Optimisasi Kontroler PID dan Dual Input Power System Stabilizer (DIPSS) pada Single Machine Infinite Bus (SMIB) menggunakan Firefly Algorithm (FA)

Transkripsi

1 Optimisasi Kontroler PID dan Dual Input Power System Stabilizer (DIPSS) pada Single Machine Infinite Bus (SMIB) menggunakan Firefly Algorithm (FA) TEKNIK SISTEM TENAGA PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013 Pembimbing : Prof. Dr. Ir. Imam Robandi, MT. Dr. Ardyono Priyadi, ST., M.Eng.

2 CHAPTER I PENDAHULUAN

3 Gangguan Sistem LATAR BELAKANG Sistem tidak stabil Ketidakstabilan sistem Suplai listrik terganggu Dual Input Power System Stabilizer Parameter Metode Optimisasi Proportional-Integral-Differential Parameter Sistem Stabil Suplai listrik terjamin 3

4 TUJUAN PENELITAN Tujuan yang ingin dicapai dalam Tugas Akhir adalah sebagai berikut : 1. Mensimulasikan desain PID yang telah dioptimalkan pada sistem tenaga listrik 2. Mensimulasikan desain DIPSS yang telah dioptimalkan pada sistem tenaga listrik 3. Mengetahui hasil penerapan Firefly Algorithm (FA) yang digunakan untuk menala parameter PID dan DIPSS. 4. Mendapatkan perbandingan respon output sistem antar sistem tanpa PID dan DIPSS, sistem dengan PID, sistem dengan PID dan DIPSS dan sistem dengan PID dan DIPSS ditala FA.

5 Batasan Masalah 1. Metode yang dipakai untuk menyelesaikan permasalahan adalah metode FA. 2. Sistem dianggap stabil. 3. Gangguan pada sistem bersifat dinamik. 4. Faktor ekonomis tidak diperhitungkan. 5. Penempatan PID pada sistem eksitasi 6. Penempatan DIPSS pada Regulator sistem eksitasi 7. Beban dianggap beban statis. 8. Pengaruh harmonisa tidak diperhitungkan.

6 Mulai Flowchart Tugas Akhir A B Studi literatur dan pengumpulan data Singlemachine Simulasi Singlemachine Tidak Ploting variabel output Cek kriteria output, sesuai literatur? Ya Membuat program dan simulasi singlemachine dengan kontroler PID dan DIPSS ditala FA Ploting variabel output Ploting variabel output Cek kriteria output, sesuai literatur? Ya Simulasi singlemachine dengan kontroler PID Tidak Simulasi singlemachine dengan kontroler PID dan DIPSS Tentukan parameter PID dan DIPSS Ploting variabel output Cek kriteria output, sesuai literatur? Tidak Cek performansi? Ya Bandingkan hasil simulasi sistem tanpa kontroler, sistem dengan PID, sistem dengan PID dan DIPSS dan sistem dengan PID dan DIPSS yang ditala FA Analisis hasil perbandingan Tidak Tentukan parameter PID Ya Kesimpulan A B selesai

7 CHAPTER II PEMODELAN SISTEM

8 Pemodelan sistem PEMODELAN GOVERNOR DAN TURBIN PEMODELAN SISTEM EKSITASI Pemodelan Sistem PEMODELAN BEBAN PROPORTIONAL INTEGRAL DIFERENSIAL Dual Input Power System Stabilizer

9 Pemodelan Governor dan Turbin Turbin uap memiliki input berupa energi mekanik yang disemburkan dari ketel uap dan memiliki output energi (torka) mekanik yang digunakan untuk menggerakan turbin uap. Model turbin uap dan sistem pengendali adalah model IEEE tipe 1.

10 Pemodelan sistem PEMODELAN GOVERNOR DAN TURBIN PEMODELAN SISTEM EKSITASI Pemodelan Sistem PEMODELAN BEBAN PROPORTIONAL INTEGRAL DIFERENSIAL Dual Input Power System Stabilizer

11 Pemodelan sistem eksitasi Sistem eksitasi terdiri atas rangkaian medan dan alat pengatur tegangan yang dinamakan Automatic Voltage Regulator (AVR). Pada bagian ini, model sistem eksitasi yang dipakai mengacu pada model IEEE tipe 1.

