Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas Clonal Selection Immune System
Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi
Pembangkit Tersebar Energi Terbarukan
Berbasis Algoritma Cerdas Clonal Selection Immune System
Ramadoni Syahputra
Jurusan Teknik Elektro, Fakultas Teknik
Universitas Muhammadiyah Yogyakarta
email: [email protected]
Abstract
This paper proposes a methodology of electrical power loss reduction of distribution network with
integration of distributed generator (DG). The methodology is based on a clonal selection immune
system method in order to improve the distribution network efficiency. Optimization with multiobjective function is focused for power loss reduction, voltage deviation minimization, and
maintaining the load balancing of all feeders. Originality of this work is the use of clonal selection
immune system method in optimal reconfiguration of distribution network including DG. The
application of clonal selection immune system method for reconfiguration of IEEE 33-bus model of
distribution network with integration of DG is described. The results have shown that power loss of
33-bus radial distribution network experienced a significant reduction while voltage profile of each
bus has also improved. The efficiency improvement of 3.7% is achieved for the IEEE 33-bus
distribution network with integration of DG.
Keywords: Jaringan distribusi; AIS-CS; rekonfigurasi jaringan; rugi daya aktif; profil tegangan.
1. PENDAHULUAN
Usaha meningkatkan efisiensi sistem
distribusi daya listrik dengan meminimalkan
rugi-rugi (losses) energi telah menjadi
persoalan penting dalam dekade terakhir. Dari
seluruh komponen sistem tenaga listrik,
sistem distribusi merupakan komponen yang
mempunyai rugi-rugi terbesar. Sebagai
contoh adalah sistem tenaga listrik di
Indonesia yang dikelola oleh PT PLN
(Persero). Berdasarkan audit energi hingga
2004, angka rugi-rugi energi total PLN seIndonesia adalah 16,84% (Ibrahim, 2004).
Dari total tersebut, rugi-rugi sistem distribusi
tercatat memiliki rugi-rugi terbesar yaitu
14,47%, sedangkan rugi-rugi sistem transmisi
hanya 2,37%.
Ada beberapa cara untuk meminimalkan
rugi-rugi sistem distribusi daya listrik dalam
rangka meningkatkan efisiensi sistem di
antaranya rekonfigurasi jaringan, pemasangan
kapasitor, penyeimbangan beban, dan
meningkatkan
aras
tegangan
listrik
menggunakan regulator (Wu dan Tsai, 2008).
Cara pemasangan kapasitor pada jaringan dan
penyeimbangan beban biasanya mengalami
kesulitan karena beban sistem distribusi yang
sangat dinamis. Dengan demikian nilai
kapasitansi kapasitor harus selalu berubah
dari waktu ke waktu, dan beban harus selalu
diseimbangkan.
Sedangkan
cara
meminimalkan
rugi-rugi
dengan
meningkatkan
aras
tegangan
listrik
memerlukan biaya yang besar karena seluruh
peralatan yang terhubung dengan sistem ini
harus mampu bekerja pada tegangan yang
baru, sementara hasilnya belum tentu
memuaskan. Oleh karenanya, dalam rencana
penelitian ini hanya difokuskan pada cara
rekonfigurasi jaringan distribusi yang optimal
guna meminimalkan rugi-rugi daya dalam
rangka meningkatkan efisiensi sistem
distribusi daya listrik. Selain untuk
menurunkan
rugi-rugi
daya
listrik,
rekonfigurasi jaringan
distribusi juga
bermanfaat untuk menyeimbangkan beban
masing-masing
penyulang
(feeder),
memperbaiki
tegangan
sistem,
dan
mengisolasi gangguan yang terjadi pada salah
satu bus pada jaringan distribusi. Dengan
demikian, rekonfigurasi jaringan distribusi
merupakan aspek penting dalam upaya
meningkatkan efisiensi sistem distribusi.
Guna mendapatkan rekonfigurasi jaringan
yang optimal, dalam penelitian ini digunakan
algoritma cerdas berbasis logika fuzzy dan
Particle
Swarm
Optimization
(PSO)
termodifikasi.
Tujuan penelitian ini adalah:
1) Melakukan kajian aliran daya dan
tegangan beban pada sistem distribusi daya
listrik, dengan studi kasus pada sistem
distribusi standar IEEE 14 bus, 33 bus, 69
bus, 70 bus, dan 86 bus.
2) Melakukan
rekonfigurasi
jaringan
distribusi yang optimal menggunakan
algoritma cerdas berbasis logika fuzzy dan
particle swarm optimization (PSO)
termodifikasi untuk meminimalkan rugirugi (losses) daya listrik, deviasi tegangan
beban, operasi tie switch, indeks arus
cabang, dan menjaga keseimbangan beban
jaringan distribusi, sehingga efisiensi
sistem distribusi daya listrik akan
meningkat.
3) Menguji
unjukkerja
metode
yang
diusulkan dengan cara membandingkan
hasil rekonfigurasi jaringan yang diperoleh
dengan hasil metode-metode lain misalnya
algoritma genetik, simulated annealing,
dan metode konvensional.
4) Berdasarkan hasil penelitian, akan
memberikan
rekomendasi
kepada
perusahaan pengelola jaringan distribusi
daya listrik (PLN) berupa penerapan
metode
yang
diusulkan
guna
meminimalkan rugi-rugi (losses) daya
listrik, deviasi tegangan beban, operasi tie
switch, indeks arus cabang, dan menjaga
keseimbangan beban jaringan distribusi.
Sedangkan manfaat penelitian ini adalah:
1) Bagi
dunia
ilmu
pengetahuan,
memperkaya wawasan mengenai metode
peningkatan efisiensi sistem distribusi
terutama dalam rekonfigurasi jaringan
distribusi daya listrik.
2) Bagi perusahaan pengelolan jaringan
distribusi daya listrik (PLN), efisiensi
sistem
distribusi
meningkat
maka
berdampak pada meningkatnya kapasitas
daya listrik yang dapat dijual kepada
masyarakat, sehingga menyelamatkan
energi listrik yang selama ini hilang karena
rugi-rugi (losses) distribusi.
3) Bagi bangsa dan negara, peningkatan
efisiensi
sistem
distribusi
sangat
membantu mengatasi kekurangan pasokan
daya listrik. Selain itu memberikan rasa
optimisme bagi seluruh komponen bangsa
bahwa persoalan rugi-rugi (losses) energi
listrik dapat diatasi oleh bangsanya sendiri.
2. KAJIAN LITERATUR
Usaha meminimalkan rugi-rugi sistem
distribusi dalam rangka meningkatkan
efisiensi sistem telah menjadi persoalan
penting dalam dekade terakhir, hal ini
disebabkan
semakin
mahalnya
biaya
pembangkitan energi listrik. Ada beberapa
cara untuk meminimalkan rugi-rugi daya pada
sistem distribusi di antaranya rekonfigurasi
jaringan, pemasangan kapasitor daya,
penyeimbangan beban, dan menaikkan aras
(level) tegangan (Abdelaziz dkk, 2009).
Dalam sistem distribusi primer terdapat dua
jenis switch yang dirancang untuk tujuan
proteksi dan manajemen konfigurasi (Rao dan
Sivanagaraju, 2010). Kedua jenis switch
tersebut adalah switch yang dalam keadaan
normal tertutup (sectionalizing switches) dan
switch yang dalam keadaan normal terbuka
(tie switches). Rekonfigurasi jaringan
merupakan proses perubahan topologi sistem
distribusi dengan mengubah-ubah status
switch dari keadaan terbuka menjadi tertutup
atau sebaliknya (Bernardona, 2009). Metode
rekonfigurasi jaringan distribusi dapat
diklasifikasikan sebagai berikut: metode
berbasis heuristik, metode berbasis paduan
heuristik dan optimisasi, dan metode berbasis
kecerdasan buatan (Abdelaziz dkk, 2009).
