KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING.

SKRIPSI

Diajukan untuk memenuhi syarat mendapatkan gelar Sarjana Teknik Di Departemen Pendidikan Teknik Elektro Fakultas Pendidikan Teknologi dan

Kejuruan Universitas Pendidikan Indonesia

Oleh: Bagus Wicaksono

E.5051.1100008

PROGRAM STUDI TEKNIK ELEKTRO

DEPARTEMEN PENDIDIKAN TEKNIK ELEKTRO

FAKULTAS PENDIDIKAN TEKNOLOGI DAN KEJURUAN

UNIVERSITAS PENDIDIKAN INDONESIA

2015

THERMAL JANGKA PENDEK

MENGGUNAKAN SIMULATED

ANNEALING

Oleh Muhammad Rizki

Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana pada Fakultas Pendidikan Teknologi dan Kejuruan

© Bagus Wicaksono 2015 Universitas Pendidikan Indonesia

Oktober 2015

Hak Cipta dilindungi undang-undang.

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

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

Bagus Wicaksono E.5051.110008

ABSTRAK

Koordinasi pembangkit hidrotermal bertujuan untuk meminimalkan biaya total sistem operasi yang diwakili oleh biaya bahan bakar dan kendala selama optimisasi. Untuk melakukan optimisasi terdapat beberapa metode yang dapat digunakan. Simulated Annealing (SA) merupakan salah satu metode yang dapat digunakan untuk menyelesaikan permasalahan optimisasi. Metode ini terinspirasi dari proses annealing atau pendinginan dalam pembuatan material yang terdiri dari butir kristal. Pada koordinasi pembangkit hidrotermal prinsip dasarnya yaitu pembangkit hidro dijadikan sebagai penopang beban dasar sedangkan pembangkit termal dijadikan sebagai penopang beban sisa. Penelitian ini menggunakan 2 unit pembangkit hidro dan 6 unit pembangkit termal 25 bus dengan memperhitungkan rugi-rugi transmisi dan mempertimbangkan batasan daya pada masing-masing unit pembangkit yang dibantu oleh software MATLAB dalam penyelesaiannya. Koordinasi pembangkit hidrotermal menggunakan simulated annealing menghasilkan biaya total pembangkitan selama 24 jam sebesar $ 13288508.01. Kata kunci: Simulated Annealing (SA), Koordinasi Hidrotermal, Rugi-rugi Transmisi.

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

COORDINATION OF SHORT TERM HYDROTHERMAL USING SIMULATED ANNEALING

Bagus Wicaksono E.5051.1100008

ABSTRACT

Hydrothermal power plant coordination aims to minimize the total cost of operating system that is represented by fuel cost and constraints during optimization. To perform the optimization, there are several methods that can be used. Simulated Annealing (SA) is a method that can be used to solve the optimization problems. This method was inspired by annealing or cooling process in the manufacture of materials composed of crystals. The basic principle of hydrothermal power plant coordination includes the use of hydro power plants to support basic load while thermal power plants were used to support the remaining load. This study used two hydro power plant units and six thermal power plant units with 25 buses by calculating transmission losses and considering power limits in each power plant unit aided by MATLAB software during the process. Hydrothermal power plant coordination using simulated annealing plants showed that a total cost of generation for 24 hours is $ 13,288,508.01.

Keywords: Simulated Annealing (SA), Hydrothermal Coordination, Transmission Loss.

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

LEMBAR PENGESAHAN ... i

PERNYATAAN ... ii

ABSTRAK ... iii

KATA PENGANTAR ... v

UCAPAN TERIMA KASIH ... vi

DAFTAR ISI ... viii

DAFTAR TABEL ... x

DAFTAR GAMBAR ... xi

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang Penelitian ... 1

1.2 Rumusan Masalah Penelitian ... 2

1.3 Tujuan Penelitian ... 2

1.4 Manfaat/Signifikansi Penelitian ... 2

1.5 Struktur Organisasi Skripsi ... 3

BAB II KAJIAN PUSTAKA ... 4

2.1 Penjadwalan Pembangkit Hidrotermal ... 4

2.2 Koordinasi Pembangkit Hidrotermal ... 4

2.3 Simulated Annealing ... 7

2.3.1 Simulated Annealing untuk Optimisasi ... 8

2.4 Penelitian Relevan ... 10

BAB III METODE PENELITIAN ... 12

3.1 Sumber Data Penelitian ... 12

3.1.1 Data Bus ... 13

3.1.2 Data Pembangkit ... 15

3.1.3 Data Beban ... 17

3.2 Perangkat Penelitian ... 19

3.3 Prosedur Penelitian ... 19

BAB IV TEMUAN DAN PEMBAHASAN ... 22

4.1 Karakteristik Input-Ouput Pembangkit ... 22

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

4.1.2 Karakteristik Input-Ouput Pembangkit Termal ... 23

4.2 Optimisasi Menggunakan Simulated Annealing ... 26

4.3 Koordinasi Pembangkit Hidrotermal ... 30

BAB V SIMPULAN, IMPLIKASI DAN REKOMENDASI ... 33

5.1 Simpulan ... 33

5.2 Implikasi ... 33

5.3 Rekomendasi ... 34

DAFTAR PUSTAKA ... 35

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

PENDAHULUAN

1.1 Latar Belakang Penelitian

Pada saat ini penjadwalan pembangkit hidro dan termal dengan cara yang paling ekonomis merupakan hal terpenting dalam sistem tenaga modern untuk memenuhi kebutuhan dalam pasar energi (Cherian, 2008). Tujuan utama dari optimisasi pembangkit hidrotermal adalah meminimalkan biaya total sistem operasi yang diwakili oleh biaya bahan bakar, kendala pembangkit hidro dan pembangkit termal selama waktu optimisasi (Monte et al., 2009). Penjadwalan pembangkit hidrotermal memiliki konsep dasar yaitu memaksimalkan pembangkit hidro dan meminimalkan produksi pembangkit termal, sehingga menjamin keandalan dan pasokan daya secara ekonomis.

Beberapa tahun terakhir ada beberapa metode yang digunakan oleh para peneliti untuk menyelesaikan masalah optimisasi, seperti interactive fuzzy satisfying method, improved genetic algorithm (IGA), modified NSGA-II, differential evolution, simulated annealing (SA), particle swarm optimization technique, improved quantum-behaved particle swarm optimization, differential evolution with adaptive Cauchy mutation, bacterial foraging algorithm, mixed integer programming dan sebagainya (Xingwen et al., 2013).

