Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas Clonal Selection Immune System
LAPORAN AKHIR
PENELITIAN DISERTASI DOKTOR
Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi
Pembangkit Tersebar Energi Terbarukan
Berbasis Algoritma Cerdas Clonal Selection Immune System
Oleh:
Dr. Ramadoni Syahputra, ST., MT.
(NIDN: 0510107403, Prodi Teknik Elektro)
Dibiayai oleh:
Direktorat Jenderal Pendidikan Tinggi, Kementerian Pendidikan dan Kebudayaan,
sesuai dengan Surat Perjanjian Pelaksanaan Penugasan Penelitian Hibah Bersaing
Nomor: 007/HB-LIT/III/2015, tanggal 25 Maret 2015
UNIVERSITAS MUHAMMADIYAH YOGYAKARTA
2015
i
RINGKASAN
Penelitian ini mempunyai tujuan jangka panjang yaitu meningkatkan performa
sistem distribusi tenaga listrik dengan terintegrasinya DG energi terbarukan tenaga angin
dan surya. Dalam penelitian ini dilakukan minimalisasi pengaruh tegangan lebih akibat
integrasi DG, menjaga stabilitas sistem distribusi saat terjadi perubahan cuaca, dan
rekonfigurasi jaringan guna menghasilkan sistem distribusi berefisiensi tinggi. Pada tahap
awal penelitian akan dilakukan rekonfigurasi jaringan distribusi standar IEEE model 77 bus
dengan integrasi DG menggunakan perangkat-lunak Matlab yang terhubung ke Power
System Simulator. Pemilihan standar IEEE ini dalam rangka menguji-coba metode dan
memantapkan strategi yang akan diterapkan pada data sistem distribusi real. Selanjutnya
akan dilakukan optimisasi konfigurasi dengan data jaringan distribusi IEEE model 86 bus
yang terintegrasi DG energi terbarukan angin dan surya. Pemilihan sistem jaringan
distribusi IEEE model 86 bus yang terintegrasi DG energi terbarukan angin dan surya ini
karena dianggap representative dengan kondisi di Indonesia.
Kata-kata kunci: Rekonfigurasi jaringan distribusi, optimisasi, energi terbarukan,
artificial immune system.
ii
PRAKATA
Bismillaahirrahmaanirrahiim.
Syukur alhamdulillah penulis panjatkan ke hadirat ALLAH SWT atas segala
rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Laporan Akhir
Penelitian berjudul “Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi
Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas Clonal Selection
Immune System”. Kegiatan ini merupakan skema Penelitian Disertasi Doktor dengan
sumber dana berasal dari DITLITABMAS DIKTI KEMENDIKBUD RI untuk tahun
pendanaan 2015.
Kegiatan ini tidak lepas dari beberapa pihak yang telah banyak membantu.
Oleh karena itu bersama ini penulis menyampaikan terima kasih yang sedalamdalamnya kepada:
1. Direktur Penelitian dan Pengabdian kepada Masyarakat DIKTI KEMENDIKBUD
RI, yang telah memberikan dukungan dana penelitian, sangat besar manfaatnya
sehingga penulis dapat menyelesaikan Program Doktor Teknik Elektro di ITS pada
tanggal 12 Juni 2015,
2. Prof. Dr. Bambang Cipto, MA., sebagai Rektor Universitas Muhammadiyah
Yogyakarta,
3. Hilman Latief, M.A., Ph.D., sebagai Kepala LP3M UMY,
4. Jazaul Ikhsan, ST., MT., Ph.D., sebagai Dekan Fakultas Teknik UMY,
5. Ir. Agus Jamal, M.Eng., Ketua Jurusan Teknik Elektro, dan Rahmat Adiprasetya,
ST., M.Eng., Sekretaris Jurusan Teknik Elektro Fakultas Teknik UMY,
6. Seluruh dosen, karyawan, dan mahasiswa Jurusan Teknik Elektro Fakultas Teknik
UMY, yang telah banyak membantu dan memberikan masukan penulis dalam
melaksanakan tugas yang diberikan kepada penulis,
7. Isteriku yang telah banyak membantu dan memberikan masukan yang sangat
berguna dalam penyelesaian diktat ini,
8. Ibunda dan ayahanda yang selalu mendoakan penulis, dan
9. Semua pihak yang telah membantu.
Penulis menyadari bahwa laporan ini masih jauh dari sempurna. Untuk itu
segala kritik dan saran yang bersifat membangun akan penulis terima dengan lapang
dada. Akhirnya, semoga kegiatan ini dapat bermanfaat bagi pengembangan ilmu
pengetahuan khususnya dalam bidang Teknik Elektro dan juga bagi masyarakat dan
bangsa Indonesia pada umumnya.
Yogyakarta, Desember 2015
Penulis
iii
DAFTAR ISI
HALAMAN PENGESAHAN
DAFTAR ISI
RINGKASAN
……………………………………
……………………………………
……………………………………
i
ii
iii
BAB 1. PENDAHULUAN
……………………………………
1
BAB 2. TINJAUAN PUSTAKA
……………………………………
7
BAB 3. TUJUAN DAN MANFAAT PENELITIAN ……………………………………
12
BAB 4. METODE PENELITIAN
……………………………………
13
BAB 5. HASIL YANG DICAPAI
……………………………………
16
BAB 6. RENCANA TAHAPAN BERIKUTNYA
……………………………………
28
BAB 7. KESIMPULAN DAN SARAN
……………………………………
29
DAFTAR PUSTAKA
……………………………………
30
LAMPIRAN
iv
BAB I
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).
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 khusus 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 rugi-rugi (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.
BAB II
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 (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.
Rekonfigurasi Jaringan Distribusi
Otomasi distribusi merupakan salah satu isu penting dalam sistem tenaga listrik.
Otomasi sistem distribusi berguna untuk meningkatkan keandalan, efisiensi, dan
kualitas layanan. Perkembangan pesat dalam teknologi komputer dan telekomunikasi
telah mendorong aplikasinya dalam pengendalian sistem tenaga listrik, khususnya
otomasi sistem distribusi. Operasi sistem distribusi dapat dimonitor dan dikendalikan
dari jarak jauh pada pusat operasi. Salah satu keuntungan dari otomasi sistem distribusi
adalah kemudahan dalam melakukan rekonfigurasi jaringan guna meningkatkan
unjukkerja sistem distribusi.
Dalam suatu sistem distribusi, setiap penyulang melayani beban yang terdiri
dari jenis beban residensial, industrial, dan komersial. Jenis-jenis beban tersebut
mempunyai pola beban harian yang bervariasi sehingga beban puncak setiap penyulang
dapat terjadi pada waktu yang berbeda. Dalam kondisi operasi normal, sebagian beban
distribusi dapat dipindahkan dari beban yang tinggi ke beban yang relatif rendah
melalui rekonfigurasi jaringan.
Penyulang distribusi terdiri dari sejumlah switch yang dalam keadaan
normalnya tertutup (sectionalized switches) dan switch yang dalam keadaan normalnya
terbuka (tie switches). Rekonfigurasi jaringan distribusi merupakan proses pengubahan
struktur topologi jaringan distribusi dengan membuka atau menutup sectionalized
switches dan tie switch. Pada saat perubahan kondisi operasi, rekonfigurasi jaringan
dilakukan dengan membuka atau menutup switch-switch jaringan sesuai dengan
kapasitas transformator, kapasitas termal penyulang, jatuh tegangan, dan kondisi
jaringan. Tujuan rekonfigurasi jaringan distribusi di antaranya: menurunkan rugi-rugi
daya, menyeimbangkan beban, mengurangi deviasi tegangan, dan memulihkan sistem.
