Optimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global

dokumen-dokumen yang mirip
Analisis Perbandingan Economic Dispatch Pembangkit Menggunakan Metode Lagrange dan CFPSO

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

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

Strategi Meminimalkan Load Shedding Menggunakan Metode Sensitivitas Untuk Mencegah Voltage Collapse Pada Sistem Kelistrikan Jawa-Bali 500 kv

BAB 2 LANDASAN TEORI

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING

OPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION

BAB II TEORI DASAR. Analisis Kelompok

Karakterisasi Matrik Leslie Ordo Tiga

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

Created by Simpo PDF Creator Pro (unregistered version)

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

Optimisasi Economic Dispatch Pembangkit Termal Sistem 500 kv Jawa Bali Menggunakan Modified Improved Particle Swarm Optimization (MIPSO)


BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB 2 LANDASAN TEORI

Bab III. Plant Nonlinear Dengan Fase Nonminimum

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Optimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global

EKSPEKTASI SATU PEUBAH ACAK

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II TEORI ALIRAN DAYA

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR

PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL

Evaluasi Keamanan dan Stabilitas Sistem Tenaga Akibat Interkoneksi Pembangkit Baru ke dalam Grid

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield

Seminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri 2017 ISSN ITN Malang, 4 Pebruari 2017

STUDI ALIRAN DAYA TIGA FASA UNTUK SISTEM DISTRIBUSI DENGAN METODE PENDEKATAN LANGSUNG

BAB II TINJAUAN PUSTAKA

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

Studi Optimal Power Flow pada Sistem Kelistrikan 500 kv Jawa-Bali dengan Menggunakan Particle Swarm Optimization (PSO)

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MEMINIMALKAN RUGI-RUGI PADA SISTEM DISTRIBUSI TEGANGAN MENENGAH DENGAN PEMASANGAN KAPASITOR

BAB III METODOLOGI PENELITIAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

Analisa dan Penerapan Metode Particle Swarm Optimization Pada Optimasi Penjadwalan Kuliah

Kata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.

Pengolahan lanjut data gravitasi

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

OPTIMASI PENJADWALAN MATA KULIAH DI JURUSAN TEKNIK INFORMATIKA PENS DENGAN MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO)

Studi Perhitungan CCT Menggunakan Metode EEAC (Extended Equal Area Criterion) Dan Trajektori Kritis/ Critical Trajectory Untuk Kestabilan Transien

OPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO)

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

Bab V Aliran Daya Optimal

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

BAB IV PEMBAHASAN MODEL

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY

BAB II LANDASAN TEORI

BAB II KONDUKSI ALIRAN STEDI SATU DIMENSI

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB II DIMENSI PARTISI

PERBANDINGAN PENGGUNAAN METODE OPTIMASI EXTENDED QUADRATIC INTERIOR POINT DENGAN NEURAL NETWORK UNTUK ECONOMIC DISPATCH PEMBANGKIT THERMAL DI BALI

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI

KLASTERISASI SINYAL SUARA MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION PADA PENGEMBANGAN SISTEM PENGENALAN INDIVIDU BERBASIS SUARA UCAPAN

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

adalah beban pada simpul i berturut-turut. θ adalah vektor sudut fasa dan B adalah elemen-elemen imajiner matriks admitansi simpul. Mengingat bahwa: 1

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB 2 LANDASAN TEORI

IDENTIFIKASI SISTEM NONLINIER DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK DAN ALGORITMA DEAD-ZONE KALMAN FILTER

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

PENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION

III FUZZY GOAL LINEAR PROGRAMMING

Studi Optimal Power Flow Sistem Kelistrikan 500 kv Jawa Bali dengan Metode Algoritma Genetika

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

III. METODE PENELITIAN

Analisa Operasi Ekonomis Pembangkit Termal untuk Melayani Beban Puncak Sistem Kelistrikan Sumbar

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

Pemodelan Anomali Magnetik Berbentuk Prisma Menggunakan Algoritma Genetika Antonius a, Yudha Arman a *, Joko Sampurno a

BAB III METODOLOGI PENELITIAN

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

APLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO)

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

PENGKAJIAN BEBERAPA ALGORITMA UNTUK MENGEVALUASI DAN MENGHITUNG LOSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA LISTRIK

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

HAK CIPTA (HKI) Judul Invensi: METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI BERBASIS LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW

BAB II OPTIMALISASI PADA SISTEM KELISTRIKAN

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

Transkripsi:

