.
4.2.1 Penyusunan Fungsi Objektif GA
Frekuensi natural, frekuensi osilasi dan sudut fasa dari SMIB dihitung menggunakan Persamaan 2.28
– 2.30 dengan hasil ditunjukkan pada Tabel 4.2
Tabel 4.2 Nilai W, Wosi dan Fasa SMIB
34 Variabel
Pembebanan
228 MW 81 MVAR
ω natural rads
9.2986
ω osilasi rads
9.2936
Fasa derajat
-24.937
Data pada Tabel 4.2 menunjukkan bahwa PSS harus menghasilkan fasa minimum 24.937° agar dapat mengkompensasi fasa lag dari SMIB sehingga PSS
dapat bekerja dengan baik. 4.1
Persamaan 4.1 adalah fungsi selisih antara sudut fasa yang dihasilkan SMIB dan PSS. Fungsi tersebut disebut fungsi objektif yang digunakan untuk mengevaluasi
individu dalam GA. Setelah mendapatkan fungsi objektif, langkah selanjutnya adalah menentukan parameter-parameter dalam GA.
4.2.2 Parameter GA
Untuk melakukan iterasi di dalam GA, parameter-parameter nya harus ditentukan terlebih dahulu. Parameter GA yang digunakan dalam penalaan PSS
adalah sebagai berikut:
1. Individu
Parameter PSS yang dioptimalkan pada penelitian adalah T1-T4, sehingga individu dalam GA memiliki 4 gen dengan bentuk seperti pada Tabel 4.3.
Tabel 4.3 Individu dalam GA
35
Gen 1 Gen 2
Gen 3 Gen 4
T1 T2
T3 T4
2. Populasi
Menurut Sri Kusumadewi [19], untuk sembarang masalah ukuran populasi sebaiknya tidak lebih kecil dari 30, oleh karena itu pada penelitian ini
populasi berukuran 30 individu. Pembentukan populasi awal dilakukan dengan memilih nilai T1-T4 secara acak random dengan batas-batas
sebagai berikut: 4.2
4.3 4.4
4.5 Berdasarkan batas atas dan batas bawah untuk T1, T2, T3 dan T4 pada
Persamaan 4.2 – 4.5, populasi awal dapat dibentuk sesuai dengan
Persamaan 4.6 dan 4.7. 4.6
4.7 dimana:
i : individu ke-i dalam populasi, nilai i = 30 T1
i,
T2
i,
T3
i,
T4
i
: gen-gen dalam individu ke-i rand : bilangan acak dalam interval 0-1
3. Evaluasi Populasi
36
Tiap individu dalam populasi dievaluasi menggunakan fungsi objektif dan dihitung nilai
yang dihasilkannya. Berdasarkan yang dihasilkan, tiap
individu diurutkan dari yang paling baik hingga yang paling buruk. 4.
Elitisme Pada penelitian ini, dua individu terbaik dalam satu generasi disalin dan akan
digantikan jika terdapat dua individu yang lebih baik pada generasi berikutnya.
5. Jumlah Generasi
Jumlah generasi adalah jumlah proses iterasi dalam GA, dalam penelitian ini jumlah generasi adalah 100.
6. Pindah Silang crossover
Metode pindah silang yang digunakan dalam penalaan PSS adalah metode pindah silang seragam, dengan cara sebagai berikut [2, 19]:
Individu 1 Individu 2
T1 T2
T3 T4
T1 T2
T3 T4
Hasil pindah silang: Individu baru 1
Individu baru 2
T1 T2
T3 T4
T1 T2
T3 T4
Masing-masing individu secara berselang seling bertukar gen-gen sehingga menghasilkan individu dengan komposisi gen yang baru.