Sarfi dkk (1996) menggunakan algoritma
berbasis teori penyekatan (partitioning
theory)
dalam
rekonfigurasi
jaringan
distribusi. Walaupun minimisasi rugi-rugi
relatif berhasil, metode ini hanya cocok untuk
sistem distribusi kecil.
Dalam dua dekade terakhir, penggunaan
metode
meta-heuristik
telah
menarik
perhatian para peneliti dalam rangka
optimisasi rekonfigurasi jaringan distribusi
guna mendapatkan solusi minimum global
(Abdelaziz dkk, 2009). Metode-metode yang
termasuk dalam meta-heuristik di antaranya
genetic algorithm (GA), simulated annealing
(SA), dan tabu search (TS). Metode berbasis
tabu search paralel untuk rekonfigurasi
penyulang distribusi telah digunakan oleh
Mori dan Ogita (2000). Metode ini terdiri dari
dua skema paralel yaitu dekomposisi tetangga
dengan prosesor paralel untuk menunkan
beban komputasiSelanjutnya Chung dkk
(2004) menggunakan algoritma tabu search
untuk menyelesaikan masalah rekonfigurasi
jaringan dalam sistem distribusi dalam rangka
mengurangi rugi-rugi resistif saluran. Dalam
metode ini dilakukan pengecekan keradialan
sistem distribusi berbasis simpul jaringan
yang dikembangkan guna menyelesaikan
masalah yang berkaitan dengan perencanaan
pemulihan sistem. Jeon dan Kim (2004)
memadukan metode simulated annealing dan
metode tabu search untuk merekonfigurasi
penyulang distribusi guna memperbaiki waktu
komputasi dan sifat konvergensi dalam
optimisasi.
Mekhamer
dkk
(2008)
mengusulkan metode berbasis tabu search
termodifikasi untuk rekonfigurasi sistem
distribusi. Selanjutnya Su dkk (2005)
memperkenalkan
penggunaan algoritma
pencarian ant colony untuk menyelesaikan
masalah rekonfigurasi jaringan yang optimal
guna menurunkan rugi-rugi daya distribusi.
Metode ini tergolong baru dan metode evolusi
yang sangat cerdas dalam menyelesaikan
masalah optimisasi. Pendekatan dalam
metode ini berbasis populasi yang
menggunakan penjelajahan umpan-balik
positif. Dengan menerapkan metode ini,
solusi optimal untuk rekonfigurasi jaringan
distribusi dapat dicapai dengan lebih efektif.
Dibandingkan dengan metode genetic
algorithm dan simulated annealing, secara
numerik metode ant colony memberikan hasil
yang lebih baik terutama dalam menghasilkan
rugi-rugi daya rerata jaringan distribusi.
Dalam perkembangan terakhir, permasalahan
optimisasi dalam sistem distribusi sangat
diuntungkan
dengan
hadirnya
teknik
optimisasi yang baru yaitu particle swarm
optimization (Alrashidi dan El-Hawary, 2006;
Velle
dkk,
2008).
Particle
swarm
optimization (PSO) merupakan metode untuk
optimisasi fungsi numerik yang kompleks
berdasarkan pada peniruan perilaku sosial
sekawanan lebah dan bagaimana mereka
dapat mencapai daerah yang paling banyak
tersedia
bunga
tumbuh-tumbuhan.
Sivanagaraju dkk (2008) menggunakan
algoritma particle swarm optimization diskret
untuk menyelesaikan masalah rekonfigurasi
jaringan distribusi. Penggunaan logika fuzzy
dalam usaha meminimalkan rugi-rugi jaringan
distribusi telah dilakukan oleh Hsiao (2004),
dengan fungsi multi-objektif fuzzy berbasis
metode
pemrograman
evolusi
untuk
rekonfigurasi jaringan. Dalam metode
tersebut, fungsi objektif diformulasikan
menggunakan prinsip min-max dalam logika
fuzzy.
Berdasarkan
perkembangan
metodemetode dalam rangka optimisasi rekonfigurasi
jaringan distribusi, maka dalam penelitian ini
dipilih aplikasi logika fuzzy, dengan
optimisasi
fungsi
keanggotaan
fuzzy
menggunakan AIS-CS. Fungsi multiobjektif
terdiri dari: minimisasi rugi-rugi daya sistem
distribusi, minimisasi deviasi tegangan simpul
jaringan distribusi, penyeimbangan beban
tiap-tiap penyulang distribusi, minimisasi
operasi tie switch, dan minimisasi indeks arus
cabang.
3. METODE PENELITIAN
3.1 Alat dan Bahan
Penelitian yang akan dilaksanakan adalah
peningkatan efisiensi sistem distribusi daya
listrik berbasis algoritma cerdas AIS-CS
termodifikasi. Alat yang digunakan dalam
penelitian ini terdiri dari perangkat-keras dan
perangkat-lunak, di antaranya:
1) Perangkat-keras (hardware)
Perangkat-keras yang digunakan adalah
satu unit notebook Toshiba Satellite
M200 dengan spesifikasi memori 1 GB
dan processor Intel Centrino Core2 Duo
1.8 GHz.
2) Perangkat-lunak (software)
a. Metode hibrid AIS-CS.
b. Matlab-Simulink
untuk
mengimplementasikan
rancangan
sistem distribusi sesuai standar
IEEE dan optimisasi multiobjektif
dalam
rekonfigurasi
jaringan
distribusi menggunakan algoritma
cerdas berbasis logika fuzzy dan
PSO
termodifikasi
guna
meningkatkan
efisiensi
sistem
distribusi.
3.2 Jalan Penelitian
Langkah-langkah
penelitian
ini
dirangkum dalam suatu diagram alir seperti
terlihat pada Gambar 1.
Mulai
Mulai
Baca data sistem
Studi Pustaka
Jalankan program load-flow
Merancang sistem distribusi daya
listrik dalam Matlab-Simulink
Hitung ∆���� � for i = 1,2,…, n-tie
Validasi rancangan sistem distribusi
Identifikasi ∆����,��� = ∆���� �
Merancang metode AIS-CS
Menguji metode AIS-CS
����,��� > � ?
Tidak
Hasil
Output
Ya
Pilih tie switch “k” dan Nk
Optimisasi fungsi keanggotaan
Menerapkan metode AIS-CS untuk
rekonfigurasi jaringan
Untuk i = 1 to Nk, hitung µLi, µVi,
µAi, dan µBi,
Dk,i = min{µLi,µVi,µAi,µBi};
Membandingkan optimisasi AIS-CS
OSk = max{Dk,i}
Analisis hasil optimisasi
Berhenti
Analisis dan Kesimpulan
Hasil
Output
Gambar 2. Algoritma untuk rekonfigurasi
jaringan distribusi.
Selesai
4. HASIL DAN PEMBAHASAN
Gambar 1. Diagram alir langkah-langkah
penelitian tahun ketiga.
Algoritma untuk rekonfigurasi jaringan
distribusi dalam rangka usaha peningkatan
efisiensi sistem distribusi menggunakan
metode fuzzy multiobjektif ditunjukkan pada
Gambar 2 berikut ini.
Dalam penelitian ini, telah diuji sistem
distribusi radial 20-kV yang memiliki satu
gardu dan 33 bus (termasuk sectionalizing
switch dan tie switch) seperti yang
ditunjukkan pada Gambar 3. Tie switch
sistem ini terbuka dalam kondisi normal.
Total beban untuk sistem distribusi 3.715 kW
dan 2.300 kVAr. Gambar 3 menunjukkan
konfigurasi awal dari jaringan distribusi radial
tanpa generator terdistribusi (DG). Optimasi
konfigurasi jaringan distribusi dengan
integrasi DG menggunakan algoritma fuzzy-
particle
swarm
optimization
(PSO)
diimplementasikan dalam perangkat lunak
Matlab.
