TINJAUAN PUSTAKA Strategi Peningkatan Efisiensi Jaringan Distribusi dengan Integrasi Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas

BAB 2 TINJAUAN PUSTAKA

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 Martins dan Borges, 2011; Abdelaziz dkk, 2014. Dalam sistem distribusi primer terdapat dua jenis switch yang dirancang untuk tujuan proteksi dan manajemen konfigurasi Rao dan Sivanagaraju, 2010, yaitu sectionalizing switches dan 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, 2014. Sarfi dkk 2013 menggunakan algoritma berbasis partitioning theory dalam rekonfigurasi jaringan distribusi. 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, 2014. 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 2014. Metode ini terdiri dari dua skema paralel yaitu dekomposisi tetangga dengan prosesor paralel untuk menunkan beban komputasi, dan keragaman panjang tabu untuk meningkatkan akurasi solusi. Selanjutnya Chung dkk 2014 menggunakan algoritma tabu search untuk menyelesaikan masalah rekonfigurasi jaringan distribusi untuk mengurangi rugi- rugi resistif saluran. Dalam metode ini dilakukan pengecekan keradialan jaringan distribusi. Keradialan jaringan berguna untuk menyelesaikan masalah yang berkaitan dengan perencanaan pemulihan sistem Syahputra dkk, 2014. Jeon dan Kim 2014 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 2012 memperkenalkan penggunaan algoritma ant colony optimization ACO untuk menyelesaikan masalah rekonfigurasi jaringan optimal. Solusi optimal untuk rekonfigurasi jaringan distribusi dapat dicapai dengan lebih efektif. Dibandingkan dengan metode GA dan SA, metode ant colony memberikan hasil yang lebih baik dalam menghasilkan rugi-rugi daya rerata jaringan distribusi. Dalam perkembangan terakhir, penggunaan logika fuzzy dalam usaha meminimalkan rugi-rugi jaringan distribusi telah dilakukan oleh Hsiao 2014 dan Syahputra dkk 2014, dengan fungsi multi-objektif fuzzy berbasis metode evolusi untuk rekonfigurasi jaringan. Dalam metode ini fungsi objektif diformulasikan menggunakan prinsip min-max dalam logika fuzzy . Selanjutnya permasalahan optimisasi dalam sistem distribusi sangat diuntungkan dengan hadirnya teknik optimisasi yang baru yaitu particle swarm optimization Alrashidi dan El-Hawary, 2006; del 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 Niknam dkk, 2010. Sivanagaraju dkk 2008 menggunakan algoritma PSO diskret untuk menyelesaikan masalah rekonfigurasi jaringan distribusi. Salah satu keunggulan algoritma PSO dibanding algoritma cerdas lainnya adalah dalam hal waktu komputasi yang relatif singkat, seperti dibuktikan dalam penelitian oleh Abdelaziz dkk 2014 yang ditunjukkan di Tabel 2.1. Algoritma PSO membutuhkan waktu 15 detik, sedangkan algoritma ACO dan dan GA masing-masing 18 detik dan 30 detik dengan hasil optimisasi yang sama yaitu 9,76. Tabel 2.1. Perbandingan hasil optimisasi konfigurasi jaring distribusi IEEE 70 bus tanpa DG dari beberapa metode Abdelaziz dkk, 2014 Algoritma Optimisasi Prosentase Hasil Reduksi Kerugian Daya Waktu komputasi detik GA 9,76 30 ACO 9,76 18 PSO 9,76 15 Studi pendahuluan yang sudah dilakukan Tim Peneliti Pengusul TPP yaitu sesuai rencana penelitian PEKERTI ini adalah: 1. Pemodelan dan validasi, dan optimisasi jaringan distribusi standar IEEE 33 bus, 60 bus, dan IEEE 70 bus dalam perangkat lunak Matlab. 2. Algoritma logika fuzzy dan particle swarm optimization PSO. Studi ini merupakan modal awal yang sangat penting untuk melangkah ke penelitian PEKERTI yang akan dilakukan, yaitu: 1. Dengan telah dilakukannya studi tentang pemodelan, validasi, dan optimisasi jaringan distribusi IEEE 33 bus, 60 bus, dan IEEE 70 bus Gambar 2.1, maka dapat dikembangkan untuk optimisasi jaringan distribusi skala lebih besar yaitu optimisasi jaringan distribusi IEEE 86 bus dan IEEE 118 bus pada Power System Simulator di Lab Konversi Energi ITS yang akan dilakukan dalam penelitian PEKERTI ini. 2. Dengan telah dilakukannya studi tentang algoritma kombinasi logika fuzzy dan particle swarm optimization , maka dapat dilanjutkan dengan menggabungkan kedua metode tersebut untuk membentuk metode hibrid fuzzy-PSO yang akan digunakan dalam penelitian PEKERTI ini. Gambar 2.1. Model turbin angin sebagai suatu DG

BAB 3 METODE PENELITIAN