Rekonfigurasi jaringan distribusi mencakup permasalahan optimisasi yang kompleks.
Hal ini disebabkan adanya batasan-batasan pada saat menemukan solusi optimal atau
solusi yang mendekati optimal dari permasalah yang ditangani.
Penyulang 1
Penyulang 2
1
Penyulang 3
2
3
8
4
13
9
14
10
11
5
12
6
7
16
15
Gambar 2.1. Sistem distribusi 16 simpul (Abdelaziz dkk, 2009).
Multi-Objektif Fuzzy
Dalam domain fuzzy, fungsi objektif diasosiasikan dengan suatu fungsi
keanggotaan (Das, 2006). Fungsi keanggotaan mengindikasikan derajat pemenuhan
fungsi objektif. Dalam usulan penelitian ini digunakan tiga fungsi keanggotaan yaitu
fungsi keanggotaan untuk reduksi rugi daya nyata, fungsi keanggotaan untuk deviasi
tegangan simpul, dan fungsi keanggotaan untuk penyeimbangan beban penyulang.
II.2.2.1 Fungsi Keanggotaan untuk Reduksi Rugi Daya Nyata
Mula-mula didefinisikan variable optimisasi xi sebagai berikut:
xi
Ploss (i )
,
0
Ploss
untuk i = 1, 2, …, Nk.
(1)
dengan, Ploss(i) adalah rugi daya nyata total saat rekonfigurasi jaringan,
P0loss adalah rugi daya nyata sebelum rekonfigurasi jaringan.
µLi
1,0
0
xmax
xmin
xi
Gambar 2. Fungsi keanggotaan untuk reduksi rugi daya nyata.
Berdasarkan persamaan (1) terlihat bahwa jika xi tinggi maka reduksi rugi
dayanya rendah, sebaliknya jika xi rendah maka reduksi rugi dayanya tinggi. Fungsi
keanggotaan untuk reduksi rugi daya nyata ditunjukkan dalam Gambar 2. Berdasarkan
Gambar 1, dapat dituliskan persamaan:
( x max xi )
( x x ) , untuk x min xi x max
min
max
Li 1,
untuk xi x min
0,
untuk xi x max
(2)
II.2.2.2 Fungsi Keanggotaan untuk Deviasi Tegangan Simpul
Tujuan utama fungsi keanggotaan untuk deviasi tegangan simpul jaringan
distribusi adalah bahwa deviasi tegangan simpul harus serendah mungkin. Variable
optimisasinya didefinisikan sebagai berikut:
yi = max|Vs – Vi,j|, untuk i = 1, 2, …, Nk; j = 1, 2, …, Ns.
(3)
Jika nilai maksimum deviasi tegangan simpul adalah rendah maka fungsi
keanggotaan yang lebih tinggi yang diambil, sebaliknya jika nilai maksimum deviasi
tegangan simpul adalah tinggi, maka fungsi keanggotaan yang lebih rendah yang
diambil.
µVi
1,0
0
ymax
ymin
yi
Gambar 3. Fungsi keanggotaan untuk deviasi tegangan simpul.
II.2.2.3 Fungsi Keanggotaan untuk Penyeimbangan Beban Penyulang.
Penyeimbangan beban penyulang distribusi merupakan salah satu tujuan pokok
dalam rekonfigurasi jaringan distribusi. Strategi yang efektif untuk meningkatkan
margin pembebanan pada penyulang yang terbebani sangat berat adalah dengan
mentransfer sebagian beban yang dipikul oleh penyulang tersebut.
Fi , j
( IFi , j IFi avg )
IFi avg
,
untuk i = 1, 2, …, Nk; i = 1, 2, …, Ns.
(4)
BAB III
METODE PENELITIAN
Penelitian yang akan dilaksanakan adalah peningkatan efisiensi sistem distribusi
daya listrik berbasis algoritma cerdas fuzzy-PSO 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 berbasis logika fuzzy dan PSO termodifikasi.
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.
Jalan Penelitian
Langkah-langkah penelitian tahun ketiga ini dirangkum dalam suatu diagram
alir seperti terlihat pada Gambar 3.1.
Mulai
Studi Pustaka
Merancang sistem distribusi daya listrik sesuai standar IEEE 77 bus dan
APJ Yogyakarta dalam Matlab-Simulink
Validasi rancangan sistem distribusi dan uji aliran daya
Merancang metode fuzzy multiobjektif
Menguji metode fuzzy multiobjektif
Optimisasi fungsi keanggotaan fuzzy multiobjektif menggunakan PSO
Menerapkan metode hibrid berbasis logika fuzzy dan PSO termodifikasi
untuk optimisasi konfigurasi jaringan distribusi
Membandingkan hasil optimisasi fuzzy-PSO termodifikasi dengan metode lain
Analisis hasil optimisasi fuzzy-PSO termodifikasi
Analisis Efisiensi dan Kesimpulan
Selesai
Gambar 3.1. Diagram alir langkah-langkah penelitian tahun ketiga.
BAB IV
HASIL PENELITIAN DAN ANALISIS
Dalam penelitian ini dilakukan ujicoba terhadap sistem distribusi radial 20-kV
yang mempunyai dua gardu induk, empat penyulang, 77 bus cabang seperti ditunjukkan
pad Gambar 4.1.
Gambar 4.1. Sistem distribusi radial 20-kV, 77 bus.
Sebelum dilakukan rekonfigurasi jaringan distribusi sebagaimana terlihat pada
Gambar 4.1, rugi-rugi daya aktif total jaringan tersebut adalah 229.64 kW. Dalam
kondisi awal sistem ini, efisiensi jaringan distribusi adalah sebesar 93.25 %. magnitudo
tegangan minimum yang terjadi pada bus 67 adalah sebesar 0.900 p.u., sebagaimana
terlihat pada Gambar 4.2.
Tabel 4.1. Instalasi dan kapasitas DG
Bus
Kapasitas
(kW)
Power Factor
5
150
0.8
7
100
0.9
14
100
0.9
22
100
1
28
150
0.9
34
50
0.8
36
100
0.9
41
150
0.8
46
100
0.9
54
200
0.9
59
100
1
68
200
0.9
70
50
0.8
74
100
0.9
1
0.98
Voltage magnitude in p.u.
0.96
0.94
0.92
0.9
0.88
0
10
20
30
40
50
60
70
number of nodes
Gambar 4.2. Profil tegangan tanpa DG sebelum rekonfigurasi.
Dalam penelitian ini, dimodelkan adanya pemasangan tujuh pembangkitan
tersebar (distributed generations, DG) pada bus-bus 3, 6, 24, 29, 38, 52, dan bus 64,
sebagaimana terlihat pada TABLE 4.1. Berdasarkan hasil penelitian untuk studi kasusu
ini, maka dapat dilihat dari sistem uji kasus 77 bus bahwa DG memberikan pengaruh
dalam pengurangan rugi-rugi daya listrik pada jaringan distribusi. Rugi-rugi daya aktif
jaringan distribusi dengan pemasangan DG adalah 179.87 kW, atau, efisiensi jaringan
distribusi adalah sebesar 94.63 %, sebagaimana terlihat pada TABLE 4.2. magnitudo
tegangan minimum terjadi pada bus 67 yaitu sebesar 0.913, sebagaimana terlihat pada
Gambar 4.3.
1
0.99
Voltage magnitude in p.u.
0.98
0.97
0.96
0.95
0.94
0.93
0.92
0.91
0
10
20
30
40
50
60
70
number of nodes
Gambar 4.3. Profil tegangan dengan DG sebelum rekonfigurasi.