Sebelum rekonfigurasi jaringan distribusi
33-bus, total kerugian daya aktif dari sistem
adalah 202,74 kW. Tegangan minimum
besarnya adalah 0,917 p.u. yang terjadi pada
bus 17. Dalam studi ini, diasumsikan
dipasang instal delapan DG pada bus-bus 5, 7,
10, 12, 18, 22, 27 dan 33, seperti yang
ditunjukkan pada Tabel 1.
Dari hasil simulasi studi kasus uji 33-bus,
dapat dilihat dari sistem distribusi yang DG
memiliki efek perbaikan pengurangan
kerugian daya dalam kasus ini. Total kerugian
daya aktif dari sistem ini dengan integrasi DG
adalah 79,27 kW, atau, dengan kata lain
bahwa persentase pengurangan hilangnya
daya jaringan distribusi 60,90%, seperti yang
ditunjukkan pada Tabel 2. Dalam hal ini,
tegangan paling minimum terjadi pada bus 18
yaitu 0,976 pu.
Gambar 3. Sistem distribusi standar IEEE 33-bus.
Setelah rekonfigurasi jaringan distribusi,
total kerugian daya aktif adalah 56,07 kW,
atau dengan kata lain, persentase penurunan
daya yang hilang dari jaringan distribusi
adalah 72,34%, seperti yang ditunjukkan pada
Tabel 2. Berdasarkan data ini juga diperoleh
bahwa terjadi peningkatan efisiensi sebesar
3,7%. Tegangan minimum besarnya adalah
0,981 p.u. yang terjadi pada bus 29. Tegangan
minimum yang terjadi pada sistem 33-bus
meningkat dibandingkan dengan jaringan
distribusi sebelum rekonfigurasi.
Distribusi daya yang hilang untuk setiap
bus jaringan distribusi sebelum rekonfigurasi
ditunjukkan pada Gambar 4. Gambar 5
menunjukkan tersebar rugi-rugi daya untuk
setiap bus jaringan distribusi setelah
rekonfigurasi dengan integrasi DG.
Hal ini dapat diamati bahwa daya yang
hilang di hampir setiap cabang berkurang,
kecuali pada bus-bus 4, 16 dan 29, di mana
daya yang hilang meningkat. Dari hasil
penelitian ini, dapat dilihat dari jaringan 33bus distribusi radial bahwa DG memiliki efek
perbaikan pengurangan rugi-rugi daya dalam
kasus ini, dan struktur jaringan yang optimal
tanpa DG berbeda dengan dengan DG.
TABEL 1
LOKASI DAN KAPASITAS DG
Bus
Capacity (kW)
Power Factor
5
150
0.8
7
100
0.9
10
100
0.9
12
100
1
18
150
0.9
22
50
0.8
27
100
0.9
33
150
0.8
Gambar 4. Distribusi rugi daya pada setiap
bus sebelum rekonfigurasi.
TABLE 2
HASIL PENELITIAN JARINGAN DISTRIBUSI
IEEE 33-BUS
Gambar 5. Distribusi rugi daya pada setiap
bus setelah rekonfigurasi.
Parameter Analisis
Kasus Uji
Rugi daya
aktif (kW)
Prosenta- Tegangan
se reduksi
Bus
rugi daya Minimum
aktif (%)
(p.u.)
Sebelum
rekonfigurasi (tanpa
integrasi
DG)
202.74
-
0.917
(V18)
Sebelum
rekonfigurasi (dengan
integrasi
DG)
79.27
60.90
0.976
(V29)
Setelah
rekonfigurasi (dengan
integrasi
DG)
56.07
72.34
0.981
(V29)
Dari hasil simulasi ini juga terungkap
bahwa DG memiliki efek perbaikan
pengurangan rugi-rugi daya pada penyulang
(feeder). Berdasarkan jaringan distribusi
radial 33-bus dengan integrasi DG, metode
yang disajikan dalam makalah ini memiliki
pengurangan kerugian yang signifikan dalam
rangka meningkatkan kinerja sistem distribusi
dengan integrasi pembangkit terdistribusi
(DG). Berdasarkan hasil-hasil penelitian juga
diperoleh temuan bahwa pemasangan DG
pada bus-bus yang ditentukan berdampak
pada meningkatnya magnitude tegangan pada
bus-bus
tersebut.
Dengan
demikian
pemasangan DG memberikan pengaruh
positif bagi peningkatan performa sistem
distribusi daya listrik.
5. KESIMPULAN
Dari
hasil
penelitian
ini
dapat
disimpulkan bahwa DG memiliki efek
perbaikan pengurangan rugi-rugi daya pada
penyulang (feeder). Berdasarkan simulasi
pada jaringan distribusi radial 33-bus dengan
integrasi DG, bahwa prosentase pengurangan
rugi-rugi daya aktif jaringan distribusi dapat
mencapai 72,34 % melalui rekonfigurasi
jaringan distribusi dengan integrasi DG.
Berdasarkan hasil-hasil penelitian juga
diperoleh temuan bahwa pemasangan DG
pada bus-bus yang ditentukan berdampak
pada meningkatnya magnitude tegangan pada
bus-bus
tersebut.
Dengan
demikian
pemasangan DG memberikan pengaruh
positif bagi peningkatan performa sistem
distribusi daya listrik.
6. UCAPAN TERIMA KASIH
Penelitian ini terselenggara atas dukungan
dana dari Ditlitabmas DIKTI melalui skim
Penelitian Disertasi Doktor (PDD) tahun
2015, Nomor Kontrak: 007/HB-LIT/III/2015.
Oleh karena itu penulis menyampaikan terima
kasih
yang
sebesar-besarnya
kepada
Ditlitabmas DIKTI, semoga kerjasama yang
baik ini dapat berlanjut terus, amin.
7. REFERENSI
[1] Syahputra, R., Soesanti, I., Ashari, M.
(2016). Performance Enhancement of
Distribution
Network
with
DG
Integration
Using
Modified
PSO
Algorithm. Journal of Electrical Systems
(JES), 12(1), pp. 1-19.
[2] Syahputra, R., Soesanti, I. (2016). DFIG
Control Scheme of Wind Power Using
ANFIS Method in Electrical Power Grid
System. International Journal of Applied
Engineering Research (IJAER), 11(7), pp.
5256-5262.
[3] Soesanti, I., Syahputra, R. (2016). Batik
Production Process Optimization Using
Particle Swarm Optimization Method.
Journal of Theoretical and Applied
Information Technology (JATIT), 86(2),
pp. 272-278.
[4] Syahputra, R., Soesanti, I. (2016). Design
of Automatic Electric Batik Stove for
Batik Industry. Journal of Theoretical and
Applied
Information
Technology
(JATIT), 87(1), pp. 167-175.
[5] Syahputra, R. (2016). Application of
Neuro-Fuzzy Method for Prediction of
Vehicle Fuel Consumption. Journal of
Theoretical and Applied Information
Technology (JATIT), 86(1), pp. 138-149.
[6] Jamal, A., Suripto, S., Syahputra, R.
(2016). Performance Evaluation of Wind
Turbine with Doubly-Fed Induction
Generator. International Journal of
Applied Engineering Research (IJAER),
11(7), pp. 4999-5004.
[7] Syahputra, R., Robandi, I., Ashari, M.
(2015). Performance Improvement of
Radial Distribution Network with
Distributed Generation Integration Using
Extended Particle Swarm Optimization
Algorithm. International Review of
Electrical Engineering (IREE), 10(2). pp.
293-304.
[8] Syahputra, R., Robandi, I., Ashari, M.
(2015). Reconfiguration of Distribution
Network with DER Integration Using
PSO Algorithm. TELKOMNIKA, 13(3).
pp. 759-766.
[9] Syahputra, R., Robandi, I., Ashari, M.
(2015). PSO Based Multi-objective
Optimization for Reconfiguration of
Radial
Distribution
Network.
International
Journal
of
Applied
Engineering Research (IJAER), 10(6), pp.