Algoritma SA diperkenalkan oleh Metropolis pada tahun 1953 yang beranalogikan pada proses annealing (pendinginan) yang diterapkan dalam pembuatan material yang terdiri dari butir kristal. Metropolis menggunakan beberapa variabel dalam penjadwalan pendingin untuk mengontrol proses pencarian (Chen et al., 2011). Algoritma simulated annealing dalam melakukan pendekatan economic dispatch membutuhkan beberapa parameter agar menghasilkan solusi dalam penjadwalan unit pembangkit (Encinas et al., 2007).

Dalam penelitian ini hasil optimisasi dengan menggunakan simulated annealing diharapkan dapat mememberikan hasil optimisasi yang optimal dalam koordinasi pembangkit hidrotermal 500 kV Jawa-Bali. Hasil penelitian ini diharapkan menjadi referensi untuk pihak-pihak tertentu dalam melakukan

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

pengoperasian pembangkitan tenaga listrik, guna mendapatkan tingkat keekonomisan pembangkitan yang optimal.

1.2 Rumusan Masalah Penelitian

Data yang akan digunakan dalam penelitian ini adalah data pembangkitan listrik sistem 500 kV Jawa-Bali. Agar penulisan tidak keluar dari fokus bahasannya maka diperlukan suatu batasan masalah, adapun batasan-batasan masalah tersebut akan dirumuskan sebagai berikut:

1. Bagaimana prosedur penyusunan karakteristik input-output pembangkit pada permasalahan koordinasi pembangkit hidrotermal?

2. Bagaimana mengolah data pembangkitan yang ada menjadi nilai dan parameter pada metode simulated annealing?

3. Bagaimana hasil koordinasi pembangkit hidrotermal setelah dilakukan optimisasi menggunakan simulated annealing?

1.3 Tujuan Penelitian

Sejalan dengan rumusan masalah di atas, penulisan skripsi ini memiliki tujuan yang ingin dicapai adalah:

1. Mengetahui prosedur penyusunan karakteristik input-output pembangkit pada permasalahan koordinasi pembangkit hidrotermal.

2. Mengetahui proses pengolahan data-data pembangkitan yang dijadikan nilai dan parameter pada metode simulated annealing.

3. Menganalisis hasil penelitian mengenai koordinasi pembangkit hidrotermal dengan menggunakan simulated annealing.

1.4 Manfaat/Signifikansi Penelitian

Dalam sebuah penelitian tentunya diharapkan adanya manfaat yang akan diperoleh, adapun manfaat yang ingin dicapai atau diharapkan adalah sebagai berikut:

1. Manfaat bagi peneliti

a. Mengevaluasi hasil belajar dan menerapkannya ke dalam hal yang lebih nyata,

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

b. Mengetahui seluruh proses yang terjadi pada unit commitment dan economic dispatch sehingga mengetahui berapa besar optimisasi yang terjadi,

c. Mengetahui bagaimana metode simulated annealing dalam melakukan optimisasi pembangkitan tenaga listrik,

2. Manfaat bagi universitas

a. Menggunakan hasil peneltian sebagai bahan ajar,

b. Menggunakan hasil penelitian sebagai referensi untuk tugas akhir berikutnya,

c. Memberi tambahan karya ilmiah yang dapat bermanfaat bagi pembaca. 3. Manfaat bagi PLN

a. Hasil penelitian dapatdijadikan referensi untuk proses yang lebih baik lagi, b. Semoga dapat lebih mempermudah lagi dalam membantu mahasiswa

mendapatkan keperluan penelitian.

1.5 Struktur Organisasi Skripsi

Dalam penelitian ini, penulis membagi ke dalam lima bab utama, diantaranya: Bab I Pendahuluan yang terdapat subbab latar belakang, rumusan masalah, tujuan penelitian, manfaat penelitian, dan struktur organisasi skripsi. Bab II Kajian pustaka yang berisi penjelasan mengenai penjadwalan pembangkit hidrotermal, koordinasi pembangkit hidrotermal, dan simulated annealing. Bab III Metode penelitian, dalam bab ini terdiri dari alur penelitian yang dilakukan mulai dari mendapat data sampai dengan mengolah data tersebut. Bab IV temuan dan pembahasan berisi garis besar hasil penelitian, pemaparan dan pembahasan data sehingga dapat ditarik kesimpulan. Bab V simpulan, implikasi dan rekomendasi yang menyajikan penafsiran dan pemaknaan peneliti terhadap hasil analisis temuan penelitian serta mengajukan hal-hal penting yang dapat dimanfaatkan dari hasil penelitian.

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

METODE PENELITIAN

3.1 Sumber Data Penelitian

Penelitian ini akan difokuskan pada penjadwalan pembangkit tenaga listrik berkapasitas besar (slack bus) dengan data primer yang diperlukan adalah data pengeluaran beban listrik dari Penyaluran dan Pusat Pengaturan Beban (P3B) PT. PLN Persero Jawa-Bali, data yang digunakan merupakan data sistem interkoneksi 500 kV Jawa-Bali yang terdiri dari 25 bus dan 8 pembangkit yang terdiri dari 2 pembangkit hidro dan 6 pembangkit termal, yaitu Cirata, Saguling, Suralaya, Muaratawar, Tanjung Jati, Gresik, Paiton dan Grati. Untuk mempermudah analisis data penelitian ini, maka dapat dibuat terlebih dahulu pemodelan sistem konfigurasi interkoneksi 500 kV Jawa-Bali yang dapat dilihat pada gambar 3.1.

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 3 4

5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Dalam penelitian ini, asumsi yang digunakan dalam perhitungan koordinasi pembangkit hidrotermal sebagai berikut:

a. Semua unit pembangkit dalam kondisi siap ‘running’ ketika dimasukkan ke dalam sistem

b. Adanya batas minimum dan maksimum pembangkit setiap pembangkit

c. Nilai rugi-rugi transmisi dihitung dalam melakukan optimisasi menggunakan simulated annealing.

3.1.1 Data Bus

Agar mempermudah identifikasi dan analisis data penelitian, maka dari gambar 3.1 dapat diklasifikasikan 25 tersebut ke dalam 2 bus yaitu bus pembangkit dan bus beban. Tabel 3.1 merupakan hasil pengklasifiksian bus-bus yang ada di dalam sistem 500 kV.