Optmsas Operas Sstem Tenaga Lstr dengan Konstran Kapabltas Operas Generator dan Kestablan Steady State Global Johny Custer,, Indar Chaerah Gunadn, Ontoseno Penangsang 3, Ad Soeprjanto 4,,3,4 Jurusan Ten Eletro Faultas Tenolog Industr Insttut Tenolog Sepuluh Nopember Surabaya 60 Polten Bengals, Jln bathn Alam desa Sunga Alam Bengals87 Ten Eletro, Unverstas Hasanuddn Maassar, 9045 Emal : johny_custer@yahoo.co.d dan johny_custer@polbeng.ac.d Abstra Operas sstem tenaga lstr harus delola secara efsen, efetf, dan aman. Pembangtan dan penyaluran energ harus dlauan seeonoms mungn dengan tetap mempertahanan eamanan. Untu mencapa tujuan tersebut terdapat endala yang harus dhadap yatu apabltas emampuan operas generator dan establan steady state sstem secara eseluruhan. Kendala n dsebaban dalam sstem elstran aan selalu terjad perubahan daya pada beban yang mengabatan terjad perubahan daya pada generator. Maalah n mengusulan optmsas operas suatu sstem tenaga lstr menggunaan Modfed Improved Partcle Swarm Optmzaton (MIPSO) dengan mempertmbangan batasan emampuan operas generator dan batasan establan steady state yang menerapan metoda REI (Radal Equvalent Independent) Dmo. Dharapan dengan tambahan batasan yang dusulan, generator dapat beroperas pada batas tt operas generator sehngga onds operas palng eonoms dan aman dapat dcapa. Smulas dlauan pada sstem 500 V Jawa Bal yang terdr dar 8 generator dan 3 bus. Kata unc : MIPSO,Kestablan steady state, urva apabltas generator, optmal power flow. REI Dmo method.. Pendahuluan Operas sstem tenaga lstr berhubungan dengan baya operas yang besar dan ualtas yang dberan oleh produsen epada onsumen. Pengoperasan pembangt merupaan baya terbesar dalam sstem tenaga lstr sehngga sangat dperluan cara pengoperasan pembangtan yang efsen. Salah satu solus bag produsen lstr untu menean baya operas adalah dengan menentuan alran daya yang optmal (optmal power flow). Analss alran daya optmal untu memnmalan baya pembangtan basanya denal dengan economc dspatch. Sebelumnya para penelt telah melauan peneltan peneltan untu mendapatan nla eonoms dalam operas sstem tenaga lstr ba secara onvensonal maupun menggunaan artfcal ntellgence (AI). Agar batas pengoperasan generator benar-benar realsts, maa batas yang dpaa sebanya batas urva apabltas generator. Supaya urva apabltas generator dapat dgunaan sebaga onstrant dalam Optmal Power Flow (OPF) maa dgunaan model neural networ sebaga penggant urva apabltas generator. Model n telah dembangan oleh Mat Sya n d. Sebuah ten serba cepat dengan latar belaang valdas nla batas eamanan yang dgunaan dalam atannya dengan aplas real-tme nla stabltas steady state dembangan oleh Paul Dmo dan telah dbutan pemanfaatanya. Metode Radal Equvalent Independent (REI) Dmo dapat dgunaan untu rtera stabltas daya reatf, juga denal sebaga dq/dv atau d Q/dV untu mengevaluas stabltas las. Pada maalah n dusulan optmsas operas suatu sstem tenaga lstr menggunaan metode Modfed Improved Partcle Swarm Optmzaton (MIPSO) mempertmbangan batasan emampuan operas generator menggunaan Neural Networ dan batasan establan steady state yang menerapan metoda REI Dmo. Dharapan dengan tambahan batasan yang dusulan berdasaran referens datas, generator dapat beroperas pada batas tt operas generator sehngga onds operas palng eonoms dan aman dapat dcapa.. Metodolog Peneltan Flowchart dar tahapan peneltan yang dlauan dalam peneltan dtunjuan pada gambar berut.

