23

Perbandingan Penggunaan Metode Tabu Search dan

Dynamic Programming Dalam Pengoptimalan
Unit Commitment Pembangkit Thermal

Nia Lidiawati
1
, Anizar Indriani
2

1
Alumni Program Studi Teknik Elektro, Universitas Bengkulu
2
Program Studi Teknik Elektro Universitas Bengkulu

ABSTRACT
Unit Commitment is a way to decide which
generation need to be activated or not in certain load
period with optimum coast. A common method used
is dynamic programming method. This research is
conducted to modify the dynamic programming
method by adding priority list and new experiment
method using tabu search. The method of analysis
will be done by using 10 Unit Generation of
secondary data IEEE with phyton 2.7 as the sofware
aid. The research it was found that Tabu Search for
settling unit commitment with optimum cost is more
efficient than using modification method of dynamic
programming dan dynamic programming method
with priority list. The total production cost for using
tabu search is 544637,223 $/hr with computing time
288,624 sec. , modify dynamic programming method
with priority list is 545580,202 $/hr with computing
time 91,74 sec., and dynamic programming is
544755,50 $/hr with computing time 262,405 sec.
Keywords: tabu search, unit, commitment, generation

1. PENDAHULUAN
Naik turunnya pemakaian daya listrik mengikuti
siklus perubahan beban harian. Pemakaian daya listrik
harus selalu diimbangi oleh pembangkitan daya dalam
sistem, untuk mengikuti siklus perubahan beban tersebut,
dilakukan penjadwalan unit-unit pembangkit yang
commit (on) dan decommit (off) dalam periode waktu
tertentu. Penjadwalan tersebut harus tetap
memperhatikan kondisi ekonomis yang optimal, selain
itu harus memenuhi batasan-batasan teknis dalam
pengoperasian masing-masing unit pembangkit yang ada
pada sistem, penjadwalan ini dinamakan unit
commitment.
Penyelesaian unit commitment menghasilkan
kombinasi sebanyak 2
n
-1 untuk tiap periodenya, dimana
n adalah jumlah unit pembangkit.
Metode yang umum digunakan dalam penyelesaian
unit commitment yaitu metode dynamic programming.
Pada metode ini penyelesaian persamaan unit
commitment dilakukan dengan cara menguji tiap-tiap
kemungkinan yang ada, dengan pengujian ini tentunya
akan membutuhkan jumlah kombinasi penyelesaian yang
besar serta waktu perhitungan yang lama. Untuk
memperkecil jumlah kemungkinan kombinasi
penyelesaian serta lama waktu perhitungan pada
dynamic programming maka dilakukan reduksi dengan
menggunakan metode daftar prioritas [1,2]. Selain
dengan memodifikasi metode yang telah ada,
pengembangan metode baru yang dapat digunakan
dalam penyelesaian permasalahan unit commitment
masih diperlukan. Metode baru yang digunakan yaitu
dengan memanfaatkan metode optimasi bersifat
kombinatorial, salah satunya adalah metode tabu search.
dikarenakan unit commitment merupakan permasalahan
yang membutuhkan kombinasi unit-unit pembangkit
dalam penyelesaianya maka digunakan metode Tabu
Search sebagai metode baru dalam penyelesaian unit
commitment yang nantinya diharapkan mampu
menyelesaikan permasalahan unit commitment seperti
dynamic programming.

2. TINJAUAN PUSTAKA
Masalah pengiriman daya nyata yang optimal yang
paling sederhana adalah ketika rugi-rugi daya pada
saluran transmisi diabaikan. Masalah ini tidak
mempertimbangkan bentuk sistem dan impedansi
saluran. Ketika rugi-rugi daya pada saluran transmisi
diabaikan, dimana jumlah permintaan beban P
D
sama
dengan jumlah daya dari semua pembangkit, Fungsi
biaya F
i
diasumsikan dari masing-masing unit
pembangkit.
Untuk menentukan total biaya produksi pada
pembangkit di masing-masing pembangkit adalah seperti
persamaan berikut.