Setelah dilakukan rekonfigurasi, rugi-rugi daya aktif total adalah sebesar 165.07
kW, atau dengan kata lain, efisiensi jaringan distribusi adalah sebesar 95.05 %,
sebagaimana ditunjukkan pada Tabel 4.2. magnitudo tegangan minimum terjadi pada
bus 15 yaitu sebesar 0.937 p.u. pada Gambar 4.4. ditunjukkan profil tegangan untuk
masing-masing bus jaringan distribusi dengan integrasi DG setelah dilakukan
rekonfigurasi jaringan.
Pada Gambar 4.5 ditunjukkan distribusi rugi-rugi daya untuk setiap bus sebelum
rekonfigurasi jaringan, sedangkan Gambar 4.6 menunjukkan distribusi rugi-rugi daya
untuk setiap bus sesudah rekonfigurasi jaringan. Berdasarkan Gambag 4.5 dan Gambar
4.6 dapat diobservasi bahwa rugi-rugi daya listrik hampir setiap bus mengalami
penurunan kecuali pada bus-bus 4, 6, 7, 11, 16, 18, 19, dan bus 20, dimana rugi-rugi
dayanya mengalami sedikit peningkatan karena pembagian beban ke dalam penyulangpengulangnya.
1
0.99
Voltage magnitude in p.u.
0.98
0.97
0.96
0.95
0.94
0.93
0
10
20
30
40
50
60
70
number of nodes
Gambar 4.4. Profil tegangan dengan DG setelah rekonfigurasi.
Tabel 4.2. Hasil Simulasi Jaringan Distribusi 70 Bus
Parameter Analisis
Uji Kasus
Active Power
Loss (kW)
Efficiency of
Distribution
Network (%)
Minimum
Voltage (p.u.)
Jaringan distribusi
tanpa DG sebelum
229.64
93.25
0.891 (V17)
179.87
94.63
0.902 (V17)
165.07
95.05
0.918 (V45)
rekonfigurasi
Jaringan distribusi
dengan DG
sebelum
rekonfigurasi
Jaringan distribusi
dengan DG setelah
rekonfigurasi
Berdasarkan hasil studi kasus dalam penelitian ini, maka dapat diperhatikan
bahwa dari uji kasus sistem distribusi radial 70 bus bahwa DG memberikan pengaruh
positif dalam penurunan rugi-rugi daya listrik pada jaringan, dan struktur topologi
jaringan optimum tanpa pembangkitan tersebar (DG) berbeda dengan struktur topologi
jaringan optimum dengan DG.
18
Gambar 4.5. Distribusi rugi-rugi daya sebelum rekonfigurasi.
Gambar 4.6. Distribusi rugi-rugi daya setelah rekonfigurasi.
BAB V
KESIMPULAN
Penggunaan algoritma cerdas fuzzy dalam rekonfigurasi jaringan distribusi daya
listrik yang optimal telah memberikan hasil yang cukup memuaskan. Hasil simulasi
untuk jaringan distribusi standar IEEE 77 bus diperoleh bahwa efisiensi jaringan
distribusi mengalami peningkatan dari 93.25 % (sebelum rekonfigurasi, tanpa
pemasangan DG) menjadi 95.05 % (setelah rekonfigurasi, dengan pemasangan DG).
Berdasarkan uji kasus sistem distribusi radial 77 bus dengan integrasi DG, metode
fuzzy multiobjective yang digunakan dalam penelitian ini memberikan hasil yang
signifikan dalam upaya pengurangan rugi-rugi daya listrik, sehingga dengan demikian
memberikan kontribusi penting dalam peningkatan efisiensi sistem distribusi daya
listrik.
DAFTAR PUSTAKA
Ahmad, N.H., T.K.A. Rahman, and N. Aminuddin, 2012, “Multi-objective Immune
System approach for network reconfiguration”, IEEE Conf. on PEOCO, Melacca,
Malaysia.
Alrashidi, M.R., and M. El-Hawary, 2006, "A Survey of PSO Applications in Power
System," ELSEVIER: Elec Power Comp & Syst, Vol. 34, No. 12, pp. 1349-1357.
Ammar, M. And Jooz, G., 2013, “Impact of Distributed Generator Wind Reactives
Behavior on Flicker Severity”, IEEE Trans. on Energy Conversion, Vol. 28, No.
2, pp.425-433.
Augugliaro, A., L.Dusonchet, and E.Sanseverino, 2003,“Minimum Losses
Reconfiguration of MV Distribution Networks,” IEEE Trans on PWRD, Vol.18,
No.3,762–771.
Syahputra, R., Robandi, I., Ashari, M. (2015). Reconfiguration of Distribution Network
with DER Integration Using PSO Algorithm. TELKOMNIKA, 13(3). pp. 759766.
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.
Syahputra, R. (2015). Simulasi Pengendalian Temperatur Pada Heat Exchanger
Menggunakan Teknik Neuro-Fuzzy Adaptif. Jurnal Teknologi, 8(2), pp. 161-168.
Syahputra, R. (2015). Characteristic Test of Current Transformer Based EMTP
Shoftware. Jurnal Teknik Elektro, 1(1), pp. 11-15.
Syahputra, R., (2012), “Distributed Generation: State of the Arts dalam Penyediaan
Energi Listrik”, LP3M UMY, Yogyakarta, 2012.
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.
Syahputra, R., Robandi, I., Ashari, M. (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.
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.
Belkacemi, R., and A. Feliachi, 2010, “Multi-agent design for distribution
reconfiguration based on immune system algorithm”, Proceedings of IEEE
ISCAS.
Borbely, A.M. and J.F. Kreider, 2011, “Distributed Generation: The Power Paradigm
for the New Millennium”, CRC Press, Washington D.C.
Braz, H.D.M., and B.A.D. Souza, 2011, “Distribution Reconfiguration Using GA With
Sequential Encoding”, IEEE Trans on Power Systems, Vol. 26, No. 2, pp. 582593.
Carrano, E.G., F.G. Guimaraes, and F. Campelo, 2007, “Distribution Network
Expansion under Load-Evaluation Uncertainty”, IEEE Trans on PS, Vol.22,
No.2, 851-861.
Das, D., 2006, “A Fuzzy Multi-Objective Approach for Network Reconfiguration of
Distribution Systems,” IEEE Trans on Power Delivery, Vol.21, No.1, pp. 202–
209.
Das, D., 2006, “Reconfiguration of distribution system using fuzzy multi-objective
approach”, ELSEVIER: Electrical Power and Energy Systems, Vol. 28, pp. 331–
338.
del Valle, Y., G.K. and R.G. Harley, 2008, "Particle Swarm Optimization: Basic
Concepts and Applications in Power Systems", IEEE Trans on EC, Vol.12, No.2,
171-195.
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.
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.
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.
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.
Enacheanu, B., B. Raison, and N. HadjSaid, 2008, “Radial Network Reconfiguration
Using GA Based on the Matroid Theory”, IEEE Trans on PS, Vol. 23, No. 1, pp.
186-195.
Gupta, N., K.R. Niazi, R.C. Bansal, 2010, “Multi-Objective Reconfiguration of
Distribution Systems Using GA”, IET Gener. Transm Distrib, Vol.4, Iss.12,
1288–98.
Hung, D.Q. and N. Mithulananthan, 2013, “Multiple DG Placement in Primary
Distribution Networks for Loss Reduction”, IEEE Trans on Industrial
Electronics, Vol. 60, No. 4.
Ibrahim, H.D., 2004, “Pengurangan Susut Energi untuk Peningkatan Efisiensi
Penggunaan Energi Listrik pada Sistem Distribusi”, Seminar Losses Energi 2004,
hal. A1-A3.
