PERENCANAAN OPERASI JANGKA PENDEK PADA SISTEM JAWA BALI BERDASARKAN KRITERIA PROBABILISTIK

Transkripsi

1 ISSN: Yogyakara, Juli CIEE PERENCANAAN OPERASI JANGKA PENDEK PADA SISEM JAWA BALI BERDASARKAN KRIERIA PROBABILISIK Sarjiya, Avrin Nur Widiasui, Muhammad Alfi Jurusan eknik Elekro dan eknologi Informasi, Fakulas eknik UGM Jl. Grafika Yogyakara 558 Absrak Sesuai dengan perecanaan pengembangan Sisem Jawa Bali yang elah dibua oleh P. PLN (Persero), akan dibangun buah uni PLU dengan kapasias masingmasing MW. Dengan masuknya uni ersebu maka akan mempengaruhi sraegi operasi penjadwalan pembangki secara keseluruhan, ermasuk kualias keandalan yang dimiliki sisem. Kualias keandalan ini direpresenasikan melalui indeks EUE (Expeced Unserved Energy) dan berkaian era dengan kapasias cadangan puar yang harus dibangkikan sisem. Pada makalah ini, besarnya cadangan berpuar dienukan dengan krieria probabilisik. Selain unuk mendapakan sraegi penjadwalan yang ekonomis, sudi ini berujuan unuk mengeahui hubungan besar ingka keandalan erhadap biaya oal operasi (Expeced oal Cos/) Sisem Jawa Bali dan mendapakan erbaik dengan erendah. Unuk iu dilakukan simulasi dengan memvariasikan parameer besarnya EUE, sandar deviasi, probabilias level beban dan biaya EUE. Hasil simulasi menunjukan bahwa erbaik selalu erjadi pada dengan level beban inggi, karena mampu menghasilkan cadangan puar erendah dan biaya pembangkian (Expeced Generaion Cos/EGC) erendah juga dicapai pada kondisi ini. Semenara iu, hasil simulasi menunjukkan bahwa lebih dipengaruhi oleh EGC dibanding ERC (Expeced Risk Cos). Kaa kunci: krieria probabilisik, cadangan berpuar, Expeced Unserved Energy, Expeced oal Cos, erbaik I. PENDAHULUAN Perkembangan yang ama signifikan dalam pemanfaaan energi lisrik dewasa ini, mengakibakan konsumsi energi umbuh dengan pesa. Berdasarkan laporan PLN di awal ahun, konsumsi lisrik nasional selama empa bulan perama naik,9% dibandingkan periode yang sama ahun yang lalu []. Unuk menanggulangi perumbuhan energi lisrik yang pesa ini perlu diimbangi dengan peningkaan kapasias pembangki, sehingga kebuuhan energi dapa erpenuhi secara meraa. Dalam rangka menganisipasi perkembangan kebuuhan energi lisrik ini P PLN elah merencanakan membangun pembangki baru di Jawa engah berkapasias x MW. Pembangki baru ini akan menjadi pembangki dengan kapasias erbesar yang erdapa pada sisem enaga lisrik 5 kv Sisem Jawa Bali, sehingga akan mempengaruhi sraegi penjadwalan secara keseluruhan, ermasuk kualias keandalan yang dimiliki sisem. Kualias keandalan operasi sisem direpresenasikan melalui indeks keandalan EUE. Indeks ini menunjukan besarnya ekspekasi oal energi yang idak akan erlayani oleh oal kapasias pembangkian. EUE berkaian era dengan besar cadangan puar yang dioperasikan pada sisem. Semakin besar cadangan puar maka akan menghasilkan EUE yang semakin rendah. Sedangkan dalam seiap operasi sisem diunu unuk menghasilkan biaya operasi yang minimal. Sisem operasi dengan cadangan puar yang erlalu besar mengakibakan operasi yang idak ekonomis, Namun disisi lain, keandalan harus diperhaikan dengan menyediakan cadangan puar. Unuk mencapai baasan ingka keandalan dan keekonomisan operasi ersebu maka penenuan cadangan berpuar digunakan krieria probabilisik yang memungkinkan penjadwalan cadangan puar disesuaikan dengan ingka keandalan yang diharapkan []. Peneliian enang penenuan sraegi penjadwalan pembangki dengan menggunakan krieria probabilisik elah dilakukan dan elah diuji dengan sisem sandar IEEE 6 bus dengan buah pembangki hermal [5]. Penjadwalan dilakukan dalam operasi jangka pendek yaiu dengan durasi selama hari (4 