APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM

KOORDINASI PEMBANGKITAN UNIT THERMAL

SKRIPSI

diajukan untuk memenuhi sebagian syarat untuk memperoleh gelar Sarjana Teknik Elektro Konsentrasi Teknik Elektro Fakultas Pendidikan Teknologi dan

Kejuruan

oleh

Binanta Pran Seda Tarigan E.5051.1000416

PROGRAM STUDI TEKNIK ELEKTRO DEPARTEMEN PENDIDIKAN TEKNIK ELEKTRO FAKULTAS PENDIDIKAN TEKNOLOGI DAN KEJURUAN

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

LEMBAR HAK CIPTA

Oleh :

Binanta Pran Seda Tarigan

Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat memperoleh gelar sarjana pada fakultas pendidikan teknik dan kejuruan

© Binanta Pran Seda Tarigan 2015 Universitas Pendidikan Indonesia

Mei 2015

Hak cipta dilindungi undang-undang.

Skripsi ini tidak boleh diperbanyak seluruhnya atau sebagian, dengan dicetak ulang, difoto copy, atau cara lainnya tanpa ijin dari penulis.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

BINANTA PRAN SEDA TARIGAN

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

DISETUJUI DAN DISAHKAN OLEH PEMBIMBING :

Pembimbing I

Dr. Ade Gaffar Abdullah, S.Pd, M.Si NIP. 19721113 199903 1 001

Pembimbing II

Drs. H. Bambang Trisno, M.SIE NIP. 19610309 198610 1 001

Mengetahui,

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Prof. Dr. H. Bachtiar Hasan, ST., M.SIE NIP. 19551204 198103 1 002

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Abstrak

Salah satu permasalahan dalam sistem tenaga listrik adalah menentukan kombinasi unit pembangkit (unit commitment) dan pembebanan ekonomis (economic dispatch) unit pembangkit dengan mematuhi kendala-kendala operasi pembangkit dan meminimalkan biaya bahan bakar sehingga diperoleh biaya produksi total paling rendah. Metode yang digunakan dalam penelitian ini adalah simulated annealing. Metode ini merupakan suatu teknik optimasi yang didasarkan pada pendinginan logam atau kristal yang dapat menyelesaikan masalah kombinatorial dengan ukuran yang besar. Algoritma simulated annealing mencari kombinasi unit pembangkit yang paling optimum dioperasikan dalam setiap penurunan temperatur. Dengan menggunakan algoritma simulated annealing penyelesaian permasalahan kombinasi unit pembangkit dengan biaya pembangkitan yang paling murah dapat diselesaikan dengan cepat dan dengan hasil yang optimal

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Abstract

One of the problems of electrical power system is determining the combination of unit generation (unit commitment) and load economical of unit generation (economic dispatch) by obeying the constraints operation unit generation and minimize fuel cost in order to achieve minimum total production cost. The method used in this research is simulated annealing. This method is appeared as an optimization technique which is based on metal cooling or crystal that is able to solve a large scale of combinatorial problem. Simulated annealing algorithm search the most optimal unit generation combination in every decrease temperature. By using simulated annealing algorithm the problem of combination unit generation with the lowest cost could be solved quickly and with the optimal result.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

DAFTAR ISI

PERNYATAAN... i

ABSTRAK... ii

KATA PENGANTAR... iv

UCAPAN TERIMAKSIH... v

DAFTAR ISI... vi

DAFTAR TABEL... viii

DAFTAR GAMBAR... ix

DAFTAR LAMPIRAN... x

BAB I PENDAHULUAN... 1.1Latar Belakang Penelitian... 1.2Rumusan Masalah... 1.3Batasan Masalah... 1.4Tujuan Penulisan Skripsi... 1.5Manfaat Penulisan Skripsi... 1.6Metode Pengumpulan Data... 1.7Sistematika Penulisan Skripsi... 1 1 3 3 3 4 4 4 BAB II KAJIAN PUSTAKA... 2.1 Operasi Ekonomis Pembangkit Tenaga Listrik... 2.2 Karakteristik input-output Pembangkit Thermal... 2.2.1 Karakteristik heat rate... 2.3 Optimasi Penjadwalan Pembangkit... 2.4 Metode Lagrange Multiplier... 2.5 Simulated Annealing... 2.5.1 Jadwal Pendinginan... 2.5.2 Pseudo code simulated annealing... 6 6 6 7 8 12 13 15 16 BAB III METODOLOGI PENELITIAN... 18

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

3.1 Sistem Interkoneksi 500kV Jawa Bali... 3.2 Pengumpulan Data Pembangkit... 3.3 Tahap Perhitungan Persamaan Biaya Bahan Bakar... 3.4 Kesepakatan Unit Pembangkit Tenaga Listrik...

3.4.1 Fungsi obyektif... 3.4.2 Kriteria pembatas... 3.4.3 Kapasitas pembangkit... 3.5 Implementasi Simulated Annealing... 3.5.1 Deskripsi kombinasi... 3.5.2 Evaluasi fungsi obyektif... 3.5.3 Aturan perubahan kombinasi... 3.5.4 Annealing schedule...

18 19 24 25 25 26 26 26 26 26 26 27

BAB IV TEMUAN DAN PEMBAHASAN... 4.1 Hasil Karakteristik Input Output dan Fungsi Biaya Bahan Bakar... 4.2 Simulasi Optimasi Dengan Algoritma Simulated Annealing... 4.2.1 Optimasi pada jam 1-3 dengan daya 9293MW... 4.2.2 Optimasi pada jam 4-6 dengan daya 9658MW... 4.2.3 Optimasi pada jam 7-9 dengan daya 10891 MW... 4.2.4 Optimasi pada jam 10-12 dengan daya 12301 MW... 4.2.5 Optimasi pada jam 13-15 dengan daya 12780 MW... 4.2.6 Optimasi pada jam 16-18 dengan daya 12843 MW... 4.2.7 Optimasi pada jam 19-21 dengan daya 13203 MW... 4.2.8 Optimasi pada jam 22-24 dengan daya 12192 MW... 4.3 Analisis Hasil Optimasi Penjadwalan Pembangkit Dengan Algoritma Simulated Annealing...

