PENENTUAN MVAR OPTIMAL SVC PADA SISTEM TRANSMISI JAWA BALI 500 KV MENGGUNAKAN ARTIFICIAL BEE COLONY ALGORITHM

Transkripsi

1 PENENTUAN MVAR OPTIMAL SVC PADA SISTEM TRANSMISI JAWA BALI 500 KV MENGGUNAKAN ARTIFICIAL BEE COLONY ALGORITHM Oleh : Fajar Galih Indarko ( ) Dosen Pembimbing : Prof. Dr. Ir. Imam Robandi, MT. Seminar Tugas Akhir Jurusan Teknik Elektro ITS

2 PENDAHULUAN Latar belakang : - Permintaan tenaga listrik terus meningkat secara tetap, di sisi lain perluasan pembangkit tenaga listrik dan pembangunan saluran transmisi baru sudah sangat terbatas. - Pola pembangkitan tenaga listrik yang mengarah pada pembebanan saluran yang terlampau berat, mengakibatkan rugi-rugi saluran yang lebih tinggi. - Pemasangan SVC pada satu atau beberapa bus tertentu dalam jaring listrik. Permasalahan : - Menentukan kapasitas SVC dalam sistem, sehingga dapat diperoleh harga yang optimum. Metode yang diusulkan : Artificial Bee Colony (ABC) Algorithm

3 PENDAHULUAN 1. Menentukan lokasi pemasangan SVC Mencari bus kandidat, yaitu bus-bus yang akan dipasang SVC 2. Menentukan besar kapasitas SVC yang akan diinjeksikan

4 STATIC VAR COMPENSATOR (SVC) SVC = alat pembangkit atau penyerap daya reaktif statis yang dihubungkan paralel dan mempunyai keluaran (output) bervariasi untuk menjaga atau mengontrol parameter spesifik dari suatu sistem tenaga listrik. Dalam bentuk yang paling sederhana, SVC terdiri dari komponen fixed capacitor (FC) yang terhubung paralel dengan thyristor-controlled reactor (TCR).

5 STATIC VAR COMPENSATOR (SVC) Konfigurasi SVC : a) Model firing angle SVC b) Model total susceptance SVC Gambar 1

6 STATIC VAR COMPENSATOR (SVC) Diagram rangkaian SVC : Gambar 2

7 Artificial Bee Colony (ABC) Algorithm Artificial Bee Colony (ABC) Algorithm sebuah algoritma berdasarkan kecerdasan swarm yang mensimulasikan perilaku lebah madu dalam mencari makan untuk memecahkan permasalahan optimisasi. Dalam model ABC algorithm, koloni lebah tiruan terdiri dari tiga kelompok lebah, yaitu: lebah pekerja (employed bees), lebah onlooker dan lebah scout. Posisi sumber makanan mewakili solusi dari masalah yang dioptimisasi, dan jumlah nektar dari tiap sumber makanan mewakili kualitas (fitness) dari solusi yang didapat.

8 Inisialisasi posisi sumber makanan Hitung jumlah nektar Diagram Alir ABC Algorithm Tentukan posisi sumber makanan baru untuk lebah pekerja Hitung jumlah nektar Tentukan posisi sumber makanan tetangga untuk lebah onlooker Sudahkah semua lebah onlooker terdistribusi? Tidak Pilih sumber makanan untuk lebah onlooker Ya Catat posisi sumber makanan terbaik Tentukan sumber makanan yang harus ditinggalkan Gambar 3 Hasilkan posisi yang baru untuk pengganti sumber makanan yang ditinggalkan Tidak Apakah kriteria terpenuhi? Ya Posisi sumber makanan terakhir

9 Persamaan ABC Algorithm Tahap inisialisasi dilakukan melalui persamaan, Tiap lebah pekerja menghasilkan sebuah sumber makanan baru melalui rumusan, v ij = x ij + φ ij (x ij - x kj ) Lebah onlooker memilih sebuah sumber makanan dengan menggunakan perhitungan probabilitas, Pencarian acak lebah scout dengan memakai rumusan, x ij = x j min + (x j max x j min )*rand [0,1]