=
+ + =
n
i i i i i i t
P P F
1
2
(1)
dengan:
F
t
= fungsi biaya produksi dari pembangkit i
($/hr)

i
,
i
,
i
= koefisien fungsi biaya produksi pembangkit i
P
i
= keluaran daya nyata pembangkit i (MW)
Jurnal Amplifier Vol. 1 No. 1, Nopember 2011
24
Keluaran daya dari generator seharusnya tidak
melebihi keperluan operasi sistem sehingga daya dari
generator tersebut terbatas pada batas minimum dan
maksimum yang diberikan. Syarat-syarat agar tercapai
pengiriman daya optimal dengan mengabaikan rugi-rugi
menjadi :

(min)
) (
) ( (min)
untuk
untuk
untuk
i i
i
i
mak i i
i
i
mak i i i
i
i
P P
dP
dC
P P
dP
dC
P P P
dP
dC
=
=
< < =

(2)

Solusi numeriknya sama dengan sebelumnya,
dimana untuk nilai estimasi , Pi ditentukan dari
persamaan koordinasi
i
i
i
P

= dan iterasi berlang-

sung sampai P
i
= P jika ada pembangkit yang
mencapai kondisi minimum dan maksimumnya, maka
pembangkit tersebut ditetapkan beroperasi pada batasan
tersebut. Pengaruhnya adalah keluarnya akan tetap
konstan, dan hanya pembangkit yang belum terkena
batasanlah yang harus beroperasi pada penambahan
biaya bahan bakar [8].

A. Unit Commitment
Pengoperasian optimal menuntut sebuah penjadwa-
lan yang baik bagi tiap-tiap unit pembangkit yang
beroperasi (commit) maupun unit pembangkit yang tidak
dioperasikan (decommit), permasalahan penjadwalan
unit-unit pembangkit ini disebut dengan unit
commitment.
Ada beberapa hal yang terdapat dalam merencana-
kan unit commitment, antara lain :
1. Harus ada pola pembebanan untuk M periode waktu
dalam suatu siklus.
2. Terdapat n buah pembangkit yang commit (on) dan
dengan output yang optimal.
Selanjutnya, penentuan unit commitment dilakukan
dengan penyebutan satu per satu dan total kombinasi
yang dibutuhkan sebanyak 2
n
1 dengan n adalah
jumlah unit pembangkit [1].

B. Metode daftar prioritas
Pada metode ini kombinasi on/off pembangkit
didasarkan pada urutan prioritas. Untuk menentukan
urutan prioritas diperoleh dari biaya produksi rata-rata
(F
avg
) persatuan output yang didasarkan pada P
mak
.
mak
mak
avg
P
P F
F
) (
= (3)
dengan :
F
avg
= biaya produksi rata-rata ($/MW.hr)
F
(Pmak)
= biaya produksi pada P
mak
($/hr)
P
(mak)
= batas maksimal keluaran daya nyata
pembangkit (MW)

C. Metode Dynamic Programming
Bentuk dasar dari algoritma dynamic programming
dalam permasalahan unit commitment yaitu menguji
setiap kemungkinan solusi yang terjadi pada setiap
periodenya. Di dalam dynamic programming terdapat
state dan stage, state adalah kemungkinan penyelesaian
dengan kondisi tertentu sedangkan stage adalah
kumpulan dari state pada level tertentu. Pada
permasalahan unit commitment state adalah kombinasi
on/off unit pembangkit sedangkan stage adalah periode
pembebanan.
F
cost
(k,l) = min[P
cost
(k,l) + S
cost
+ F*
cost
(k-l,L)] (4)
dengan:
F
cost
k,l = biaya kumulatif sampai di I pada stage k
P
cost
k,l = biaya produksi total (F
i
) optimum untuk
unit yang on pada state l, stage k
S
cost
= biaya yang diperoleh bila ada unit yang
start
F*
cost
kl,I = biaya kumulatif termurah dari state L
pada stage k-1