jam). Esimasi biaya operasi diperoleh dengan menghiung biaya pembangkian iap uni unuk memenuhi iap level beban, ermasuk biaya sar-up dan shu-down dalam sau inerval penjadwalan. Pada makalah ini akan disampaikan penenuan sraegi penjadwalan pembangki yang dierapkan pada sisem enaga lisrik yang nyaa yaiu Sisem enaga Lisrik Jawa Bali. Pada penjadwalan ini hanya melibakan pembangki ermal saja, sedangkan uni pembangki non hermal diabaikan. Diasumsikan bahwa pembangki non hermal seperi uni pembangki hidro dan geohermal dioperasikan sebagai penyuplai beban dasar (base load) sera idak diliba dalam perhiungan biaya oal [4]. Proses simulasi dilakukan dengan menggunakan perangka lunak opimasi komersial CPLEX v. dengan meode opimasi MILP (Mixed Ineger Linear Programming). Hasil akhir dari simulasi ini berupa yang merupakan oal anara EGC dan ERC. Selain iu, akan dienukan erbaik berdasarkan yang mampu menghasilkan biaya erendah. Beberapa aspek yang diperhaikan dalam proses penjadwalan operasi ini, anara lain : Aspek keidakpasian sisem, baik dari sisi beban (eror peramalan beban), maupun dari sisi pembangki. Aspek ekonomi, melalui evaluasi dari ekspekasi oal biaya yang diperoleh dalam iap penjadwalan. Perimbangan keandalan sisem, berdasarkan indeks EUE yang dienukan. 9 JEI, UGM - IEEE Comp. Soc. Ind. Chaper

2 CIEE Yogyakara, Juli ISSN: II. SKENARIO PENJADWALAN BERDASARKAN PROBABILISIC CRIERION Dengan memperhaikan keidakpasian beban akan erbenuk iga level beban [5], yaiu level beban rendah (Low Level/(LL), beban menengah (Medium Level/ML) dan beban inggi (High Level/HL), sehingga memungkinkan erdapa iga penjadwalan. Kemungkinan yang dapa dibangun dalam sudi ini diunjukan pada abel I. Skenario dengan UC (uni commimen) level rendah yang berari penenuan penjadwalan pembangki dienukan berdasarkan prediksi beban level rendah. Sedangkan pada beban yang dijadikan dasar dalam simulasi penjadwalan digunakan prediksi beban pada level menengah. Begiu pula pada digunakan level beban inggi unuk dasar simulasi penjadwalan. ABEL I. Skenario Penjadwalan Skenario Sraegi UC Level Beban UC level rendah LL UC Level menengah ML UC level inggi HL A. Diagram Alir Diagram alir peneliian diunjukkan oleh Gambar. III. FORMULASI PERMASALAHAN Baasan keandalan yang digunakan adalah sebagai beriku EUE o EUE max () EUE max merupakan baasan level keandalan yang ingin dicapai dalam meode ini. Sedangkan EUE o merupakan level keandalan yang dihasilkan oleh penjadwalan. Sehingga jika dalam sau ahap penjadwalan belum dicapai cadangan puar yang mampu menghasilkan EUE o yang lebih kecil aau sama dengan nilai EUE max, maka nilai cadangan puar akan diingkakan hingga mampu memenuhi baasan level keandalan yang dienukan (EUE max ). A. Formulai UC Berdasarkan meode MILP ) Fungsi Objekif Fungsi objekif dalam benuk mixed ineger linear programming (MILP) dapa diformulasikan sebagai beriku : min I = i= CP i + CU i Dimana CP i dan CU i merepresenasikan biaya produksi dan biaya sar-up. Biaya produksi Fungsi biaya bahan bakar diaproksimasikan dengan menggunakan segmen-segmen garis lurus [6], sebagaimana diunjukan pada Gambar. Dalam sudi ini, digunakan segmen garis F i, F i, dan F i, merepresenasikan gradien (slop) dari segmen l=, l=, dan l= uni i [4]. Sedangkan δ merepresenasikan daya yang dibangkikan oleh masing-masing segmen, sehingga δ i merepresenasikan daya yang dibangkikan oleh uni i pada segmen l=, δ i pada segmen l=, dan δ i pada segmen l=. Konsana A i menunjukan biaya produksi pada saa daya keluaran minimum (P min,i ). Nilai A i dihiung dengan persamaan beriku () A i = a i + b i P min,i + c i P min,i $/ () Gambar. Skema Diagram Alir Simulasi Gambar. Segmen fungis biaya produksi Represenasi analiis unuk pendekaan linear diaas adalah NL CP i = A i U i F li δ li, i I, l= (4) JEI, UGM - IEEE Comp. Soc. Ind. Chaper 9

