Dengan diperolehnya hasil output Aliran Daya dari sistem dengan metode Newton-Rhapson yaitu: VAR, Tegangan, Daya aktif dan Cos
θ adalah merupakan input yang digunakan dalam analisa penempatan optimal bank kapasitor.
2.10. Analisis penempatan bank kapasitor
Analisis penempatan optimal bank kapasitor pada sistem distribusi radial untuk menjaga kualitas Tegangan dan kompensasi daya reaktif adalah dengan metode
“Genetik Algorithm” [9,10].
2.10.1. Metode genetik algorithm Tujuan dari metode ini adalah untuk menentukan rating VAR dan lokasi
penempatan optimal bank kapasitor serta biaya costVARnya pada sistem distribusi radial [11,12].
2.10.2. Konsep dasar genetik algorithm Genetik Algorithm GA adalah suatu metode yang meniru mekanisme pada
proses evolusi. Proses evolusi ini dilakukan pada sekumpulan kandidat solusi chromosome dengan mengikuti prinsip seleksi natural yang dikembangkan oleh
Darwin. Berbeda dengan algoritma biasa dimana pencarian solusi hanya dimulai dengan satu solusi yang mungkin, GA melakukan pencarian sekaligus atas sejumlah
kandidat solusi chromosome yang dikenal dengan istilah populasi population Masing-masing chromosome pada GA terdiri dari sejumlah bilangan atau
simbol yang merepresentasikan suatu solusi yang layak feasible solution dari persoalan. Selanjutnya, chromosome untuk generasi berikutnya diperoleh dengan
Universitas Sumatera Utara
melakukan operasi genetika Crossover dan Mutasi. Operasi genetika ini dilakukan dengan tujuan untuk dapat menghasilkah sejumlah chromosome baru offspring yang
memberikan solusi lebih baik. Setiap chromosome pada populasi dievaluasi dengan menghitung nilai fitness fitness value. Salah satu fitness value yang biasa dipakai
adalah dengan menghitung nilai fungsi tujuan objective value. Dengan melakukan seleksi terhadap chromosome pada setiap generasi, diharapkan populasi chromosome
pada generasi berikutnya akan mempunyai nilai fitness yang lebih baik. Proses pembentukan generasi baru dengan melakukan operasi genetika terhadap populasi
chromosome dilakukan terpenuhi kriteria pemberhentian stopping condition. Berikut suatu contoh untuk memahami konsep dasar Genetik Algorithm.
Seleksi tahap awal untuk chromosome orang tua dilakukan secara random dimana susunan chromosome orang tua di susun seperti dalam Tabel 2.1 [13,14].
Tabel.2.1 Data populasi awal Populasi awal
Memulai proses random
X Y
Fungsi objektif G = f x,y
1110100011010000 - 0,3340
- 0,6114 6,1238
0110001100111011 - 0,2141
- 0,4521 0,3311
0101011110011110 - 0,8231
- 0,3312 0,4719
0101000011101010 0,3412
0,3711 5,3312
Selanjutnya adalah melakukan operasi crossover yang selanjutnya diamati perubahan chromosome pertama dan kedua seperti ditunjukkan pada Gambar.2.14
berikut dan dari Tabel 2.1 di atas dilakukan operasi crossover sebagai berikut:
0111010000111011 a d
0111010001101000 a b
Universitas Sumatera Utara
Gambar 2.14. Proses Crossover.
Langkah selanjutnya adalah proses mutasi. Chromosome yang terbentuk akibat operasi crossover diproses lagi dengan menggunakan operasi mutasi yang
ditunjukkan pada Gambar 2.15 berikut dibawah ini:
Gambar 2.15. Operasi Mutasi. Langkah berikutnya adalah proses pembaruan chromosome baru untuk
menggantikan chromosome lama, seperti pada Tabel 2.2.
Tabel 2.2. Data Populasi Pembaruan
Populasi awal Memulai proses random
X Y
Fungsi objektif G = fX,Y
0111010001101000 - 0,3340
- 0,6114 6,1238
0111010000110011 - 0,3221
- 0,2131 5,7311
0110001101100000 - 0,7432
- 0,7312 5,3719
0110001100111011 c d
0110001101101000 c b
0111010000111011 a d
0110001101101000 c b
0111010000110011 0110001101100000
0111010000110011
Universitas Sumatera Utara
0101000011101010 0,3412
0,3711 5,3312
Dari harga yang diperoleh dari Tabel 2.2, terlihat bahwa ada perbaikan dari harga fungsi objektif yang diperoleh. Jika harga-harga tersebut belum dapat diterima,
maka dapat dilakukan langkah operasi untuk medapatkan keturunan berikutnya hingga harga yang disepakati tercapai.
2.10.3. Analisa penempatan optimal bank kapasitor dengan metode “genetik
algorithm”
Untuk menentukan penempatan optimal bank kapasitor pada sistem distribusi radial adalah sebagai berikut:
1. Sistem dianalisa dengan studi aliran daya yang bertujuan untuk mengetahui pada feeder mana yang mengalami penurunan daya aktif dan daya reaktif,
dimana hal ini dideteksi dari besarnya tegangan pada feeder tersebut. 2.
Selanjutnya adalah penentuan penempatan letak optimal bank kapasitor dengan metode “Genetik Algorithm” [15,16].
Lampiran 2 menunjukkan diagram alir dengan metode “Genetik Algorithm “. 2.10.4. Injeksi daya reaktif
Untuk mensuplai daya reaktif pada sistem distribusi radial, salah satu cara yang dapat dilakukan adalah dengan menginjeksi daya reaktif pada masing-masing
titik bus.Injeksi daya reaktif dapat berupa penambahan bank kapasitor pada titik bus yang lemah. Penambahan daya reaktif pada sistem memungkinkan diperoleh
perbaikan pada sistem berupa profil tegangan yang baik, dan losses daya yang lebih kecil [14].
Universitas Sumatera Utara
2.10.5. Implementasi genetik algorithm Implementasi genetik algorithm digunakan adalah untuk menentukan bus pada
sistem distribusi radial dalam penentuan seberapa besarnya ukuran rating VAR bank kapasitor yang dipasang. Penentuan letak kapasitor dan ukurannya yang dipasang
diharapkan dapat memperoleh perbaikan pada sistem secara optimal. Optimal dalam hal ini berarti jatuh tegangan sistem dapat dikurangi, rugi-rugi daya dapat dikurangi,
dan penggunaan bank kapasitor bisa dipasang seminimum mungkin [14].
2.11. Parameter dan Batasan Parameter.