Jeon, Y. J., and J.C. Kim, 2004, “Application of Simulated Annealing and Tabu Search
for Loss Minimization in Distr Systems,” Elec Pw & Energy Sys, Vol. 26, No.1,
pp.9-18.
Kusdiana, D, 2008, “Kondisi Riil Kebutuhan Energi di Indonesia dan Sumber-Sumber
Energi Alternatif Terbarukan”, Seminar Renewable Energy, Ditjen LPE, Dep
ESDM, Bogor.
Li, K.K., T.S. Chung, and G.Q. Tang, 2004, “A Tabu Search to Distribution Network
Reconfiguration,” Electric Power Components & Systems, Vol.32, No.6, pp.571585.
Martins, V.F., and C.L. Borges, 2011, “Active Network Integrated Planning
Incorporating DG and Load Response”, IEEE Trans On Power Systems, Vol. 26,
No.4, 2164-2172.
Niknam, T., R. Khorshidi, and B.B. Firouzi, 2010, “A Hybrid Evolutionary Algorithm
for Distrib. Feeder Reconfiguration”, Indian Academy of Sciences, Vol.35, No.2,
139-162.
Pilo, F., G. Pisano, and G.G. Soma, 2011, “Optimal Coordination of Energy Resources
with A Two-Stage Active Management”, IEEE Trans on IE, Vol. 58, No.10,
4526-37.
Rao, P.V.V.R., and S. Sivanagaraju, 2010, “Network Reconfiguration for Loss
Reduction and Load Balancing using Plant Growth Simulation Algorithm”,
IJEEI, Vol.2, No. 4.
Rao, R.S., M.R. Raju, and A.S. Rao, 2011, “Optimal Reconfiguration of Distribution
System Using Harmony Search Algorithm”, IEEE Trans on PS, Vol.26,
No.3,1080-8.
Salazar, H., R. Gallego, and R. Romero, 2006, “Neural Networks-Clustering
Techniques in Distribution Reconfiguration”, IEEE Trans on PWRD, Vol.21,
No.3, pp.1735-1742.
Santos, A.C., A.C. Delbem, and N.G. Bretas, 2010, “Node-Depth Encoding
Evolutionary Algorithm for Distrib. Reconfiguration”, IEEE Trans on PS,
Vol.25, No.3,1254-65.
Su, C.T., C.F. Chang, and J.P. Chiou, 2005, “Distribution Reconfiguration by Ant
Colony Search Algorithm,” Electric Power Syst Research ELSEVIER, Vol.75(23), 190–199.
Su, C.L., 2010, “Stochastic Evaluation of Voltages in Distr Networks with DG Using
Distr Operation Models”, IEEE Trans on Power Systems, Vol.25, No.2, pp.786795.
Su, S.Y., C.N. Lu, and G.G. Alcaraz, 2011, “Distributed Generation Interconnection: A
Wind Power Case Study”, IEEE Trans on Smart Grid, Vol. 2, No. 1, pp. 181-189.
Syahputra, R., I. Robandi, and M. Ashari, 2012, “Reconfiguration of Distribution
Network with DG Using Fuzzy Multi-objective Method”, IEEE Conf on ICIMTR,
Melacca..
Tsai, M.S., and F.Y. Hsu, 2010, “Application of Grey Correlation Analysis for
Distribution Reconfiguration”, IEEE Trans on Power Systems, Vol. 25, No. 2, pp.
1126-1133.
Wu, Y.K., C.Y. Lee, and S.H. Tsai, 2010, “Study Of Reconfiguration for the
Distribution System with DG”, IEEE Trans on Power Delivery, Vol. 25, No. 3,
pp. 1678-1685.
Syahputra, R., Robandi, I., Ashari, M. (2015). Reconfiguration of Distribution Network
with DER Integration Using PSO Algorithm. TELKOMNIKA, 13(3). pp. 759766.
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.
Syahputra, R. (2015). Simulasi Pengendalian Temperatur Pada Heat Exchanger
Menggunakan Teknik Neuro-Fuzzy Adaptif. Jurnal Teknologi, 8(2), pp. 161-168.
Syahputra, R. (2015). Characteristic Test of Current Transformer Based EMTP
Shoftware. Jurnal Teknik Elektro, 1(1), pp. 11-15.
Syahputra, R., (2012), “Distributed Generation: State of the Arts dalam Penyediaan
Energi Listrik”, LP3M UMY, Yogyakarta, 2012.
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.
Syahputra, R., Robandi, I., Ashari, M. (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.
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.
Wu, W.C., and M.S. Tsai, 2011, “Application Of Enhanced Integer Coded PSO for
Distribution
Reconfiguration”,
IEEE
Trans
on
Power
Systems,
Vol.26,No.3,1591-99.
Yalcin, G.D., and N. Erginel, 2011, “Determining Weights in Multi-Objective Linear
Programming under Fuzziness”,World Congress on Engineering Vol.II, London,
UK.
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.
Syahputra, R., (2016), “Transmisi dan Distribusi Tenaga Listrik”, LP3M UMY,
Yogyakarta, 2016.
Syahputra, R., (2015), “Teknologi dan Aplikasi Elektromagnetik”, LP3M UMY,
Yogyakarta, 2016.
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.
Syahputra, R., Robandi, I., Ashari, M., (2014), “Distribution Network Efficiency
Improvement Based on Fuzzy Multi-objective Method”. IPTEK Journal of
Proceedings Series. 2014; 1(1): pp. 224-229.
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.
Syahputra, R., (2013), “A Neuro-Fuzzy Approach For the Fault Location Estimation of
Unsynchronized Two-Terminal Transmission Lines”, International Journal of
Computer Science & Information Technology (IJCSIT), Vol. 5, No. 1, pp. 23-37.
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.
Syahputra, R., (2012), “Fuzzy Multi-Objective 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.
Jamal, A., Syahputra, R. (2012), “Adaptive Neuro-Fuzzy Approach for the Power
System Stabilizer Model in Multi-machine Power System”, International Journal
of Electrical & Computer Sciences (IJECS), Vol. 12, No. 2, 2012.
Jamal, A., Syahputra, R. (2011), “Model Power System Stabilizer Berbasis NeuroFuzzy Adaptif”, Semesta Teknika, Vol. 14, No. 2, 2011, pp. 139-149.
Syahputra, R., (2010), “Aplikasi Deteksi Tepi Citra Termografi untuk Pendeteksian
Keretakan Permukaan Material”, Forum Teknik, Vol. 33, 2010.
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.
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.
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.
Syahputra, R., Robandi, I., Ashari, M., (2013), “Distribution Network Efficiency
Improvement Based on Fuzzy Multi-objective Method”. International Seminar on
Applied Technology, Science and Arts (APTECS). 2013; pp. 224-229.
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, UMS Surakarta, pp. 46-53.
Syahputra, R., Robandi, I., Ashari, M., (2012), “Reconfiguration of Distribution
Network with DG Using Fuzzy Multi-objective Method”, International
Conference on Innovation, Management and Technology Research (ICIMTR),
May 21-22, 2012, Melacca, Malaysia.
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.
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.
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.
Syahputra, R., Soesanti, I. (2015). Power System Stabilizer model based on Fuzzy-PSO
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.
Syahputra, R., Soesanti, I. (2016). Power System Stabilizer Model Using Artificial
Immune System for Power System Controlling. International Journal of Applied
Engineering Research (IJAER), 11(18), pp. 9269-9278.
LAMPIRAN
Lampiran 1. Berita Acara Promosi Doktor Teknik Elektro ITS
Lampiran 2. Berita Acara Rapat Terbuka Promosi Doktor Teknik Elektro
ITS
PENELITIAN DISERTASI DOKTOR
Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi
Pembangkit Tersebar Energi Terbarukan
Berbasis Algoritma Cerdas Clonal Selection Immune System
Oleh:
Dr. Ramadoni Syahputra, ST., MT.