3 ISSN: Yogyakara, Juli CIEE P i = NL δ li l= + P min,i U i, i I, (5) P i P min,i U i, i I, (6) δ i δ i P i P i U i, i I, (7) δ i P max,i P i U i, i I, (8) δ li, i I, (9) Biaya Sar Biaya sar yang merupakan fungsi eksponensial diaproksimasikan dengan fungsi angga (sair wise funcion) sebagaimana diunjukan pada Gambar. CU i K q i U q r i U i r=, i I, () CU i, i I, () +MD i q = q = [ U q i ] MD i U i U i, i I, = W i U i q U i U i = MD i +, i I, = MD i + (7) (8) Dimana W i adalah jumah periode awal (iniial period) yang selama iu uni i mai. Secara maemais, W i dinyaakan dengan :W i = Min, MD i off,i ( U i ) ) Permodelan Keidakpasian Beban Dalam ugas akhir ini permasalahan keidakpasian beban direpresenasikan melalui fungsi disribusi normal diskre dengan iga level beban [5], yaiu rendah, sedang dan inggi. Fungsi ersebu diunjukan pada Gambar 4. Nilai raa-raa beban hasil peramalan pada waku sesaa diunjukan dengan FD() dan deviasi sandar diunjukan dengan σ(). Pada umumnya, semakin lama waku penjadwalan (lead ime) semakin besar error yang erjadi [7]. Gambar. Fungsi eksponensial dan angga unuk biaya sar K i q ini dapa didefinisikan sebagai beriku : K i q = HS i, jika q = cold,i + MD i CS i, jika q = cold,i + MD i + ND () ) Kekangan Minimum Up ime dan Minimum Down ime Formulasi minimum up ime dan minimum down ime berbasis MILP adalah sebagai beriku. V i = +MU i q = q = U i =, i I () U i q MU i U i U i, i I, = V i = MU i + U i q U i U i, i I, = MU i + (4) (5) Dimana V i adalah jumlah periode awal (iniial period) yang selama iu uni i hidup. Secara maemais, V i dinyaakan dengan :V i = Min, MU i on,i U i. Dengan analogi yang sama, minimum down ime dapa diformulasikan sebagai beriku : W i U (6) i =, i I = Gambar 4. Fungsi disribusi normal diskre Dengan asumsi bahwa sandard deviasi meningka secara linear dengan semakin lamanya waku, maka dapa dibua persamaan sebagai beriku : σ σ (9) σ = σ + = FD σ FD() () D LL D ML = FD () D HL = FD + σ FD() () Keseluruhan keiga level beban disimbolkan dalam FD σ FD(), FD, dan FD + σ FD(), yang secara beruru-uru merepresenasikan beban rendah, medium dan inggi dalam perhiungan UC. 4) Permodelan Keidakersediaan Uni Pembangki Dalam sudi ini, keidakersediaan uni pembangki dimodelkan dengan model Markov -sae [8][5][6] yang diampilkan dalam Gambar.4. Gambar 5 Model keersediaan uni pembangki 9 JEI, UGM - IEEE Comp. Soc. Ind. Chaper

4 CIEE Yogyakara, Juli ISSN: Probabilias sebuah uni pembangki berada down sae di akhir lead ime dinyaakan dengan persamaan ORR (ouage replacemen rae) sebagai beriku: P down = λ () B. Perhiungan Komponen Biaya ) Perhiungan Perkiraan Biaya Pembangki erbaik.5%.%.%.5% dalam milyar rupiah EGC k = j = PL j GC jk (4) EUEmax (% dari beban) ) Perhiungan Perkiraan Biaya Resiko EUE k,m,j = EUE k,m o = NS s= i= PR s LOSS s LOAD,j CR s k,m EUE,o (5) (6) ERC k = EUE k,m o x EUE arga (7) ) Perhiungan Perkiraan Biaya oal k = EGC k + ERC k, (8) Unuk mendapakan sekenario erbaik berdasarkan ermurah dengan memperimbangkan keidakpasian di sisi pembangki dan di sisi beban seperi dirumuskan pada Persamaan.4 beriku. Skenario erbaik = min { k } (9) IV. HASIL DAN PEMBAHASAN A. Analisis Sensiifias Analisis sensiifias dimaksudkan unuk mengeahui pengaruh perubahan parameer yang ada erhadap biaya operasi oal. Beberapa parameer yang akan diuji dalam sudi ini anara lain level keandalan (EUE max ), sandard deviasi, akurasi peramalan beban dan harga EUE. Analisis