D. Metode Tabu Search
Secara sederhana langkah-langkah pemecahan
masalah unit commitment dengan menggunakan tabu
search adalah sebagai berikut:
1. Bangkitkan solusi awal.
2. Hitung fungsi objektif dengan persamaan economic
dispatch.
3. Lakukan prosedur algoritma tabu search untuk
mendapatkan solusi terbaik yang mungkin.
Beberapa elemen utama pada Tabu search adalah
sebagai berikut [3]:
1. Representasi solusi
Pada permasalahan unit commitment perlu disusun
suatu representasi solusi, 0 atau 1 menyatakan status
on atau off dari pembangkit, dalam hal ini
representasi solusi dinyatakan dengan matriks X
berukuran nm, dimana n menyatakan kombinasi
status on/off pembangkit dan m merupakan periode
pembebanan.

2. Fungsi Cost
Setiap fungsi cost akan memetakan setiap solusi
feasible ke nilai cost-nya. Fungsi cost merupakan
suatu elemen penting pada sebuah algoritma tabu
search. Fungsi cost pada unit commitment dinyatakan
dengan F
cost
yang merupakan total biaya untuk tiap
kemungk
pembeban
dari fung
suatu per
start (S
cos

t
F
cos
=

dengan :
F
cost
= bia

t
P
cos
= bia
ya
S
cost
= bia
($

3. Neighbou
Neighbou
setiap sol
Pada uni
merupaka
kombinas

4. Tabu list
Tabu list
solusi ter
sebagai k
sementara
pertama a
solusi ter
terbaik ya

5. Hasil Eva
Adapun
solusi da
status on/
pembang
total biay


A. Data Uji
Data u
menggunaka
39 bus sistem
Data si
permasalahan
Tabel 1 yan
minimal kelu
biaya produk
Data pe
periode selam
kinan jalur
nan. Hal ini d
gsi biaya total
riode pembeb
st
) :
t
S P
cos cos
+

aya kumulatif
aya produksi
ang on ($/hr)
aya yang dipe
)
urhood
urhood yaitu
lusi feasible S
it commitmen
an jalur komb
si solusi sebel
t yaitu suatu
rbaik pada set
kontrol yang
a pada setiap
akan disimpan
rbaik dari sol
ang baru dima
aluasi
hasil evaluas
ari permasala
/off unit pemb
kit pada tiap
ya untuk tiap p
3. METOD
Unit Commit
uji yang dig
an data sekund
m uji seperti p
istem yang d
n unit commit
ng terdiri da
uaran daya ny
ksi generator,
embebanan un
ma 24 jam dap
kombinasi
dinyatakan den
(F
i
) tiap unit
banan dengan
t

f tiap kombina
total optimu
eroleh bila ad
suatu fungsi
S ke solusi-sol
nt, fungsi pad
binasi yang d
lumnya.
list yang ber
tiap iterasi, ta
menyimpaka
p solusi yang
n pada tabu li
usi terbaik se
asukan juga pa
i yang harus
ahan unit co
bangkit, daya
periode kebu
periode penjad
DE PENELITIA
tment
unakan dalam
der IEEE 10
ada Gambar 1
digunakan dal
tment dapat di
ari data bata
yata generator
dan biaya star
ntuk 10 unit pe
pat dilihat pad
selama per
ngan penjumla
pembangkit p
n biaya unit y
asi ($/hr)
um untuk
da unit yang s
yang memeta
lusi yang lain
da neighbourh
dievaluasi den
risi daftar so
abu list diguna
an solusi ter
mungkin. So
ist apabila did
ebelumnya, so
ada tabu list.
s ada pada se
ommitment y
output untuk
utuhan beban,
dwalan [3].
AN
m penelitian
generator den
1.
lam penyeles
ilihat seperti p
as maksimal
r, koefisien fu
rt hot.
embangkit sel
da Tabel 2.
riode
ahan
pada
yang
(5)
unit
start
akan
nnya.
hood
ngan
lusi-
akan
rbaik
olusi
dapat
olusi
etiap
yaitu
tiap
dan
ini
ngan
saian
pada
dan
ungsi
lama
Gam
No
uni
1
2
3
4
5
6
7
8
9
10
mbar 1. Sistem