Tabel 3.1 Pengklasifikasian bus sistem 500 kV

No.Bus Pembangkit Jenis

Pembangkit No. Bus Beban

1 Suralaya Termal 2 Cilegon

8 Muaratawar Termal 3 Baralaja

11 Saguling Hidro 4 Kembangan

12 Cirata Hidro 5 Gandul

19 Grati Termal 6 Cibinong

20 Gresik Termal 7 Depok

21 Paiton Termal 9 Bekasi

25 TanjungJati Termal 10 Cawang

13 Cibatu

14 Bandung Selatan

15 Mandirancan

16 Ungaran

17 Ngimbang

18 Surabaya Barat

22 Kediri

23 Pedan

24 Tasikmalaya

Untuk dapat menyelesaikan persamaan rugi-rugi transmisi, maka diperlukan data bus dan line data sebagai berikut:

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Tabel 3.2 Data bus sistem 500 kV Jawa-Bali

Bus No

Bus Code

Voltage Magnitude

Angle Degree

Load Generator Injected

MW MVAR MW MVAR Qmin Qmax MVAR

1 0 1.00 0.0 86 34 0 0 0 0 0

2 1 1.02 0.0 142 -56 2962 1554 -600 1700 0

3 0 1.00 0.0 320 -139 0 0 0 0 0

4 0 1.00 0.0 676 213 0 0 0 0 0

5 0 1.00 0.0 727 47 0 0 0 0 0

6 0 1.00 0.0 636 253 0 0 0 0 0

7 0 1.00 0.0 473 350 0 0 0 0 0

8 0 1.00 0.0 343 97 0 0 0 0 0

9 0 1.00 0.0 1097 79 0 0 0 0 0

10 0 1.00 0.0 536 166 0 0 0 0 0

11 2 1.00 0.0 0 0 1351 703 -700 800 0

12 0 1.00 0.0 666 463 0 0 0 0 0

13 0 1.00 0.0 650 270 365 120 -480 300 0

14 0 1.00 0.0 0 0 647 135 -140 150 0

15 0 1.00 0.0 137 48 0 0 0 0 0

16 0 1.00 0.0 505 325 0 0 0 0 0

17 0 1.00 0.0 -339 3 0 0 0 0 0

18 2 1.00 0.0 380 96 2385 336 -240 500 0

19 0 1.00 0.0 838 382 0 0 0 0 0

20 0 1.00 0.0 631 430 0 0 0 0 0

21 0 1.00 0.0 262 43 0 0 0 0 0

22 0 1.00 0.0 983 642 0 0 0 0 0

23 2 1.00 0.0 146 21 590 111 -610 200 0

24 2 1.00 0.0 430 205 325 44 -50 250 0

25 0 1.00 0.0 605 197 0 0 0 0 0

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Tabel 3.3 Line data sistem 500 kV Jawa-Bali

Bus nl Bus nr R p.u X p.u ½ B p.u Lines

2 1 0.00014 0.00141 0.00568 1

2 3 0.00125 0.01401 0.00057 1

2 6 0.00735 0.07066 0.00011 1

3 7 0.01313 0.14692 0.00005 1

5 4 0.00302 0.03385 0.00023 1

5 6 0.00595 0.05724 0.00014 1

7 14 0.00822 0.09199 0.00008 1

9 7 0.00444 0.04267 0.00008 1

9 8 0.00197 0.01896 0.00042 1

10 5 0.00069 0.00667 0.00119 1

10 7 0.00182 0.01753 0.00045 1

11 7 0.00621 0.05967 0.00013 1

11 8 0.00562 0.05404 0.00014 1

12 11 0.00564 0.05422 0.00014 1

12 13 0.00547 0.05264 0.00015 1

14 13 0.00294 0.02833 0.00028 1

14 16 0.00391 0.04380 0.00018 1

15 10 0.02811 0.31449 0.00002 1

17 16 0.01398 0.13433 0.00005 1

17 19 0.02695 0.25898 0.00003 1

19 18 0.01353 0.15140 0.00005 1

19 20 0.00903 0.08681 0.00009 1

19 21 0.02347 0.22558 0.00003 1

20 15 0.03062 0.34257 0.00002 1

21 22 0.00059 0.05740 0.00013 1

22 19 0.02979 0.28622 0.00002 1

22 24 0.00797 0.08919 0.00008 1

23 22 0.00280 0.02691 0.00029 1

25 20 0.02058 0.23025 0.00003 1

26 24 0.00887 0.09924 0.00008 1

26 25 0.02058 0.23025 0.00003 1

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Data yang dibutuhkan untuk perhitungan koordinasi hidrotermal yaitu batasan pengoperasian setiap pembangkit. Adapun batas minimum dan maksimum pembangkit yang beroperasi pada sistem interkoneksi 500 kV Jawa-Bali dapat dilihat pada tabel 3.2.

Tabel 3.4 Batas minimum dan maksimum pembangkit

Pembangkit P min

(MW)

P maks (MW)

Saguling 100 700

Cirata 60 1000

Suralaya 1600 3400

Muaratawar 750 1700

Tanjung Jati 1400 2700

Gresik 900 2100

Paiton 1400 3200

Grati 150 500

Selanjutnya perhitungan dilakukan dengan mencari nilai karakteristik dari unit pembangkit hidro dan pembangkit termal. Fungsi polynomial digunakan untuk mencari persamaan karakteristik dari pembangkit hidro dan termal. Untuk pembangkit hidro, karakteristik didapatkan setelah memasukkan empat nilai percobaan debit air terhadap kapasitas pembangkitan. Data debit air pembangkit hidro dapat dilihat pada tabel 3.3.

Tabel 3.5 Data debit air pembangkit hidro

PLTA Saguling PLTA Cirata

Debit Air Daya (MW) Debit Air Daya (MW)

111618 100 271702 80

137699 200 317653 100

157896 300 350093 300

216780 400 495532 400

Untuk pembangkit termal, karakteristik didapatkan dengan mengolah empat titik heat rate yang diperoleh dari hasil percobaan. Persamaan biaya bahan bakar dari setiap unit pembangkit termal dapat diketahui setelah persamaan karakteristik yang telah kita dapat dikalikan dengan biaya bahan bakar. Data persamaan heat rate dapat dilihat pada tabel 3.4.

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Tabel 3.6 Data heat rate pembangkit termal No

Bus

Daya Pembangkitan (MW) Heat-Rate (Btu/kWh)

1 2 3 4 1 2 3 4

1 1703 2221 2561 3247 76492.24 74493.38 73454.29 71796.5

8 666 826 993 1140 112582.84 112253.66 100783.99 98182.3

25 1227 1525 1812.8 1982.8 28800.93 28483.89 28186.52 27978.62

20 1141 1382 1649 1973 191161.2 189915.88 189237.69 188630.89

21 2071.5 2792.5 3358.75 4005 76161.72 73013.27 70840.3 68897.35

19 320 400 560 795.6 124583.96 111932.42 108890.5 106665.57

3.1.3 Data Beban

Data yang digunakan dalam penelitian ini adalah data pembebanan pada sistem interkoneksi 500 kV Jawa-Bali pada hari senin, 9 September 2013. Adapun data pembebanan untuk tiap unit pembangkit dimulai dari pukul 01.00 sampai dengan interval data pembebanan 1 jam dapat dilihat pada tabel 3.5.

