KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS

Transkripsi

1 ISSN ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS Sabhan Kanata Jurusan Ten Eletro, Unverstas Ichsan Gorontalo Jln. Raden Saleh No. 17 Kota Gorontalo E-mal : sabhananata@yahoo.co.d Dterma : 26 Agustus 2013 Dsetuju : 30 Agustus 2013 Dpublasan : September 2013 ABSTRAK Komponen baya palng besar pada operas pembangtan thermal adalah baya bahan baar.untu membuat baya omsums bahan baar generator atau baya operas dar eseluruhan sstem semnmal mungn dengan menentuan ombnas daya output dar masng-masng unt pembangt d bawah eangan dar tuntutan beban sstem dan batas emampuan pembangtan masng-masng unt pembangt denal dengan stlah economc dspatch. Dalam peneltan n, dlauan 2 pendeatan yatu Constrcton Factor based Partcle Swarm Optmzaton (CFBPSO) dan ombnas nerta weght dengan contrcton factor(iwcfpso). Pendeatan n dterapan dalam asus sstem tenaga yatu pada asus IEEE 26 bus dengan pembebanan MW dmana pendeatan CFBPSO daniwcfpso menunjuan hasl yang lebh optmal dbandng metode Improved Partcle Swarm Optmzaton (IPSO), Newton Raphson(NR), dan Genetc Algorthm (GA) namun metode IWCFPSO mampu memberan solus lebh cepat dbandngan dengan metode CFBPSO. Kata unc : pembangtan eonoms, partcle swarm optmzaton, contrcton factor, nerta weght, IEEE 26 bus ABSTRACT The most substantal component of the operatng cost of thermal generaton s fuel costs. To mae the cost of generator fuel consumpton or operaton of the overall system cost to a mnmum by specfyng a combnaton of the output power of each generatng unt under the constrants of the system load demand and generaton capacty lmts of each generatng unt nown as economc dspatch. In ths study use conducted two approach areconstrcton factor based Partcle Swarm Optmzaton ( CFBPSO ) and combnaton wth contrcton factor and nerta weght ( IWCFPSO ). Ths approach s appled n the case of the power system n the case of IEEE 26 buses wth 1,263 MW of whch loadng and IWCFPSO and CFBPSO approach showed better results than the optmal method of Improved Partcle Swarm Optmzaton ( IPSO ), Newton Raphson ( NR ) and Genetc Algorthm ( GA ) but IWCFPSO method s able to provde a soluton much faster than the method CFBPSO. Keywords: economc generaton, partcle swarmoptmzaton, constrcton factor, nerta weght, IEEE 26 bus PENDAHULUAN Sstem pembangtan dmana omsums bahan baar menjad suatu masalah dan perlu mendapatan perhatan yang serus mengngat omponen baya operas pembangtan terbesar adalah baya bahan baar.penghematan baya bahan baar dalam persentase yang ecl memberan pengaruh yang sangat besar terhadap penghematan baya operas. Untu memprodus tenaga lstr pada suatu sstem tenaga dbutuhan cara bagamana membuat baya omsums bahan baar generator atau baya operas dar eseluruhan sstem semnmal mungn dengan menentuan ombnas daya output dar masngmasng unt pembangt d bawah eangan dar tuntutan beban sstem dan batas emampuan pembangtan masng-masng unt pembangt. Cara n denal dengan stlah pembangtan eonoms [1][2]. 151