10 Implementasi ABC Algorithm Tabel representasi ABC Algorithm untuk optimisasi SVC ABC Algorithm Jumlah lebah pekerja atau posisi sumber makanan Optimisasi SVC pada sistem transmisi Jawa Bali 500 kv Nilai kapasitas SVC yang akan dipasang pada tiap bus dalam range yang telah ditentukan Dimensi Jumlah nektar sumber makanan (fitness) Jumlah kandidat bus pada sistem transmisi Jawa Bali 500 kv yang akan dipasang SVC Fungsi obyektif : min F = P loss

11 Diagram Alir Implementasi ABC Algorithm Pada Sistem START Analisis Aliran Daya: Input data pembangkit, saluran dan beban sistem transmisi Jawa Bali 500 kv Tentukan jumlah bus pada sistem yang akan dipasang SVC Inisialisasi awal parameter kontrol ABC Algorithm dan populasi sumber makanan (SN) sebagai kandidat solusi Gambar 4 Run load flow dan hitung fungsi obyektif (nilai fitness) awal Tentukan posisi sumber makanan (nilai kapasitas SVC) baru untuk lebah pekerja Run load flow dan hitung fungsi obyektif (nilai fitness) Tentukan posisi sumber makanan (nilai kapasitas SVC) tetangga untuk lebah onlooker Sudahkah semua lebah onlooker terdistribusi? Tidak Pilih sumber makanan (nilai kapasitas SVC) untuk lebah onlooker Ya 2 1

12 Diagram Alir Implementasi ABC Algorithm Pada Sistem 2 1 Catat solusi terbaik (mekanisme greedy selection) Tentukan solusi yang harus ditinggalkan (parameter kontrol limit ) Hasilkan nilai kapasitas SVC yang baru untuk pengganti solusi yang ditinggalkan Run load flow dan hitung fungsi obyektif (nilai fitness) Tidak Apakah kriteria terpenuhi? (cycle = MCN) Ya Nilai kapasitas SVC yang terbaik STOP

13 Analisis Data 5 Cibinong 2 Cilegon 4 Gandul 1 Kembangan Suralaya 3 18 Depok Data sistem transmisi Jawa Bali 500 kv, terdiri dari 23 bus, 28 saluran, dan 8 pusat pembangkit. 10 Cirata 7 Bekasi 6 Cawang 8 Muaratawar 19 Tasikmalaya Mandiracan Pedan Cibatu Saguling Bandung Kediri Ungaran 15 Tanjung jati 22 Paiton 16 Surabaya Barat 23 Grati 17 Gresik Gambar 5

14 Analisis Data Penyelesaian analisis aliran daya dengan menggunakan metode Newton-Raphson didasarkan pada: Base tegangan = 500 kv Base daya = 1000 MVA Akurasi = Akselerasi = 1.1 Maksimum iterasi = 50 Percobaan simulasi dilakukan dengan asumsi bahwa semua bus generator tidak akan dipasang SVC karena bus generator dianggap sudah mampu memenuhi kebutuhan daya reaktifnya sendiri. Total ukuran SVC yang dipasang pada sistem tidak dibatasi dan harga SVC tidak dipertimbangkan.

15 Analisis Data Percobaan dibagi menjadi dua kategori: Percobaan 1: Penempatan SVC diimplementasikan pada bus-bus yang terkena tegangan kritis, yakni tegangan yang nilainya di luar batasan tegangan normal (di bawah tegangan normal). Ukuran SVC maksimal yang dipasang pada tiap-tiap bus adalah 300 Mvar. Percobaan 2: Penempatan SVC dilakukan pada semua bus beban, yaitu bus 2, 3, 4, 5, 6, 7, 9, 12, 13, 14, 16, 18, 19, 20, and 21. Ukuran SVC maksimal yang dipasang pada tiap-tiap bus adalah 200 Mvar.