14573-14586.
[10] Syahputra,
R.
(2015).
Simulasi
Pengendalian Temperatur Pada Heat
Exchanger Menggunakan Teknik NeuroFuzzy Adaptif. Jurnal Teknologi, 8(2),
pp. 161-168.
[11] Syahputra, R. (2015). Characteristic Test
of Current Transformer Based EMTP
Shoftware. Jurnal Teknik Elektro, 1(1),
pp. 11-15.
[12] Syahputra, R., (2012), “Distributed
Generation: State of the Arts dalam
Penyediaan Energi Listrik”, LP3M UMY,
Yogyakarta, 2012.
[13] Jamal, A., Suripto, S., Syahputra, R.
(2015). Multi-Band Power System
Stabilizer Model for Power Flow
Optimization in Order to Improve Power
System Stability. Journal of Theoretical
and Applied Information Technology,
80(1), pp. 116-123.
[14] Syahputra, R., Robandi, I., Ashari, M.
[22] Jamal, A., Syahputra, R. (2011), “Model
(2014). Optimization of Distribution
Network Configuration with Integration
of Distributed Energy Resources Using
Extended Fuzzy Multi-objective Method.
International Review of Electrical
Engineering (IREE), 9(3), pp. 629-639.
[15] Syahputra, R., Robandi, I., Ashari, M.
(2014). Performance Analysis of Wind
Turbine as a Distributed Generation Unit
in Distribution System. International
Journal of Computer Science &
Information Technology (IJCSIT), Vol. 6,
No. 3, pp. 39-56.
[16] Syahputra, R., Robandi, I., Ashari, M.,
(2014), “Distribution Network Efficiency
Improvement Based on Fuzzy Multiobjective Method”. IPTEK Journal of
Proceedings Series. 2014; 1(1): pp. 224229.
[17] Jamal, A., Syahputra, R. (2014). Power
Flow Control of Power Systems Using
UPFC Based on Adaptive Neuro Fuzzy.
IPTEK Journal of Proceedings Series.
2014; 1(1): pp. 218-223.
[18] Syahputra, R., (2013), “A Neuro-Fuzzy
Approach For the Fault Location
Estimation of Unsynchronized TwoTerminal
Transmission
Lines”,
International Journal of Computer
Science & Information Technology
(IJCSIT), Vol. 5, No. 1, pp. 23-37.
[19] Jamal, A., Syahputra, R. (2013). UPFC
Based on Adaptive Neuro-Fuzzy for
Power Flow Control of Multimachine
Power Systems. International Journal of
Engineering Science Invention (IJESI),
2(10), pp. 05-14.
[20] Syahputra, R., (2012), “Fuzzy MultiObjective Approach for the Improvement
of Distribution Network Efficiency by
Considering DG”, International Journal of
Computer Science & Information
Technology (IJCSIT), Vol. 4, No. 2, pp.
57-68.
[21] Jamal, A., Syahputra, R. (2012),
“Adaptive Neuro-Fuzzy Approach for the
Power System Stabilizer Model in Multimachine Power System”, International
Journal of Electrical & Computer
Sciences (IJECS), Vol. 12, No. 2, 2012.
Power System Stabilizer Berbasis NeuroFuzzy Adaptif”, Semesta Teknika, Vol.
14, No. 2, 2011, pp. 139-149.
[23] Syahputra, R., (2010), “Aplikasi Deteksi
Tepi
Citra
Termografi
untuk
Pendeteksian
Keretakan
Permukaan
Material”, Forum Teknik, Vol. 33, 2010.
[24] Syahputra, R., Soesanti, I. (2015).
“Control of Synchronous Generator in
Wind Power Systems Using Neuro-Fuzzy
Approach”, Proceeding of International
Conference on Vocational Education and
Electrical Engineering (ICVEE) 2015,
UNESA Surabaya, pp. 187-193.
[25] Syahputra, R., Robandi, I., Ashari, M.
(2014). “Optimal Distribution Network
Reconfiguration with Penetration of
Distributed
Energy
Resources”,
Proceeding of 2014 1st International
Conference on Information Technology,
Computer, and Electrical Engineering
(ICITACEE) 2014, UNDIP Semarang,
pp. 388 - 393.
[26] Soedibyo, Ashari, M., Syahputra, R.
(2014), Power loss reduction strategy of
distribution network with distributed
generator integration. 1st International
Conference on Information Technology,
Computer, and Electrical Engineering
(ICITACEE) 2014, UNDIP Semarang,
pp. 404 – 408.
[27] Syahputra, R., Robandi, I., Ashari, M.,
(2013), “Distribution Network Efficiency
Improvement Based on Fuzzy Multiobjective Method”. International Seminar
on Applied Technology, Science and Arts
(APTECS). 2013; pp. 224-229.
[28] Riyadi, S., Azra, R.A., Syahputra, R.,
Hariadi, T.K., (2014), “Deteksi Retak
Permukaan
Jalan
Raya
Berbasis
Pengolahan Citra dengan Menggunakan
Kombinasi Teknik Thresholding, Median
Filter dan Morphological Closing”,
Simposium Nasional Teknologi Terapan
(SNTT)2 2014, Surakarta, pp. 46-53.
[29] Syahputra, R., Robandi, I., Ashari, M.,
(2012), “Reconfiguration of Distribution
Network with DG Using Fuzzy Multiobjective
Method”,
International
Conference on Innovation, Management
and Technology Research (ICIMTR),
May 21-22, 2012, Melacca, Malaysia.
[30] Jamal, A., Syahputra, R., (2011), “Design
of Power System Stabilizer Based on
Adaptive
Neuro-Fuzzy
Method”.
International Seminar on Applied
Technology,
Science
and
Arts
(APTECS). 2011; pp. 14-21.
[31] Syahputra, R. (2010). Fault Distance
Estimation
of
Two-Terminal
Transmission Lines. Proceedings of
International Seminar on Applied
Technology, Science, and Arts (2nd
APTECS), Surabaya, 21-22 Dec. 2010,
pp. 419-423.
[32] Syahputra, R., (2015), “Teknologi dan
Aplikasi Elektromagnetik”, LP3M UMY,
Yogyakarta, 2016.
[33] Syahputra, R., (2014), “Estimasi Lokasi
Gangguan Hubung Singkat pada Saluran
Transmisi Tenaga Listrik”, Jurnal Ilmiah
Semesta Teknika Vol. 17, No. 2, pp. 106115, Nov 2014.
[34] Syahputra, R., Robandi, I., Ashari, M.,
(2011), “Modeling and Simulation of
Wind Energy Conversion System in
Distributed
Generation
Units”.
International Seminar on Applied
Technology,
Science
and
Arts
(APTECS). 2011; pp. 290-296.
[35] Syahputra, R., Robandi, I., Ashari, M.,
(2011), “Control of Doubly-Fed Induction
Generator in Distributed Generation Units
Using Adaptive Neuro-Fuzzy Approach”.
International Seminar on Applied
Technology,
Science
and
Arts
(APTECS). 2011; pp. 493-501.
[36] Syahputra, R., (2016), “Transmisi dan
Distribusi Tenaga Listrik”, LP3M UMY,
Yogyakarta, 2016.
[37] Syahputra, R., (2015), “Teknologi dan
Aplikasi Elektromagnetik”, LP3M UMY,
Yogyakarta, 2016.
[38] Jamal, A., Syahputra, R. (2016). Heat
Exchanger Control Based on Artificial
Intelligence Approach. International
Journal of Applied Engineering Research
(IJAER), 11(16), pp. 9063-9069.
[39] Syahputra, R., Soesanti, I. (2015). Power
System Stabilizer model based on FuzzyPSO for improving power system
stability. 2015 International Conference
on Advanced Mechatronics, Intelligent
Manufacture, and Industrial Automation
(ICAMIMIA), Surabaya, 15-17 Oct. 2015
pp. 121 - 126.