12 Pemodelan sistem PEMODELAN GOVERNOR DAN TURBIN PEMODELAN SISTEM EKSITASI Pemodelan Sistem PEMODELAN ELEKTROMEKANIK PROPORTIONAL INTEGRAL DIFERENSIAL Dual Input Power System Stabilizer

13 Pemodelan Elektromekanik Beban merupakan beban statis. Jumlah daya mekanis Pm adalah jumlah Daya elektris Pe ditambah dengan Perubahan daya beban delta PL. Pada bagian ini, model elektromekanis yang dipakai mengacu pada model IEEE.

14 Pemodelan sistem PEMODELAN GOVERNOR DAN TURBIN PEMODELAN SISTEM EKSITASI Pemodelan Sistem PEMODELAN ELEKTROMEKANIK PROPORTIONAL INTEGRAL DIFERENSIAL Dual Input Power System Stabilizer

15 PID CONTROLLER

16 Pemodelan sistem PEMODELAN GOVERNOR DAN TURBIN PEMODELAN SISTEM EKSITASI Pemodelan Sistem PEMODELAN ELEKTROMEKANIK PROPORTIONAL INTEGRAL DIFERENSIAL Dual Input Power System Stabilizer

17 Pemodelan Dual Input Power System Stabilizer Type PSS 2B Memperbaiki dalam pengambilan sinyal inputan Input : Perubahan Kecepatan & Daya Elektrik Ouput : Sinyal Tegangan DIPSS Max ω Min Pe Min stw1 st 1 w2 1 T w 1 1 st 1 st w2 Speed signal block Max st 1 T w3 w3 6 st 1 st w4 w4 Ks2 1 st Electrical Power signal block 7 Σ Ks 3 1 st 1 st 8 m 9 Mechanic Power signal block n Σ Ks st 1 st 2 1 st 1 st st 1 st 10 5 Vmax VDIPSS Stabilizing signal, Phase compensation Vmin

18 Model Single Machine Infinite Bus Hadi Saadat

19

20 CHAPTER III METODE OPTIMISASI

21 Firefly Algorithm (FA) Firefly Algorithm (FA) dikembangkan oleh Xin-She Yang tahun FA adalah sebuah algoritma metaheuristik yang terinspirasi dari perilaku berkedip kunang-kunang. Cahaya berkedip kedip adalah untuk menarik perhatian kunang kunang yang lain (komunikasi) dan untuk bertahan dari serangan predator.

22 Dalam merumuskan Firefly Algorithm, Dr Xin-She Yang mengasumsikan beberapa aturan : 1. Semua firefly itu berjenis kelamin satu sehingga kunang kunang akan tertarik pada firefly lain terlepas dari jenis kelamin mereka. 2. Daya tarik sebanding dengan tingkat kecerahan firefly, maka firefly dengan tingkat kecerahan lebih rendah akan tertarik dan bergerak ke firefly dengan tingkat kecerahan lebih tinggi, kecerahan dapat berkurang seiring dengan bertambahnya jarak. 3. Jika tidak ada firefly yang lebih terang dari firefly yang diberikan, maka kunang-kunang ini akan bergerak secara random

23 Prosedur standar untuk menerapkan Firefly Algorithm adalah sebagai berikut : Inisialisasi populasi firefly, jumlah iterasi dan parameter firefly algorithm Evaluasi fungsi fitness pada tiap firefly Inisialisasi fungsi fitness awal sebagai penentuan tingkat itensitas cahaya awal Update pergerakan tiap firefly menggunakan persamaan pergerakan Bandingkan tiap calon firefly terbaik (local optima) dari nilai fungsi fitness agar mendapatkan nilai firefly terbaik (global optima) Lakukan sampai batas iterasi atau sampai mendapatkan firefly dengan fungsi fitness yang cukup baik

24 Start Penerapan FA A Input: Parameter FF Batas atas batas bawah parameter PID dan DIPSS Inisialisasi awal Firefly Update pergerakan firefly ke nilai fitness terbaik Update nilai fitness terbaik (lightbest) Firefly diinputkan sebagai input parameter PID dan DIPSS untuk mendapatkan nilai fitness Update nilai Firefly t ITAE t () t dt 0 Optimum kah / iterasi maksimum? Perankingan firefly berdasarkan nilai fitness untuk mencari nilai fitness terbaik dari firefly Output: Parameter PID Parameter DIPSS Selesai