16 Analisis Data Performansi aliran daya sistem yang optimal diusahakan memenuhi batasan-batasan berikut : 1. Batas tegangan harus memenuhi nilai range : V min V i V max dengan i = 1, n i = nomor bus V min = 0.95 pu V max = 1.05 pu 2. Batasan operasi aman generator, untuk itu generator harus mensuplai daya reaktif sebesar : Q i > 0 dengan i = 1,...n i = jumlah generator 3. Fungsi obyektif yang digunakan untuk penempatan SVC adalah : min F = P loss dengan, P loss : Total kerugian daya aktif (MW)

17 No. Bus Hasil Percobaan Aliran daya sistem transmisi Jawa Bali 500 kv sebelum pemasangan SVC Tegangan (pu) Sudut (derajat) Beban Pembangkitan MW MVar MW MVar

18 Hasil Percobaan Rugi-rugi daya saluran transmisi Jawa Bali 500 kv sebelum pemasangan SVC Saluran Rugi-rugi Daya No. Aktif Reaktif Saluran Dari Ke (MW) (MVar) Total rugi-rugi

19 Hasil Percobaan 1 Aliran daya sistem transmisi Jawa Bali 500 kv setelah pemasangan SVC No. Bus Tegangan (pu) Sudut (derajat) Beban Pembangkitan Injeksi SVC MW MVar MW MVar

20 Hasil Percobaan 1 Rugi-rugi daya saluran transmisi Jawa Bali 500 kv setelah pemasangan SVC Saluran Rugi-rugi Daya No. Aktif Reaktif Saluran Dari Ke (MW) (MVar) Total rugi-rugi

21 Tegangan (pu) Hasil Percobaan 1 Grafik perbandingan tegangan masing-masing bus sebelum dan sesudah penempatan SVC No. Bus Sebelum penempatan SVC Sesudah penempatan SVC Gambar 6

22 Rugi Daya Aktif (MW) Hasil Percobaan 1 Grafik perbandingan rugi-rugi daya sistem sebelum dan sesudah penempatan SVC No. Saluran Sebelum penempatan SVC Sesudah penempatan SVC Gambar 7

23 Hasil Percobaan 2 Aliran daya sistem transmisi Jawa Bali 500 kv setelah pemasangan SVC No. Bus Tegangan (pu) Sudut (derajat) Beban Pembangkitan Injeksi SVC MW MVar MW MVar

24 Hasil Percobaan 2 Rugi-rugi daya saluran transmisi Jawa Bali 500 kv setelah pemasangan SVC Saluran Rugi-rugi Daya No. Aktif Reaktif Saluran Dari Ke (MW) (MVar) Total rugi-rugi

25 Tegangan (pu) Hasil Percobaan 2 Grafik perbandingan tegangan masing-masing bus sebelum dan sesudah penempatan SVC No. Bus Sebelum penempatan SVC Sesudah penempatan SVC Gambar 8

26 Rugi Daya Aktif (MW) Hasil Percobaan 2 Grafik perbandingan rugi-rugi daya sistem sebelum dan sesudah penempatan SVC No. Saluran Sebelum penempatan SVC Sesudah penempatan SVC Gambar 9

27 Perbandingan Percobaan 1 dan 2 Total SVC (MVAR) Percobaan 1 Percobaan 2 Total rugi daya aktif (MW) Total SVC (MVAR) Total rugi daya aktif (MW)

28 Kesimpulan Dari hasil simulasi penempatan optimal SVC pada sistem transmisi 500 kv Jawa Bali menggunakan Artificial Bee Colony (ABC) Algorithm dapat ditarik kesimpulan, 1. Proses komputasi pada penentuan Mvar optimal SVC sebagai kontrol tegangan menunjukkan peningkatan hasil yang memuaskan. Pada kondisi sebelum optimisasi, profil tegangan terendah yang terdapat pada bus 20 adalah sebesar pu, sedangkan setelah optimisasi, profil tegangan terendah pada percobaan 1 terdapat pada bus 3 sebesar pu dan pada percobaan 2 terdapat pada bus 14 dan 20 sebesar pu. 2. Pada percoban 1, penentuan Mvar optimal SVC menggunakan metode ABC dapat menurunkan rugi-rugi daya sebesar j MVA, yaitu dari j MVA menjadi j MVA, dengan SVC dipasang pada bus 13,14, 19, 20, dan Pada percobaan 2, penentuan Mvar optimal SVC menggunakan metode ABC dapat menurunkan rugi-rugi daya sebesar j MVA, yaitu dari j MVA menjadi j MVA, dengan SVC dipasang pada bus 2, 3, 4, 5, 6, 7, 9, 12, 13, 14, 16, 18, 19, 20, dan Hasil analisis menunjukkan bahwa percobaan 2 dapat menurunkan rugi-rugi daya aktif lebih besar dibandingkan percobaan 1, namun pada percobaan 2 memerlukan jumlah total SVC yang lebih besar.

