Presented by:
Efrita Arfah Zuliari and Imam Robandi
Research Group on Power System Operation and Control
Department of Electrical Engineering, Sepuluh Nopember Institute of Technology
I. PENDAHULUAN
1. Latar Belakang
Permasalahan umum yang dihadapi pengoperasian sistem tenaga listrik
adalah bagaimana me nghasilkan daya output secara optimal dengan
me minimisasi biaya pengoperasian. Tingkat kebutuhan energi
listrik semakin me ningkat me ngakibatkan biaya operasi pada sisi
pe mbangkit bertambah tinggi. Untuk melayani kebutuhan energi,
mesin-mesin pe mbangkit yang terhubung dalam suatu jaring sistem
tenaga listrik, me merlukan suatu fungsi yang mampu me minimisasi
biaya pe mbangkit yang diakibatkan oleh kebutuhan energi yang
berubah tiap periode waktu.
I. PENDAHULUAN
2. Tinjauan Pustaka
Sudah banyak metode optimisasi matematis yang dikembangkan untuk
me nyelesaikan permasalahan optimisasi economic dispatch (ED), seperti
metode gradient method [1], linier prog-ramming algorithm [2]. Untuk
me nyelesaikan masalah pe ngope-rasian unit-unit pembangkit thermal
dengan me ngabaikan rugi-rugi transmisi dipakai lambda iteration
method [3], quadratic programming [4], nonlinear programming
algorithm [5], lag-rangian relaxation algorithm [6]. Teknologi kecerdasan
buatan telah dikembangkan untuk me mecahkan permasalahan economic dispatch, seperti genetic algorithm [7-9], neural networks [10,11],
simulated annealing and tabu search [12], evolutionary programming
[13,14], particle swarm optimization [15], ant colony optimization [16].
I. PENDAHULUAN
3. Tujuan Penelitian
Penelitian ini bertujuan untuk menyelesaikan masalah Economic
Dispatch (ED) menggunakan metode Chaotic Ant Swarm Optimization (CASO) untuk mengoptimisasi daya yang dibangkitkan
oleh tiap-tiap unit yang beroperasi pada beban tertentu sehingga
dapat meminimisasi total biaya pembangkitan.
i =1
i =1
min Ft = Fi (Pi ) = ai Pi 2 + bi Pi + ci
Dengan
Ft
= biaya total unit pembangkit
Fi
= biaya tiap-tiap unit pembangkit
Pi
= daya output dari tiap-tiap pembangkit
ai,bi,ci = koefisien biaya dari tiap-tiap pembangkit
P =P
i =1
PL =
+ PL , i = 1,......... ...., m
PB
i =1 j =1
.............(2)
ij
P j + B 0 i Pi + B 00
i =1
Dengan
PD = Permintaan daya beban
PL = Daya losses pada jaring transmisi
B = Koefisien
............(3)
..................(4)
1+ ri
7.5
7.5
zid (n ) = zid (n 1) +
Vi exp (1 exp( ayi (n))) 3 d zid (n 1) +
Vi
d
d
7.5
..........(5)
id
(0 ) =
7 .5
(1
V. PROPOSED METHOD
Caso digunakan untuk menentukan daya optimal tiap-tiap unit
pembangkit yang beroperasi pada periode tertentu dengan tujuan
meminimais biaya total pembangkitan.
Pengkodean Parameter Dan Fungsi Evaluasi
a)Langkah pertama yang dilakukan adalah membangkitkan
sebuah populasi dari koloni semut yang ditunjukkan dalam
persamaan
Pgid = [Pi1, Pi2, . . . ,Pim], i= 1, 2, . . . ,N
Pgid = Populasi ant koloni
N
m
= jumlah populasi
= jumlah pembangkit
V. PROPOSED METHOD
b). Langkah kedua
Untuk mengetahui fitnes dari tiap-tiap individu semut
menggunakan persamaan sebagai berikut
f = F cos t + P pbc
.......(7)
Fcos t = 1 + abs
F (P) F
i =1
......(8)
min
Fmax Fmin
Ppbc = 1 + Pi PD PL
i =1
.....(9)
V. PROPOSED METHOD
y i (n ) = yi (n 1)1+ ri
7. 5
7 .5 7 .5
z id (n ) = z id (n 1) +
Vi exp (1 exp( ayi (n ))) 3 d z id (n 1) +
Vi
Vi
d
d
d
...........................10
Slack
26
13
G
18
11
25
12
19
23
14
16
10
24
22
15
20
21
17
MW minimum
MW maximum
1
2
3
4
5
26
100
50
80
50
50
50
500
200
300
150
200
120
PERCOBAAN
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
P1
445.881
447.942
448.296
446.596
446.569
444.925
448.719
447.666
448.296
448.296
444.881
448.849
445.201
445.009
445.155
449.511
443.6
448.329
440.762
445.927
447.842
448.296
444.881
448.849
445.201
P2
170.615
173.485
170.29
171.244
174.445
171.156
171.367
173.427
170.29
170.29
171.577
171.363
170.651
173.022
170.763
174.472
171.624
172.615
172.809
171.908
170.022
170.29
171.577
171.363
170.651
P3
262.496
263.395
262.613
261.363
263.746
263.961
261.464
261.498