2 SABHAN KANATA : KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS Sudah banya metode dgunaan untu menyelesaan masalah n. Metode tradsonal sepert teras lambda, gradent dan newton-raphson [3] yang menggunaan urva ncremental cost dmana metode n dapat dlauan ja urva araterst ncremental cost n ddealan terlebh dahulu, sehngga urva terbentu menjad halus dan convex. Untu urva non-convex dapat dselesaan dengan cara menggunaan metode dynamc programmng [4]. Metode n meml elemahan arena serngal mengalam endala terjeba pada masalah optmas loal[5][6]. Untu mengatas masalah n, beberapa metode alternatf telah dembangan sepert algortma geneta [7], neural networ [8], dan partcle swarm optmzaton.[5-6][9-13]. Partcle swarm optmzaton (PSO) adalah metode optmas heurst global yang awalnya demuan oleh J. Kennedy dan Eberhart pada tahun 1995 dmana ddasaran pada ecerdasan hewan atau perlau pergeraan awanan burung atau an dalam mencar maanan sehngga dapat dterapan pada metode peneltan lmah maupun reayasa. Perbaan PSO dengan menerapan nerta weght yang berfungs mengontrol ecepatan dar watu e watu sehngga ecepatan mengalam penurunan secara lner yang membuat PSO mencar ruang yang lebh besar d awal untu mendapatan poss dengan cepat yatu solus yang palng optms. Saat nerta weght menurun, ecepatan partel juga ut memperlambat untu mencar solus parsal yang lebh halus sehngga metode perbaan n mampu memberan esembangan antara esploras global dan esplotas loal [13].. Kemudan dlauan perbaan dengan menggunaan contrcton factor untu menjamn onvergens dan oslas ampltudo partel menurun dar watu e watu tanpa pengaturan ecepatan masmum [14]. Peneltan dengan membandngan nerta weght dengan contrcton factor dmana penggunaan contrcton factor meml onvergens yang lebh ba dbandng menggunaan nerta weght [15]. Atas dasar n penelt mencoba mengombnasan eduanya untu mencar solus economc dspatchpada sstem tenaga IEEE 26 bus. METODE Dagram alr proses pencaran solus pembangtan eonoms mengombnasan nerta weght dan constrcton factor terlhat pada gambar 1, dengan rncan sebaga berut : 1. Masuan data saluran, data bus, data beban, dan data generator pada sstem tenaga IEEE 26 bus e dalam program alran daya Newton-Raphson 2. Jalanan alran daya Newton Raphson ntu menentuan ofsen rug-rug pada sstem tenaga IEEE 26 bus. 3. Setelah ofsen rug-rug ddapatan maa data tersebut dmasuan e dalam source data pada PSO. Selan data ofsen rug-rug, data fungs baya pembangtan, batas emampuan pembangtan, dan besar permntaan beban. 4. Masuan parameter-parameter PSO 5. Insalsas parameter yatu populaton sze, c 1, c 2, w awal - w ahr, dan error gradent. 6. Insalsas poss dan velocty partel secara aca. Insalsas aca partel dalam suatu populas sesua dengan batas masng-masng unt, dmens partel, dan velocty. In langah awal partel untu mencar calon solus yang laya yang memenuh operas endala batasan pembangtan. ja = ja ja 152

3 ISSN ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, Mula Masuan data saluran, bus, apastas dan onstanta baya pembangt, beban Menjalanan alran daya NR untu menentuan ofsen rugrug untu jad masuan data pada proses PSO Masuan ofsen rug-rug dan total daya beban, apastas dan ofsen baya pembangt pada proses PSO Menentuan jumlah populas Menentuan jumlah teras masmum Menentuan nla parameter-parameter PSO Insalsas epoch awal = 0 Membangtan secara aca populas dar partel dan poss awalnya Epoch = 0 Evaluas fungs tujuan pada partel yatu C t (P ) = α + β P + g P 2 Menghtung velocty baru partel V d +1 Menghtung poss baru setap partel berdasaran persamaan : X d +1 = X d + V d +1 Tda Menghtung ftness (evaluas) dar setap partel, berdasaran fungs tujuan Dar setap partel, ja nla ftness searang (P) lebh ba dar Pbest, Pbest = P Update Pbest sebaga Gbest Epoch = Epoch + 1 Gbest(+1) - Gbest() < Ya Menceta hasl total baya mnmum Selesa Gambar 1. Dagram alur proses pencaran solus PSO 153