29 Daftar Pustaka [1] Haque, M. H., Best Location of SVC to Improve First Swing Stability Limit of A Power System, Electric Power Systems Research 77: , [2] Grünbaum, R., Halvarsson, B., Wilk-Wilczynski, A., FACTS and HVDC Light For Power System Interconnections, ABB Power Systems, Power Delivery Conference, Madrid, Spain, September [3] Karaboga, D., An Idea Based On Honey Bee Swarm For Numerical Optimization, Technical Report-TR06, Erciyes University, Engineering Faculty, Computer Engineering Department, [4] Karaboga, D., Basturk, B., On The Performance of Artificial Bee Colony (ABC) Algorithm, Applied Soft Computing, 8(1): , [5] Stahlkopf, K., Wilhelm, M., Tighter controls for busier systems, IEEE Spectrum, 34(4), 48 52, [6] Grünbaum, R., Petersson, Å., Thorvaldsson, B., FACTS, improving the performance of electrical grids, ABB Rev., 11 18, March [7] Bonnard, G., The problems posed by electrical power supply to industrial installations, Proc. IEE Proceedings, vol. 132, Part B, , November [8] Grigsby, Leonard L., Electric Power Engineering Handbook: Power Systems, CRC Press, Taylor & Francis Group, USA, [9] Grudinin, N., Roytelman, I., Heading off emergencies in large electric grids, IEEE Spectrum, 34(4), 43 47, April [10] Dixon, J., Morán, L., Rodríguez, J., Domke, R., Reactive Power Compensation Technologies: State-of-the- Art Review, Proceedings of the IEEE, vol. 93, no. 12, December [11] Acha, E., Agelidis, V.G., Anaya-Lara, O., Miller, T.J.E., Power Electronic Control in Electrical Systems, MPG Books Ltd., Great Britain, [12] Kundur, P., Power Systems Stability and Control, McGraw-Hill, New York, [13] Alves, R., Montilla, M., Mora, E., Increase of Voltage Stability and Power Limits Using a Static Var Compensator, International Conference on Renewable Energies and Power Quality (ICREPQ 03), Vigo, Spain, April 9-11, [14] De Castro, L.N., Von Zuben, F.J., Artificial Immune Systems. Part I. Basic Theory and Applications, Technical Report TR-DCA 01/99, Fee/Unicamp, December [15] Tereshko, V., Reaction-diffusion model of a honeybee colony s foraging behaviour, M. Schoenauer, et al, Eds., Parallel Problem Solving from Nature VI, Lecture Notes in Computer Science, vol. 1917, Springer- Verlag: Berlin, p , [16] Tereshko, V., Loengarov, A., Collective Decision-Making in Honey Bee Foraging Dynamics, Computing and Information Systems Journal, ISSN , vol. 9, No. 3, October [17] Karaboga, D., Basturk, B., A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm, Journal of Global Optimization 39: , [18] Karaboga, D., Akay, B., A comparative study of artificial bee colony algorithm, Applied Mathematics and Computation, vol. 214, pp , [19] Umar, Optimasi Penempatan TCSC dan SVC pada Sistem 500 kv Jawa-Madura-Bali Menggunakan Breeder Algoritma Genetika, Tesis, Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember, Surabaya, 2008.

30 TERIMA KASIH