30 30 31 32 33 34 35 36 37 38 39 40

BAB V Simpulan, Implikasi dan Rekomendasi... 5.1 Simpulan... 5.2 Rekomendasi...

44 44 44

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

DAFTAR RUJUKAN... 45

1

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

BAB I PENDAHULUAN

1.1 Latar Belakang Penelitian

Energi listrik saat ini merupakan salah satu kebutuhan utama bagi kehidupan manusia. Kebutuhan akan energi listrik semakin lama semakin meningkat seiring dengan perkembangan teknologi dan bertambahnya jumlah penduduk. Permintaan akan energi yang terus meningkat menyebabkan energi listrik yang harus disuplai oleh pembangkit menjadi sangat besar sehingga tidak mungkin hanya menggunakan satu unit pembangkit yang beroperasi, maka dibutuhkan sistem tenaga listrik dengan beberapa pembangkit listrik yang saling

interkoneksi untuk dapat memenuhi akan kebutuhan tersebut.

Dalam suatu sistem interkoneksi tenaga listrik masing-masing pembangkit beroperasi dengan energi primer yang berbeda-beda,seperti pembangkit hydro dan

thermal. Pembangkit thermal menggunakan batubara sebagai energi primernya. Tingginya penggunaan batubara, BBG, HSD dan MFO sebagai energi primer bagi pembangkit thermal akan membawa masalah tersendiri bagi sistem pembangkitan tenaga listrik, terutama masalah akan biaya bahan bakar yang mempunyai persentase tertinggi, yaitu sekitar 60% dari total biaya operasi pembangkit tenaga listrik, oleh karena itu berbagai teknik untuk menekan biaya bahan bakar terus berkembang, baik dari segi unit pembangkit secara individu maupun dari segi operasi sistem tenaga listrik secara terpadu (Asmar, 2014).

Penyediaan energi listrik harus bersifat continue 24 jam sehari. Hal ini memerlukan manajemen operasi yang tertib. Dalam pengoperasian sistem tenaga listrik yang terdiri dari beberapa pusat pembangkit listik, diperlukan suatu koordinasi di dalam penjadwalan besar daya listrik yang dibangkitkan masing-masing pusat pembangkit agar didapatkan suatu pembebanan yang optimal atau

2

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

yang dikenal lebih ekonomis. Hal ini berarti dalam pembangkitan dan penyaluran energi itu harus dilakukan secara ekonomis dan rasional (Rao, 2014).

Terdapat dua permasalahan yang harus dipecahkan dalam operasi ekonomis pembangkitan pada sistem tenaga listrik yaitu pengaturan unit pembangkit (unit commitment) dan penjadwalan ekonomis (economic dispatch).

Unit commitment bertujuan menentukan unit pembangkit yang paling optimum dioperasikan dalam menghadapi beban yang diberikan untuk mencapai biaya bahan bakar minimum . Sedangkan economic dispatch digunakan untuk membagi beban di antara unit-unit thermal yang beroperasi agar dicapai biaya bahan bakar yang minimum. (Wood and Wollenberg,1996)

Banyak penelitian dan metode yang digunakan untuk menyelesaikan permasalahan unit commitment dan economic dispatch diantaranya adalah

Lagrange Relaxation (Zhuang & Galiana 1988), Dynamic Programming (Snyder et al. 1987), Priority List Method (Senjyu et al. 2003), Fuzzy Logic (Su & Hsu 1991), Ant Colony Search (Sum-im & Ongsakul 2003.), A Branch and Bound

(Cohen & Yoshimura 1983), Quadratic Programming (Belhachem et al. 2013), Genetic Algorithm (Kazarlis et al. 1996), Particle Swarm Optimization (Pappala & Erlich 2008)

Pada penelitian ini, penulis mengaplikasikan metode Simulated Annealing

untuk optimasi koordinasi penjadwalan pembangkit unit thermal. Simulated annealing (SA) adalah salah satu algoritma untuk optimasi yang bersifat generik. Berbasiskan probabilitas dan mekanika statistik, algoritma ini dapat digunakan untuk mencari pendekatan terhadap solusi optimum global dari suatu permasalahan. Masalah yang membutuhkan pendekatan SA adalah masalah-masalah optimasi kombinatorial, di mana ruang pencarian solusi yang ada terlalu besar, sehingga hampir tidak mungkin ditemukan solusi eksak terhadap permasalahan itu. Aplikasi Simulated Annealing dalam masalah optimasi pertama kali dilakukan oleh Kirkpatrick dan koleganya pada tahun 1983. Metoda

3

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Simulated Annealing ini sering digunakan dalam permasalahan optimasi (Zhuang & Galiana 1990; Oktoviana 2007).

1.2. Rumusan Masalah

Pada Tugas Akhir Skripsi ini akan memfokuskan pada masalah dibawah ini:

1. Bagaimana persamaan karakteristik biaya bahan bakar pada setiap pembangkit unit thermal?

2. Bagaimana membuat model optimasi penjadwalan pembangkit unit thermal menggunakan algoritma Simulated Annealing tanpa memperhitungkan rugi-rugi pada saluran transmisi ?

3. Bagaimana perbandingan biaya (cost) dan galat (error) di dalam hasil optimasi penjadwalan pembangkit unit thermal antara algoritma Simulated Annealing dengan data riil sistem PLN ?

1.3. Batasan Masalah

Batasan masalah pada Tugas Akhir Skripsi ini adalah sebagai berikut : 1. Data yang digunakan untuk optimasi penjadwalan pembangkit unit

thermal adalah data dari Penyaluran dan Pusat Pengaturan Beban (P3B) PT. PLN (Persero) Gandul.

2. Pembangkit thermal yang digunakan sebanyak 6 pembangkit yaitu : Suralaya, Muaratawar, Tanjung Jati, Gresik, Paiton, dan Grati.