(NIDN: 0510107403, Prodi Teknik Elektro)
Dibiayai oleh:
Direktorat Jenderal Pendidikan Tinggi, Kementerian Pendidikan dan Kebudayaan,
sesuai dengan Surat Perjanjian Pelaksanaan Penugasan Penelitian Hibah Bersaing
Nomor: 007/HB-LIT/III/2015, tanggal 25 Maret 2015
UNIVERSITAS MUHAMMADIYAH YOGYAKARTA
2015
i
RINGKASAN
Penelitian ini mempunyai tujuan jangka panjang yaitu meningkatkan performa
sistem distribusi tenaga listrik dengan terintegrasinya DG energi terbarukan tenaga angin
dan surya. Dalam penelitian ini dilakukan minimalisasi pengaruh tegangan lebih akibat
integrasi DG, menjaga stabilitas sistem distribusi saat terjadi perubahan cuaca, dan
rekonfigurasi jaringan guna menghasilkan sistem distribusi berefisiensi tinggi. Pada tahap
awal penelitian akan dilakukan rekonfigurasi jaringan distribusi standar IEEE model 77 bus
dengan integrasi DG menggunakan perangkat-lunak Matlab yang terhubung ke Power
System Simulator. Pemilihan standar IEEE ini dalam rangka menguji-coba metode dan
memantapkan strategi yang akan diterapkan pada data sistem distribusi real. Selanjutnya
akan dilakukan optimisasi konfigurasi dengan data jaringan distribusi IEEE model 86 bus
yang terintegrasi DG energi terbarukan angin dan surya. Pemilihan sistem jaringan
distribusi IEEE model 86 bus yang terintegrasi DG energi terbarukan angin dan surya ini
karena dianggap representative dengan kondisi di Indonesia.
Kata-kata kunci: Rekonfigurasi jaringan distribusi, optimisasi, energi terbarukan,
artificial immune system.
ii
PRAKATA
Bismillaahirrahmaanirrahiim.
Syukur alhamdulillah penulis panjatkan ke hadirat ALLAH SWT atas segala
rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Laporan Akhir
Penelitian berjudul “Optimisasi Konfigurasi Jaringan Distribusi dengan Integrasi
Pembangkit Tersebar Energi Terbarukan Berbasis Algoritma Cerdas Clonal Selection
Immune System”. Kegiatan ini merupakan skema Penelitian Disertasi Doktor dengan
sumber dana berasal dari DITLITABMAS DIKTI KEMENDIKBUD RI untuk tahun
pendanaan 2015.
Kegiatan ini tidak lepas dari beberapa pihak yang telah banyak membantu.
Oleh karena itu bersama ini penulis menyampaikan terima kasih yang sedalamdalamnya kepada:
1. Direktur Penelitian dan Pengabdian kepada Masyarakat DIKTI KEMENDIKBUD
RI, yang telah memberikan dukungan dana penelitian, sangat besar manfaatnya
sehingga penulis dapat menyelesaikan Program Doktor Teknik Elektro di ITS pada
tanggal 12 Juni 2015,
2. Prof. Dr. Bambang Cipto, MA., sebagai Rektor Universitas Muhammadiyah
Yogyakarta,
3. Hilman Latief, M.A., Ph.D., sebagai Kepala LP3M UMY,
4. Jazaul Ikhsan, ST., MT., Ph.D., sebagai Dekan Fakultas Teknik UMY,
5. Ir. Agus Jamal, M.Eng., Ketua Jurusan Teknik Elektro, dan Rahmat Adiprasetya,
ST., M.Eng., Sekretaris Jurusan Teknik Elektro Fakultas Teknik UMY,
6. Seluruh dosen, karyawan, dan mahasiswa Jurusan Teknik Elektro Fakultas Teknik
UMY, yang telah banyak membantu dan memberikan masukan penulis dalam
melaksanakan tugas yang diberikan kepada penulis,
7. Isteriku yang telah banyak membantu dan memberikan masukan yang sangat
berguna dalam penyelesaian diktat ini,
8. Ibunda dan ayahanda yang selalu mendoakan penulis, dan
9. Semua pihak yang telah membantu.
Penulis menyadari bahwa laporan ini masih jauh dari sempurna. Untuk itu
segala kritik dan saran yang bersifat membangun akan penulis terima dengan lapang
dada. Akhirnya, semoga kegiatan ini dapat bermanfaat bagi pengembangan ilmu
pengetahuan khususnya dalam bidang Teknik Elektro dan juga bagi masyarakat dan
bangsa Indonesia pada umumnya.
Yogyakarta, Desember 2015
Penulis
iii
DAFTAR ISI
HALAMAN PENGESAHAN
DAFTAR ISI
RINGKASAN
……………………………………
……………………………………
……………………………………
i
ii
iii
BAB 1. PENDAHULUAN
……………………………………
1
BAB 2. TINJAUAN PUSTAKA
……………………………………
7
BAB 3. TUJUAN DAN MANFAAT PENELITIAN ……………………………………
12
BAB 4. METODE PENELITIAN
……………………………………
13
BAB 5. HASIL YANG DICAPAI
……………………………………
16
BAB 6. RENCANA TAHAPAN BERIKUTNYA
……………………………………
28
BAB 7. KESIMPULAN DAN SARAN
……………………………………
29
DAFTAR PUSTAKA
……………………………………
30
LAMPIRAN
iv
BAB I
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).
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 khusus 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 rugi-rugi (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.
BAB II
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 (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.
Rekonfigurasi Jaringan Distribusi
Otomasi distribusi merupakan salah satu isu penting dalam sistem tenaga listrik.
Otomasi sistem distribusi berguna untuk meningkatkan keandalan, efisiensi, dan
kualitas layanan. Perkembangan pesat dalam teknologi komputer dan telekomunikasi
telah mendorong aplikasinya dalam pengendalian sistem tenaga listrik, khususnya
otomasi sistem distribusi. Operasi sistem distribusi dapat dimonitor dan dikendalikan
dari jarak jauh pada pusat operasi. Salah satu keuntungan dari otomasi sistem distribusi
adalah kemudahan dalam melakukan rekonfigurasi jaringan guna meningkatkan
unjukkerja sistem distribusi.
Dalam suatu sistem distribusi, setiap penyulang melayani beban yang terdiri
dari jenis beban residensial, industrial, dan komersial. Jenis-jenis beban tersebut
mempunyai pola beban harian yang bervariasi sehingga beban puncak setiap penyulang
dapat terjadi pada waktu yang berbeda. Dalam kondisi operasi normal, sebagian beban
distribusi dapat dipindahkan dari beban yang tinggi ke beban yang relatif rendah
melalui rekonfigurasi jaringan.
Penyulang distribusi terdiri dari sejumlah switch yang dalam keadaan
normalnya tertutup (sectionalized switches) dan switch yang dalam keadaan normalnya
terbuka (tie switches). Rekonfigurasi jaringan distribusi merupakan proses pengubahan
struktur topologi jaringan distribusi dengan membuka atau menutup sectionalized
switches dan tie switch. Pada saat perubahan kondisi operasi, rekonfigurasi jaringan
dilakukan dengan membuka atau menutup switch-switch jaringan sesuai dengan
kapasitas transformator, kapasitas termal penyulang, jatuh tegangan, dan kondisi
jaringan. Tujuan rekonfigurasi jaringan distribusi di antaranya: menurunkan rugi-rugi
daya, menyeimbangkan beban, mengurangi deviasi tegangan, dan memulihkan sistem.