Gambar. Flowchart tahapan peneltan.. Perhtungan Baya Pembangtan Secara umum fungs baya dar pembangt dapat dformulasan secara matemats sebaga suatu fungs obyetf sepert yang dberan dalam persamaan berut. () F () n = F( P) T = ( ) = + + F P a bp cp F T = total baya pembangtan (Rp). F (P) = fungs baya nput-output dar pembangt (Rp/jam). a, b, c = oefsen baya dar pembangt. P = output pembangt (MW) n = jumlah unt pembangt. = ndes dar dspatchable unt Batasan batasan yang dpenuh dalam perhtungan adalah :. Batasan esembangan daya N = P = P + P D Mula Data Saluran Data Pembebanan Data Pembangtan Menentuan Parameter MIPSO Menentuan Optmsas Baya Pembangtan OPF MIPSO dengan Kontran Kurva Kapabltas Generator Melhat Batasan Keamanan Generator Nla optmsas setap pembangt dgunaan untu menentuan establan steady state menggunaan REI Dmo (3). Batasan masmum dan mnmum daya atf P mn P P max (4) 3. Batasan urva apabltas generator Ya Melhat Batasan Kestablan Steady State Ya Selesa L Tda Tda P D = total beban (MW), P L = total losses (MW) P = total daya yang dbangtan (MW) P mn dan P max adalah output mnmum dan masmum pembangt... Partcle Swarm Optmzaton Partcle Swarm Optmzaton (PSO) adalah salah satu dar ten omputas evolusoner, yang mana populas pada PSO ddasaran pada penelusuran algortma dan dawal dengan suatu populas yang random yang dsebut dengan partcle. Kesederhanaan algortma dan performansnya yang ba, menjadan PSO telah menar banya perhatan d alangan para penelt dan telah daplasan dalam berbaga persoalan optmsas sstem tenaga.... Dasar PSO Partcle Swarm Optmzaton (PSO) sebaga metode optmsas mempunya beberapa langah untu menjalanan algortmanya. Menurut referens yang dtuls Macel Tueguh, algortma PSO dapat ta bag menjad beberapa pon sebaga berut :. Insalsas populas dar partcle-partcle dengan poss dan velocty secara random dalam suatu ruang dmens penelusuran.. Evaluas fungs ftness optmsas yang dngnan d dalam varabel pada setap partcle. 3. Membandngan evaluas ftness partcle dengan Pbestnya. Ja nla yang ada lebh ba dbandngan dengan nla Pbestnya, maa Pbest dset sama dengan nla tersebut dan P sama dengan loas partcle yang ada X dalam ruang dmensonal d. 4. Identfas partcle dalam lngungan dengan hasl terba sejauh n. 5. Update velocty dan poss partcle. 6. Kembal e step sampa rtera terpenuh, basanya berhent pada nla ftness yang cuup ba atau sampa pada jumlah masmum teras... IPSO Parameter nerta weght dmasuan edalam algortma PSO stándar. Persamaan dnams dar PSO dengan nerta weght (w) dmodfas atau dsebut dengan Improved Partcle Swarm Optmzaton (IPSO) menjad : V + = ωv + crand x( Pbest X ) + crand x ( Gbest X ) (5) V = velocty ndvdu pada teras w = parameter weght c,c = oefsen aseleras rand,rand = jumlah random antara 0 dan