Pembangkit Tersebar Energi Terbarukan
Berbasis Algoritma Cerdas Clonal Selection Immune System
Ramadoni Syahputra
Jurusan Teknik Elektro, Fakultas Teknik
Universitas Muhammadiyah Yogyakarta
email: [email protected]
Abstract
This paper proposes a methodology of electrical power loss reduction of distribution network with
integration of distributed generator (DG). The methodology is based on a clonal selection immune
system method in order to improve the distribution network efficiency. Optimization with multiobjective function is focused for power loss reduction, voltage deviation minimization, and
maintaining the load balancing of all feeders. Originality of this work is the use of clonal selection
immune system method in optimal reconfiguration of distribution network including DG. The
application of clonal selection immune system method for reconfiguration of IEEE 33-bus model of
distribution network with integration of DG is described. The results have shown that power loss of
33-bus radial distribution network experienced a significant reduction while voltage profile of each
bus has also improved. The efficiency improvement of 3.7% is achieved for the IEEE 33-bus
distribution network with integration of DG.
Keywords: Jaringan distribusi; AIS-CS; rekonfigurasi jaringan; rugi daya aktif; profil tegangan.
1. PENDAHULUAN
Usaha meningkatkan efisiensi sistem
distribusi daya listrik dengan meminimalkan
rugi-rugi (losses) energi telah menjadi
persoalan penting dalam dekade terakhir. Dari
seluruh komponen sistem tenaga listrik,
sistem distribusi merupakan komponen yang
mempunyai rugi-rugi terbesar. Sebagai
contoh adalah sistem tenaga listrik di
Indonesia yang dikelola oleh PT PLN
(Persero). Berdasarkan audit energi hingga
2004, angka rugi-rugi energi total PLN seIndonesia adalah 16,84% (Ibrahim, 2004).
Dari total tersebut, rugi-rugi sistem distribusi
tercatat memiliki rugi-rugi terbesar yaitu
14,47%, sedangkan rugi-rugi sistem transmisi
hanya 2,37%.
Ada beberapa cara untuk meminimalkan
rugi-rugi sistem distribusi daya listrik dalam
rangka meningkatkan efisiensi sistem di
antaranya rekonfigurasi jaringan, pemasangan
kapasitor, penyeimbangan beban, dan
meningkatkan
aras
tegangan
listrik
menggunakan regulator (Wu dan Tsai, 2008).
Cara pemasangan kapasitor pada jaringan dan
penyeimbangan beban biasanya mengalami
kesulitan karena beban sistem distribusi yang
sangat dinamis. Dengan demikian nilai
kapasitansi kapasitor harus selalu berubah
dari waktu ke waktu, dan beban harus selalu
diseimbangkan.
Sedangkan
cara
meminimalkan
rugi-rugi
dengan
meningkatkan
aras
tegangan
listrik
memerlukan biaya yang besar karena seluruh
peralatan yang terhubung dengan sistem ini
harus mampu bekerja pada tegangan yang
baru, sementara hasilnya belum tentu
memuaskan. Oleh karenanya, dalam rencana
penelitian ini hanya difokuskan pada cara
rekonfigurasi jaringan distribusi yang optimal
guna meminimalkan rugi-rugi daya dalam
rangka meningkatkan efisiensi sistem
distribusi daya listrik. Selain untuk
menurunkan
rugi-rugi
daya
listrik,
rekonfigurasi jaringan
distribusi juga
bermanfaat untuk menyeimbangkan beban
masing-masing
penyulang
(feeder),
memperbaiki
tegangan
sistem,
dan
mengisolasi gangguan yang terjadi pada salah
satu bus pada jaringan distribusi. Dengan
demikian, rekonfigurasi jaringan distribusi
merupakan aspek penting dalam upaya
meningkatkan efisiensi sistem distribusi.
Guna mendapatkan rekonfigurasi jaringan
yang optimal, dalam penelitian ini digunakan
algoritma cerdas berbasis logika fuzzy dan
Particle
Swarm
Optimization
(PSO)
termodifikasi.
Tujuan penelitian ini adalah:
1) Melakukan kajian aliran daya dan
tegangan beban pada sistem distribusi daya
listrik, dengan studi kasus pada sistem
distribusi standar IEEE 14 bus, 33 bus, 69
bus, 70 bus, dan 86 bus.
2) Melakukan
rekonfigurasi
jaringan
distribusi yang optimal menggunakan
algoritma cerdas berbasis logika fuzzy dan
particle swarm optimization (PSO)
termodifikasi untuk meminimalkan rugirugi (losses) daya listrik, deviasi tegangan
beban, operasi tie switch, indeks arus
cabang, dan menjaga keseimbangan beban
jaringan distribusi, sehingga efisiensi
sistem distribusi daya listrik akan
meningkat.
3) Menguji
unjukkerja
metode
yang
diusulkan dengan cara membandingkan
hasil rekonfigurasi jaringan yang diperoleh
dengan hasil metode-metode lain misalnya
algoritma genetik, simulated annealing,
dan metode konvensional.
4) Berdasarkan hasil penelitian, akan
memberikan
rekomendasi
kepada
perusahaan pengelola jaringan distribusi
daya listrik (PLN) berupa penerapan
metode
yang
diusulkan
guna
meminimalkan rugi-rugi (losses) daya
listrik, deviasi tegangan beban, operasi tie
switch, indeks arus cabang, dan menjaga
keseimbangan beban jaringan distribusi.
Sedangkan manfaat penelitian ini adalah:
1) Bagi
dunia
ilmu
pengetahuan,
memperkaya wawasan mengenai metode
peningkatan efisiensi sistem distribusi
terutama dalam rekonfigurasi jaringan
distribusi daya listrik.
2) Bagi perusahaan pengelolan jaringan
distribusi daya listrik (PLN), efisiensi
sistem
distribusi
meningkat
maka
berdampak pada meningkatnya kapasitas
daya listrik yang dapat dijual kepada
masyarakat, sehingga menyelamatkan
energi listrik yang selama ini hilang karena
rugi-rugi (losses) distribusi.
3) Bagi bangsa dan negara, peningkatan
efisiensi
sistem
distribusi
sangat
membantu mengatasi kekurangan pasokan
daya listrik. Selain itu memberikan rasa
optimisme bagi seluruh komponen bangsa
bahwa persoalan rugi-rugi (losses) energi
listrik dapat diatasi oleh bangsanya sendiri.
2. KAJIAN LITERATUR
Usaha meminimalkan rugi-rugi sistem
distribusi dalam rangka meningkatkan
efisiensi sistem telah menjadi persoalan
penting dalam dekade terakhir, hal ini
disebabkan
semakin
mahalnya
biaya
pembangkitan energi listrik. Ada beberapa
cara untuk meminimalkan rugi-rugi daya pada
sistem distribusi di antaranya rekonfigurasi
jaringan, pemasangan kapasitor daya,
penyeimbangan beban, dan menaikkan aras
(level) tegangan (Abdelaziz dkk, 2009).
Dalam sistem distribusi primer terdapat dua
jenis switch yang dirancang untuk tujuan
proteksi dan manajemen konfigurasi (Rao dan
Sivanagaraju, 2010). Kedua jenis switch
tersebut adalah switch yang dalam keadaan
normal tertutup (sectionalizing switches) dan
switch yang dalam keadaan normal terbuka
(tie switches). Rekonfigurasi jaringan
merupakan proses perubahan topologi sistem
distribusi dengan mengubah-ubah status
switch dari keadaan terbuka menjadi tertutup
atau sebaliknya (Bernardona, 2009). Metode
rekonfigurasi jaringan distribusi dapat
diklasifikasikan sebagai berikut: metode
berbasis heuristik, metode berbasis paduan
heuristik dan optimisasi, dan metode berbasis
kecerdasan buatan (Abdelaziz dkk, 2009).