25 CHAPTER IV PENGUJIAN SISTEM

26 Optimisasi Kontroler PID dan DIPSS pada SMIB menggunakan FA

27 Hasil Optimisasi Pengujian pada sistem diamati selama 6800 detik dengan memberikan perubahan 1% dari kapasitas sistem Dari Gambar grafik konvergensi didapat, nilai konvergensi 0,0105 atau saat iterasi ke Hal ini menunjukkan sistem telah menemukan nilai terbaik (paling optimal) saat iterasi ke

28 Hasil Optimisasi - Respon Frekuensi Generator Respon Frekuensi pada gangguan dinamik 0,01 pu Tabel Data Respon Perubahan Frekuensi pada gangguan dinamik 0,01 pu dan 0,05pu Metode kontrol Overshoot (pu) Uncontrolled -0,027 PID Konv -0,0245 PID DIPSS Konv -0,021 PID DIPSS FA -0,0165 Settling time (det) Metode kontrol Overshoot (pu) Settling time (det) Uncontrolled -0, PID Konv -0, PID DIPSS Konv -0, PID DIPSS FA -0,018 21

29 Hasil Optimisasi - Respon Sudut Rotor Respon Sudut Rotor pada gangguan dinamik 0,01 pu Tabel Data Respon Perubahan Sudut Rotor pada gangguan dinamik 0,01 pu dan 0,05 pu Metode kontrol Uncontrolled Overshoot (pu) -0,037 Settling time (det) PID Konv -0,05 24 PID DIPSS Konv -0, PID DIPSS FA -0, Metode kontrol Overshoot (pu) 17 Settling time (det) Uncontrolled -0, PID Konv -0, PID DIPSS Konv -0,03 25 PID DIPSS FA -0,025 50

30 Hasil Optimisasi - Respon Perubahan Tegangan (Vt) Respon Perubahan tegangan (Vt) pada gangguan dinamik 0,01 pu Tabel Data Respon Perubahan tegangan (Vt) pada gangguan dinamik 0,01 pu dan 0,05 pu Metode kontrol Overshoot (pu) Settling time (det) Uncontrolled 1,02 - PID Konv 0,96 15 PID DIPSS Konv 0,8 16 PID DIPSS FA 0,65 48 Metode kontrol Overshoot (pu) Settling time (det) Uncontrolled 1,01 - PID Konv 0,97 15 PID DIPSS Konv 0,79 16 PID DIPSS FA 0,63 50

31 Kesimpulan dan Saran Kesimpulan Saran 1. Metode FA dapat digunakan untuk menentukan koordinasi parameter PID dan DIPSS yang optimal. 2. Kontroler PID dan DIPSS yang optimal dapat diterapkan pada sistem tenaga listrik SMIB untuk meredam overshoot frekuensi elektris SMIB (Δf), sudur rotor ( δ) dan tegangan terminal (Vt). 3. Pada gangguan 0,01pu penerapan FA terhadap PID dan DIPSS pada sistem tenaga listrik SMIB dapat memperkecil overshoot perubahan frekuensi elektris ( f) yaitu sebesar -0,0165pu, lebih baik dari kontroler PID dan DIPSS tanpa penalaan sebesar -0,021pu begitu juga respon sudur rotor ( δ) dan respon tegangan terminal (Vt). 31

32 Kesimpulan dan Saran Kesimpulan Saran 1. Untuk mendapatkan koordinasi parameter PID dan DIPSS yang optimal pada SMIB model Hadi Saadat dapat dilakukan dengan menggunakan komputasi cerdas yang lain untuk mendapatkan hasil yang lebih optimum. 2. Kontroler PID dan DIPSS diterapkan pada sistem yang lebih besar. 3. Kontroler PID dan DIPSS digunakan untuk analisis gangguan transien. 32

33 Referensi [1]Milles, R.H., Malinowski, J.H., Power System Operation, Mc GrawHill, Singapore, Ch.12, [2]Robandi, Imam. Modern Power System Control, Penerbit ANDI, Yogyakarta [3]Soeprijanto, Adi. Desain Kontroller untuk Kestabilan Dinamik Sistem Tenaga Listrik, Itspress, Surabaya [4]P.M. Anderson & A.A. Fouad, Power system control and stability, The Lowa State University Press, [5]Saadat H., Power Sistem Analysis, Second Edition, McGraw-. Hill International Edition.,Singapore, [6]Handbook of Mitsubishi Electric Power System Stabilizer [7]Yang Xin-She, Engineering Optimization, A Jhon Wiley & Sons, New Jersey,

34 Mhd Fany