X Pbest Gbest = poss ndvdu pada teras = Pbest ndvdu sampa teras = Gbest elompo sampa teras Pada proses update velocty n, nla-nla parameter sepert w, c dan c harus dtentuan terlebh dahulu. Secara umum parameter weght w dperoleh dengan menggunaan persamaan (6) berut n [-6]: wmax wmn w = wmax xiter Iter..3 MIPSO Persamaan (5) dan (7) adalah persamaan dasar algortma PSO yang dmodfas dengan menggunaan Inerta Wegth Aproach (IWA). Inerta wegth dperenalan untu menyembangan emampuan antara penelusuran global dan loal. Clerc memperanalan parameter lan yang dsebut dengan Constrcton Factor Approach (CFA) yang dgunaan untu memodfas algortma IPSO yang ada dan denal dengan sebutan Modfed Improved Partcle Swarm Optmzaton (MIPSO). Persamaan modfas velocty pada setap partcle dengan menggunaan constrcton factor menurut Sh Yao Lm d dapat dnyataan dengan persamaan (8) berut, V C ( V crand x( Pbest X ) crand x( Gbest X )) + = + + (8) dengan coefsent constrcton : C =,dengan ϕ = c + c, dan ϕ > 4 ϕ ϕ 4ϕ Pada umumnya penelt menerapan (9) constrcton factor pada algortma PSO dengan mengeset nla c dan c =.05 sehngga dperoleh nla C = 0.79..3. Implementas MIPSO Bagan n aan menguraan mplementas metoda algortma Modfed Improved Partcle Swarm Optmzaton (MIPSO) yang dtuls Sh Yao Lm d dalam perhtungan baya pembangtan yang eonoms.. Intalsas poss dan ndvdu pada ndvdu. Strutur dar suatu ndvdu pada persoalan econom dspatch terdr atas seperangat elemen-elemen yatu output pembangtan. Oleh arena tu poss ndvdu pada teras 0 dapat drepresentasan sebaga vector X 0 = ( P,..., Pn ), dmana n adalah jumlah pembangt dalam perhtungan economc dspatch.. Update velocty. Untu memodfas poss dar setap ndvdu sehngga poss ndvdu mengalam perpndahan dar poss semula maa perlu dhtung velocty pada stage berut yang telah dmodfas dengan menggunaan Inerta wegth sepert yang dberan persamaan (9). 3. Update poss ndvdu. max Poss setap ndvdu dapat dmodfas dengan (6) (3.6) menggunaan persamaan (7), sehngga dperoleh Perpndahan partel e poss berutnya atau poss ndvdu yang baru. Oleh arena poss poss baru berdasaran : ndvdu yang dperoleh dengan hasl modfas tersebut tda dapat memberan jamnan untu + + X = X + V memenuh nequalty constrant abat (7) over/under velocty, maa poss ndvdu yang telah dmodfas tersebut aan dset embal dengan menggunaan persamaan (). Pada saat yang sama equalty constrant persamaan (3) juga harus dpenuh. () P f P P P j j,mn j j,max j = j,mn j < j,mn Pj,max f Pj > Pj,max P P f P P 4. Update P best dan G best. P best dar setap ndvdu pada teras + d modfas dengan menggunaan persamaan () : () Pbest = X f TC < TC Pbest Pbest f TC TC + + + + + = 5. Proses selesa. Proses teras pada algortma MIPSO berhent ja dperoleh nla yang palng optmum pada penelusuran partel atau ja mencapa teras..4. Kestablan Steady State Stabltas Steady State Dengan Pendeatan DIMO Salah satu metode untu menyelesaan permasalahan stabltas sstem tenaga lstr adalah menggunaan pendeatan Radal Equvalent Independent (REI) Dmo yang dembangan Paul dmo. REI dapat meredus bus yang meml beban menjad sebuah bus beban evalen. Sstem 500 V Jawa Bal terdr atas 3 bus dengan 8 saluran dan 8 pembangt. Dengan menggunaan metode DIMO maa sstem Jawa Bal 500 V dapat dredus menjad 9 bus yang terdr dar 8 pembangt dan sebuah bus beban. Untu melhat stabltas steady state dgunaan formula d Q / dv dan urva P-V yang terdapat dalam REI-DIMO.

Tahapan redus jarng sstem Jawa bal 500 V adalah sebaga berut:. Menjalanan load flow. Menentuan bus beban 3. Menentuan bus netral ftf 4. Menghubungan bus beban e bus netral ftf dengan admntans Y bus onstan. Persamaan Y bus onstan adalah P + jq Ybus = V (3) 5. Menentuan arus I dar bus beban e bus netral ftf dengan persamaan S* n I = E jf (4) 6. Menentuan bus load center 7. Huum Krchhoff dgunaan untu menentuan arus yang mengalr e bus load center 8. Htung daya yang menuju bus netral ftf 9. Menentuan nla mpedans Z dar bus netral ftf e bus load center mengunaan persamaan, P + jq R + jx = I I * (5) Z = mpedans load center, R = resstans load center, X = reatans load center dan I = arus load center 0. Ubah mpedans Z e dalam bentu admntans Y. Tentuan tegangan d load center dengan S persamaan V = I * (6). Jalanan load flow untu menghaslan admntans Y bus baru. 3. Redusan matr Y dengan Gaussan. 4. Analss batas stabltas steady state abat pertambahan beban dengan menggunaan persamaan (7). d Q Ym Em = Ym + Yload V dv m cosδ m m (7) Bal yatu data pembebanan pada tanggal 7 maret 009 jam 9.30. 3.. Smulas Optmsas dengan OPF MIPSO Tabel menunjuan real system Jawa Bal berdasaran data yang dperoleh (sebelum dlauan perhtungan optmsas). Tabel 3 dan gambar 5 adalah hasl perhtungan setelah dlauan optmsas dengan constrant. Tabel. Hasl smulas Sstem Jawa Bal jam 9.30 tanggal 7 Maret 009 (sebelum optmas) Pembangt P Q Baya (MW) (MVar) (Rp/Jam) Suralaya 3.338,909.53,367.056.5.09,930 Muara Tawar.470,000.576,579 5.43.786.05,070 Crata 400,000 6,853.400.000,000 Sagulng 535,000-35,65.943.570,000 Tanjung Jat 830,000 49,669 80.378.776,980 Gres 80,000 654,97 79.80.889,660 Paton.80,000 93,904 58.64.80,780 Grat 98,000 409,79 504.47.40,80 Total 0.40,909 5.57,474 9.48.675.566,40 Untu nla ndes stabltas dar data real system dperoleh nla ndes stabltas sebesar -35,4650 3. Smulas dan Hasl 3.. Data Plant Sstem yang dgunaan untu smulas dalam pengujan n adalah sstem elstran Jawa Bal 500 V. Sstem nterones tenaga lstr 500 V Jawa Bal terdr dar 3 bus, 8 saluran transms, dan 8 pembangt tenaga lstr. Data pembebanan sstem 500 V dperoleh dar data lapangan melalu PT PLN (Persero) P3B Jawa Gambar. Kurva Kapabltas Generator hasl optmsas dengan constrant