DATA S
o.
it
Pmax
(MW)
P
(M
455 1
455 1
130
130
162
80
85
55
55
0 55
D
Hour
1
2
3
4
5
6
7
8
9
10
11
12
m IEEE 10 Unit
TABEL
SISTEM 10 UNIT
Pmin
MW)

i

150 1000
150 970
20 700
20 680
25 450
20 370
25 480
10 660
10 665
10 670

TABEL
DATA BEBAN PE
Demand
(MW)
700
750
850
950
1000
1100
1150
1200
1300
1400
1450
1500
I
Pembangkit [1
L 1
T PEMBANGKIT [

i

16.19 0.0
17.26 0.0
16.60 0.0
16.50 0.0
19.70 0.0
22.26 0.0
27.74 0.0
25.92 0.0
27.27 0.0
27.79 0.0
L 2
ER JAM [12]
Hour
D
13
14
15
16
17
18
19
20
21
22
23
24
ISSN: 2089-2020
25
1]
[12]

i

Start
Hot
($)
00048 450
00031 500
00200 55
00211 56
00398 190
00712 70
00079 225
00413 30
00222 30
00173 30
Demand
(MW)
1400
1300
1200
1050
1000
1100
1200
1400
1300
1100
900
800
0
5

Jurnal Amplifier Vol. 1 No. 1, Nopember 2011
26
TABEL 3
KOMBINASI 10 UNIT PEMBANGKIT
No.
State
Unit Pembangkit
Daya
(MW)
1 2 3 ..... 9 10
1023 1 1 1 1 1 1662
1022 1 1 1 1 0 1607
1021 1 1 1 0 1 1607
1020 1 1 1 0 0 1552
1019 1 1 1 1 1 1607
1018 1 1 1 1 0 1552
1017 1 1 1 0 1 1552
1016 1 1 1 0 0 1497
1015 1 1 1 1 1 1577
1014 1 1 1 1 0 1522
. . .
2 0 0 0 1 0 55
1 0 0 0 0 1 55

4. HASIL DAN PEMBAHASAN
A. Unit Commitment dengan metode Dynamic
Programming
Penyelesaian unit commitment dengan mengguna-
kan metode dynamic programming adalah sebagai
berikut:
Jumlah kombinasi = 2
n
1
= 2
10
1
= 1023 kombinasi
1023 kombinasi tersebut dapat dilihat seperti pada
Tabel 3.

Perhitungan daya optimal
Harga estimasi awal lambda (1) = 17,3 $/hr.
Sebagai iterasi pertama dari persamaan dapatkan :
25 , 1156
00048 , 0 . 2
19 , 16 3 , 17
) 1 (
1
=

= P MW
51613 , 64
00031 , 0 . 2
26 , 17 3 , 17
) 1 (
2
=

= P MW
Dengan P
D
= 700 MW , didapatkan :
P
(1)
= 700 (455+150) = 95 MW
hr $/MW 2 0,03578734
57 , 2654
95 95
) 00031 , 0 ( 2
1
) 00048 , 0 ( 2
1
) 1 (
=
=
+
=

Nilai baru adalah :

(2)
= 17,3 + 0,035787342
= 17,33578734 $/MW hr
Proses selanjutnya , iterasi kedua ditentukan:
528 , 1193
) 00048 , 0 ( 2
19 , 16 33578734 , 17
) 2 (
1
=

= P MW
2376 , 122
) 00031 , 0 ( 2
26 , 17 33578734 , 17
) 2 (
2
=

= P MW
95 ) 150 455 ( 700
) 2 (
2
= + = P MW
hr $/MW 2 0,03578734
57 , 2654
95 95
) 00031 , 0 ( 2
1
) 00048 , 0 ( 2
1
) 2 (
=
=
+
=