3. Rugi-rugi pada saluran transmisi diabaikan.

4. Metode yang digunakan dalam optimasi penjadwalan pembangkit unit thermal adalah Simulated Annealing.

5. Software pendukung untuk merancang program digunakan MATLAB ver. R2010a dari The MathWorks, Inc.

4

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Tujuan penulisan skripsi ini adalah sebagai berikut :

1. Mengetahui persamaan karakteristik biaya bahan bakar pada setiap unit thermal

2. Membuat model optimasi penjadwalan pembangkit unit thermal dengan menggunakan Simulated Annealing tanpa memperhitungkan rugi-rugi pada saluran transmisi.

3. Membandingkan hasil biaya (cost) dan galat (error) di dalam hasil optimasi penjadwalan pembangkit unit thermal antara algoritma Simulated Annealing dengan data riil sistem PLN.

1.5. Manfaat Penulisan Skripsi

Manfaat yang diharapakan dari skripsi ini diantaranya adalah sebagai berikut :

1. Bagi penulis : dapat menambah ilmu pengetahuan, pemahaman, dan keterampilan di dalam dunia kelistrikan, khususnya dalam optimasi penjadwalan unit thermal.

2. Bagi PLN : diharapkan sebagai salah satu kontribusi positif, bahwa algoritma simulated annealing merupakan metode optimasi yang dapat dipertimbangkan untuk digunakan. Sehingga dapat mengurangi kerugian finansial akibat penjadwalan unit thermal yang kurang tepat.

3. Bagi dunia pendidikan : diharapkan dapat meningkatkan ilmu pengetahuan di dalam dunia kelistrikan tentang optimasi penjadwalan unit thermal.

1.6. Metode Pengumpulan Data

Penulis menggunakan tiga metode pada proses pengumpulan data, yaitu : 1. Metode Wawancara

Penulis mendiskusikan dan menanyakan masalah-masalah yang tejadi pada penjadwalan pembangkit.

2. Metode Studi Pustaka

Penulis melakukan pembelajaran terhadap beberapa literatur baik dari penulis luar negeri maupun dalam negeri yang berhubungan dengan optimasi penjadwalan unit thermal.

5

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 3. Metode Observasi Langsung

Penulis dapat melihat langsung penjadwalan pembangkit di Penyaluran dan Pusat Pengaturan Beban (P3B) PT. PLN (Persero) Gandul.

1.7. Sistematika Penulisan Skripsi

Untuk memudahkan dalam membaca dan memahami skripsi ini, maka disusun sistematika penulisan sebagai berikut :

BAB I PENDAHULUAN

Memaparkan tentang latar belakang masalah, perumusan masalah, pembatasan masalah, tujuan penulisan, manfaat tugas akhir, dan sistematika penulisan.

BAB II KAJIAN PUSTAKA

Memaparkan tentang operasi sistem tenaga listrik, karakteristik input-output

pembangkit, konsep pembebanan ekonomis dan pengaturan unit pembangkit, algoritma simulated annealing.

BAB III METODOLOGI PENELITIAN

Memaparkan tentang model algoritma simulated annealing serta penyelesaian algoritmadalam optimasi penjadwalan pembangkit unit thermal.

BAB IV TEMUAN DAN PEMBAHASAN

Memaparkan tentang pembahasan hasil optimasi penjadwalan pembangkit unit thermal dengan algoritma yang telah dibuat.

BAB V SIMPULAN, IMPLIKASI DAN REKOMENDASI

Memaparkan tentang kesimpulan dari hasil penelitian dan saran-saran yang didasarkan pada hasil penelitian yang diperoleh.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

BAB III

METODOLOGI PENELITIAN

Penelitian penjadwalan pembangkit termal pada sistem interkoneksi 500kV Jawa-Bali ini adalah untuk membandingkan metode Simulated Annealing dengan metode yang digunakan PLN.

3.1 Sistem Interkoneksi 500kV Jawa Bali

Suralaya Kembangan Balaraja Gandul Cilegon Cibinong Bekasi Cawang Muaratawar Depok Tasikmalaya Pedan Kediri Tanjung Jati Paiton Saguling Cirata Cibatu Ungaran Gresik Ngimbang Mandirancan Bandung Selatan Grati Surabaya Barat 1 2 4 6 5 3 7 8 9 10 11 12 14 15 16 13 17 18

19 20 21

22 23 24

25

Gambar 3.1 Diagram satu garis sistem 500kV Jawa-Bali (sumber : PLN P3B Gandul)

Sistem interkoneksi 500 kV Jawa Bali terdiri atas 28 bus dengan 31 saluran dan 8 pembangkit. Pembangkit-pembangkit yang terhubung antara lain pembangkit

19

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Suralaya, pembangkit Muaratawar, pembangkit Cirata, pembangkit Saguling, pembangkit Tanjungjati, pembangkit Gresik, pembangkit Paiton, dan Pembangkit Grati. Diantara 8 pembangkit tersebut, pembangkit Cirata dan pembangkit Saguling merupakan pembangkit tenaga air, sedangkan pembangkit yang lainnya merupakan pembangkit listrik tenaga uap, adapun pembangkit Suralaya bertindak sebagai pembangkit slack.

Sistem tenaga listrik Jawa-Bali dibagi menjadi 4 (empat) region. Jakarta Raya dan Banten disebut region 1, Jawa Barat disebut region 2, Jawa Tengah dan D.I.Y disebut region 3, serta Jawa Timur dan Bali disebut region 4. Operasi sistem untuk masing-masing region dikendalikan oleh satu Regional Control Center

(RCC), yaitu RCC Cawang untuk region Jakarta Raya dan Banten, RCC Cigereleng untuk region Jawa Barat, RCC Ungaran untuk region Jawa Tengah dan DIY dan RCC Waru untuk region Jawa Timur dan Bali. Khusus untuk kawasan Bali, terdapat subRCC yang secara teknis berfungsi sebagai region tetapi secara administratif berada dibawah region Jawa Timur dan Bali. Untuk selurus sistem terdapat Jawa-Bali Control Center (JCC).