4 SABHAN KANATA : KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS 7. Pada saat epoch = 0, setap partel dar populas membangtan eluaran tergantung pada permntaan beban (P D ) dan rug-rug daya (P L ). P = P D +P L dengan P l = P T BP = [ ] dan = [ j ] j j 8. Htung nla fungs lalu evaluasdar masng-masng partel (P ) dalam populas dengan menggunaan fungs dberan oleh: C t = 9. Bandngan nla evaluas fungs masng-masng ndvdu dengan Pbest-nya. Evaluas terba nla antara Pbest dlambangan sebagagbest 10. Pada epoch = + 1, update velocty partel ( ) dan poss partel menggunaan algortma : - ombnas bobot nersa (nerta weght) dan fator penyemptan (constrcton factor) ( - ) - ) - ombnas bobot nersa (nerta weght) dan fator penyemptan (constrcton factor) ( - ) 11. Update poss tap partel pada epoch= + 1 yatu : - ) ) dengan 12. Ja nla evaluas setap partel lebh ba dar Pbest sebelumnya, maa nla saat evaluas saat n datur menjad Pbest. Ja Pbest terba adalah lebh ba darpada Gbest, nla datur menjad Gbest. 13. Ja nla Gbest epoch saat n dengan sebelumnya memenuh rtera error yang dtentuan dmana lebh besar atau sama atau epoch sudah mencapa masmum maa solus n danggap palng optmal yatu nla Gbest terbaru dengan total baya pembangtan yang mnmum selanjutnya dlanjutan e langah 14. Tap ja belum memenuh maa embal e langah Selesa HASIL DAN PEMBAHASAN Sstem standar IEEE 26 terdr atas 6 pembangt, 26 bus, dan 46 saluran spert yang terlhat pada Gambar 2.Sstem n dujan pada pembebanan (P D ) = MW untu melhat nerja edua metode pendeatan yang dusulan [3][9]. Adapun parameter MIPSO yang dgunaan asus IEEE 26 bus n adalah : Masmum jumlah teras (epoch) = Uuran partel = 100 Fator asselaras c 1 dan c 2 meml nla yang sama yatu 2 untu Contrcton Factor (CF) bernla 1 sedangan untu c 1 sama dengan c 2 sebesar 2,05 untu CF = 0,729. Inerta Weght (w) awal dan ahr yatu 0,9 0,4 Batasan error yatu Gbest(+1) Gbest ()

5 ISSN ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, Slac Gambar 2. Dagram satu gars sstem tenaga IEEE 26 bus [3]. (Sumber : Power System Analyss, Had Saadat) Pada smulas pada asus n menggunaan data sebaga berut [3][9] : Data fungs baya bahan baar pembangt C 1 (P 1 ) = ,0P 1 + 0,0070 C 2 (P 2 ) = ,0P 2 + 0,0070 C 3 (P 3 ) = ,5P 3 + 0,0070 C 4 (P 4 ) = ,0P 4 + 0,0070 C 5 (P 5 ) = ,5P 5 + 0,0070 C 6 (P 6 ) = ,0P 6 + 0,

6 SABHAN KANATA : KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS Data batasan pembangtan 100 MW P MW 50 MW P MW 80 MW P MW 50 MW P MW 50 MW P MW 50 MW P MW Koofsen rug-rug daya B (pu) = [ ] Adapun eempat hasl smulas untu asus IEEE 26 bus dengan pembebanan (P D ) = MW adalah sebaga berut : a. Metode MIPSO dengan pendeatan CFBPSO dmana parameter CF bernla 1 dengan c 1 sama dengan c 2 yatu 2. Kombnas daya eluaran tap pembangt : P 1 = 447,07 MW P 2 = 173,19 MW P 3 = 263,90 MW P 4 = 139,03 MW P 5 = 165,60 MW P 6 = 86,63 MW P total = 1.275,42 MW Baya bahan baar Ct = ,66 $ per jam Rug-rug daya P rug-rug = 12,42 MW 156

