BAB I PENDAHULUAN

1.1 Latar Belakang Pada jaringan sistem tenaga listrik, daya listrik dibangkitkan oleh pembangkit dari pusat-pusat pembangkit tenaga listrik kemudian dialirkan melalui jaringan transmisi tenaga listrik dan didistribusikan ke bermacam-macam beban listrik. Selama beban-beban listrik tersebut mengkonsumsi daya listrik, selama itu pula daya listrik terus dibangkitkan. Pada kenyataan sistem tenaga listrik yang sebenarnya, pembangkit-pembangkit tenaga listrik tidak berada dalam jarak yang sama dari pusat-pusat beban serta masing-masing biaya pembangkitan untuk semua pembangkit tenaga listrik pun berbeda pula. Analisis aliran daya optimal adalah perhitungan untuk meminimalkan suatu fungsi tujuan yaitu biaya pembangkitan suatu pembangkit tenaga listrik atau rugi-rugi pada saluran transmisi dengan mengatur pembangkitan daya aktif dan daya reaktif setiap pembangkit yang terinterkoneksi dengan memperhatikan batas-batas tertentu. Batas yang umum dinyatakan dalam perhitungan analisis aliran daya optimal adalah berupa batas minimum dan maksimum untuk pembangkitan daya aktif pada pembangkit. Batasan yang digunakan tersebut kurang menunjukkan bentuk karakteristik dari suatu pembangkit secara sebenarnya. Kurva kapabilitas generator merupakan kurva karakteristik nyata suatu pembangkit yang menjadi batas kemampuan pembangkit dalam membangkitkan daya listrik. Algoritma genetika merupakan salah satu algoritma komputasi yang baru untuk masalah optimasi yang terinspirasi oleh teori evolusi yang kemudian diadopsi menjadi algoritma komputasi untuk mencari solusi suatu permasalahan. Algoritma ini mampu memberikan solusi global suatu perhitungan yang teknik optimasi metode klasik tidak dapat diaplikasikan pada masalah tersebut. Salah satu aplikasi algoritma genetika adalah permasalah optimasi kombinasi, yaitu mendapatkan suatu nilai solusi yang optimal terhadap suatu permasalah yang memiliki banyak kemungkinan solusi.

1.2

Tujuan Tugas akhir ini bertujuan sebagai berikut. 1. Memperoleh biaya pembangkitan dan rugi pada saluran yang optimal pada suatu kondisi pembebanan tertentu. 2. Menyempurnakan batasan analisis aliran daya optimal menjadi batasan kurva kapabilitas daya reaktif pembangkit.

1.3

Rumusan Masalah Permasalahan yang dibahas dalam tugas akhir ini adalah apakah metode algoritma genetika dapat diimplementasikan pada analisis aliran daya optimal dengan batasan kurva kapabilitas generator dan mampu menghasilkan biaya pembangkitan dan rugi jaringan yang optimal. 1.4 Batasan Masalah Dalam pengerjaan tugas akhir ini, permasalahan dibatasi dengan asumsi sebagai berikut. 1. Masukan yang digunakan adalah data bus dan data saluran pada sistem interkoneksi 500 kV Jawa Bali yang terdiri dari 23 bus, 28 saluran, dan 8 unit pembangkit. 2. Masukan data pembebanan untuk sistem adalah data pembebanan pada tanggal 17 Maret 2009 pukul 13.30 WIB dan pada tanggal 17 Maret 2009 pukul 19.30 WIB. 3. Pembebanan tiap unit generator pada satu pembangkit adalah sama dan seimbang. 4. Kurva kapabilitas generator tiap pembangkit menggunakan karakteristik kurva kapabilitas generator pembangkit Paiton. 5. Perhitungan mengenai Unit Commitment tidak disertakan. 6. Batasan keamanan sistem transmisi (security constrained) diabaikan. 7. Simulasi dilakukan menggunakan software MATLAB 7.6 1.5 Sistematika Pembahasan Sistematika penulisan dalam tugas akhir ini terdiri atas lima bab dengan uraian sebagai berikut. Bab I : Pendahuluan Bab ini membahas tentang penjelasan mengenai latar belakang, tujuan, rumusan masalah, batasan masalah, sistematika pembahasan, metodologi, dan relevansi. 2

Bab II

Bab III

Bab IV

Bab V

Dasar Teori Bab ini membahas tentang teori-teori mengenai analisis aliran daya, karakteristik unit pembangkit, analisis aliran daya optimal, neural network dan algoritma genetika. Analisis Aliran Daya Optimal Menggunakan Algoritma Genetika Pada bab ini dibahas mengenai pemodelan sistem, analisis aliran daya optimal menggunakan metode Lagrange, dan analisis aliran daya optimal menggunakan algoritma genetika. Simulasi dan Analisis Bab ini membahas tentang hasil simulasi analisis aliran daya optimal menggunakan algoritma genetika pada sistem yang disertai dengan analisisnya. Kesimpulan dan Saran Bab ini berisi kesimpulan dan saran dari hasil pembahasan yang telah dilakukan.

1.6

Metodologi Metode penelitian yang digunakan pada tugas akhir ini dapat dijabarkan sebagai berikut. 1. Studi literatur Studi literatur dilakukan dengan mengumpulkan dan memahami literatur mengenai analisis aliran daya, karakteristik pembangkit, analisis aliran daya optimal, neural network, dan algoritma genetika. 2. Pengumpulan data Data yang dikumpulkan meliputi parameter bus, parameter saluran, kurva heat rate pembangkit, data pembebanan pada waktu tertentu, serta biaya bahan bakar setiap pembangkit pada sistem interkoneksi 500 kV Jawa Bali. 3. Pemodelan sistem Melakukan pemodelan sistem interkoneksi 500 kV Jawa Bali yang meliputi parameter bus, parameter saluran, kurva kapabilitas generator serta fungsi biaya pembangkitan, sehingga dapat dilakukan simulasi menggunakan data-data tersebut. 3

4. Simulasi dan analisis Melakukan pengujian metode melalui simulasi analisis aliran daya optimal menggunakan metode Lagrange dan analisis aliran daya optimal metode algoritma genetika untuk sistem standar IEEE 30 bus kemudian mengimplementasikan metode algoritma genetika tersebut pada sistem interkoneksi 500 kV Jawa Bali serta melakukan analisis data. 5. Penulisan buku tugas akhir Penulisan laporan dilakukan sebagai penggambaran kesimpulan dari tugas akhir ini. Kesimpulan tersebut merupakan jawaban dari permasalahan yang dianalisis. Selain itu juga akan diberikan saran sebagai masukan berkaitan dengan apa yang telah dilakukan. 1.7 Relevansi Hasil yang diperoleh dari tugas akhir ini diharapkan dapat memberi manfaat berikut. 1. Menjadi referensi bagi perusahaan listrik dalam mengoperasikan pembangkit agar lebih ekonomis dan efisien. 2. Menjadi referensi untuk penelitian berikutnya agar lebih dikembangkan untuk mengoptimalkan operasi pada sistem tenaga listrik dan penerapan metode analisis aliran daya optimal serta kecerdasan buatan yang lain.