. . . s.d iterasi ke-15
Pada iterasi ke-15 daya optimal yang dikirim dari
masing-masing pembangkit adalah:
455
) 15 (
1
= P MW
999133035 , 244
) 15 (
2
= P MW
dengan biaya total bahan bakar dengan menggunakan
Persamaan (4) adalah :
F
i
= 1000+16,19(455)+0,00048(455)
2
+970
+17,26 (245) +0,00031(245)
2

= 13683,12975 $/hr
Perhitungan dilanjutkan sampai periode ke-24.
Perhitungan dengan metode dynamic programming
untuk 10 unit pembangkit selama 24 jam menghasilkan
urutan kombinasi(768-768-768-832-832-960-960-864-
992-1008-1012-1014-1008-992-864-800-832-960-864-
1008-992-864-768-768) dengan total biaya produksi
selama 24 adalah 544755,50$/Hr. Dengan menggunakan
bahasa pemrograman Python 2.7 waktu komputasi yang
dibutuhkan yaitu selama 262,405 detik.

B. Unit Commitment dengan modifikasi metode
Dynamic Programming dengan daftar prioritas
Untuk menentukan urutan prioritas maka dihitung
terlebih dahulu biaya produksi rata-rata (F
avg
). F
avg

dihitung dengan menggunakan Persamaan (3). Didapat
seperti pada Tabel 4.
Dari urutan prioritas pada Tabel 4., maka didapat
kemungkinan kombinasi untuk 10 unit pembangkit.
Perhitungan selanjutnya dilakukan dengan algoritma
dynamic programming.
Metode dynamic programming dengan daftar
prioritas untuk 10 unit pembangkit selama 24 jam
menghasilkan urutan kombinasi (9-9-9-8-8-7-7-6-6-5-4-
3-5-6-6-7-8-7-6-5-6-7-9-9) dengan total biaya produksi
selama 24 adalah 552819,57 $/Hr. Waktu komputasi
yang dibutuhkan pada metode ini yaitu selama 91,74
detik.
ISSN: 2089-2020
27
TABEL 4
URUTAN PRIORITAS UNIT PEMBANGKIT
Unit
Biaya Produksi
Rata-rata ($/hr)
Urutan
Prioritas
1 18,6062022 UNIT 1
2 19,53291813 UNIT 2
3 22,24461538 UNIT 4
4 22,00506923 UNIT 3
5 23,12253778 UNIT 5
6 27,4546 UNIT 6
7 33,45420882 UNIT 7
8 38,14715 UNIT 8
9 39,48300909 UNIT 9
10 40,06696818 UNIT 10

C. Unit Commitment dengan metode Tabu Search

Pemilihan solusi optimal pada metode Tabu Search
dilakukan dengan cara menggantikan solusi terbaik saat
ini dengan solusi terbaik yang ada pada neighborhood.
Metode ini menggunakan tabu list untuk menyimpan
sekumpulan solusi yang baru saja dievaluasi. Pada
metode ini perhitungan unit commitment dihitung
berdasarkan matriks biaya yang di representasikan oleh
matriks X.
Pemilihan solusi optimal pada metode Tabu
Search dilakukan dengan cara menggantikan solusi
terbaik saat ini dengan solusi terbaik yang ada pada
neighborhood. Berikut ini hasil perhitungan dengan
menggunakan metode Tabu Search. Penyelesaian unit
commitment dengan metode Tabu Search untuk 10 unit
pembangkit selama 24 jam menghasilkan urutan
kombinasi (768-768-768-832-832-864-864-864-992-
1008-1012-1014-1008-992-864-800-800-864-864- 1008-
992-864-768-768) dengan total biaya produksi selama
24 jam adalah 544637,223 $/Hr. Waktu komputasi
yang dibutuhkan pada metode ini yaitu selama 288,624
detik.