Tabel 3.7 Data pembebanan selama 24 jam

Pukul Saguling Cirata Suralaya Muaratawar Tanjung Jati Gresik Paiton Grati

01.00 110.24 0 2032 724.06 1818 288.92 2398.49 411.61

02.00 102.36 0 2038 676.88 1656 288.92 2198.71 407.48

03.00 105.31 0 2058 651.48 1517 288.92 2204.64 404.52

04.00 171.26 0 2037 650.13 1361 288.92 2157.42 402.76

05.00 92.52 0 2490 706.31 1579 288.92 2479.7 438.78

06.00 91.54 0 2728 613.75 1693 288.92 2439.34 454.73

07.00 107.28 111 2534 734.43 1591 288.92 2290.61 406.29

08.00 110.24 110 2964 686.06 1828 288.92 2616.95 405.11

09.00 187.99 30 2951 981.79 1977 492.46 2956.29 377.36

10.00 293.31 62 2979 982.42 1989 513.84 2997.85 376.18

11.00 289.38 66 3162 1220.23 1986 513.84 2998.86 320.68

12.00 185.04 60 3195 1167.54 1823 513.84 2574.27 325.4

13.00 288.39 109 3266 1393.11 1928 513.84 2656.1 284.65

14.00 281.49 59 3249 1319.98 1986 513.84 3011.14 377.96

15.00 183.08 60 3241 1273.65 1986 513.84 3022.58 401.58

16.00 202.75 91 3251 1178.63 1988 513.84 2844.42 412.79

17.00 184.05 59 3095 1093.42 1987 513.84 2844.86 341.33

18.00 339.57 156 3218 1156.97 1986 513.84 3023.58 689.17

19.00 298.24 158 3137 1159.86 1975 513.84 3024.86 747.24

20.00 304.14 171 3155 1166.48 1989 513.84 3017.19 685.67

21.00 301.19 138 3161 1056.47 1986 513.84 3021.68 491.26

22.00 88.58 60 3089 843.31 1989 513.84 2839.84 400.91

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

24.00 95.47 63 2961 720.03 1973 513.84 2863 292.2

Dari data pembebanan tiap pembangkit setiap satu jam terlihat kenaikan atau penurunan beban untuk tiap-tiap jamnya tidak terlalu jauh berbeda. Berdasarkan data tersebut maka penulis membuat pembebanan rata-rata setiap 3 jam sekali dalam 1 perode yang dapat dilihat pada gambar 3.2.

Gambar 3.2 Grafik beban harian pembangkit hidrotermal (Senin, 9 September 2013)

Data beban harian dibagi menjadi 8 periode, dimana setiap periodenya merupakan beban rata-rata selama 3 jam. Dari gambar dapat dilihat bahwa beban puncak berada pada periode 7, yaitu pukul 19.00–21.00 WIB dengan nilai beban mencapai 10895,27 MW dan beban minimal terjadi pada periode 1, yaitu pukul 01.00–03.00 WIB dengan nilai beban rata-rata sebesar 7460,51 MW.

Tabel 3.8 Pembagian periode waktu

Periode Waktu Beban Rata-rata (MW)

1 01.00 02.00 03.00 7460,51

2 04.00 05.00 06.00 7817,67

3 07.00 08.00 09.00 9008,90

4 10.00 11.00 12.00 10198,23

5 13.00 14.00 15.00 10639,74

6 16.00 17.00 18.00 10561,35

7 19.00 20.00 21.00 10895,27

8 22.00 23.00 24.00 9650,14

6000 7000 8000 9000 10000 11000 12000

1-3 4-6 7-9 10-12 13-15 16-18 19-21 22-24

B

e

b

a

n

(

M

W

)

Waktu (Jam)

Grafik Beban Harian Pembangkit Hidro-Termal

Senin, 9 September 2013

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 3.2 Perangkat Penelitian

Penelitian mengenai optimisasi pembangkitan hidrotermal dapat dilakukan dengan sistem komputerisasi. Penelitian ini dilakukan dengan menggunakan laptop yang memiliki spesifikasi OS yang digunakan Microsoft Windows 7 Home Premium 64-bit dan Processor Intel ® Core ™ i3 CPU. Penelitian ini juga ditunjang dengan beberapa software yang bertujuan untuk membantu penulis dalam melakukan optimisasi pembangkitan hidrotermal. Adapun software yang digunakan diantaranya Microsoft Excel, Microsoft Word, MATLAB, dan Mendeley.

3.3 Prosedur Penelitian

Agar penulisan dalam penelitian ini lebih terarah dan sistematis, maka di bawah ini merupakan diagram alir dari penelitian skripsi dan algoritma simulated annealing yang menunjukkan langkah-langkah dari optimisasi pembangkitan hidrotermal namun tetap memperhatikan batasan-batasan yang ada dalam sistem dan pembangkitan tenaga listrik.

MULAI

Studi Literatur

Pengumpulan Data

Pengolahan Data

Analisis

Hasil Optimal

SELESAI Tidak

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Gambar 3.3 Diagram alir penelitian skripsi

Start

Inisialisasi Parameter

Inisialisasi nilai kontrol

parameter

Iterasi k = 1

Solusi Xj Total Cost TCj

TCj ≤ TCi

ΔC = TCj - TCi

Iterasi Selesai

Solusi Optimal Ya

Stop Ya

Tidak

Tidak k = k + 1

Gambar 3.4 Diagram alir algoritma simulated annealing

Penelitian menggunakan metode simulated annealing mempunyai tahapan sebagai berikut:

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Langkah 1 : Tentukan kemungkinan solusi yang layak dengan memasukan data berupa fungsi objektif dan fungsi kendala.

Langkah 2 : Atur nilai parameter control atau jumlah iterasi maksimal yang akan dilakukan, pada metode ini jumlah iterasi ditentukan oleh nilai suhu temperaturnya.