262.613
262.613
259.19
260.314
262.858
261.243
260.008
261.033
262.862
261.31
262.76
260.309
260.697
262.613
259.19
260.314
262.858
P4
138.678
131.798
137.549
134.053
133.726
139.462
136.127
134.22
137.549
137.549
135.917
135.519
135.139
134.403
137.046
132.443
135.31
139.1
136.083
137.485
139.573
137.549
135.917
135.519
135.139
P5
176.559
177.874
176.07
178.752
174.139
173.54
172.496
176.754
176.07
176.07
178.976
178.155
173.748
176.833
179.995
174.268
177.33
175.584
178.787
175.045
176.923
176.07
178.976
178.155
173.748
P26
81.5335
81.358
80.9627
83.8003
83.2152
82.7262
85.6367
82.2517
80.9627
80.9627
85.2368
81.5907
88.2244
85.3022
82.7955
84.1221
85.0768
78.8239
84.5865
85.1026
80.688
80.9627
85.2368
81.5907
88.2244
TOTAL
LOSSES
(MW)
TOTAL BIAYA
PEMBANGKIT
AN ($/Hour)
12.7547
12.8431
12.7724
12.8012
12.8326
12.7612
12.8002
12.8085
12.7724
12.7724
12.7692
12.7828
12.8126
12.8034
12.7542
12.8401
12.7944
12.7542
12.7789
12.7675
12.7371
12.7724
12.7692
12.7828
12.8126
15446.9
15447
15446.9
15446.8
15446.9
15447.1
15446.9
15446.8
15446.9
15446.9
15447
15446.9
15447
15446.8
15447
15447
15446.9
15447.2
15447.1
15446.8
15447.1
15446.9
15447
15446.9
15447
Generation
Bus No
Voltage
Mag
Angle
Degree
MW
Mvar
MW
Mvar
Injected
MVar
1
2
3
4
1.025
1.020
1.045
1.050
0.000
-0.205
-0673
-2.102
51.000
22.000
64.000
25.000
41.000
15.000
50.000
10.000
445.927
171.908
260.309
137.485
250.777
57.715
78.681
33.551
4.000
0.000
0.000
2.000
5
6
7
8
9
10
11
12
13
1.045
1.001
0.995
0.998
1.010
0.991
0.998
0.994
1.022
-1.230
-2.805
-2.389
-2.269
-4.373
-4.301
-2.800
-3.278
-1.289
50.000
76.000
0.000
0.000
89.000
0.000
25.000
89.000
31.000
30.000
29.000
0.000
0.000
50.000
0.000
15.000
48.000
15.000
175.045
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
141.289
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
5.000
2.000
0.000
0.000
3.000
0.000
1.500
2.000
0.000
14
1.008
-2462
24.000
12.000
0.000
0.000
0.000
15
0.999
-3.241
70.000
31.000
0.000
0.000
0.500
16
0.990
-3.994
55.000
27.000
0.000
0.000
0.000
17
0.983
4.350
78.000
38.000
0.000
0.000
0.000
18
1.007
-1.862
153.000
67.000
0.000
0.000
0.000
19
1.005
6.030
75.000
15.000
0.000
0.000
5.000
20
0.983
-4.748
48.000
27.000
0.000
0.000
0.000
21
0.977
-5368
46.000
23.000
0.000
0.000
0.000
22
0.980
-5.310
45.000
22.000
0.000
0.000
0.000
23
0.978
-6.358
25.000
12.000
0.000
0.000
0.000
24
0.969
-6.640
54.000
27.000
0.000
0.000
0.000
25
0.975
-6.223
28.000
13.000
0.000
0.000
0.000
26
1.015
-.338
40.000
20.000
0.000
0.000
0.000
1.263.000
637.000
1.275.776
590.170
25.000
Total
26-bus
HASIL SIMULASI
n
Lagrange
P1
445,927
447,692
P2
171,908
173,194
P3
260,309
263,486
P4
137,485
138,814
P5
175,045
165,588
P26
85,103
Methode
Optimal
Dispach Of
Generation
(MW)
12,768
87,026
12,807
Total Biaya
Pembangkitan ($/h)
15446,8
15447,72
Generator
MW minimum
MW maximum
1
2
3
10
10
10
85
80
70
Load
Generation
Voltage
Mag
Angle
Degree
MW
Mvar
MW
Mvar
Injected
MVar
1.06
0.000
29.871
23.706
1.045
-0.436
20
10
67.632
31.470
1.030
-0.809
20
15
54.693
15.486
1.019
-1.490
50
30
0.990
-2.925
60
40
150
95
152.196
70.662
Bus No
Total
HASIL SIMULASI
Tabel 7. Perbandingan Hasil CASO dengan Lagrange
Metode
CASO
Lagrange
P1
29.871
23.558
P2
67.632
69.559
P3
54.693
59.036
2.196
2.156
1596.33
1596.96
Daya Optimum
VIII. KESIMPULAN
Pada penelitian ini memperkenalkan CASO sebagai metode
baru untuk menyelesaikan permasalahan economic dispatch
dari pembangkit-pembangkit dalam sistem tenaga listrik.
Algoritma dari metode ini mengkombinasi perilaku individu
semut dan sistem organisasi coloninya dalam mencari makan.
Algoritma yang disimulasikan berhasil menyelesaikan permasalahan ED dengan mempertimbangkan beberapa batasan
yaitu, batasan daya penyeimbang, batasan daya maksimum
dan minimum yang dibangkitkan tiap-tiap unit pembangkit.
Berdasarkan hasil simulasi yang telah dilakukan dapat diketahui bahwa CASO dapat dipertanggungjawabkan untuk digunakan dalam menyelesaikan permasalahan ED dalam praktis
sistem tenaga listrik.
TERIMA KASIH