Rekonfigurasi jaringan distribusi mencakup permasalahan optimisasi yang kompleks.
Hal ini disebabkan adanya batasan-batasan pada saat menemukan solusi optimal atau
solusi yang mendekati optimal dari permasalah yang ditangani.
Penyulang 1
Penyulang 2
1
Penyulang 3
2
3
8
4
13
9
14
10
11
5
12
6
7
16
15
Gambar 2.1. Sistem distribusi 16 simpul (Abdelaziz dkk, 2009).
Multi-Objektif Fuzzy
Dalam domain fuzzy, fungsi objektif diasosiasikan dengan suatu fungsi
keanggotaan (Das, 2006). Fungsi keanggotaan mengindikasikan derajat pemenuhan
fungsi objektif. Dalam usulan penelitian ini digunakan tiga fungsi keanggotaan yaitu
fungsi keanggotaan untuk reduksi rugi daya nyata, fungsi keanggotaan untuk deviasi
tegangan simpul, dan fungsi keanggotaan untuk penyeimbangan beban penyulang.
II.2.2.1 Fungsi Keanggotaan untuk Reduksi Rugi Daya Nyata
Mula-mula didefinisikan variable optimisasi xi sebagai berikut:
xi
Ploss (i )
,
0
Ploss
untuk i = 1, 2, …, Nk.
(1)
dengan, Ploss(i) adalah rugi daya nyata total saat rekonfigurasi jaringan,
P0loss adalah rugi daya nyata sebelum rekonfigurasi jaringan.
µLi
1,0
0
xmax
xmin
xi
Gambar 2. Fungsi keanggotaan untuk reduksi rugi daya nyata.
Berdasarkan persamaan (1) terlihat bahwa jika xi tinggi maka reduksi rugi
dayanya rendah, sebaliknya jika xi rendah maka reduksi rugi dayanya tinggi. Fungsi
keanggotaan untuk reduksi rugi daya nyata ditunjukkan dalam Gambar 2. Berdasarkan
Gambar 1, dapat dituliskan persamaan:
( x max xi )
( x x ) , untuk x min xi x max
min
max
Li 1,
untuk xi x min
0,
untuk xi x max
(2)
II.2.2.2 Fungsi Keanggotaan untuk Deviasi Tegangan Simpul
Tujuan utama fungsi keanggotaan untuk deviasi tegangan simpul jaringan
distribusi adalah bahwa deviasi tegangan simpul harus serendah mungkin. Variable
optimisasinya didefinisikan sebagai berikut:
yi = max|Vs – Vi,j|, untuk i = 1, 2, …, Nk; j = 1, 2, …, Ns.
(3)
Jika nilai maksimum deviasi tegangan simpul adalah rendah maka fungsi
keanggotaan yang lebih tinggi yang diambil, sebaliknya jika nilai maksimum deviasi
tegangan simpul adalah tinggi, maka fungsi keanggotaan yang lebih rendah yang
diambil.
µVi
1,0
0
ymax
ymin
yi
Gambar 3. Fungsi keanggotaan untuk deviasi tegangan simpul.
II.2.2.3 Fungsi Keanggotaan untuk Penyeimbangan Beban Penyulang.
Penyeimbangan beban penyulang distribusi merupakan salah satu tujuan pokok
dalam rekonfigurasi jaringan distribusi. Strategi yang efektif untuk meningkatkan
margin pembebanan pada penyulang yang terbebani sangat berat adalah dengan
mentransfer sebagian beban yang dipikul oleh penyulang tersebut.
Fi , j
( IFi , j IFi avg )
IFi avg
,
untuk i = 1, 2, …, Nk; i = 1, 2, …, Ns.
(4)
BAB III
METODE PENELITIAN
Penelitian yang akan dilaksanakan adalah peningkatan efisiensi sistem distribusi
daya listrik berbasis algoritma cerdas fuzzy-PSO 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 berbasis logika fuzzy dan PSO termodifikasi.
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.
Jalan Penelitian
Langkah-langkah penelitian tahun ketiga ini dirangkum dalam suatu diagram
alir seperti terlihat pada Gambar 3.1.
Mulai
Studi Pustaka
Merancang sistem distribusi daya listrik sesuai standar IEEE 77 bus dan
APJ Yogyakarta dalam Matlab-Simulink
Validasi rancangan sistem distribusi dan uji aliran daya
Merancang metode fuzzy multiobjektif
Menguji metode fuzzy multiobjektif
Optimisasi fungsi keanggotaan fuzzy multiobjektif menggunakan PSO
Menerapkan metode hibrid berbasis logika fuzzy dan PSO termodifikasi
untuk optimisasi konfigurasi jaringan distribusi
Membandingkan hasil optimisasi fuzzy-PSO termodifikasi dengan metode lain
Analisis hasil optimisasi fuzzy-PSO termodifikasi
Analisis Efisiensi dan Kesimpulan
Selesai
Gambar 3.1. Diagram alir langkah-langkah penelitian tahun ketiga.
BAB IV
HASIL PENELITIAN DAN ANALISIS
Dalam penelitian ini dilakukan ujicoba terhadap sistem distribusi radial 20-kV
yang mempunyai dua gardu induk, empat penyulang, 77 bus cabang seperti ditunjukkan
pad Gambar 4.1.
Gambar 4.1. Sistem distribusi radial 20-kV, 77 bus.
Sebelum dilakukan rekonfigurasi jaringan distribusi sebagaimana terlihat pada
Gambar 4.1, rugi-rugi daya aktif total jaringan tersebut adalah 229.64 kW. Dalam
kondisi awal sistem ini, efisiensi jaringan distribusi adalah sebesar 93.25 %. magnitudo
tegangan minimum yang terjadi pada bus 67 adalah sebesar 0.900 p.u., sebagaimana
terlihat pada Gambar 4.2.
Tabel 4.1. Instalasi dan kapasitas DG
Bus
Kapasitas
(kW)
Power Factor
5
150
0.8
7
100
0.9
14
100
0.9
22
100
1
28
150
0.9
34
50
0.8
36
100
0.9
41
150
0.8
46
100
0.9
54
200
0.9
59
100
1
68
200
0.9
70
50
0.8
74
100
0.9
1
0.98
Voltage magnitude in p.u.
0.96
0.94
0.92
0.9
0.88
0
10
20
30
40
50
60
70
number of nodes
Gambar 4.2. Profil tegangan tanpa DG sebelum rekonfigurasi.
Dalam penelitian ini, dimodelkan adanya pemasangan tujuh pembangkitan
tersebar (distributed generations, DG) pada bus-bus 3, 6, 24, 29, 38, 52, dan bus 64,
sebagaimana terlihat pada TABLE 4.1. Berdasarkan hasil penelitian untuk studi kasusu
ini, maka dapat dilihat dari sistem uji kasus 77 bus bahwa DG memberikan pengaruh
dalam pengurangan rugi-rugi daya listrik pada jaringan distribusi. Rugi-rugi daya aktif
jaringan distribusi dengan pemasangan DG adalah 179.87 kW, atau, efisiensi jaringan
distribusi adalah sebesar 94.63 %, sebagaimana terlihat pada TABLE 4.2. magnitudo
tegangan minimum terjadi pada bus 67 yaitu sebesar 0.913, sebagaimana terlihat pada
Gambar 4.3.
1
0.99
Voltage magnitude in p.u.
0.98
0.97
0.96
0.95
0.94
0.93
0.92
0.91
0
10
20
30
40
50
60
70
number of nodes
Gambar 4.3. Profil tegangan dengan DG sebelum rekonfigurasi.