sensiifias salah sau parameer dilakukan dengan membua parameer lainnya dalam keadaan konsan. ) Pengaruh Variasi Level Keandalan Perbandingan unuk iap erbaik diampilkan pada Gambar 6 beriku. Gambar 6 Grafik pengaruh variasi EUE max erhadap EGC dan erbaik Dari Gambar 6 erliha bahwa semakin kecil persenase EUE max dari beban oal menghasilkan biaya oal pembangkian () yang semakin besar. Hal ini dikarenakan unuk seiap penurunan persenase EUE max mengakibakan semakin ingginya nilai cadangan puar yang harus dibangkikan, sehingga membua biaya pembangkian EGC akan semakin meningka seperi yang erliha pada grafik. Sedangkan erbaik selalu erjadi pada dengan level beban inggi. Meskipun memiliki biaya ERC yang paling inggi, akan eapi selisih biaya ERC unuk iap idaklah signifikan dibandingkan selisih EGC, sehingga EGC lebih berpengaruh. Hal ini erliha pada grafik perbandingan selisih harga EGC dan ERC pada Gambar 7 beriku. selisih harga dalam milyar rupiah - - ERC EGC Gambar 7 Grafik perbandingan EGC dan ERC unuk iap ) Pengaruh Error Peramalan Beban Perbandingan nilai unuk iap erbaik diunjukan pada Gambar 8. Berdasarkan Gambar 8 erliha bahwa semakin besar sandard deviasi, maka harga cenderung semakin rendah unuk seiap erbaik. Sedangkan erbaik selalu berada pada keiga. Hal ini dipengaruhi oleh cadangan puar erendah erjadi pada sehingga biaya EGC semakin menurun. Selisih EGC anara iap memiliki nilai yang lebih signifikan dibanding selisih nilai ERC. Selisih biaya resiko (ERC) anar hanya mencapai orde puluhan jua, sedangkan selisih EGC mencapai orde rausan jua. Oleh karena iu, EGC lebih berpengaruh dalam biaya oal. JEI, UGM - IEEE Comp. Soc. Ind. Chaper 9

5 ISSN: Yogyakara, Juli CIEE Skenario erbaik dalam milyar rupiah erbaik (Rp milyar) -% -% -% -4% sandard deviasi biaya EUE (Rp jua/mwh) Gambar 8 Grafik pengaruh sandard deviasi erhadap EGC dan erbaik ) Pengaruh Akurasi Peramalan Beban Hasil simulasi unuk seiap erbaik seperi pada grafik Gambar 9. Grafik ersebu menunjukkan bahwa semakin baik akurasi peramalan beban maka semakin rendah. Hal ini disebabkan oleh semakin baiknya akurasi peramalan beban, maka mengakibakan semakin kecilnya kebuuhan cadangan puar. Dengan semakin kecilnya cadangan puar, maka EGC semakin kecil. Skenario erbaik erjadi pada keiga, disebabkan pada ini memiliki biaya EGC erkecil. Sedangkan dikeahui bahwa nilai EGC lebih berpengaruh erhadap, karena selisih EGC lebih signifikan dibanding dengan selisih ERC unuk iap nya. erbaik probabilias beban menengah Gambar 9 Grafik pengaruh probabilias beban menengah erhadap EGC dan erbaik 4) Pengaruh Biaya EUE Grafik Pengaruh biaya EUE erhadap dan sekenario erbaik unuk seiap biaya EUE seperi pada Gambar beriku dalam milyar rupiah Gambar Grafik pengaruh variasi biaya EUE erhadap EGC dan erbaik Biaya EUE merupakan biaya kompensasi yang muncul akiba adanya sejumlah beban/konsumen yang idak erlayani, sehingga menimbulkan kerugian pada sisi konsumen. Peningkaan nilai EUE merupakan sebuah nilai asumsi yang dilakukan, karena seiring dengan semakin ingginya nilai guna lisrik dan perkembangan dunia indusri memungkinkan biaya EUE yang semakin meningka. Hal ini dikarenakan jika erjadi pemadaman akan menimbulkan kerugian dan keidakpuasan pelanggan yang lebih besar sehingga berdampak kepada semakin ingginya biaya EUE. Kurva pada Gambar menunjukan bahwa bila biaya EUE mencapai nilai Rp jua/mwh, erliha peranan biaya ERC erhadap. Skenario erbaik beralih ke, karena pada kondisi ini menghasilkan EUE yang lebih rendah. ERC akan semakin mempengaruhi dengan semakin besarnya biaya EUE. Oleh karena iu, dengan semakin ingginya harga EUE, fakor