37
7. Mutasi
Proses mutasi yang digunakan dalam penalaan PSS adalah mutasi seragam yang dilakukan dengan mengganti gen tertentu dari individu dengan nilai
random antara gen terbesar dan gen terkecil didalam individu tersebut. Bila gen pertama didalam individu
terpilih untuk melakukan mutasi, maka individu baru dari hasil proses mutasi menjadi
, dimana TM adalah [2]: TM = randgen terbesar-gen terkecil 4.8
dimana : gen terbesar : nilai terbesar antara T1 sampai T4
gen terkecil : nilai terkecil antara T1 sampai T4 rand
: bilangan acak dalam interval 0-1
4.2.3 Hasil Penalaan PSS dengan GA
Setelah dilakukan optimumisasi dengan GA, didapatkan satu set parameter PSS yang diasumsikan dapat bekerja dengan optimal yang diberikan pada Tabel 4.4.
Tabel 4.4 Hasil Penalaan Parameter PSS dengan GA
Parameter Nilai
T1 0.4379
T2 0.0763
T3 0.2607
T4 0.0524
Nilai T1, T2, T3 dan T4 pada Tabel 4.4 nantinya akan dimasukkan kedalam rangkaian simulasi pada Gambar 4.5 untuk menguji keberhasilan GA dalam
mengoptimalkan PSS di PLTU Pangkalan Susu.
38
4.3 Pengujian Hasil Penalaan PSS
Hasil penalaan PSS baik yang menggunakan GA dan tanpa menggunakan GA harus diuji untuk mengetahui keandalannya. Pengujian dilakukan dengan simulasi
menggunakan Simulink dengan rangkaian simulasi ditunjukkan pada Gambar 4.5. Karaktrerisitik hasil pengujian yang diperhatikan untuk melihat keandalan
penalaan PSS adalah nilai overshoot dan settling time dari osilasi kecepatan sudut rotor dan daya elektrik generator.
Gambar 4.5 Rangkaian simulasi dalam Simulink
Rangkaian simulasi pada Gambar 4.5 memiliki setelan waktu simulasi selama 20 detik, output sistem yaitu P dan
ω diamati dengan menggunakan scope. 4.3.1 Perbandingan Hasil Penalaan PSS
39
Parameter PSS pada Lampiran B.1 diuji dengan kondisi gangguan yang sudah ditentukan dengan hasil sebagai berikut:
Gambar 4.6 Osilasi ω rotor pada saat beban turun 10
Gambar 4.6 menunjukkan timbulnya osilasi kecepatan sudut rotor ketika beban diturunkan 10 dari keadaan awal. Sama halnya dengan yang ditunjukkan pada
Gambar 4.7, gelombang osilasi daya elektrik Pe memiliki bentuk yang mirip namun jauh berbeda magnitude-nya.
Gambar 4.6 dan 4.7 menunjukkan perbandingan hasil penalaan pada saat penurunan beban sebesar 10 persen, terlihat peningkatan yang cukup signifikan
dalam settling time namun tidak ada peningkatan berarti pada nilai overshoot, terlihat bahwa PSS yang ditala menggunakan GA menghasilkan settling time yang lebih
cepat dibandingkan PSS yang ditala tanpa menggunakan GA.
40 Gambar 4.7 Osilasi Pe pada saat beban turun 10
Gambar 4.8 Osilasi ω rotor pada saat beban naik 10
Ketika beban dinaikkan 10 dari keadaan awal, osilasi pada Gambar 4.8 dan 4.9 besarnya hampir sama namun dengan arah yang berlawanan dengan yang terjadi
pada saat beban diturunkan 10. Kinerja PSS pada kondisi ini menunjukkan bahwa PSS yang ditala
menggunakan GA memberikan hasil yang lebih baik.
41 Gambar 4.9 Osilasi Pe pada saat beban naik 10
Gambar 4.10 Osilasi ω rotor pada saat beban turun 20
Respon ω dan Pe terhadap pengurangan beban sebesar 20 dari keadaan awal ditunjukkan pada Gambar 4.10 dan 4.11. Overshoot yang terjadi lebih besar daripada
kondisi pengujian sebelumnya. PSS yang ditala menggunakan GA menghasilkan settling time yang lebih baik.