Tabel. Hasl smulas Sstem Jawa Bal setelah doptmsas dengan onstrant berdasaran OPF MIPSO P Q Baya Pembangt (MW) (MVar) (Rp/Jam) Suralaya 3.95,983.637,349.00.486.356,43 Muara Tawar.094,06.93,333 3.645.949.94,575 Crata 400,000-43,85.400.000,000 Sagulng 535,000 355,597.943.570,000 Tanjung Jat.70,866 68,64 6.57.405,6 Gres 809,434 465,6 79.4.06,409 Paton.97,59.38,339 580.449.860,950 Grat 63,8 38,865 48.65.449,850 Total 0.44,00 5.946,44 7.67.54.790.80 Nla ndes stabltas setelah dlauan optmsas adalah -6,4305 4. Pembahasan Hasl Smulas pertama dlauan dengan menggunaan data rl pembangtan sstem Jawa Bal dan data beban yang dgunaan adalah data pembebanan pada saat terjad beban punca pada har selasa tanggal 7 maret 009 pada jam 9.30 WIB. Dar hasl analsa alran daya metode newton raphson dperoleh nla P (daya atf, daya reatf dan baya pembangtan masng masng pembangt. Dar smulas juga dperoleh nla losses pada saluran sebesar 9,937 MW, sehngga beban dasar yang semula 0.8 bertambah menjad 0.40,909 MW. Nla ndes stabltas dperoleh dengan menggunaan metode REI Dmo pada persamaan (7), adapun nla ndes yang dperoleh sebesar -35,4650. Sstem dnyataan aman apabla nla ndes yang dperoleh 0. Pada smulas edua dcoba untu mengoptmsas baya pembangtan dar data rl yang ada. Metode yang dtawaran adalah Modfed Improved partcle Swarm Optmzaton (MIPSO). Optmsas yang dlauan dbatas dengan batasan urva apabltas generator dan establan steady state. Dengan algortma MIPSO aan dperoleh berupa output (daya atf) masng masng pembangt dan total baya pembangtan yang palng mnmal. Karena Sstem Jawa Bal 500 V yang terdr dar pembangtan jens hdro (Crata dan Sagulng) dan Pembangtan jens Terms (Suralaya, Muara Tawar, Tanjung Jat, Gres, Paton, dan Grat) maa untu perhtungan optmsasnya juga dlauan pemsahan. Untu memenuh ebutuhan beban, pembangtan hdro doperasan semasmal mungn dan selanjutnya baru doptmsas pembangtan terms. Sesua dengan lasfas bus pada analsa alran daya, Data yang detahu untu bus pet (slac bus) adalah tegangan dan sudut. Untu bus generator adalah nla P dan V (tegangan) dan untu bus beban adalah nla P (daya atf) dan Q (daya reatf). Nla P masng masng pembangtan telah dperoleh dar hasl MIPSO, sehngga perhtungan analsa alran daya bsa dlauan. Hasl yang dperoleh dar analsa alran daya dengan batasan urva apabltas generator adalah total baya pembangtan, pengoperasan pada bus pet dan erugan pada jarngan. Total baya pembangtan yang dperoleh sebesar 7.67.54.790,80 Rp/Jam dan losses sebesar 59,00 MW. Selanjutnya dhtung nla ndes stabltas steady state menggunaan metode REI Dmo. Adapun hasl yang dperoleh adalah - 6,4305 (mash dalam batasan establan steady state). Apabla dbandngan baya pembangtan sebelum dan sesudah optmsas dperoleh selsh sebesar Rp..576.50.775. Hal n menunjuan metoda optmsas yang dusulan mampu mencar ombnas pembangtan yang lebh murah dan beroperas pada batasan urva apabltas dan establan steady state. Dengan ata lan pengoperasan pembangtan lebh murah dan mash batasan eamanan operas. 5. Kesmpulan dan Saran 5.. Kesmpulan. Dar optmsas operas pembangt yang dlauan menggunaan MIPSO, hasl smulas menunjuan penurunan baya operas yang cuup besar. Dar baya operas real sebesar Rp 9.48.675.566,40 berurang menjad Rp 7.67.54.790,80 atau ada penghematan sebesar Rp..576.50.775 (setar 7,05 %). Optmsas yang dlauan mash berada pada batasan batasan yang dtetapan, ba batas urva apabltas generator berdasaran model NN maupun batas establan steady state menerapan metode REI Dmo. 5.. Saran. Modfed Improved Partcle Swarm Optmzaton (MIPSO) yang dgunaan mash memerluan peneltan dan pengembangan lebh lanjut untu lebh memperba performansnya. Metode n dapat dombnasan dengan metode lan untu mendapatan nla total baya pembangtan, rug transms dan penerapannya pada real sstem secara on-lne untu menangan persoalan economc dspatch.. Peneltan n hanya melhat stabltas secara eseluruhan sstem, sehngga sult menganalss stabltas pada masng-masng bus.