Langkah 3 : Mulai iterasi pertama

Langkah 4 : Mendapatkan solusi awal Xj dan jumlah dari fungsi biaya TCj Langkah 5 : Jika TCj ≤ TCi maka Xi = Xj dan TCj = TCi Lanjutkan ke langkah

berikutnya. Jika tidak hitung nilai deviasi biaya ∆C = TCj – Tci sehingga mendapat nilai Xi

Langkah 6 : Lakukan proses tersebut sampai iterasi terakhir. Langkah 7 : Mendapatkan solusi optimal

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

SIMPULAN, IMPLIKASI DAN REKOMENDASI

5.1 Simpulan

Berdasar pada pembahasan dan temuan yang didapatkan dalam penelitian ini maka beberapa hal dapat disimpulkan terkait dengan rumusan masalah yang telah ditentukan. Simpulan pertama, mengenai karakteristik input-output untuk pembangkit hidro dipengaruhi oleh debit air setiap pembangkit hidro, sehingga didapat daya output yang dapat dibangkitkan dan untuk pembangkit termal diperoleh dari heat rate masing-masing unit pembangkit termal kemudian diperoleh fungsi biaya dari setiap unit pembangkit termal serta parameter saluran yang digunakan dalam perhitungan optimisasi pembangkit termal. Kedua, pada optimisasi pembangkit termal menggunakan metode simulated annealing dapat menggunakan software MATLAB dengan menentukan parameter pada toolbox atau membuat script pada command window. Adapun parameter untuk optimisasi pembangkit termal diantaranya fungsi biaya bahan bakar masing-masing unit pembangkit, batasan daya keluaran masing-masing unit pembangkit, koefisien pada rugi-rugi transmisi serta permintaan beban yang dibutuhkan. Ketiga, terkait pembagian beban dari pembangkit hidro dan pembangkit termal dimana pembangkit hidro dijadikan sebagai penopang beban dasar sedangkan pembangkit termal menopang beban sisa yang tak dapat ditopang oleh pembangkit hidro, hasil optimisasi menggunakan simulated annealing menunjukan bahwa total biaya operasional yang didapat sebesar $ 13288508,01.

5.2 Implikasi

Koordinasi pembangkit hidrotermal mempertimbangkan pembagian beban antara pembangkit hidro dan pembangkit termal, pembagian beban menggunakan metode simulated annealing dapat menjadi salah satu pilihan dalam mengatur daya keluaran pada masing- masing unit pembangkit.

Hasil yang diperlihatkan pada koordinasi pembangkit hidrotermal menggunaka simulated annealing pada tanggal 9 september 2013 dapat dijadikan

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

masukan dalam melakukan optimisasi pada pembangkitan agar mendapat hasil yang optimal guna memenuhi kebutuhan beban.

5.3 Rekomendasi

Koordinasi pembangkit hidro termal menggunakan simulated annealing dapat digunakan sebagai pembanding dalam melakukan optimisasi pembangkitan, semoga menjadi pertimbangan penggunaan metode ini untuk melakukan optimisasi pembangkit untuk penelitian maupun penerapan di lapangan khususnya oleh PT. PLN P3B Jawa-Bali. Rekomendasi lain yang didapatkan dalam penelitian ini ialah untuk melakukan pengembangan terhadap metode simulated annealing hasilnya akan lebih optimal jika dilakukan prediksi beban terlebih dahulu sebelum melakukan optimisasi.

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Araujo, T. D. F., Uturbey, W., & Nunes, L. C. (2013). Short-Term Hydrothermal Dispatch and Demand Management with Evolutionary Algorithms. 12th International Conference on Environment and Electrical Engineering, EEEIC 2013, (1), 259–264. http://doi.org/10.1109/EEEIC.2013.6549627 Bilbao, M., & Alba, E. (2009). Simulated annealing for optimization of wind farm

annual profit. 2009 2nd International Symposium on Logistics and Industrial

Informatics, LINDI 2009, 0(2), 1–5.

http://doi.org/10.1109/LINDI.2009.5258656

Chang, W. C. W. (2010). Optimal Scheduling of Hydrothermal System Based on Improved Particle Swarm Optimization. Power and Energy Engineering

Conference (APPEEC), 2010 Asia-Pacific, 1–4.

http://doi.org/10.1109/APPEEC.2010.5448307

Chen, P.-H. (2008). Pumped-Storage Scheduling Using Evolutionary Particle Swarm Optimization. IEEE Transactions on Energy Conversion. http://doi.org/10.1109/TEC.2007.914312

Chen, Z., & Luo, P. (2011). QISA: Incorporating quantum computation into Simulated Annealing for optimization problems. 2011 IEEE Congress of

Evolutionary Computation, CEC 2011, 2480–2487.

http://doi.org/10.1109/CEC.2011.5949925

Cherian, S. (2008). Hydro Thermal Scheduling using Particle Swarm Optimization. In Transmission and Distribution Conference and Exposition, 2008. T&D. IEEE/PES (pp. 1–5). http://doi.org/10.1109/TDC.2008.4517221 Dahal, K. P., Burt, G. M., McDonald, J. R., & Galloway, S. J. (2000).

GA/SA-based hybrid techniques for the scheduling of generator maintenance in power systems. Proceedings of the 2000 Congress on Evolutionary

Computation. CEC00 (Cat. No.00TH8512), 1.

http://doi.org/10.1109/CEC.2000.870347

Dai, E., & Turkay, B. E. (2009). Power Dispatch of Hydrothermal Coordination using Evolutionary Algorithm. 2009 International Conference on Electrical and Electronics Engineering - ELECO 2009, 2(15), 392–395.

Dasgupta, K. (2014). Short-Term Hydrothermal Scheduling Using Particle Swarm Optimization with Constriction Factor and Inertia Weight Approach. Automation, Control, Energy and System (ACES), 2014 First International Conference on, 1–6. http://doi.org/10.1109/ACES.2014.6808021

Delfanti, M., Granelli, G. P., Marannino, P., Member, S., & Montagna, M. (2001). Short-term Hydro-thermal Coordination Based on Interior Point Nonlinear

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Programming and Genetic Algorithms. IEEE Porto Power Tech Proceedings, 3, 6. http://doi.org/10.1109/PTC.2001.964887

Diniz, A. L., Sagastizábal, C., & Maceira, M. E. P. (2007). Assessment of lagrangian relaxation with variable splitting for hydrothermal scheduling. In 2007 IEEE Power Engineering Society General Meeting, PES (pp. 1–8). http://doi.org/10.1109/PES.2007.386246

Duncan, R. a., Seymore, G. E., Streiffert, D. L., & Engberg, D. J. (1985). Optimal Hydrothermal Coordination for Multiple Reservoir River Systems. IEEE Transactions on Power Apparatus and Systems, PAS-104(5), 1154–1159. http://doi.org/10.1109/TPAS.1985.323467

El-Hawary, M. E. (1982). Optimum Operation of Fixed-Head Hydro-Thermal

Electric Power Systems: Powell’s Hybrid Method Versus Newton-Raphson

Method. IEEE Transactions on Power Apparatus and Systems, PAS-101(3), 547–554. http://doi.org/10.1109/TPAS.1982.317267

Erkmen, I., & Karatas, B. (1994). Short-Term Hydrothermal Coordination by using Multi-Pass Dynamic Programming with Successive Approximation.