7 ISSN ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, Adapun graf pencaran solus (ftness functon) dtunjuan pada Gambar 4.1 dmana pada asus n onvergen pada saat epoch mencapa dengan solus terba (Gbest) yatu ,66 $ per jam. b. Metode MIPSO dengan pendeatan CFBPSO dmana parameter CF bernla 0,729 dengan c 1 sama dengan c 2 yatu 2,05. Kombnas daya eluaran tap pembangt : P 1 = 447,07 MW P 2 = 173,18 MW P 3 = 263,92 MW P 4 = 139,05 MW P 5 = 165,58 MW P 6 = 86,62 MW P total = 1.275,42 MW Baya bahan baar Ct = ,66 $ per jam Rug-rug daya P rug-rug = 12,42 MW Adapun graf pencaran solus (ftness functon) dtunjuan pada Gambar 4.2 dmana pada asus n onvergen pada saat epoch mencapa dengan solus terba (Gbest) yatu ,66 $ per jam. c. Metode MIPSO dengan pendeatan IWCFPSO dmana parameter CF bernla 1, c 1 sama dengan c 2 yatu 2, dan w yatu 0,9 0,4. Kombnas daya eluaran tap pembangt : P 1 = 447,07 MW P 2 = 173,18 MW P 3 = 263,92 MW P 4 = 138,05 MW P 5 = 165,58 MW P 6 = 86,62 MW P total = 1.275,42 MW Baya bahan baar Ct = ,66 $ per jam Rug-rug daya P rug-rug = 12,42 MW 157

8 SABHAN KANATA : KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS Adapun graf pencaran solus (ftness functon) dtunjuan pada Gambar 4.3 dmana pada asus n onvergen pada saat epoch mencapa dengan solus terba (Gbest) yatu ,66 $ per jam. d. Metode MIPSO dengan pendeatan IWCFPSO dmana parameter CF bernla 0,729, c 1 sama dengan c 2 yatu 2,05, dan w yatu 0,9 0,4. Kombnas daya eluaran tap pembangt : P 1 = 447,07 MW P 2 = 173,18 MW P 3 = 263,92 MW P 4 = 139,05 MW P 5 = 165,58 MW P 6 = 86,62 MW P total = 1.275,42 MW Baya bahan baar Ct = ,66 $ per jam Rug-rug daya transms P rug-rug = 12,42 MW Adapun graf pencaran solus (ftness functon) dtunjuan pada Gambar 4.4 dmana pada asus n onvergen pada saat epoch mencapa dengan solus terba (Gbest) yatu ,66 $ per jam. Sedangan graf perbandngan eempat smulas dtunjuan pada Gambar 3. Dar eempat smulas yang dlauan, MIPSO dengan pendeatan IWCFPSO yang menggunaan parameter CF = 0,729 memberan solus yang palng ba yatu ,66 $ per jam dengan jumlah epoch dbandngan etga parameter MIPSO yang dujan serta metode yang dgunaan peneltan sebelumnya sepert yang dtunjuan pada Tabel 4.1. Gambar 3.Epoch pencaran solus pada pembangtann eonoms 158

9 ISSN ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, Tabel 4.1. Perbandngan metode pada asus IEEE 26 bus Pembangt NR GA IPSO CFBPSO Hbrd IWCFPSO [3] [9] [9] CF=0,729 CF=1 CF=0,729 CF=1 P1(MW) 447,69 474,81 447,50 447,07 447,07 447,07 447,07 P2 (MW) 173,19 178,64 173,32 173,18 173,19 173,18 173,18 P3(MW) 263,49 262,21 263,47 263,92 263,90 263,92 263,92 P4 (MW) 138,81 134,28 139,06 139,05 139,02 139,05 139,05 P5(MW) 165,59 151,90 165,48 165,58 165,60 165,58 165,58 P6 (MW) 87,03 74,18 87,13 86,62 86,63 86,62 86,62 Jumlah epoch Total beban (MW) Total daya eluaran (MW) Total Baya ($/jam) Rug-rug daya (MW) , , , , , , , , , , , , , ,66 12,80 13,02 12,96 12,42 12,42 12,42 12,42 Metode Hbrd IWCFPSO dengan menggunaan constrcton factor (CF) = 0,729 ddapatan besar baya bahan baar ,66 $/jam dengan rug-rug daya 12,42 MW sehngga mampu menghemat baya bahan baar sebesar 5,04 $ per jam dbandng Metode Newton Raphson, 16,34 $ per jam lebh hemat dbandng Metode Algortma Geneta, 7,34 $ per jam lebh hemat dbandng metode IPSO. Sedangan ja dbandngan dengan metode CFBPSO dan hbrd IWCFPSO dengan CF = 1 ddapatan hasl pembangtan eonoms yang sama tap metode Hbrd IWCFPSO dengan menggunaan constrcton factor (CF) = 0,729 n meml jumlah epoch pencaran lebh sedt sehngga lebh unggul dar seg watu pencaran solus. KESIMPULAN 1. Untu asus IEEE bus dengan total pembebanan. MW metode PSO yang dusulan yatu CFBPSO mampu memberan penghematan baya lebh ba dbandngan metode yang dgunaan penelt sebelumnya yatu IPSO sebesar $ per jam, N w o Raph o sebesar $ per jam dan GA sebesar $ per jam. 2. Untu asus yang sama yatu IEEE bus dengan total pembebanan. MW metode PSO dengan pendeatan IWCFPSO yatu ombnas a w gh dan o o fa o mampu memberan solus lebh cepat dbandngan dengan metode pendeatan CFBPSO. 159