Sarfi dkk (1996) menggunakan algoritma
berbasis teori penyekatan (partitioning
theory)
dalam
rekonfigurasi
jaringan
distribusi. Walaupun minimisasi rugi-rugi
relatif berhasil, metode ini hanya cocok untuk
sistem distribusi kecil.
Dalam dua dekade terakhir, penggunaan
metode
meta-heuristik
telah
menarik
perhatian para peneliti dalam rangka
optimisasi rekonfigurasi jaringan distribusi
guna mendapatkan solusi minimum global
(Abdelaziz dkk, 2009). Metode-metode yang
termasuk dalam meta-heuristik di antaranya
genetic algorithm (GA), simulated annealing
(SA), dan tabu search (TS). Metode berbasis
tabu search paralel untuk rekonfigurasi
penyulang distribusi telah digunakan oleh
Mori dan Ogita (2000). Metode ini terdiri dari
dua skema paralel yaitu dekomposisi tetangga
dengan prosesor paralel untuk menunkan
beban komputasiSelanjutnya Chung dkk
(2004) menggunakan algoritma tabu search
untuk menyelesaikan masalah rekonfigurasi
jaringan dalam sistem distribusi dalam rangka
mengurangi rugi-rugi resistif saluran. Dalam
metode ini dilakukan pengecekan keradialan
sistem distribusi berbasis simpul jaringan
yang dikembangkan guna menyelesaikan
masalah yang berkaitan dengan perencanaan
pemulihan sistem. Jeon dan Kim (2004)
memadukan metode simulated annealing dan
metode tabu search untuk merekonfigurasi
penyulang distribusi guna memperbaiki waktu
komputasi dan sifat konvergensi dalam
optimisasi.
Mekhamer
dkk
(2008)
mengusulkan metode berbasis tabu search
termodifikasi untuk rekonfigurasi sistem
distribusi. Selanjutnya Su dkk (2005)
memperkenalkan
penggunaan algoritma
pencarian ant colony untuk menyelesaikan
masalah rekonfigurasi jaringan yang optimal
guna menurunkan rugi-rugi daya distribusi.
Metode ini tergolong baru dan metode evolusi
yang sangat cerdas dalam menyelesaikan
masalah optimisasi. Pendekatan dalam
metode ini berbasis populasi yang
menggunakan penjelajahan umpan-balik
positif. Dengan menerapkan metode ini,
solusi optimal untuk rekonfigurasi jaringan
distribusi dapat dicapai dengan lebih efektif.
Dibandingkan dengan metode genetic
algorithm dan simulated annealing, secara
numerik metode ant colony memberikan hasil
yang lebih baik terutama dalam menghasilkan
rugi-rugi daya rerata jaringan distribusi.
Dalam perkembangan terakhir, permasalahan
optimisasi dalam sistem distribusi sangat
diuntungkan
dengan
hadirnya
teknik
optimisasi yang baru yaitu particle swarm
optimization (Alrashidi dan El-Hawary, 2006;
Velle
dkk,
2008).
Particle
swarm
optimization (PSO) merupakan metode untuk
optimisasi fungsi numerik yang kompleks
berdasarkan pada peniruan perilaku sosial
sekawanan lebah dan bagaimana mereka
dapat mencapai daerah yang paling banyak
tersedia
bunga
tumbuh-tumbuhan.
Sivanagaraju dkk (2008) menggunakan
algoritma particle swarm optimization diskret
untuk menyelesaikan masalah rekonfigurasi
jaringan distribusi. Penggunaan logika fuzzy
dalam usaha meminimalkan rugi-rugi jaringan
distribusi telah dilakukan oleh Hsiao (2004),
dengan fungsi multi-objektif fuzzy berbasis
metode
pemrograman
evolusi
untuk
rekonfigurasi jaringan. Dalam metode
tersebut, fungsi objektif diformulasikan
menggunakan prinsip min-max dalam logika
fuzzy.
Berdasarkan
perkembangan
metodemetode dalam rangka optimisasi rekonfigurasi
jaringan distribusi, maka dalam penelitian ini
dipilih aplikasi logika fuzzy, dengan
optimisasi
fungsi
keanggotaan
fuzzy
menggunakan AIS-CS. Fungsi multiobjektif
terdiri dari: minimisasi rugi-rugi daya sistem
distribusi, minimisasi deviasi tegangan simpul
jaringan distribusi, penyeimbangan beban
tiap-tiap penyulang distribusi, minimisasi
operasi tie switch, dan minimisasi indeks arus
cabang.
3. METODE PENELITIAN
3.1 Alat dan Bahan
Penelitian yang akan dilaksanakan adalah
peningkatan efisiensi sistem distribusi daya
listrik berbasis algoritma cerdas AIS-CS
termodifikasi. Alat yang digunakan dalam
penelitian ini terdiri dari perangkat-keras dan
perangkat-lunak, di antaranya:
1) Perangkat-keras (hardware)
Perangkat-keras yang digunakan adalah
satu unit notebook Toshiba Satellite
M200 dengan spesifikasi memori 1 GB
dan processor Intel Centrino Core2 Duo
1.8 GHz.
2) Perangkat-lunak (software)
a. Metode hibrid AIS-CS.
b. Matlab-Simulink
untuk
mengimplementasikan
rancangan
sistem distribusi sesuai standar
IEEE dan optimisasi multiobjektif
dalam
rekonfigurasi
jaringan
distribusi menggunakan algoritma
cerdas berbasis logika fuzzy dan
PSO
termodifikasi
guna
meningkatkan
efisiensi
sistem
distribusi.
3.2 Jalan Penelitian
Langkah-langkah
penelitian
ini
dirangkum dalam suatu diagram alir seperti
terlihat pada Gambar 1.
Mulai
Mulai
Baca data sistem
Studi Pustaka
Jalankan program load-flow
Merancang sistem distribusi daya
listrik dalam Matlab-Simulink
Hitung ∆���� � for i = 1,2,…, n-tie
Validasi rancangan sistem distribusi
Identifikasi ∆����,��� = ∆���� �
Merancang metode AIS-CS
Menguji metode AIS-CS
����,��� > � ?
Tidak
Hasil
Output
Ya
Pilih tie switch “k” dan Nk
Optimisasi fungsi keanggotaan
Menerapkan metode AIS-CS untuk
rekonfigurasi jaringan
Untuk i = 1 to Nk, hitung µLi, µVi,
µAi, dan µBi,
Dk,i = min{µLi,µVi,µAi,µBi};
Membandingkan optimisasi AIS-CS
OSk = max{Dk,i}
Analisis hasil optimisasi
Berhenti
Analisis dan Kesimpulan
Hasil
Output
Gambar 2. Algoritma untuk rekonfigurasi
jaringan distribusi.
Selesai
4. HASIL DAN PEMBAHASAN
Gambar 1. Diagram alir langkah-langkah
penelitian tahun ketiga.
Algoritma untuk rekonfigurasi jaringan
distribusi dalam rangka usaha peningkatan
efisiensi sistem distribusi menggunakan
metode fuzzy multiobjektif ditunjukkan pada
Gambar 2 berikut ini.
Dalam penelitian ini, telah diuji sistem
distribusi radial 20-kV yang memiliki satu
gardu dan 33 bus (termasuk sectionalizing
switch dan tie switch) seperti yang
ditunjukkan pada Gambar 3. Tie switch
sistem ini terbuka dalam kondisi normal.
Total beban untuk sistem distribusi 3.715 kW
dan 2.300 kVAr. Gambar 3 menunjukkan
konfigurasi awal dari jaringan distribusi radial
tanpa generator terdistribusi (DG). Optimasi
konfigurasi jaringan distribusi dengan
integrasi DG menggunakan algoritma fuzzy-
particle
swarm
optimization
(PSO)
diimplementasikan dalam perangkat lunak
Matlab.