3.2 Pengumpulan Data Pembangkit

Data yang digunakan dalam menentukan koordinasi pembangkit adalah data heat rate pembangkit thermal sistem 500kV Jawa-Bali dan data pembebanan (Logsheet) pada tanggal 9 September 2013. Data heat rate tersebut akan diolah dan dijadikan persamaan biaya bahan bakar sebagai variabel input untuk pengujian algoritma simulated annealing untuk optimasi dalam koordinasi pembangkitan unit thermal dengan menggunakan perangkat lunak MATLAB R2010a.

Tabel 3.1 Data heat rate pembangkit thermal sistem 500kV (sumber : PLN P3B Gandul)

Pembangkit Daya Pembangkitan (MW) Heat Rate (Mbtu/kWh)

1 2 3 4 1 2 3 4

Suralaya 1703 2221 2561 3247 76.4922 74.4933 73.4542 71.7965

Muaratawar 736 986 1233 1420 147.641 137.1738 122.5266 119.001

Tanjungjati 1227 1525 1812.8 1982.8 28.8 28.48389 28.18652 27.978

20

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Paiton 2071.5 2792.5 3358.75 4005 76.1617 73.0132 70.8403 68.8973

Grati 330 402 527 746.6 105.511 95.3783 92.9114 91.1029

Tabel 3.2 Harga bahan bakar masing-masing pembangkit Pembangkit Biaya Bahan bakar

($/Jam)

Suralaya 296.1916

Muaratawar 651.32475

Tanjungjati 158.4425

Gresik 323.4908

Paiton 333.3285

Grati 335.2737

Tabel 3.1 merupakan data heat reat (laju panas) pembangkit thermal sistem 500 KV Jawa-Bali. Setiap unit pembangkit terdiri dari empat titik heat reat yang diperoleh dari hasil percobaan. Apabila data tersebut diolah maka akan diperoleh persamaan laju panas dari pembangkit thermal dalam MMbtu/h. Perkalian persaman laju panas dengan biaya bahan bakar akan menghasilkan persamaan baru yang menggambarkan karakteristik biaya bahan bakar pembangkit thermal. Tabel 3.2 merupakan harga bahan bakar dari masing-masing pembangkit ($/jam). Untuk mendapatkan biaya bahan bakar pembangkit ($MMBtu) yang akan dikalikan dengan persamaan laju panas dapat digunakan rumus berikut ini :

FC =

(3-1)

Dimana :

FC : Biaya bahan bakar ($/MMbtu) BB : Biaya bahan bakar ($/jam)

Q : Hasil kali antara heat rate dengan daya pembangkitan (MWbtu/Wh) Tabel 3.3 Biaya bahan bakar masing-masing pembangkit ($/MMbtu)

Pembangkit Biaya bahan bakar

($/MMbtu) Suralaya

0.4131 Muaratawar

1.15488 Tanjungjati

21

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Gresik

0.2392 Paiton

0.3807 Grati

1.7632

Sesuai dengan salah satu tujuan dari operasi sistem tenaga listrik yaitu untuk memenuhi kebutuhan permintaan daya dengan biaya yang minimum, dimana sistem harus aman dengan dampak terhadap lingkungan dibawah standar, mempunyai keandalan yang memenuhi standar dan dapat memenuhi permintaan secara countinue sepanjang waktu, maka dalam mengoperasikan pembangkit listrik haruslah memperhatikan batas-batas dari pembangkit tersebut agar sistem tetap dalam keadaan stabil. Salah satu batas-batas yang harus diperhatikan dalam mengoperasikan pembangkit listrik adalah batas daya minimum dan daya maksimum yang dimiliki oleh pembangkit tersebut, yang berarti bahwa suatu pembangkit listrik tidak dapat dioperasikan dibawah daya minum dan juga diatas daya maksimum dari pembangkit listrik tersebut.

Tabel 3.4 Batas pengoperasian daya pembangkit

Pembangkit Pmin Pmaks

Suralaya 1600 3400

Muaratawar 600 1500

Tanjungjati 1200 2100

Gresik 900 2100

Paiton 1800 4300

Grati 290 800

Optimasi pada sistem tenaga listrik khususnya pada masalah koordinasi pembangkit, mengharuskan untuk mencari kombinasi dari beberapa unit pembangkit dengan biaya yang paling murah . Salah satu cara untuk mencari biaya termurah tersebut dapat dilakukan dengan membuat urutan prioritas, yang akan merepresentasikan pembangkit-pembangkit dari biaya yang paling murah hingga biaya yang paling mahal. Urutan prioritas diurutkan berdasarkan biaya rata-rata beban maksimum (full load average) yang paling murah. Cara untuk

22

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

mendapatkan biaya rata-rata yang paling murah dapat dilakukan dengan mengalikan persamaan laju pertambahan biaya bahan bakar (incremental cost) masing-masing unit pembangkit dengan daya maksimum dari pembangkit tersebut. Urutan prioritas pembangkit sistem 500kV Jawa-Bali dapat dilihat pada tabel dibawah ini.

Tabel 3.5 Urutan prioritas pembangkit sistem 500kV Jawa-Bali Pembangkit Harga produksi

($/kWh)

Urutan

Paiton 0.0215449 1

Tanjungjati 0.021724 2

Suralaya 0.0265871 3

Gresik 0.0523438 4

Muaratawar 0.0790631 5

Grati 0.1818127 6

Data uji yang akan digunakan dalam penelitian ini adalah Logsheet pada hari senin tanggal 9 September 2013 yang diperoleh dari PT.PLN (Persero) P3B Gandul-Depok, grafik pembebanan pada tanggal 9 September 2013 dapat dilihat pada gambar 3.2.