Proceedings of MELECON ’94. Mediterranean Electrotechnical Conference,

3, 925–928. http://doi.org/10.1109/MELCON.1994.380950

Farhat, I. A. (2011). Short-term Coordination of Hydro-Thermal Systems with Cascaded Reservoirs using Bacterial Foraging Algorithm. Electrical and Computer Engineering (CCECE), 2011 24th Canadian Conference on, 11, 000430 – 000435.

Farhat, I. A., & El-Hawary, M. E. (2009a). Optimization Methods Applied for Solving the Short-Term Hydrothermal Coordination Problem. Electric Power

Systems Research, 79(9), 1308–1320.

http://doi.org/10.1016/j.epsr.2009.04.001

Farhat, I. A., & El-Hawary, M. E. (2009b). Short-term Hydro-Thermal Scheduling using an Improved Bacterial Foraging Algorithm. In Electrical Power &

Energy Conference (EPEC), 2009 IEEE (pp. 1–5).

http://doi.org/10.1109/EPEC.2009.5420913

Farhat, I. A., & Member, S. (2010). Fixed-Head Hydro-Thermal Scheduling Using a Modified Bacterial Foraging Algorithm. Electrical Power and

Energy Conference (EPEC), 2010 IEEE, 10, 1 – 6.

http://doi.org/10.1109/EPEC.2010.5697200

Farhat, I. A., & El-Hawary, M. E. (2009). Short-term Hydro-Thermal Scheduling using an Improved Bacterial Foraging Algorithm. In Electrical Power &

Energy Conference (EPEC), 2009 IEEE (pp. 1–5).

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Gil, E., Bustos, J., & Rudnick, H. (2003). Shor-Term Hydrothermal Generation Scheduling Model using a Genetic Algorithm. IEEE Transactions on Power Systems, 18(4), 1256 – 1264. http://doi.org/10.1109/TPWRS.2003.819877 Monte, B., Soares, S., & Member, S. (2009). Fuzzy Inference Systems Approach

for Long Term Hydrothermal Scheduling. Power Systems Conference and

Exposition, 2009. PSCE ’09. IEEE/PES, 1–7.

http://doi.org/10.1109/PSCE.2009.4840020

Nabona, N., Castro, J., & Gonzalez, J. a. (1995). Optimum Long-Term Hydrothermal Coordination with Fuel Limits. IEEE Transactions on Power Systems, 10(2), 1054–1062. http://doi.org/10.1109/59.387951

Rashtchi, V., Bayat, A., & Vahedi, R. (2009). Adaptive Step Length Bacterial Foraging Algorithm. Intelligent Computing and Intelligent Systems, 2009. ICIS 2009. IEEE International Conference on, 1, 322–326. http://doi.org/10.1109/ICICISYS.2009.5357834

Ružić, S. (1998). Optimal Distance Method for Lagrangian Multipliers Updating

in Short-Term Hydro-Thermal Coordination. IEEE Transactions on Power Systems, 13(4), 1439–1444. http://doi.org/10.1109/59.736287

Salam, S. (1997). Comprehensive Algorithm for Hydrothermal Coordination. IEEE Proceedings Generation Transmission and Distribution, 144(5), 482 – 488. http://doi.org/10.1049/ip- gtd:19970819

Simopoulos, D., & Kavatza, S. (2005). Consideration of ramp rate constraints in unit commitment using simulated annealing. 2005 IEEE Russia Power Tech, PowerTech. http://doi.org/10.1109/PTC.2005.4524359

Soares, S. (1980). Optimal Generation Scheduling of Hydrothermal Power System. IEEE Transactions on Power Apparatus and Systems, PAS-99(3), 1107–1118. http://doi.org/10.1109/TPAS.1980.319741

Tong, S. K., & Shahidehpour, S. M. (1990). Hydrothermal Unit Commitment with Probabilistic Constraints using Segmentation Method. IEEE Transactions on Power Systems, 5(1), 276–282. http://doi.org/10.1109/59.49117

Vahedi, H., Hosseini, S. H., & Noroozian, R. (2010). Bacterial Foraging Algorithm for Security Constrained Optimal Power Flow. Energy Market (EEM), 2010 7th International Conference on the European, 1–6. http://doi.org/10.1109/EEM.2010.5558709

Watchorn, C. W. (1967). Inside Hydrothermal Coordination. IEEE Transactions

on Power Apparatus and Systems, PAS-86(1), 106 – 117.

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Wong, K. P., Member, S., & Wong, Y. W. (1997). Hybrid Genetic/Simulated Annealing Approach To Short-Term Multiple-Fuel-Constrained Generation Scheduling. IEEE Transactions on Power Systems, (2), 776–784.

Xingwen, J., & Jianzhong, Z. (2013). Hybrid DE-TLBO Algorithm for Solving Short Term Hydro-thermal Optimal Scheduling with Incommensurable Objectives. Control Conference (CCC), 2013 32nd Chinese, (1), 2474–2479. Xiong-fa, M. A. I. (2012). Bacterial Foraging Algorithm Based on Gradient

Particle Swarm Optimization Algorithm. Natural Computation (ICNC), 2012

Eighth International Conference on, (Icnc), 1026–1030.

http://doi.org/10.1109/ICNC.2012.6234588

Yan, H., Luh, P. B., Guan, X., & Rogan, P. M. (1994). Scheduling of Hydrothermal Power Systems Using the Augmented Lagrangian Decomposition and Coordination Technique. American Control Conference, 1994, 2, 1558–1562. http://doi.org/10.1109/ACC.1994.752331

Yang, J. S., & Chen, N. (1989). Short Term Hydrothermal Coordination using Multi-Pass Dynamic Programming. IEEE Transactions on Power Systems, 4(3), 1050–1056. http://doi.org/10.1109/59.32598

Zhu, Y., Jian, J., Wu, J., & Yang, L. (2013). Global Optimization of Non-Convex Hydro-Thermal Coordination Based on Semidefinite Programming. IEEE

Transactions on Power Systems, 28(4), 3720–3728.