6. Penghargaan Penghargaan sebesar besarnya penuls sampaan epada Bapa Prof. Dr. Ir. Ontoseno Penangsang dan Bapa Prof. Dr. Ir. Ad Soeprjanto, MT selau pembmbng penuls yang telah banya membna dan membmbng penuls. Selanjutnya epada Bapa Indar Chaerah Gunadn ST, MT yang selalu memberan masuan masuan dan de cemerlang sehngga penulsan artel n dapat dselesaan. Terma ash juga ducapan epada eluarga besar S angatan 009 ten sstem tenaga ten eletro ITS dan eluarga besar Polten Bengals. Control Centers, A John Wllet & Sons, Inc. Pubaton. Sh Yao Lm, Mohammad Montahab, and Hassan Nour, (009). Economc Dspatch of Power System Usng Partcle Swarm Optmzaton wth Constrcton Factor, Internatonal Journal of Innovatons n Energy System and Power, Vol 4 No, October, p 9-34. DAFTAR PUSTAKA C. H. Chen, and S. N. Yeh, (006). Partcle Swarm Optmzaton for Economc Power Dspatch wth Valve-Pont Effect, IEEE PES Transmsson and Dstrbuton Conference and Exposton Latn Amerca, Venezuela. Had Saadat, (999). Power System Analyss, McGraw-Hll Internatonal Edton. Jong-Bae Par, Yun-Won Jeong, (006). Hyun- Houng Km and Joong-Rn Shn,, An Improved Partcle Swarm Optmzaton for Economc Dspatch wth Valve-Pont Effec, Internatonal Journal of Innovatons n Energy Systems and Power, Vol., no.. November. Kwang Y. Lee, and Jong-Bae Par, (006). Appaton of Partcle Swarm Optmzaton to Economc Dspatch Problem: Advantages and Dsadvantages, IEEE Transactons on Power Sstems. Macel Tueguh, Soeprjanto, Maurdh Hery Purnomo, (009). Modfed Improved Partcle Swarm Optmzaton For Optmal Generator Schedulng, Semnar Nasonal Aplas Tenolog Informas (SNATI), Yogarta. Mat Sya n, Ad Soeprjanto, and Taash Hyama, (009). Generator Capablty Curve Constrants for PSO Based Optmal Power Flow. Word Academy of Scence, Engneerng and Technology, Vol.53. Mat Sya n and Ad Soeprjanto, (00). Neural Networ Optmal Power Flow (NN-OPF) based on IPSO wth Developed Load Cluster Method, Word Academy of Scence, Engneerng and Technology, Vol.7. Prabha Umapathy, C. Venataseshaah, and M. Senthl Arumugam, (00). Partcle Swarm Optmzaton Wth Varous Inerta Weght Varants for Optmal Power Flow Soluton, Dscrete Dynamcs In Nature and Socety. Savu C. Savulescu, (009). Real-Tme Stablty Assessment n Modern Power System