23

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Gambar 3.2 Grafik beban unit thermal sistem 500kV( senin, 9 september 2013)

Beban pembangkit unit thermal sistem 500kV Jawa-Bali terdiri dari 24 jam yang kemudian dibagi menjadi 8 periode, dimana tiap periodenya merupakan beban rata-rata selama 3 jam. Dari grafik beban tersebut dapat dilihat bahwa beban berubah-ubah tiap periodenya dikarenakan beban akan mengikuti siklus kegiatan manusia sehari-hari, oleh sebab itu untuk menghadapi naik turunnya beban diperlukan koordinasi dari pembangkit unit thermal untuk mensuplai kebutuhan daya tetapi dengan harga minimum.

Data lain yang dibutuhkan dalam penelitian ini adalah penjadwalan pembangkit berdasarkan data riil sistem yang nantinya akan dibandingkan dengan penjadwalan pembangkit setelah dioptimasi dengan algoritma simulated annealing. Data riil sistem dapat dilihat pada tabel dibawah ini yang merupakan pembebanan pembangkit unit thermal pada tanggal 9 september 2013 yang sesuai dengan data pembebanan pada gambar 3.1, dimana pembebanan tersebut telah dibagi menjadi 8 periode.

Tabel 3.6 Penjadwalan pembangkit unit thermal sistem500kV sebelum optimasi

0 2000 4000 6000 8000 10000 12000 14000 16000 18000

24

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Pukul Beban

(MW) Suralaya (MW) M.tawar (MW) T.Jati (MW) Gresik (MW) Paiton (MW) Grati (MW)

1-3 9293 2043 684 1664 1315 3179 408

4-6 9658 2418 657 1544 1243 3364 432

7-9 10891 2816 801 1799 1406 3673 396

10-12 12301 3112 1123 1933 1782 4010 341

13-15 12780 3252 1329 1967 1801 4076 355

16-18 12843 3188 1143 1987 1929 4115 481

19-21 13203 3151 1128 1983 2068 4232 641

22-24 12192 2995 835 1976 1998 4060 328

Jumlah

93161 22975 7700 14853 13542 30709 3382

Min

9293 2043 657 1544 1243 3179 328

Max

13203 3252 1329 1987 2068 4232 641

Rata-rata

11645 2871.875 962.5 1856.6 1692.7 3838 422.75

3.3 Tahap Perhitungan Persamaan Biaya Bahan Bakar

Mulai

Baca data heat rate Menghitung konstanta α, , I/O

masing-masing unit pembangkit Membentuk karakteristik I/O

Fi(Pit) = α i + i Pi + i Pi2 Menghitung harga biaya bahan bakar

Menghitung persamaan biaya bahan bakar Fi(Pit) = α i + i Pi + i Pi2 x harga biaya bahan bakar

Keluaran persamaan biaya bahan bakar

25

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Gambar 3.3 Flowchart Perhitungan Fungsi Biaya Bahan Bakar Pembangkit Dalam penjadwalan pembangkit termal dengan metode Simulated Annealing

diperlukan penentuan persamaan biaya bahan bakar terlebih dahulu yang diperoleh dengan mengolah data heat rate dari masing-masing unit pembangkit. Di bawah ini adalah tahapan-tahapan untuk menentukan persamaan biaya bahan bakar :

1. Membaca data heat rate pembangkit pada tabel 3.1

2. Menghitung konstanta α, ,dan input/output dari tiap unit pembangkit dengan mengolah data heat rate dan daya pembangkit dan membentuk matriks seperti dibawah ini :

[

∑ ∑

∑ ∑ ∑

∑ ∑ ∑

] [ ] [

∑

∑

∑

] (3-2)

Dimana :

n = Jumlah data daya (4)

∑ = Jumlah daya output

∑ = Jumlah dari hasil kali daya output dengan heat rate

Penentuan konstanta αi , i , idapat ditemukan dengan cara eliminasi gaus atau gaus jordan.

3. Membuat persamaan input/output dari konstanta α, ,dan

4. Menghitung persamaan biaya bahan bakar dari masing-masing pembangkit dengan perkalian antara persamaan input/output pembangkit dengan harga biaya bahan bakar pembangkit.

Persamaan biaya bahan bakar Fi(Pi) =

α

i

+ P

i

+

i2 (3-3) 3.4 Kesepakatan Unit Pembangkit Tenaga Listrik

Kesepakatan unit dapat didefenisikan sebagai proses pengambilan keputusan yang optimal, penjadwalan start-up dan shut-down unit-unit pembangkit guna meminimumkan biaya operasi selama periode pengamatan.

26

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Asumsi yang biasanya digunakan untuk menyelesaikan permasalahan kesepakatan unit pembangkit dengan algoritma simulated annealing adalah :

1. Beban sistem setiap periode pengamatan adalah konstan dan telah diberikan (diperoleh dari estimasi beban)

2. Rugi-rugi transmisi, start up cost diabaikan

Berdasarkan asumsi diatas kesepakatan unit pembangkit dapat diformulasikan sebagi berikut :

3.4.1 Fungsi obyektif

Minimisasi (Biaya bahan bakar)

FT = ∑ ] (3-4)

Dimana :

FT = Total biaya produksi seluruh pembangkit

) = Biaya tiap unit pembangkit untuk satuan waktu t

= Daya output yang dihasilkan tiap unit pembangkit pada waktu t = Status unit pembangkit

3.4.2 Kriteria pembatas

Kesetimbangan daya pembangkit dan beban

∑ t _(3-5)

Dimana :

= Daya output unit pembangkit i pada jam ke t Pdt = Daya beban jam ke t

3.4.3 Kapasitas pembangkit

Pi min ≤ ≤ Pi maks (3-6)

Dimana :

Pi min = Daya minimum yang dapat dihasilkan pembangkit ke i = Daya yang dibangkitkan pembangkit i pada jam t

27

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Pi maks = Daya maksimum yang dapat dihasilkan pembangkit ke i

3.5 Implementasi Simulated Annealing

Implementasi dari algoritma simulated annealing dalam permasalahan kombinatorial memerlukan empat unsur :

1. Deskripsi mengenai kombinasi yang dibentuk dari permasalahan 2. Suatu fungsi obyektif

3. Suatu random generator yang dapat mengubah kombinasi 4. Annealing schedule

3.5.1 Deskripsi kombinasi

Pada penelitian ini kombinasi pada sistem tenaga listrik berupa kombinasi

on-off unit-unit pembangkit (unit commitment) dan kombinasi daya pembangkitan yang ekonomis (economic dispatch).