ERC menjadi salah sau yang harus diperhaikan guna mencapai yang lebih ekonomis. Salah sau cara mengurangi nilai ERC adalah dengan meningkakan cadangan puar pada sisem, sehingga mampu menekan nilai EUE yang menjadi penenu besar kecilnya ERC. B. Pengaruh Sebelum dan Sesudah Masuknya Uni MW Dengan menggunakan daa pembebanan dalam periode 4 jam yang sama, dilakukan penjadwalan pada kondisi sebelum adanya ambahan buah uni MW. Dengan membandingkan Gambar dan, erliha bahwa komposisi penggunaan pembangki ermal HSD berkurang jauh pada kondisi seelah masuknya buah uni pembangki baru. Pada Gambar, pembangki ermal HSD hanya melayani,% dari oal beban selama 4 jam. Hal ini dikarenakan sisa beban sudah mampu dilayani oleh PLU dan PLGU yang berbahan bakar gas dengan oal mencapai 94% dari oal beban. Dengan minimnya penggunaan pembangki berbahan bakar HSD yang memiliki biaya bahan bakar yang inggi, maka mampu menekan biaya produksi oal (). Perbandingan, EGC, ERC dari kondisi sebelum dan sesudah masuknya uni pembangki MW diampilkan pada abel II. 94 JEI, UGM - IEEE Comp. Soc. Ind. Chaper

6 CIEE Yogyakara, Juli ISSN: Daya (MW) Gambar Komposisi bahan bakar uni pembangki sebelum masuknya uni MW beban (MW) waku penjadwalan (jam) waku penjadwalan (jam) Gambar Komposisi bahan bakar uni pembangki seelah masuknya uni MW Dari abel II erliha bahwa dengan masuknya buah pembangki MW mampu meminimumkan dan juga mampu meningkakan ingka keandalan sisem yang eramai melalui lebih rendahnya nilai ERC yang dihasilkan. abel II Perbandingan EGC, ERC,dan EGC (milyar rupiah) ERC (milyar rupiah) (milyar rupiah) kondisi sebelum masuknya MW (88 uni) 86,6 4,95 9,554 sesudah masuknya MW (9 uni) 84,7,755 85,96 V. KESIMPULAN HSD MFO gas alam bau bara HSD MFO gas alam baubara Penenuan sraegi penjadwalan dengan menggunakan krieria probabilisic menghasilkan penjadwalan operasi yang mampu mengikui ingka keandalan (EUE) yang diinginkan. Hasil analisis sensiivias menunjukkan bahwa: a. Semakin inggi ingka keandalan yang diinginkan maka konsekuensinya biaya operasi oal semakin inggi dan sraegi erbaik adalah. b. Semakin besar sandar deviasi maka oal biaya cenderung urun dan sraegi erbaik adalah. c. Semakin inggi akurasi peramalan beban menghasilkan biaya oal yang semakin kecil dan sraegi erbaik selalu jauh pada. d. Semakin inggi harga EUE maka biaya oal juga semakin meningka dan sraegi erbaik berubah seiring meningkakan harga EUE. VI. REFERENSI [] Laief, s. (, Mei 8). siapa pengguna lisrik erbesar di awal. Diambil kembali dari bisnis.vivanews.com: hp://bisnis.vivanews.com/news/read/475- siapa-pengguna-lisrik-erbesar-di-awal- [] Simopoulus, D. (5). Uni Commimen wih Probabilisic Spinning Reserve Assesmen Using Simulaed Annealing. Naional echnical Universiy of Ahens. [] Wood, A. J., & Woolenberg, B. F. (996). Power Generaion Operaion and Conrol. New York: John Wiley and Sons. [4] Budiman, F. N. (9). Penjadwalan Uni Pembangki ermal Dengan Memperhiungkan Kekangan Emisi Lingkungan dan Keidakpasian Sisem. Yogyakara: Universias Gadjah Mada. [5] Sarjiya. (7). Shor-erm Operaing Sraegy wih Consideraion of Bilaeral Conrac and Sysem Uncerainy. Chulalongkorn Universiy. [6] M, C., & M, A. J. (6). A compuaionally efficien mixed-ineger linear formulaion for he hermal uni commimen problem. Power Sysems, IEEE ransacions on., [7] Douglas, A. P., Briepohl, A. M., Lee, F. N., & Adapa, a. R. (998). he impac of emperaure Forecas Uncerainy on Bayesian Load Forecasing. Power Sysem, IEEE ransacion on, [8] Billinon, R., & Allan, R. N. (996). Reliabiliy Evaluaion of Power Sysem. New York: Plenum Press. JEI, UGM - IEEE Comp. Soc. Ind. Chaper 95