Setelah dilakukan rekonfigurasi, rugi-rugi daya aktif total adalah sebesar 165.07
kW, atau dengan kata lain, efisiensi jaringan distribusi adalah sebesar 95.05 %,
sebagaimana ditunjukkan pada Tabel 4.2. magnitudo tegangan minimum terjadi pada
bus 15 yaitu sebesar 0.937 p.u. pada Gambar 4.4. ditunjukkan profil tegangan untuk
masing-masing bus jaringan distribusi dengan integrasi DG setelah dilakukan
rekonfigurasi jaringan.
Pada Gambar 4.5 ditunjukkan distribusi rugi-rugi daya untuk setiap bus sebelum
rekonfigurasi jaringan, sedangkan Gambar 4.6 menunjukkan distribusi rugi-rugi daya
untuk setiap bus sesudah rekonfigurasi jaringan. Berdasarkan Gambag 4.5 dan Gambar
4.6 dapat diobservasi bahwa rugi-rugi daya listrik hampir setiap bus mengalami
penurunan kecuali pada bus-bus 4, 6, 7, 11, 16, 18, 19, dan bus 20, dimana rugi-rugi
dayanya mengalami sedikit peningkatan karena pembagian beban ke dalam penyulangpengulangnya.
1
0.99
Voltage magnitude in p.u.
0.98
0.97
0.96
0.95
0.94
0.93
0
10
20
30
40
50
60
70
number of nodes
Gambar 4.4. Profil tegangan dengan DG setelah rekonfigurasi.
Tabel 4.2. Hasil Simulasi Jaringan Distribusi 70 Bus
Parameter Analisis
Uji Kasus
Active Power
Loss (kW)
Efficiency of
Distribution
Network (%)
Minimum
Voltage (p.u.)
Jaringan distribusi
tanpa DG sebelum
229.64
93.25
0.891 (V17)
179.87
94.63
0.902 (V17)
165.07
95.05
0.918 (V45)
rekonfigurasi
Jaringan distribusi
dengan DG
sebelum
rekonfigurasi
Jaringan distribusi
dengan DG setelah
rekonfigurasi
Berdasarkan hasil studi kasus dalam penelitian ini, maka dapat diperhatikan
bahwa dari uji kasus sistem distribusi radial 70 bus bahwa DG memberikan pengaruh
positif dalam penurunan rugi-rugi daya listrik pada jaringan, dan struktur topologi
jaringan optimum tanpa pembangkitan tersebar (DG) berbeda dengan struktur topologi
jaringan optimum dengan DG.
18
Gambar 4.5. Distribusi rugi-rugi daya sebelum rekonfigurasi.
Gambar 4.6. Distribusi rugi-rugi daya setelah rekonfigurasi.
BAB V
KESIMPULAN
Penggunaan algoritma cerdas fuzzy dalam rekonfigurasi jaringan distribusi daya
listrik yang optimal telah memberikan hasil yang cukup memuaskan. Hasil simulasi
untuk jaringan distribusi standar IEEE 77 bus diperoleh bahwa efisiensi jaringan
distribusi mengalami peningkatan dari 93.25 % (sebelum rekonfigurasi, tanpa
pemasangan DG) menjadi 95.05 % (setelah rekonfigurasi, dengan pemasangan DG).
Berdasarkan uji kasus sistem distribusi radial 77 bus dengan integrasi DG, metode
fuzzy multiobjective yang digunakan dalam penelitian ini memberikan hasil yang
signifikan dalam upaya pengurangan rugi-rugi daya listrik, sehingga dengan demikian
memberikan kontribusi penting dalam peningkatan efisiensi sistem distribusi daya
listrik.
DAFTAR PUSTAKA
Ahmad, N.H., T.K.A. Rahman, and N. Aminuddin, 2012, “Multi-objective Immune
System approach for network reconfiguration”, IEEE Conf. on PEOCO, Melacca,
Malaysia.
Alrashidi, M.R., and M. El-Hawary, 2006, "A Survey of PSO Applications in Power
System," ELSEVIER: Elec Power Comp & Syst, Vol. 34, No. 12, pp. 1349-1357.
Ammar, M. And Jooz, G., 2013, “Impact of Distributed Generator Wind Reactives
Behavior on Flicker Severity”, IEEE Trans. on Energy Conversion, Vol. 28, No.
2, pp.425-433.
Augugliaro, A., L.Dusonchet, and E.Sanseverino, 2003,“Minimum Losses
Reconfiguration of MV Distribution Networks,” IEEE Trans on PWRD, Vol.18,
No.3,762–771.
Syahputra, R., Robandi, I., Ashari, M. (2015). Reconfiguration of Distribution Network
with DER Integration Using PSO Algorithm. TELKOMNIKA, 13(3). pp. 759766.
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.
Syahputra, R. (2015). Simulasi Pengendalian Temperatur Pada Heat Exchanger
Menggunakan Teknik Neuro-Fuzzy Adaptif. Jurnal Teknologi, 8(2), pp. 161-168.
Syahputra, R. (2015). Characteristic Test of Current Transformer Based EMTP
Shoftware. Jurnal Teknik Elektro, 1(1), pp. 11-15.
Syahputra, R., (2012), “Distributed Generation: State of the Arts dalam Penyediaan
Energi Listrik”, LP3M UMY, Yogyakarta, 2012.
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.
Syahputra, R., Robandi, I., Ashari, M. (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.
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.
Belkacemi, R., and A. Feliachi, 2010, “Multi-agent design for distribution
reconfiguration based on immune system algorithm”, Proceedings of IEEE
ISCAS.
Borbely, A.M. and J.F. Kreider, 2011, “Distributed Generation: The Power Paradigm
for the New Millennium”, CRC Press, Washington D.C.
Braz, H.D.M., and B.A.D. Souza, 2011, “Distribution Reconfiguration Using GA With
Sequential Encoding”, IEEE Trans on Power Systems, Vol. 26, No. 2, pp. 582593.
Carrano, E.G., F.G. Guimaraes, and F. Campelo, 2007, “Distribution Network
Expansion under Load-Evaluation Uncertainty”, IEEE Trans on PS, Vol.22,
No.2, 851-861.
Das, D., 2006, “A Fuzzy Multi-Objective Approach for Network Reconfiguration of
Distribution Systems,” IEEE Trans on Power Delivery, Vol.21, No.1, pp. 202–
209.
Das, D., 2006, “Reconfiguration of distribution system using fuzzy multi-objective
approach”, ELSEVIER: Electrical Power and Energy Systems, Vol. 28, pp. 331–
338.
del Valle, Y., G.K. and R.G. Harley, 2008, "Particle Swarm Optimization: Basic
Concepts and Applications in Power Systems", IEEE Trans on EC, Vol.12, No.2,
171-195.
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.
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.
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.
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.
Enacheanu, B., B. Raison, and N. HadjSaid, 2008, “Radial Network Reconfiguration
Using GA Based on the Matroid Theory”, IEEE Trans on PS, Vol. 23, No. 1, pp.
186-195.
Gupta, N., K.R. Niazi, R.C. Bansal, 2010, “Multi-Objective Reconfiguration of
Distribution Systems Using GA”, IET Gener. Transm Distrib, Vol.4, Iss.12,
1288–98.
Hung, D.Q. and N. Mithulananthan, 2013, “Multiple DG Placement in Primary
Distribution Networks for Loss Reduction”, IEEE Trans on Industrial
Electronics, Vol. 60, No. 4.
Ibrahim, H.D., 2004, “Pengurangan Susut Energi untuk Peningkatan Efisiensi
Penggunaan Energi Listrik pada Sistem Distribusi”, Seminar Losses Energi 2004,
hal. A1-A3.