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

BAB V

SIMPULAN, IMPLIKASI DAN REKOMENDASI

5.1 Simpulan

Berdasar pada pembahasan dan temuan yang didapatkan dalam penelitian ini maka beberapa hal dapat disimpulkan terkait dengan rumusan masalah yang telah ditentukan. Simpulan pertama, mengenai karakteristik input-output untuk pembangkit hidro dipengaruhi oleh debit air setiap pembangkit hidro, sehingga didapat daya output yang dapat dibangkitkan dan untuk pembangkit termal diperoleh dari heat rate masing-masing unit pembangkit termal kemudian diperoleh fungsi biaya dari setiap unit pembangkit termal serta parameter saluran yang digunakan dalam perhitungan optimisasi pembangkit termal. Kedua, pada optimisasi pembangkit termal menggunakan metode simulated annealing dapat menggunakan software MATLAB dengan menentukan parameter pada toolbox atau membuat script pada command window. Adapun parameter untuk optimisasi pembangkit termal diantaranya fungsi biaya bahan bakar masing-masing unit pembangkit, batasan daya keluaran masing-masing unit pembangkit, koefisien pada rugi-rugi transmisi serta permintaan beban yang dibutuhkan. Ketiga, terkait pembagian beban dari pembangkit hidro dan pembangkit termal dimana pembangkit hidro dijadikan sebagai penopang beban dasar sedangkan pembangkit termal menopang beban sisa yang tak dapat ditopang oleh pembangkit hidro, hasil optimisasi menggunakan simulated annealing menunjukan bahwa total biaya operasional yang didapat sebesar $ 13288508,01.

5.2 Implikasi

Koordinasi pembangkit hidrotermal mempertimbangkan pembagian beban antara pembangkit hidro dan pembangkit termal, pembagian beban menggunakan metode simulated annealing dapat menjadi salah satu pilihan dalam mengatur daya keluaran pada masing- masing unit pembangkit.

Hasil yang diperlihatkan pada koordinasi pembangkit hidrotermal menggunaka simulated annealing pada tanggal 9 september 2013 dapat dijadikan

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

masukan dalam melakukan optimisasi pada pembangkitan agar mendapat hasil yang optimal guna memenuhi kebutuhan beban.

5.3 Rekomendasi

Koordinasi pembangkit hidro termal menggunakan simulated annealing dapat digunakan sebagai pembanding dalam melakukan optimisasi pembangkitan, semoga menjadi pertimbangan penggunaan metode ini untuk melakukan optimisasi pembangkit untuk penelitian maupun penerapan di lapangan khususnya oleh PT. PLN P3B Jawa-Bali. Rekomendasi lain yang didapatkan dalam penelitian ini ialah untuk melakukan pengembangan terhadap metode simulated annealing hasilnya akan lebih optimal jika dilakukan prediksi beban terlebih dahulu sebelum melakukan optimisasi.

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

DAFTAR PUSTAKA

Araujo, T. D. F., Uturbey, W., & Nunes, L. C. (2013). Short-Term Hydrothermal Dispatch and Demand Management with Evolutionary Algorithms. 12th International Conference on Environment and Electrical Engineering, EEEIC 2013, (1), 259–264. http://doi.org/10.1109/EEEIC.2013.6549627 Bilbao, M., & Alba, E. (2009). Simulated annealing for optimization of wind farm

annual profit. 2009 2nd International Symposium on Logistics and Industrial

Informatics, LINDI 2009, 0(2), 1–5.

http://doi.org/10.1109/LINDI.2009.5258656

Chang, W. C. W. (2010). Optimal Scheduling of Hydrothermal System Based on Improved Particle Swarm Optimization. Power and Energy Engineering Conference (APPEEC), 2010 Asia-Pacific, 1–4. http://doi.org/10.1109/APPEEC.2010.5448307

Chen, P.-H. (2008). Pumped-Storage Scheduling Using Evolutionary Particle Swarm Optimization. IEEE Transactions on Energy Conversion. http://doi.org/10.1109/TEC.2007.914312

Chen, Z., & Luo, P. (2011). QISA: Incorporating quantum computation into Simulated Annealing for optimization problems. 2011 IEEE Congress of Evolutionary Computation, CEC 2011, 2480–2487. http://doi.org/10.1109/CEC.2011.5949925

Cherian, S. (2008). Hydro Thermal Scheduling using Particle Swarm Optimization. In Transmission and Distribution Conference and Exposition, 2008. T&D. IEEE/PES (pp. 1–5). http://doi.org/10.1109/TDC.2008.4517221 Dahal, K. P., Burt, G. M., McDonald, J. R., & Galloway, S. J. (2000).

GA/SA-based hybrid techniques for the scheduling of generator maintenance in power systems. Proceedings of the 2000 Congress on Evolutionary Computation. CEC00 (Cat. No.00TH8512), 1. http://doi.org/10.1109/CEC.2000.870347

Dai, E., & Turkay, B. E. (2009). Power Dispatch of Hydrothermal Coordination using Evolutionary Algorithm. 2009 International Conference on Electrical and Electronics Engineering - ELECO 2009, 2(15), 392–395.

Dasgupta, K. (2014). Short-Term Hydrothermal Scheduling Using Particle Swarm Optimization with Constriction Factor and Inertia Weight Approach. Automation, Control, Energy and System (ACES), 2014 First International Conference on, 1–6. http://doi.org/10.1109/ACES.2014.6808021

Delfanti, M., Granelli, G. P., Marannino, P., Member, S., & Montagna, M. (2001). Short-term Hydro-thermal Coordination Based on Interior Point Nonlinear

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Programming and Genetic Algorithms. IEEE Porto Power Tech Proceedings, 3, 6. http://doi.org/10.1109/PTC.2001.964887

Diniz, A. L., Sagastizábal, C., & Maceira, M. E. P. (2007). Assessment of lagrangian relaxation with variable splitting for hydrothermal scheduling. In 2007 IEEE Power Engineering Society General Meeting, PES (pp. 1–8). http://doi.org/10.1109/PES.2007.386246

Duncan, R. a., Seymore, G. E., Streiffert, D. L., & Engberg, D. J. (1985). Optimal Hydrothermal Coordination for Multiple Reservoir River Systems. IEEE Transactions on Power Apparatus and Systems, PAS-104(5), 1154–1159. http://doi.org/10.1109/TPAS.1985.323467

El-Hawary, M. E. (1982). Optimum Operation of Fixed-Head Hydro-Thermal

Electric Power Systems: Powell’s Hybrid Method Versus Newton-Raphson Method. IEEE Transactions on Power Apparatus and Systems, PAS-101(3), 547–554. http://doi.org/10.1109/TPAS.1982.317267

Erkmen, I., & Karatas, B. (1994). Short-Term Hydrothermal Coordination by using Multi-Pass Dynamic Programming with Successive Approximation.