Sebelum rekonfigurasi jaringan distribusi
33-bus, total kerugian daya aktif dari sistem
adalah 202,74 kW. Tegangan minimum
besarnya adalah 0,917 p.u. yang terjadi pada
bus 17. Dalam studi ini, diasumsikan
dipasang instal delapan DG pada bus-bus 5, 7,
10, 12, 18, 22, 27 dan 33, seperti yang
ditunjukkan pada Tabel 1.
Dari hasil simulasi studi kasus uji 33-bus,
dapat dilihat dari sistem distribusi yang DG
memiliki efek perbaikan pengurangan
kerugian daya dalam kasus ini. Total kerugian
daya aktif dari sistem ini dengan integrasi DG
adalah 79,27 kW, atau, dengan kata lain
bahwa persentase pengurangan hilangnya
daya jaringan distribusi 60,90%, seperti yang
ditunjukkan pada Tabel 2. Dalam hal ini,
tegangan paling minimum terjadi pada bus 18
yaitu 0,976 pu.
Gambar 3. Sistem distribusi standar IEEE 33-bus.
Setelah rekonfigurasi jaringan distribusi,
total kerugian daya aktif adalah 56,07 kW,
atau dengan kata lain, persentase penurunan
daya yang hilang dari jaringan distribusi
adalah 72,34%, seperti yang ditunjukkan pada
Tabel 2. Berdasarkan data ini juga diperoleh
bahwa terjadi peningkatan efisiensi sebesar
3,7%. Tegangan minimum besarnya adalah
0,981 p.u. yang terjadi pada bus 29. Tegangan
minimum yang terjadi pada sistem 33-bus
meningkat dibandingkan dengan jaringan
distribusi sebelum rekonfigurasi.
Distribusi daya yang hilang untuk setiap
bus jaringan distribusi sebelum rekonfigurasi
ditunjukkan pada Gambar 4. Gambar 5
menunjukkan tersebar rugi-rugi daya untuk
setiap bus jaringan distribusi setelah
rekonfigurasi dengan integrasi DG.
Hal ini dapat diamati bahwa daya yang
hilang di hampir setiap cabang berkurang,
kecuali pada bus-bus 4, 16 dan 29, di mana
daya yang hilang meningkat. Dari hasil
penelitian ini, dapat dilihat dari jaringan 33bus distribusi radial bahwa DG memiliki efek
perbaikan pengurangan rugi-rugi daya dalam
kasus ini, dan struktur jaringan yang optimal
tanpa DG berbeda dengan dengan DG.
TABEL 1
LOKASI DAN KAPASITAS DG
Bus
Capacity (kW)
Power Factor
5
150
0.8
7
100
0.9
10
100
0.9
12
100
1
18
150
0.9
22
50
0.8
27
100
0.9
33
150
0.8
Gambar 4. Distribusi rugi daya pada setiap
bus sebelum rekonfigurasi.
TABLE 2
HASIL PENELITIAN JARINGAN DISTRIBUSI
IEEE 33-BUS
Gambar 5. Distribusi rugi daya pada setiap
bus setelah rekonfigurasi.
Parameter Analisis
Kasus Uji
Rugi daya
aktif (kW)
Prosenta- Tegangan
se reduksi
Bus
rugi daya Minimum
aktif (%)
(p.u.)
Sebelum
rekonfigurasi (tanpa
integrasi
DG)
202.74
-
0.917
(V18)
Sebelum
rekonfigurasi (dengan
integrasi
DG)
79.27
60.90
0.976
(V29)
Setelah
rekonfigurasi (dengan
integrasi
DG)
56.07
72.34
0.981
(V29)
Dari hasil simulasi ini juga terungkap
bahwa DG memiliki efek perbaikan
pengurangan rugi-rugi daya pada penyulang
(feeder). Berdasarkan jaringan distribusi
radial 33-bus dengan integrasi DG, metode
yang disajikan dalam makalah ini memiliki
pengurangan kerugian yang signifikan dalam
rangka meningkatkan kinerja sistem distribusi
dengan integrasi pembangkit terdistribusi
(DG). Berdasarkan hasil-hasil penelitian juga
diperoleh temuan bahwa pemasangan DG
pada bus-bus yang ditentukan berdampak
pada meningkatnya magnitude tegangan pada
bus-bus
tersebut.
Dengan
demikian
pemasangan DG memberikan pengaruh
positif bagi peningkatan performa sistem
distribusi daya listrik.
5. KESIMPULAN
Dari
hasil
penelitian
ini
dapat
disimpulkan bahwa DG memiliki efek
perbaikan pengurangan rugi-rugi daya pada
penyulang (feeder). Berdasarkan simulasi
pada jaringan distribusi radial 33-bus dengan
integrasi DG, bahwa prosentase pengurangan
rugi-rugi daya aktif jaringan distribusi dapat
mencapai 72,34 % melalui rekonfigurasi
jaringan distribusi dengan integrasi DG.
Berdasarkan hasil-hasil penelitian juga
diperoleh temuan bahwa pemasangan DG
pada bus-bus yang ditentukan berdampak
pada meningkatnya magnitude tegangan pada
bus-bus
tersebut.
Dengan
demikian
pemasangan DG memberikan pengaruh
positif bagi peningkatan performa sistem
distribusi daya listrik.
6. UCAPAN TERIMA KASIH
Penelitian ini terselenggara atas dukungan
dana dari Ditlitabmas DIKTI melalui skim
Penelitian Disertasi Doktor (PDD) tahun
2015, Nomor Kontrak: 007/HB-LIT/III/2015.
Oleh karena itu penulis menyampaikan terima
kasih
yang
sebesar-besarnya
kepada
Ditlitabmas DIKTI, semoga kerjasama yang
baik ini dapat berlanjut terus, amin.
7. REFERENSI
[1] Syahputra, R., Soesanti, I., Ashari, M.
(2016). Performance Enhancement of
Distribution
Network
with
DG
Integration
Using
Modified
PSO
Algorithm. Journal of Electrical Systems
(JES), 12(1), pp. 1-19.
[2] Syahputra, R., Soesanti, I. (2016). DFIG
Control Scheme of Wind Power Using
ANFIS Method in Electrical Power Grid
System. International Journal of Applied
Engineering Research (IJAER), 11(7), pp.
5256-5262.
[3] Soesanti, I., Syahputra, R. (2016). Batik
Production Process Optimization Using
Particle Swarm Optimization Method.
Journal of Theoretical and Applied
Information Technology (JATIT), 86(2),
pp. 272-278.
[4] Syahputra, R., Soesanti, I. (2016). Design
of Automatic Electric Batik Stove for
Batik Industry. Journal of Theoretical and
Applied
Information
Technology
(JATIT), 87(1), pp. 167-175.
[5] Syahputra, R. (2016). Application of
Neuro-Fuzzy Method for Prediction of
Vehicle Fuel Consumption. Journal of
Theoretical and Applied Information
Technology (JATIT), 86(1), pp. 138-149.
[6] Jamal, A., Suripto, S., Syahputra, R.
(2016). Performance Evaluation of Wind
Turbine with Doubly-Fed Induction
Generator. International Journal of
Applied Engineering Research (IJAER),
11(7), pp. 4999-5004.
[7] Syahputra, R., Robandi, I., Ashari, M.
(2015). Performance Improvement of
Radial Distribution Network with
Distributed Generation Integration Using
Extended Particle Swarm Optimization
Algorithm. International Review of
Electrical Engineering (IREE), 10(2). pp.
293-304.
[8] Syahputra, R., Robandi, I., Ashari, M.
(2015). Reconfiguration of Distribution
Network with DER Integration Using
PSO Algorithm. TELKOMNIKA, 13(3).
pp. 759-766.
[9] Syahputra, R., Robandi, I., Ashari, M.
(2015). PSO Based Multi-objective
Optimization for Reconfiguration of
Radial
Distribution
Network.
International
Journal
of
Applied
Engineering Research (IJAER), 10(6), pp.