42 Gambar 4.11 Osilasi Pe pada saat beban turun 20
Setelah melakukan simulasi dengan variasi beban yang kecil, PSS diuji kinerjanya dengan menerapkan gangguan pemutusan beban sebesar 50. Hasilnya
diberikan pada Gambar 4.12 dan 4.13
Gambar 4.12 Osilasi ω rotor pada saat pemutusan beban 50
43 Gambar 4.13 Osilasi Pe pada saat pemutusan beban 50
Gambar 4.12 dan 4.13 menunjukkan bahwa osilasi yang timbul lebih besar lagi daripada kondisi pengujian sebelumnya, tetapi masih dapat diredam oleh kedua hasil
penalaan PSS. Hal ini menunjukkan bahwa PSS di PLTU Pangkalan Susu dapat bekerja pada gangguan yang cukup besar.
PSS yang ditala menggunakan GA memberikan kinerja yang lebih baik dari pada PSS yang ditala tanpa menggunakan GA dalam semua kondisi pengujian yang
ditentukan, hal ini menunjukkan keberhasilan penerapan GA untuk penalaan PSS di PLTU 2 Sumut Pangkalan Susu.
Perbandingan yang lebih detil dari kedua hasil penalaan PSS diberikan pada Tabel 4.5, data tersebut menunjukkan bahwa untuk nilai overshoot, perbedaan
diantara keduanya tidak begitu jauh, sedangkan pada nilai settling time PSS yang ditala menggunakan GA lebih unggul.
44 Tabel 4.5 Perbandingan Hasil Penalaan PSS
GA Non-GA
GA Non-GA
GA Non-GA
GA Non-GA
Beban Turun 10 10,5
16,5 10,5
16,5 0,000710
0,0007315 -0,0425
-0,0425
Beban Naik 10 10,5
16,5 12,5
16,5 -0,000705
-0,0007315 0,0425
0,0425
Beban Turun 20 12,5
18 12,5
18 0,001410
0,0014500 -0,0850
-0,0850
Beban Turun 50 13
18,5 13
18,5 0,003527
0,0036250 -0,2125
-0,2125
Settling Time detik Kecepatan Sudut
Daya Listrik Jenis Gangguan
Overshoot pu Kecepatan Sudut
Daya Listrik
Hasil perbandingan penalaan PSS yang diberikan pada Gambar 4.6 – Gambar
4.13 dan Tabel 4.5 menunjukkan bahwa gangguan-gangguan yang terjadi pada sistem menyebabkan osilasi pada
ω dan Pe dengan amplitudo yang kecil 2 Hertz
, hal ini sesuai dengan lingkup penelitian tugas akhir ini yaitu small signal stability. 4.3.2 Penerapan Penalaan PSS dengan GA
Hasil penalaan PSS dengan GA dapat diterapkan dengan mengganti parameter lama dengan parameter baru di kubikel PSS di PLTU Pangkalan Susu.
Gambar 4.14 Pengaturan Parameter PSS di Pangkalan Susu [20]
Gambar 4.14 menunjukkan tampilan perangkat lunak dari kubikel PSS yang dapat digunakan untuk mengubah parameter PSS, dari gambar tersebut dapat dilihat
kolom “Operating Para” dari baris pertama sampai keempat yang merupakan
45
parameter PSS bawaan dari Pangkalan Susu T1, T2, T3 dan T4. Nilai T1, T2, T3 dan T4 yang tersimpan diganti dengan menekan tombol-tombol yang dilingkari garis
kuning, setelah menekan tombol tersebut, nilainya diubah dengan menekan tombol- tombol yang dilingkari garis biru sampai muncul angka yang sesuai dengan
parameter PSS yang baru. Setelah mengubah nilai T1, T2, T3 dan T4, harus dilakukan konfirmasi dengan
menekan t ombol ”Modification Confirm” yang dilingkari garis hijau pada Gambar
4.14, langkah terakhir adalah dengan menyimpan parameter PSS yang baru dengan menekan tombol “Save Para” yang dilingkari garis ungu.
46
Bab 5 Kesimpulan dan Saran