Proceedings of MELECON ’94. Mediterranean Electrotechnical Conference, 3, 925–928. http://doi.org/10.1109/MELCON.1994.380950

Farhat, I. A. (2011). Short-term Coordination of Hydro-Thermal Systems with Cascaded Reservoirs using Bacterial Foraging Algorithm. Electrical and Computer Engineering (CCECE), 2011 24th Canadian Conference on, 11, 000430 – 000435.

Farhat, I. A., & El-Hawary, M. E. (2009a). Optimization Methods Applied for Solving the Short-Term Hydrothermal Coordination Problem. Electric Power

Systems Research, 79(9), 1308–1320.

http://doi.org/10.1016/j.epsr.2009.04.001

Farhat, I. A., & El-Hawary, M. E. (2009b). Short-term Hydro-Thermal Scheduling using an Improved Bacterial Foraging Algorithm. In Electrical Power & Energy Conference (EPEC), 2009 IEEE (pp. 1–5). http://doi.org/10.1109/EPEC.2009.5420913

Farhat, I. A., & Member, S. (2010). Fixed-Head Hydro-Thermal Scheduling Using a Modified Bacterial Foraging Algorithm. Electrical Power and Energy Conference (EPEC), 2010 IEEE, 10, 1 – 6. http://doi.org/10.1109/EPEC.2010.5697200

Farhat, I. A., & El-Hawary, M. E. (2009). Short-term Hydro-Thermal Scheduling using an Improved Bacterial Foraging Algorithm. In Electrical Power & Energy Conference (EPEC), 2009 IEEE (pp. 1–5). http://doi.org/10.1109/EPEC.2009.5420913

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Gil, E., Bustos, J., & Rudnick, H. (2003). Shor-Term Hydrothermal Generation Scheduling Model using a Genetic Algorithm. IEEE Transactions on Power Systems, 18(4), 1256 – 1264. http://doi.org/10.1109/TPWRS.2003.819877 Monte, B., Soares, S., & Member, S. (2009). Fuzzy Inference Systems Approach

for Long Term Hydrothermal Scheduling. Power Systems Conference and

Exposition, 2009. PSCE ’09. IEEE/PES, 1–7.

http://doi.org/10.1109/PSCE.2009.4840020

Nabona, N., Castro, J., & Gonzalez, J. a. (1995). Optimum Long-Term Hydrothermal Coordination with Fuel Limits. IEEE Transactions on Power Systems, 10(2), 1054–1062. http://doi.org/10.1109/59.387951

Rashtchi, V., Bayat, A., & Vahedi, R. (2009). Adaptive Step Length Bacterial Foraging Algorithm. Intelligent Computing and Intelligent Systems, 2009. ICIS 2009. IEEE International Conference on, 1, 322–326. http://doi.org/10.1109/ICICISYS.2009.5357834

Ružić, S. (1998). Optimal Distance Method for Lagrangian Multipliers Updating

in Short-Term Hydro-Thermal Coordination. IEEE Transactions on Power Systems, 13(4), 1439–1444. http://doi.org/10.1109/59.736287

Salam, S. (1997). Comprehensive Algorithm for Hydrothermal Coordination. IEEE Proceedings Generation Transmission and Distribution, 144(5), 482 – 488. http://doi.org/10.1049/ip- gtd:19970819

Simopoulos, D., & Kavatza, S. (2005). Consideration of ramp rate constraints in unit commitment using simulated annealing. 2005 IEEE Russia Power Tech, PowerTech. http://doi.org/10.1109/PTC.2005.4524359

Soares, S. (1980). Optimal Generation Scheduling of Hydrothermal Power System. IEEE Transactions on Power Apparatus and Systems, PAS-99(3), 1107–1118. http://doi.org/10.1109/TPAS.1980.319741

Tong, S. K., & Shahidehpour, S. M. (1990). Hydrothermal Unit Commitment with Probabilistic Constraints using Segmentation Method. IEEE Transactions on Power Systems, 5(1), 276–282. http://doi.org/10.1109/59.49117

Vahedi, H., Hosseini, S. H., & Noroozian, R. (2010). Bacterial Foraging Algorithm for Security Constrained Optimal Power Flow. Energy Market (EEM), 2010 7th International Conference on the European, 1–6. http://doi.org/10.1109/EEM.2010.5558709

Watchorn, C. W. (1967). Inside Hydrothermal Coordination. IEEE Transactions on Power Apparatus and Systems, PAS-86(1), 106 – 117. http://doi.org/10.1109/TPAS.1967.291780

Bagus Wicaksono,2015

KOORDINASI PEMBANGKIT HYDRO-THERMAL JANGKA PENDEK MENGGUNAKAN SIMULATED ANNEALING

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

Wong, K. P., Member, S., & Wong, Y. W. (1997). Hybrid Genetic/Simulated Annealing Approach To Short-Term Multiple-Fuel-Constrained Generation Scheduling. IEEE Transactions on Power Systems, (2), 776–784.

Xingwen, J., & Jianzhong, Z. (2013). Hybrid DE-TLBO Algorithm for Solving Short Term Hydro-thermal Optimal Scheduling with Incommensurable Objectives. Control Conference (CCC), 2013 32nd Chinese, (1), 2474–2479. Xiong-fa, M. A. I. (2012). Bacterial Foraging Algorithm Based on Gradient

Particle Swarm Optimization Algorithm. Natural Computation (ICNC), 2012 Eighth International Conference on, (Icnc), 1026–1030. http://doi.org/10.1109/ICNC.2012.6234588

Yan, H., Luh, P. B., Guan, X., & Rogan, P. M. (1994). Scheduling of Hydrothermal Power Systems Using the Augmented Lagrangian Decomposition and Coordination Technique. American Control Conference, 1994, 2, 1558–1562. http://doi.org/10.1109/ACC.1994.752331

Yang, J. S., & Chen, N. (1989). Short Term Hydrothermal Coordination using Multi-Pass Dynamic Programming. IEEE Transactions on Power Systems, 4(3), 1050–1056. http://doi.org/10.1109/59.32598

Zhu, Y., Jian, J., Wu, J., & Yang, L. (2013). Global Optimization of Non-Convex Hydro-Thermal Coordination Based on Semidefinite Programming. IEEE Transactions on Power Systems, 28(4), 3720–3728. http://doi.org/10.1109/TPWRS.2013.2259642