3.5.2 Evaluasi fungsi obyektif

Fungsi obyektif pada penelitian ini merupakan fungsi biaya. Fungsi biaya merupakan jumlah dari biaya produksi semua unit pembangkit yang on

pada waktu tertentu.

3.5.3 Aturan perubahan kombinasi

Pada penelitian ini perubahan kombinasi dilakukan secara random. Suatu unit pembangkit digunakan pada waktu tertentu dengan suatu daya pembangkitan maka jika unit pembangkit tersebut digunakan pada waktu berikutnya daya pembangkitannya dapat ditambah atau dikurangi dengan batas daya maksimum dan minimum.

3.5.4 Annealing schedule

Annealing schedule berperan dalam menentukan pergerakan yang diperbolehkan selama proses pencarian berlangsung. Proses cooling atau

annealing adalah mencairkan sistem pada temperatur yang tinggi dan menurukan temperatur dengan tahap lambat sampai titik beku.

Biaya komputasi dari implementasi metode simulated annealing selalu didominasi oeh fungsi obyektifnya. Oleh sebab itu penting sekali jika fungsi obyektif ditampilkan secara efisien. Komponen yang penting dalam simulated annealing

28

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

adalah pembangkit bilangan random, yang digunakan pada saat dilakukan proses perubahan secara random pada kombinasi. Hal ini menjadi penting khususnya pada saat menyelesaikan permasalahan dalam ukuran besar dengan ribuan iterasi.

Mulai

Tentukan state awal, Hitung pembebanan dengan lamda, Hitung Total Cost (TCi) dan simpan sebagai current state (BEST SO FAR)

Tentukan harga awal dari Temperatur Dan buat temperatur=temperatur awal

Carilah state baru secara random dengan inisialisasi feasible solution, Hitung pembebanan dengan lamda, Hitung Total Cost baru (TCj)

Evaluasi Total cost ΔC = Tcj - Tci Inisialisasi persamaan biaya bahan bakar, batas

29

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

YA TIDAK

YA TIDAK

TIDAK

YA

Gambar 3.4 Flow chart algoritma simulated annealing

Susunan algoritma penjadwalan pembangkit termal mengabaikan rugi-rugi pada saluran transmisi dengan metode Simulated Annealing adalah sebagai berikut:

1. Menentukan kombinasi awal pembangkit (initial state)

2. Menghitung pembebanan unit pembangkit sesuai state dengan lamda dan dengan constraint ∑

λ =

∑

∑

Pi=

3. Evaluasi pembebanan unit pembangkit dengan persamaan constraint

λ untuk Pimin < Pi < Pimax

λ untuk Pi = Pmax

ΔC < 0

Simpan state baru sebagai current state (BEST SO FAR)

Terimalah state baru sebagai BEST SO FAR dengan probabilitas P(ΔC)=exp (-ΔC/T) > r, Bangkitkan bilangan acak r antara 0 sampai 1

BEST SO FAR yang terakhir adalah solusi Kriteria penyetop

memuaskan, T=Takhir ?

Selesai Turukan

temperatur

P(ΔC)>r A

30

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

λ untuk Pi = Pmin

4. Hitung total biaya kombinasi FT = ∑ ]

5. Simpan kombinasi dan pembebanan unit pembangkit tersebut sebagai

current state (BEST SO FAR)

6. Tentukan harga temperatur awal dan buat temperatur = temperatur awal 7. Carilah kombinasi baru (new state) secara random dengan inisialisasi

feasible solution, Hitung pembebanan masing-masing unit pembangkit serta total biaya dari kombinasi tersebut.

8. Hitung ΔE = Total biaya baru – Total biaya BEST SO FAR,

Jika ΔE≤0 maka terimalah kombinasi baru (new state) sebagai current state (BEST SO FAR).

Jika ΔE>0 maka terimalah kombinasi baru (new state) sebagai current state (BEST SO FAR) dengan probabilitas P(ΔC)=exp (-ΔC/T) > r, dan bangkitkan bilangan acak r antara 0 sampai 1.

9. Jika kriteria penyetop memuaskan atau temperatur = temperatur akhir maka kembalikan BEST SO FAR yang terakhir sebagai solusi, Jika tidak maka turunkan temperatur sesuai dengan jadwal pendinginan dan kembali ke langkah 7.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

BAB V

SIMPULAN, IMPLIKASI DAN REKOMENDASI 5.1 Simpulan

Berdasarkan penelitian skripsi yang telah dilakukan oleh penulis, didapat beberapa kesimpulan sebagai berikut:

1. Persamaan biaya bahan bakar masing-masing unit pembangkit

thermal berbeda sesuai dengan nilai heat rate unit pembangkit tersebut.

2. Algoritma simulated annealing adalah algoritma optimasi yang digunakan untuk menyelesaikan permasalahan optimasi khususnya optimasi kombinatorial yang memiliki ruang solusi sangat besar sehingga tidak mungkin diselesaikan secara manual.

3. Algoritma simulated annealing dapat menyelesaikan permasalahan kombinatorial pada penjadwalan dan pembebanan pembangkit dengan waktu yang sangat cepat dan juga dengan hasil yang optimal.

4. Hasil optimasi dengan menggunakan algoritma simulated annealing

tanpa memperhitungkan rugi-rugi saluran transmisi, start up cost, lebih optimal 24,3% dibandingkan dengan riil PLN.

5.2 Implikasi dan Rekomendasi

Di bawah ini merupakan beberapa saran penulis terhadap penelitian skripsi ini:

1. Untuk penelitian selanjutnya tentang unit commitment dan economic dispatch dapat ditambahkan kendala-kendala yang lebih banyak seperti rugi-rugi saluran transmisi, start up cost, ramping rate.