Jeon, Y. J., and J.C. Kim, 2004, “Application of Simulated Annealing and Tabu Search
for Loss Minimization in Distr Systems,” Elec Pw & Energy Sys, Vol. 26, No.1,
pp.9-18.
Kusdiana, D, 2008, “Kondisi Riil Kebutuhan Energi di Indonesia dan Sumber-Sumber
Energi Alternatif Terbarukan”, Seminar Renewable Energy, Ditjen LPE, Dep
ESDM, Bogor.
Li, K.K., T.S. Chung, and G.Q. Tang, 2004, “A Tabu Search to Distribution Network
Reconfiguration,” Electric Power Components & Systems, Vol.32, No.6, pp.571585.
Martins, V.F., and C.L. Borges, 2011, “Active Network Integrated Planning
Incorporating DG and Load Response”, IEEE Trans On Power Systems, Vol. 26,
No.4, 2164-2172.
Niknam, T., R. Khorshidi, and B.B. Firouzi, 2010, “A Hybrid Evolutionary Algorithm
for Distrib. Feeder Reconfiguration”, Indian Academy of Sciences, Vol.35, No.2,
139-162.
Pilo, F., G. Pisano, and G.G. Soma, 2011, “Optimal Coordination of Energy Resources
with A Two-Stage Active Management”, IEEE Trans on IE, Vol. 58, No.10,
4526-37.
Rao, P.V.V.R., and S. Sivanagaraju, 2010, “Network Reconfiguration for Loss
Reduction and Load Balancing using Plant Growth Simulation Algorithm”,
IJEEI, Vol.2, No. 4.
Rao, R.S., M.R. Raju, and A.S. Rao, 2011, “Optimal Reconfiguration of Distribution
System Using Harmony Search Algorithm”, IEEE Trans on PS, Vol.26,
No.3,1080-8.
Salazar, H., R. Gallego, and R. Romero, 2006, “Neural Networks-Clustering
Techniques in Distribution Reconfiguration”, IEEE Trans on PWRD, Vol.21,
No.3, pp.1735-1742.
Santos, A.C., A.C. Delbem, and N.G. Bretas, 2010, “Node-Depth Encoding
Evolutionary Algorithm for Distrib. Reconfiguration”, IEEE Trans on PS,
Vol.25, No.3,1254-65.
Su, C.T., C.F. Chang, and J.P. Chiou, 2005, “Distribution Reconfiguration by Ant
Colony Search Algorithm,” Electric Power Syst Research ELSEVIER, Vol.75(23), 190–199.
Su, C.L., 2010, “Stochastic Evaluation of Voltages in Distr Networks with DG Using
Distr Operation Models”, IEEE Trans on Power Systems, Vol.25, No.2, pp.786795.
Su, S.Y., C.N. Lu, and G.G. Alcaraz, 2011, “Distributed Generation Interconnection: A
Wind Power Case Study”, IEEE Trans on Smart Grid, Vol. 2, No. 1, pp. 181-189.
Syahputra, R., I. Robandi, and M. Ashari, 2012, “Reconfiguration of Distribution
Network with DG Using Fuzzy Multi-objective Method”, IEEE Conf on ICIMTR,
Melacca..
Tsai, M.S., and F.Y. Hsu, 2010, “Application of Grey Correlation Analysis for
Distribution Reconfiguration”, IEEE Trans on Power Systems, Vol. 25, No. 2, pp.
1126-1133.
Wu, Y.K., C.Y. Lee, and S.H. Tsai, 2010, “Study Of Reconfiguration for the
Distribution System with DG”, IEEE Trans on Power Delivery, Vol. 25, No. 3,
pp. 1678-1685.
Syahputra, R., Robandi, I., Ashari, M. (2015). Reconfiguration of Distribution Network
with DER Integration Using PSO Algorithm. TELKOMNIKA, 13(3). pp. 759766.
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.
Syahputra, R. (2015). Simulasi Pengendalian Temperatur Pada Heat Exchanger
Menggunakan Teknik Neuro-Fuzzy Adaptif. Jurnal Teknologi, 8(2), pp. 161-168.
Syahputra, R. (2015). Characteristic Test of Current Transformer Based EMTP
Shoftware. Jurnal Teknik Elektro, 1(1), pp. 11-15.
Syahputra, R., (2012), “Distributed Generation: State of the Arts dalam Penyediaan
Energi Listrik”, LP3M UMY, Yogyakarta, 2012.
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.
Syahputra, R., Robandi, I., Ashari, M. (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.
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.
Wu, W.C., and M.S. Tsai, 2011, “Application Of Enhanced Integer Coded PSO for
Distribution
Reconfiguration”,
IEEE
Trans
on
Power
Systems,
Vol.26,No.3,1591-99.
Yalcin, G.D., and N. Erginel, 2011, “Determining Weights in Multi-Objective Linear
Programming under Fuzziness”,World Congress on Engineering Vol.II, London,
UK.
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.
Syahputra, R., (2016), “Transmisi dan Distribusi Tenaga Listrik”, LP3M UMY,
Yogyakarta, 2016.
Syahputra, R., (2015), “Teknologi dan Aplikasi Elektromagnetik”, LP3M UMY,
Yogyakarta, 2016.
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.
Syahputra, R., Robandi, I., Ashari, M., (2014), “Distribution Network Efficiency
Improvement Based on Fuzzy Multi-objective Method”. IPTEK Journal of
Proceedings Series. 2014; 1(1): pp. 224-229.
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.
Syahputra, R., (2013), “A Neuro-Fuzzy Approach For the Fault Location Estimation of
Unsynchronized Two-Terminal Transmission Lines”, International Journal of
Computer Science & Information Technology (IJCSIT), Vol. 5, No. 1, pp. 23-37.
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.
Syahputra, R., (2012), “Fuzzy Multi-Objective 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.
Jamal, A., Syahputra, R. (2012), “Adaptive Neuro-Fuzzy Approach for the Power
System Stabilizer Model in Multi-machine Power System”, International Journal
of Electrical & Computer Sciences (IJECS), Vol. 12, No. 2, 2012.
Jamal, A., Syahputra, R. (2011), “Model Power System Stabilizer Berbasis NeuroFuzzy Adaptif”, Semesta Teknika, Vol. 14, No. 2, 2011, pp. 139-149.
Syahputra, R., (2010), “Aplikasi Deteksi Tepi Citra Termografi untuk Pendeteksian
Keretakan Permukaan Material”, Forum Teknik, Vol. 33, 2010.
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.
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.
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.
Syahputra, R., Robandi, I., Ashari, M., (2013), “Distribution Network Efficiency
Improvement Based on Fuzzy Multi-objective Method”. International Seminar on
Applied Technology, Science and Arts (APTECS). 2013; pp. 224-229.
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, UMS Surakarta, pp. 46-53.
Syahputra, R., Robandi, I., Ashari, M., (2012), “Reconfiguration of Distribution
Network with DG Using Fuzzy Multi-objective Method”, International
Conference on Innovation, Management and Technology Research (ICIMTR),
May 21-22, 2012, Melacca, Malaysia.
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.
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.
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.
Syahputra, R., Soesanti, I. (2015). Power System Stabilizer model based on Fuzzy-PSO
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.
Syahputra, R., Soesanti, I. (2016). Power System Stabilizer Model Using Artificial
Immune System for Power System Controlling. International Journal of Applied
Engineering Research (IJAER), 11(18), pp. 9269-9278.
LAMPIRAN
Lampiran 1. Berita Acara Promosi Doktor Teknik Elektro ITS
Lampiran 2. Berita Acara Rapat Terbuka Promosi Doktor Teknik Elektro
ITS