10 SABHAN KANATA : KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS DAFTAR PUSTAKA [1] Jzhong, Optmzaton of Power System Operaton, Prncpal Engneer, AREVA T & D Inc. Redmond, WA, USA, IEEE seres of Power Engneerng, Copyrght [2] Lang, Z.X., Glover, J.D., A Zoom Feature For a Dynamc Programmng Soluton to Economc Dspatch Includng Transmsson Losses, IEEE Transactons on Power Sstems, [3] Saadat, H., Power System Analyss, Tata McGraw Hll Publshng Company, New Delh, [4] Khare, A., Rangnear, S., Partcle Swarm Optmzaton : A Revew, Department of Energy, Maulana Azad Natonal Insttute of Technology, Bhopal , Inda.21 [5] Hardansyah, Junad, dan Yohannes, M.S., Solvng Economc Load Dspatch Problem Usng Partcle Swarm Optmzaton Techngue, I.J Intellgent Sstem and Applcaton, 12-18, [6] Mohatram, M., Kumar, S., Applcaton of Artfcal Neural Networ n Economc Generaton Schedulng of Thermal Power Plants, Proceedngs of the Natonal Conference, [7] Sudhaaran, M., Ajay, P., Vmal R.D., dan Palanvelu, T., Applcaton of Partcle Swarm Optmzaton for Economc Load Dspatch Problem, Internatonal Conference on Intellgent Sstem Applcaton to Power Sstem, Tawan, Nov [8] Adrant, Penjadwalan Eonoms Pembangt Thermal dengan Memperhtungan Rug-rug Saluran Transms Menggunaan Metode Algortma Genet, Jurusan Ten Eletro, Faultas Ten, Unverstas Andalas, TenA, no 33 vol. 1, Apr [9] Gang, Z., Partcle Swarm Optmzaton to Solvng The Economc Dspatch consderng the generator constrants, IEEE Transacton on Power System, Vol. 18, No. 3, August [10] Young, S., Montahab, M., dan Nour, H., A Constrcton Factors Based Partcle Optmzaton Algorthm to Solve The Economc Dspatch Problem Includng Losses, Internatonal Journal of Innovatons n Energy Sstem and Power, Vol. 6, No. 1, July [11] Ba, Q., Analyss of Partcle Swarm Optmzaton Algorthm, Computer and Informatc Scence Journal, Vol. 3 No 1, Feb [12] Sh, Y., Eberhart, R.C., Partcle Swarm Optmzaton: Development, Applcatons, and Resources, Proceedngs of the 2001 Congress on Evolutonary Computaton, [13] Sh, Y., Eberhart, R., A Modfed Partcle Swarm Optmzer, Proc. IEEE Int. Conf. Evol. Comput, pp 69-73, May [14] Clerc, M., The Swarm and The Queen: Towards a Determnstc and Adaptve Partcle Swarm Optmzaton, Proc Congress on Evolutonary Computaton, Washngton, pp , IEEE Servce Centre, [15] Eberhart, R.C., Sh, Y., Comparng Inerta Weght and Constrcton Factors n Partcle Swarm Optmzaton, Procedng of the 2000 Congress on Evolutonary Computaton, Vol. 1,,pp ,