5. KESIMPULAN
Dari hasil analisa dan pembahasan studi
perbandingan metode tabu search dan dynamic
programming dalam penyelesaian unit commitment pada
sistem pembangkit termal, maka dapat diambil
kesimpulan sebagai berikut:

1. Biaya total produksi unit commitment 10 unit
pembangkit IEEE dengan menggunakan metode
dynamic programming selama periode pembebanan
24 jam adalah sebesar 544755,50 $/hr dengan waktu
komputasi 262,405 detik.

2. Dari modifikasi metode dynamic programming
dengan daftar prioritas jumlah kombinasi didasarkan
pada urutan prioritas dan hanya terdapat 10
kombinasi dengan biaya produksi selama 24 jam
sebesar 545580,202 $/hr dengan waktu komputasi
91,74 detik.

3. Biaya total produksi optimal unit commitment dengan
menggunakan metode tabu search selama periode
pembebanan 24 jam didapat pada iterasi ke-24
sebesar 544637,223 $/hr dengan waktu komputasi
288,624 detik.

4. Komputasi metode dynamic programming dengan
daftar prioritas lebih cepat 170,665 detik
dibandingkan dengan metode dynamic programming
dan lebih cepat 196,884 detik dibandingkan dengan
metode tabu search.

5. Hasil kombinasi paling optimal diperoleh dengan
menggunakan metode tabu search dengan jalur
kombinasi selama 24 jam adalah 768-768-768-832-
832-864-864-864-992-1008-1012-1014-1008-992-
864-800-800-864-864-1008-992-864-768-768 yaitu
dengan biaya termurah terjadi pada saat jam ke-1
(nomor kombinasi 768) dengan beban 700 MW
sebesar 13683,118 $/hr dan biaya termahal tejadi
pada saat beban puncak yaitu pada jam ke-12 (nomor
kombinasi 1014) dengan beban 1500 MW sebesar
32773,37 $/hr.


REFERENSI
[1] A. J. Wood, B. F. Wollenberg, Power Generation,
Operation and Control, J. Willey, New York, 1996.
[2] Anizar Indriani, Optimasi Penjadwalan Unit Pembangkit
Thermal dengan Dynamic Programming, Jurnal Seminar
Nasional Aplikasi Teknologi Informasi (SNATI),
Yogyakarta, 2006.
[3] Sri Kusumadewi, Hari Purnomo, Penyelesaian Masalah
Optimasi dengan Teknik-teknik Heuristik, Graha Ilmu,
Yogyakarta, 2005.
[4] Aryana Betrianis, Putu Teguh, Penerapan Algoritma
Tabu Search dalam Penjadwalan Job Shop, Departemen
teknik Industri. Fakultas Teknik, Universitas Indonesia,
2003.
[5] Henry P. Panggabean, Penjadwalan Job Shop Statik
dengan Algoritma Tabu Search, Jurusan Ilmu Komputer,
Fakultas MIPA Universitas Katolik Parahyangan,
Bandung, 2005.
[6] Navarro J. Domingguez, Bayod A. Rujala, Application
Tabu Search in Matlab for Optimize Distribution
Systems, IEEE, 2007.
[7] Jizhong Zhu, Optimization of Power System Operation,
IEEE, USA, 2009.
Jurnal Amplifier Vol. 1 No. 1, Nopember 2011
28
[8] Hadi Saadat, Power System Analysis, McGraw-Hill,
Singapore, 1999.
[9] Fred Glover, Manuel Laguna, Tabu Search, Kluwer
Academic Publisher, USA, 1997.
[10] Dini Triasanti, Konsep Dasar Python, AP2B,
Yogyakarta, 1999.
[11] IEEE Benchmark
http://psdyn.ece.wisc.edu/IEEE_benchmarks
[12] Yang Tingfang, T. O. Ting, Methodological Priority List
for Unit Commitment, IEEE, 2008.