14573-14586.
[10] Syahputra,
R.
(2015).
Simulasi
Pengendalian Temperatur Pada Heat
Exchanger Menggunakan Teknik NeuroFuzzy Adaptif. Jurnal Teknologi, 8(2),
pp. 161-168.
[11] Syahputra, R. (2015). Characteristic Test
of Current Transformer Based EMTP
Shoftware. Jurnal Teknik Elektro, 1(1),
pp. 11-15.
[12] Syahputra, R., (2012), “Distributed
Generation: State of the Arts dalam
Penyediaan Energi Listrik”, LP3M UMY,
Yogyakarta, 2012.
[13] Jamal, A., Suripto, S., Syahputra, R.
(2015). Multi-Band Power System
Stabilizer Model for Power Flow
Optimization in Order to Improve Power
System Stability. Journal of Theoretical
and Applied Information Technology,
80(1), pp. 116-123.
[14] Syahputra, R., Robandi, I., Ashari, M.
[22] Jamal, A., Syahputra, R. (2011), “Model
(2014). Optimization of Distribution
Network Configuration with Integration
of Distributed Energy Resources Using
Extended Fuzzy Multi-objective Method.
International Review of Electrical
Engineering (IREE), 9(3), pp. 629-639.
[15] Syahputra, R., Robandi, I., Ashari, M.
(2014). Performance Analysis of Wind
Turbine as a Distributed Generation Unit
in Distribution System. International
Journal of Computer Science &
Information Technology (IJCSIT), Vol. 6,
No. 3, pp. 39-56.
[16] Syahputra, R., Robandi, I., Ashari, M.,
(2014), “Distribution Network Efficiency
Improvement Based on Fuzzy Multiobjective Method”. IPTEK Journal of
Proceedings Series. 2014; 1(1): pp. 224229.
[17] Jamal, A., Syahputra, R. (2014). Power
Flow Control of Power Systems Using
UPFC Based on Adaptive Neuro Fuzzy.
IPTEK Journal of Proceedings Series.
2014; 1(1): pp. 218-223.
[18] Syahputra, R., (2013), “A Neuro-Fuzzy
Approach For the Fault Location
Estimation of Unsynchronized TwoTerminal
Transmission
Lines”,
International Journal of Computer
Science & Information Technology
(IJCSIT), Vol. 5, No. 1, pp. 23-37.
[19] Jamal, A., Syahputra, R. (2013). UPFC
Based on Adaptive Neuro-Fuzzy for
Power Flow Control of Multimachine
Power Systems. International Journal of
Engineering Science Invention (IJESI),
2(10), pp. 05-14.
[20] Syahputra, R., (2012), “Fuzzy MultiObjective Approach for the Improvement
of Distribution Network Efficiency by
Considering DG”, International Journal of
Computer Science & Information
Technology (IJCSIT), Vol. 4, No. 2, pp.
57-68.
[21] Jamal, A., Syahputra, R. (2012),
“Adaptive Neuro-Fuzzy Approach for the
Power System Stabilizer Model in Multimachine Power System”, International
Journal of Electrical & Computer
Sciences (IJECS), Vol. 12, No. 2, 2012.
Power System Stabilizer Berbasis NeuroFuzzy Adaptif”, Semesta Teknika, Vol.
14, No. 2, 2011, pp. 139-149.
[23] Syahputra, R., (2010), “Aplikasi Deteksi
Tepi
Citra
Termografi
untuk
Pendeteksian
Keretakan
Permukaan
Material”, Forum Teknik, Vol. 33, 2010.
[24] Syahputra, R., Soesanti, I. (2015).
“Control of Synchronous Generator in
Wind Power Systems Using Neuro-Fuzzy
Approach”, Proceeding of International
Conference on Vocational Education and
Electrical Engineering (ICVEE) 2015,
UNESA Surabaya, pp. 187-193.
[25] Syahputra, R., Robandi, I., Ashari, M.
(2014). “Optimal Distribution Network
Reconfiguration with Penetration of
Distributed
Energy
Resources”,
Proceeding of 2014 1st International
Conference on Information Technology,
Computer, and Electrical Engineering
(ICITACEE) 2014, UNDIP Semarang,
pp. 388 - 393.
[26] Soedibyo, Ashari, M., Syahputra, R.
(2014), Power loss reduction strategy of
distribution network with distributed
generator integration. 1st International
Conference on Information Technology,
Computer, and Electrical Engineering
(ICITACEE) 2014, UNDIP Semarang,
pp. 404 – 408.
[27] Syahputra, R., Robandi, I., Ashari, M.,
(2013), “Distribution Network Efficiency
Improvement Based on Fuzzy Multiobjective Method”. International Seminar
on Applied Technology, Science and Arts
(APTECS). 2013; pp. 224-229.
[28] Riyadi, S., Azra, R.A., Syahputra, R.,
Hariadi, T.K., (2014), “Deteksi Retak
Permukaan
Jalan
Raya
Berbasis
Pengolahan Citra dengan Menggunakan
Kombinasi Teknik Thresholding, Median
Filter dan Morphological Closing”,
Simposium Nasional Teknologi Terapan
(SNTT)2 2014, Surakarta, pp. 46-53.
[29] Syahputra, R., Robandi, I., Ashari, M.,
(2012), “Reconfiguration of Distribution
Network with DG Using Fuzzy Multiobjective
Method”,
International
Conference on Innovation, Management
and Technology Research (ICIMTR),
May 21-22, 2012, Melacca, Malaysia.
[30] Jamal, A., Syahputra, R., (2011), “Design
of Power System Stabilizer Based on
Adaptive
Neuro-Fuzzy
Method”.
International Seminar on Applied
Technology,
Science
and
Arts
(APTECS). 2011; pp. 14-21.
[31] Syahputra, R. (2010). Fault Distance
Estimation
of
Two-Terminal
Transmission Lines. Proceedings of
International Seminar on Applied
Technology, Science, and Arts (2nd
APTECS), Surabaya, 21-22 Dec. 2010,
pp. 419-423.
[32] Syahputra, R., (2015), “Teknologi dan
Aplikasi Elektromagnetik”, LP3M UMY,
Yogyakarta, 2016.
[33] Syahputra, R., (2014), “Estimasi Lokasi
Gangguan Hubung Singkat pada Saluran
Transmisi Tenaga Listrik”, Jurnal Ilmiah
Semesta Teknika Vol. 17, No. 2, pp. 106115, Nov 2014.
[34] Syahputra, R., Robandi, I., Ashari, M.,
(2011), “Modeling and Simulation of
Wind Energy Conversion System in
Distributed
Generation
Units”.
International Seminar on Applied
Technology,
Science
and
Arts
(APTECS). 2011; pp. 290-296.
[35] Syahputra, R., Robandi, I., Ashari, M.,
(2011), “Control of Doubly-Fed Induction
Generator in Distributed Generation Units
Using Adaptive Neuro-Fuzzy Approach”.
International Seminar on Applied
Technology,
Science
and
Arts
(APTECS). 2011; pp. 493-501.
[36] Syahputra, R., (2016), “Transmisi dan
Distribusi Tenaga Listrik”, LP3M UMY,
Yogyakarta, 2016.
[37] Syahputra, R., (2015), “Teknologi dan
Aplikasi Elektromagnetik”, LP3M UMY,
Yogyakarta, 2016.
[38] Jamal, A., Syahputra, R. (2016). Heat
Exchanger Control Based on Artificial
Intelligence Approach. International
Journal of Applied Engineering Research
(IJAER), 11(16), pp. 9063-9069.
[39] Syahputra, R., Soesanti, I. (2015). Power
System Stabilizer model based on FuzzyPSO for improving power system
stability. 2015 International Conference
on Advanced Mechatronics, Intelligent
Manufacture, and Industrial Automation
(ICAMIMIA), Surabaya, 15-17 Oct. 2015
pp. 121 - 126.