2. Algoritma simulated annealing dapat menyelesaikan permasalahan kombinatorial yang sangat besar, sehingga untuk penelitian selanjutnya jumlah unit pembangkit diperbanyak dengan sistem yang

45

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

lebih luas sehingga jumlah kombinasi yang dioptimasi akan semakin banyak.

3. Hasil analisis yang penulis lakukan masih perlu penelitian lebih lanjut untuk dibandingkan dengan metode lain ataupun dikombinasikan dengan metode lainnya agar diperoleh metode yang lebih baik dalam menyelesaikan persoalan penjadwalan dan pembebanan ekonomis pembangkit.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

DAFTAR RUJUKAN

Asmar, Yassir & Hasanuddin, T., 2014. Pembuatan Aplikasi Untuk Analisis Economic Dispatch Stasiun Pembangkit Tenaga Listrik. ELECTRICHSAN, 1(1).

Basith, A. (n.d.), 2005. Unit Commitment Menggunakan Algoritma Simulated Annealing (SA) Pada Pembangkit Belawan Indonesia.

Belhachem, R. et al., 2013. Dynamic Economic Load Dispatch Using Quadratic Programming and GAMS. , pp.126–131.

Cohen, A.I. & Yoshimura, M., 1983. A branch-and-bound algorithm for unit commitment. IEEE Trans. Power Appar. Syst.; (United States), 102:2. Hindriyanto., 2014. Metode Optimisasi Metaheuristik Menggunakan Matlab.

Yogyakarta: Gava Media

Kazarlis, S.A., Bakirtzis, A.G. & Petridis, V., 1996. A genetic algorithm solution to the unit commitment problem. IEEE Transactions on Power Systems, 11(1), pp.83–92.

Marsudi, D., 2011. Pembangkitan Energi Listrik (Edisi Kedua). Jakarta: Erlangga Marsudi, D., 2006. Operasi Sistem Tenaga Listrik (Edisi Pertama). Yogyakarta:

Graha Ilmu.

Oktoviana, L.T., 2007. Optimasi Perencanaan Transaksi Tenaga Listrik Interkoneksi Jawa-Bali Dengan Simulated Annealing.

Pappala, V.S. & Erlich, I., 2008. A new approach for solving the unit commitment problem by adaptive particle swarm optimization. 2008 IEEE Power and Energy Society General Meeting - Conversion and Delivery of Electrical Energy in the 21st Century, (3), pp.1–6.

Rao, D.L.V.N., 2014. PSO Technique for Solving the Economic Dispatch Problem Considering the Generator Constraints. International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering, 3, pp.10439–10454.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Rohmat, A., Abdullah, A. G., & Hasbullah. (2014). Koordinasi Hidro Thermal Jangka Pendek Menggunakan Algoritma Lagrangian Relaxation. Hlm. 1-18. Seliin, S. (1998). A simulated annealing algorithm for unit commitment, 13(1),

197–204.

Senjyu, T., Uezato, K. & Funabashi, T., 2003. A fast technique for unit commitment problem by extended priority list. IEEE Transactions on Power Systems, 18(2), pp.882–888..

Simopoulos, D. N., Kavatza, S. D., & Vournas, C. D. (2006). Unit Commitment by an Enhanced Simulated Annealing Algorithm. IEEE Transactions on Power Systems, 21(1), 68–76. doi:10.1109/TPWRS.2005.860922

Snyder, W.L., Powell, H.D. & Rayburn, J.C., 1987. Dynamic Programming Approach to Unit Commitment. IEEE Transactions on Power Systems, 2(2), pp.339–348.

Su, C.-C. & Hsu, Y.-Y., 1991. Fuzzy dynamic programming: an application to unit commitment. IEEE Transactions on Power Systems, 6(3), pp.1231– 1237.

Sum-im, T. & Ongsakul, W., Ant colony search algorithm for unit commitment. In IEEE International Conference on Industrial Technology, 2003. IEEE, pp. 72–77.

Suyanto., 2010. Algoritma Optimasi. Yogyakarta: Graha Ilmu

Stevenson, W. D. (1983). Analisis Sistem Tenaga Listrik. Edisi keempat. Jakarta: Erlangga.

Wood, A. J & Wollenberg, B. F. (1996). Power Generation, Operation, and Control. Edisi kedua. New York: John Wiley & Sons, Inc.

Zhuang, F. & Galiana, F.D., 1988. Towards a more rigorous and practical unit commitment by Lagrangian relaxation. IEEE Transactions on Power Systems, 3(2), pp.763–773.

Zhuang, F. & Galiana, F.D., 1990. Unit commitment by simulated annealing.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

30

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

λ untuk Pi = Pmin

4. Hitung total biaya kombinasi FT = ∑ ]

5. Simpan kombinasi dan pembebanan unit pembangkit tersebut sebagai

current state (BEST SO FAR)

6. Tentukan harga temperatur awal dan buat temperatur = temperatur awal 7. Carilah kombinasi baru (new state) secara random dengan inisialisasi

feasible solution, Hitung pembebanan masing-masing unit pembangkit serta total biaya dari kombinasi tersebut.

8. Hitung ΔE = Total biaya baru – Total biaya BEST SO FAR,

Jika ΔE≤0 maka terimalah kombinasi baru (new state) sebagai current state (BEST SO FAR).

Jika ΔE>0 maka terimalah kombinasi baru (new state) sebagai current state (BEST SO FAR) dengan probabilitas P(ΔC)=exp (-ΔC/T) > r, dan bangkitkan bilangan acak r antara 0 sampai 1.

9. Jika kriteria penyetop memuaskan atau temperatur = temperatur akhir maka kembalikan BEST SO FAR yang terakhir sebagai solusi, Jika tidak maka turunkan temperatur sesuai dengan jadwal pendinginan dan kembali ke langkah 7.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

BAB V

SIMPULAN, IMPLIKASI DAN REKOMENDASI

5.1 Simpulan

Berdasarkan penelitian skripsi yang telah dilakukan oleh penulis, didapat beberapa kesimpulan sebagai berikut:

1. Persamaan biaya bahan bakar masing-masing unit pembangkit

thermal berbeda sesuai dengan nilai heat rate unit pembangkit tersebut.

2. Algoritma simulated annealing adalah algoritma optimasi yang digunakan untuk menyelesaikan permasalahan optimasi khususnya optimasi kombinatorial yang memiliki ruang solusi sangat besar sehingga tidak mungkin diselesaikan secara manual.

3. Algoritma simulated annealing dapat menyelesaikan permasalahan kombinatorial pada penjadwalan dan pembebanan pembangkit dengan waktu yang sangat cepat dan juga dengan hasil yang optimal.

4. Hasil optimasi dengan menggunakan algoritma simulated annealing

tanpa memperhitungkan rugi-rugi saluran transmisi, start up cost, lebih optimal 24,3% dibandingkan dengan riil PLN.

5.2 Implikasi dan Rekomendasi

Di bawah ini merupakan beberapa saran penulis terhadap penelitian skripsi ini:

1. Untuk penelitian selanjutnya tentang unit commitment dan economic dispatch dapat ditambahkan kendala-kendala yang lebih banyak seperti rugi-rugi saluran transmisi, start up cost, ramping rate.

2. Algoritma simulated annealing dapat menyelesaikan permasalahan kombinatorial yang sangat besar, sehingga untuk penelitian selanjutnya jumlah unit pembangkit diperbanyak dengan sistem yang

45

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

lebih luas sehingga jumlah kombinasi yang dioptimasi akan semakin banyak.

3. Hasil analisis yang penulis lakukan masih perlu penelitian lebih lanjut untuk dibandingkan dengan metode lain ataupun dikombinasikan dengan metode lainnya agar diperoleh metode yang lebih baik dalam menyelesaikan persoalan penjadwalan dan pembebanan ekonomis pembangkit.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

DAFTAR RUJUKAN

Asmar, Yassir & Hasanuddin, T., 2014. Pembuatan Aplikasi Untuk Analisis Economic Dispatch Stasiun Pembangkit Tenaga Listrik. ELECTRICHSAN, 1(1).

Basith, A. (n.d.), 2005. Unit Commitment Menggunakan Algoritma Simulated Annealing (SA) Pada Pembangkit Belawan Indonesia.

Belhachem, R. et al., 2013. Dynamic Economic Load Dispatch Using Quadratic Programming and GAMS. , pp.126–131.

Cohen, A.I. & Yoshimura, M., 1983. A branch-and-bound algorithm for unit commitment. IEEE Trans. Power Appar. Syst.; (United States), 102:2. Hindriyanto., 2014. Metode Optimisasi Metaheuristik Menggunakan Matlab.

Yogyakarta: Gava Media

Kazarlis, S.A., Bakirtzis, A.G. & Petridis, V., 1996. A genetic algorithm solution to the unit commitment problem. IEEE Transactions on Power Systems, 11(1), pp.83–92.

Marsudi, D., 2011. Pembangkitan Energi Listrik (Edisi Kedua). Jakarta: Erlangga Marsudi, D., 2006. Operasi Sistem Tenaga Listrik (Edisi Pertama). Yogyakarta:

Graha Ilmu.

Oktoviana, L.T., 2007. Optimasi Perencanaan Transaksi Tenaga Listrik Interkoneksi Jawa-Bali Dengan Simulated Annealing.

Pappala, V.S. & Erlich, I., 2008. A new approach for solving the unit commitment problem by adaptive particle swarm optimization. 2008 IEEE Power and Energy Society General Meeting - Conversion and Delivery of Electrical Energy in the 21st Century, (3), pp.1–6.

Rao, D.L.V.N., 2014. PSO Technique for Solving the Economic Dispatch Problem Considering the Generator Constraints. International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering, 3, pp.10439–10454.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Rohmat, A., Abdullah, A. G., & Hasbullah. (2014). Koordinasi Hidro Thermal Jangka Pendek Menggunakan Algoritma Lagrangian Relaxation. Hlm. 1-18. Seliin, S. (1998). A simulated annealing algorithm for unit commitment, 13(1),

197–204.

Senjyu, T., Uezato, K. & Funabashi, T., 2003. A fast technique for unit commitment problem by extended priority list. IEEE Transactions on Power Systems, 18(2), pp.882–888..

Simopoulos, D. N., Kavatza, S. D., & Vournas, C. D. (2006). Unit Commitment by an Enhanced Simulated Annealing Algorithm. IEEE Transactions on Power Systems, 21(1), 68–76. doi:10.1109/TPWRS.2005.860922

Snyder, W.L., Powell, H.D. & Rayburn, J.C., 1987. Dynamic Programming Approach to Unit Commitment. IEEE Transactions on Power Systems, 2(2), pp.339–348.

Su, C.-C. & Hsu, Y.-Y., 1991. Fuzzy dynamic programming: an application to unit commitment. IEEE Transactions on Power Systems, 6(3), pp.1231– 1237.

Sum-im, T. & Ongsakul, W., Ant colony search algorithm for unit commitment. In IEEE International Conference on Industrial Technology, 2003. IEEE, pp. 72–77.

Suyanto., 2010. Algoritma Optimasi. Yogyakarta: Graha Ilmu

Stevenson, W. D. (1983). Analisis Sistem Tenaga Listrik. Edisi keempat. Jakarta: Erlangga.

Wood, A. J & Wollenberg, B. F. (1996). Power Generation, Operation, and Control. Edisi kedua. New York: John Wiley & Sons, Inc.

Zhuang, F. & Galiana, F.D., 1988. Towards a more rigorous and practical unit commitment by Lagrangian relaxation. IEEE Transactions on Power Systems, 3(2), pp.763–773.

Zhuang, F. & Galiana, F.D., 1990. Unit commitment by simulated annealing.

Binanta Pran Seda Tarigan, 2015

APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL