Anda di halaman 1dari 7

Optimalisasi Koordinasi DOCR (Directional Overcurrent Relay) Pada Jaringan

Transmisi 150 kV Menggunakan SV-MPSO (Simplified Velocity Modified Particle


Swarm Optimization)

Beni Akhirul R
1
, Wahyuni Martiningsih
2
, Romi Wiryadinata
3
1
akhir.ramadhan@gmail.com
2
yuni_elektro@yahoo.com
3
romi_wiryadinata@yahoo.com
Jurusan Teknik Elektro, Universitas Sultan Ageng Tirtayasa
Abstrak Arus gangguan dapat terjadi kapan saja
baik pada sistem transmisi atau sistem distribusi.
Gangguan yang biasa terjadi biasanya gangguan
antar fasa yang akibatnya dapat menimbulkan
kerugian baik materi maupun nyawa. Salah satu
cara menanganinya dengan memasang rele proteksi
agar dapat meminimalisir gangguan yang terjadi.
Metode SVMPSO digunakan dalam optimalisasi
perhitungan koordinasi rele proteksi. Penelitian ini
diaplikasikan untuk mendapatkan koordinasi
optimal DOCR dengan metode SVMPSO dengan
tipe jaringan transmisi multiloop 150kV. Hasil dari
penelitian ini menunjukkan bahwa koordinasi rele
proteksi optimal dengan nilai fitness 136.1878 dan
TMS=9.1683.
Kata Kunci: Koordinasi Optimal, Jaringan
Multiloop, DOCR, SVMPSO.
I. PENDAHULUAN
Directional overcurrent relay atau rele arus
lebih berarah merupakan salah satu jenis rele
proteksi yang paling banyak digunakan pada sistem
proteksi tenaga listrik. Rele arus lebih berarah
digunakan untuk mendeteksi adanya gangguan
hubung singkat pada sistem yang mempunyai
sumber lebih dari satu dan mempunyai jaringan
yang membentuk loop. Koordinasi rele arus lebih
berarah yang sesuai digunakan sebagai sistem
tenaga listrik yang handal. Berbagai metode yang
digunakan untuk mendapatkan koordinasi rele yang
sesuai diantaranya menggunakan koordinasi
berdasarkan perbedaan waktu, berdasarkan
perbedaan arus dan kombinasi dari perbedaan
waktu dan perbedaan arus.
Masalah yang muncul pada performansi
koordinasi rele arus lebih berarah ketika beroperasi
pada sistem interkoneksi multi-loop, yaitu sulitnya
untuk mendapatkan koordinasi rele agar sesuai
aturan sistem proteksi tenaga listrik khususnya rele
arus lebih sehingga membutuhkan waktu yang
lama agar didapatkan koordinasi yang baik serta
hasil koordinasi yang diperoleh tidak optimal. Studi
sebelumnya mengenai rele arus lebih menggunakan
linier programing tahun 2008[1]. Metode ini
terbukti cukup berhasil, tetapi seiring
perkembangan zaman banyak metode yang
digunakan seperti (GA) genetic algorithm [2], JST
(jaringan saraf tiruan), PSO (Particle Swarm
Optimization) [3] dan sebagainya.

II. DASAR TEORI
2.1 Gangguan Hubung Singkat
Gangguan hubung singkat yang sering
terjadi pada sistem tenaga listrik tiga fasa sebagai
berikut :
1. Satu fasa dengan tanah (single line to ground
fault)
2. Fasa dengan fasa (line to line fault)
3. Dua fasa dengan tanah (double line to ground
fault)
4. Fasa dengan fasa dan pada waktu bersamaan
dari fasa ke tiga fasa dengan tanah
5. Tiga fasa dengan tanah (Three phase to ground
fault)
6. Hubung singkat Tiga fasa (Three phase fault)

2.2 Rele Proteksi
Rele proteksi adalah susunan peralatan yang
direncanakan untuk dapat mendeteksi adanya
kondisi abnormal pada peralatan atau bagian sistem
tenaga listrik dan segera secara otomatis membuka
PMT (pemutus tenaga) untuk memisahkan
peralatan atau bagian dari sistem tenaga listrik yang
terganggu dan memberi isyarat berupa lampu dan
bel (alarm). Rele proteksi dapat merasakan adanya
gangguan pada peralatan yang diamankan dengan
mengukur atau membandingkan besaran-besaran
yang diterimanya, misalnya arus, tegangan, daya,
sudut fasa, frekuensi, impedansi dan sebagainya,
dengan besaran yang telah ditentukan, kemudian
mengambil keputusan untuk seketika ataupun
dengan perlambatan waktu mengirimkan tanda
kepada PMT (pemutus tenaga).
Gangguan yang terjadi pada sistem tenaga
listrik yang berpotensi merusak peralatan dan
menyebabkan pemadaman total pada sistem tenaga
listrik maka diperlukan suatu rele proteksi. Adapun
fungsi dari suatu rele proteksi yaitu [11] :
1. Merasakan, mengukur dan menentukan bagian
sistem yang terganggu serta memisahkan
secepatnya sehingga sistem lainnya yang tidak
terganggu dapat beroperasi secara normal.
2. Mengurangi pengaruh gangguan terhadap
bagian sistem yang lain yang tidak terganggu di
dalam sistem tersebut serta mencegah
meluasnya gangguan.
3. Mengurangi kerusakan yang lebih parah dari
peralatan yang terganggu.
4. Memperkecil bahaya bagi manusia
Penyaluran daya pada sistem tenaga listrik
maka memerlukan adanya pengaman yang andal
sehingga rele proteksi harus memenuhi persyaratan
sebagai berikut [13] :
1. Sensitivitas
2. Selektivitas
3. Kecepatan bereaksi
4. Keandalan (reliability)
5. Ekonomis

2.3 Rele Arus Lebih I nvers Definit Minimum
Time
Pada umumnya, overcurrent relay
mempunyai fungsi karakteristik tripping dapat
dilihat pada persamaan (1) [12].
(1)
dengan asumsi sederhana dapat didekati dengan
sebagai berikut:

3
1
2
K
I
I
TMS
K t
K
p

|
|
.
|

\
|
= (2)
dengan
1
K ,
2
K ,
3
K konstan yang bergantung
pada spesifikasi peralatan yang sedang
disimulasikan. Berdasarkan IEC 60255
didefinisikan beberapa standar karakteristik pada
tabel 1 [12]:
Tabel 1 Karakteristik Rele Arus Lebih
Karakteristik Rele Standar IEC 60255
Standard Inverse (SI)

Very Inverse (VI)

Extremely Inverse (EI)

Long time standard earth
fault


2.4 PSO (Particle Swarm Optimization)
Particle swarm optimization (Kennedy dan
Eberhart 1995; Kennedy, Eberhart dan Shi, 2001)
[14] adalah populasi optimasi stokastik berdasarkan
teknik untuk pemecahan masalah optimasi yang
berkesinambungan. Hal ini terinspirasi oleh
perilaku sosial dalam kawanan burung dan ikan
ketika mencari makan.
PSO merupakan komputasi cerdas berbasis
teknik yang dapat menentukan suatu permasalahan
tanpa dipengaruhi oleh ukuran dan ketidaklinieran
suatu permasalahan dan dapat konvergen ke solulsi
optimal pada bamyak permasalahan. PSO dapat
secara efektif digunakan untuk optimisasi suatu
permasalahan yang berbeda-beda pada
permasalahan sistem tenaga listrik.
Beberapa istilah umum yang biasa
digunakan dalam Optimisasi Particle Swarm dapat
didefinisikan sebagai berikut [15]:
1. Swarm : populasi dari suatu algoritma.
2. Particle: anggota (individu) pada suatu
swarm. Setiap partikel merepresentasikan
suatu solusi yang potensial pada permasalahan
yang diselesaikan. Posisi dari suatu partikel
adalah ditentukan oleh representasi solusi saat
itu.
3. Pbest (Personal best): posisi Pbest suatu
partikel yang menunjukkan posisi partikel
yang dipersiapkan untuk mendapatkan suatu
solusi yang terbaik.
4. Gbest (Global best) : posisi terbaik partikel
pada swarm.
5. Velocity (vektor): vektor yang menggerakkan
proses optimisasi yang menentukan arah di
mana suatu partikel diperlukan untuk
berpindah (move) untuk memperbaiki
posisinya semula.
6. Inertia weight : inertia weight di simbolkan w,
parameter ini digunakan untuk mengontrol
dampak dari adanya velocity yang diberikan
oleh suatu partikel.

2.5 SV-MPSO (Simplified Velocity Modified
Particle Swarm Optimization)
Persamaan matematika dapat dirumuskan
sebagai berikut [5],
1. Inisialisasi
a. Tentukan konstanta-konstata
max 1 2
, , iterasi c c
b. Inisialisasi secara acak posisi partikel-
partikel D x
i
e
0

dengan D merupakan
dimensi pencarian

untuk p i ,..., 1 =
c. Inisialisasi secara acak kecepatan partikel-
partikel
max
0 0
0 v v
i
s s untuk p i ,..., 1 =
2. Optimasi
a. Evaluasi nilai fungsi
i
k
f

menggunakan
ruang desain koordinat-koordinat
i
k
x

b. Catat partikel terbaik pBest dan kawanan
terbaik
gBest

( , , ) t f TMS Ip I =
0.02
0.14
[( ) 1]
t TMS
I
Ip
=

13.5
[( ) 1]
t TMS
I
Ip
=

2
80
[( ) 1]
t TMS
I
Ip
=

120
[( ) 1]
t TMS
I
Ip
=

c. Jika kondisi pemberhentian (stopping


condition) terpenuhi, maka dilakukan
langkah ke 3
d. Kecepatan semua partikel
k
i
v

untuk
p i ,..., 1 = diupdate dirumuskan sebagai
berikut,
) (
) (
2 2
1 1
1
k
i i
k
i i
k
i
x gBest r c
x pBest r c wv v

+ + =
+
(3)
Persamaan 2-3 dimodifikasi menjadi

) (
1 1
1 k
i i
k
i
x gBest r c wv v + =
+

(4)
e. Posisi semua partikel
k
i
x untuk p i ,..., 1 =
diupdate dirumuskan sebagai berikut,

1 1 k k
i i i
x x v
+ +
= +

(5)
f. Update weght pada setiap iterasi
dirumuskan sebagai berikut,

(

)
(

)

( )

(6)
3. Berhenti
Hingga didapat iterasi maksimum

III. METODOLOGI PENELITIAN
3.1 Instrumen Penelitian
Instrumen yang digunakan adalah software
simulasi serta data sekunder yang berasal dari
jurnal. Perangkat yang digunakan menggunakan
sebuah laptop HP Mini 210 dengan spesifikasi
sebagai berikut:
a. Processor intel atom N470 1.83 GHz
b. RAM 1 Gb
c. VGA intel 256 MB
d. Windows 7 Ultimate 32 bit

Sistem tenaga listrik yang disimulasikan
adalah sistem transmisi 150 kV yang terdiri dari
dua unit generator dengan jumlah bus total
sebanyak delapan bus, dua unit transformator dan
empat belas rele arus lebih seperti yang
diilustrasikan pada Gambar 1.

Gambar 1 Single Line Sistem Transmisi 150 kV
IEEE 8 bus
Perancangan penelitian dibagi menjadi
tahapan-tahapan inti yang membentuk suatu
kerangka kerja skripsi ini. Berikut penjelasan
tentang tahap-tahap perancangan tersebut.
1. Tahap perancangan jaringan transmisi 150 kV
memerlukan data sistem yang berasal dari data
sekunder yang selanjutnya digambar dengan
software ETAP 7.0. Data yang dibutuhkan
seperti data transformator, data generator, data
bus dan line serta karakteristik rele.
2. Tahap simulasi menghitung arus gangguan
dengan short circuit analysis yang terjadi pada
jaringan tersebut mengggunakan bantuan
software ETAP 7.0.
3. Tahap perhitungan dengan menggunakan data
yang telah didapat dari tahap sebelumnya yaitu
tahap simulasi dengan bantuan software ETAP
7.0. Tahap ini merupakan perhitungan mencari
nilai TMS setiap rele dengan metode SV-MPSO
yang selanjutnya dijumlahkan nilainnya.
Beberapa hal yang perlu dperhatikan dalam
pemasukan data, antara lain:
a. Data excel hasil simulasi perlu dibaca
sekaligus untuk mempercepat proses
pembacaan di software MATLAB 7.7
R2008b.
b. Karakteristik rele yang digunakan yaitu
directional overcurrent relay tipe EI
(Extremely Invers).
c. Proses update kecepatan perlu
diperhatikan penggunaan formulanya yang
dikarenakan metode SV-MPSO tidak
menggunakan Pbest
4. Tahap ploting dengan software ETAP 7.0 yaitu
proses penggambaran diagram koordinasi rele
yang sebelumnya nilai hasil perhitungan diuji
terlebih dahulu.
IV. PEMBAHASAN
4.1 Pemodelan Sistem
Proses perancangan sistem jaringan
transmisi 150 kV IEEE 8 bus dengan software
ETAP 7.0 berdasarkan data pada sebelumnya.

Gambar 2 Single Line Sistem Transmisi 150 kV
IEEE 8 bus Menggunakan Software ETAP 7.0

Perhitungan arus hubung singkat digunakan
untuk mencari nilai arus yang mengalir disetiap
rele ketika terjadinya gangguan. Arus hubung
singkat yang mengalir pada rele digunakan untuk
mengetahui parameter karakteristik waktu operasi
rele ketika terjadi gangguan serta digunakan untuk
menentukan parameter rele sehingga didapat
koordinasi yang optimal.
Tabel 2 Arus yang Mengalir Pada Rele
Ketika Hubung Singkat Pada Bus
Rele
primer
Arus (kA) Rele Backup
Arus
(kA)
Tempat
Rele 2 6.256 Rele 1 1.734
Bus 1
Rele 2 6.256 Rele 7 2.353
Rele 8 7,239 Rele 7 2.353
Rele 8 7,239 Rele 9 2.717
Rele 14 6.488 Rele 1 1.734
Rele 14 6.488 Rele 9 2.717
Rele 1 4.709 Rele 6 3.724
Bus 2
Rele 13 4.383 Rele 8 3.398
Rele 3 4.818 Rele 2 3.645
Bus 3
Rele 9 5.233 Rele 10 3.230
Rele 4 5.005 Rele 3 3.457
Bus 4
Rele 10 5.232 Rele 11 3.230
Rele 5 5.609 Rele 4 3.049
Bus 5
Rele 11 4.943 Rele 12 3.715
Rele 6 7.329 Rele 5 2.939 Bus 6
Rele 6 7.329 Rele 14 2.037
Rele 7 6.692 Rele 5 5.609
Rele 7 6.692 Rele 13 1.716
Rele 12 6.106 Rele 13 1.716
Rele 12 6.106 Rele 14 2.037

4.2 Hasil Pengujian Perhitungan SVMPSO
Pengujian perhitungan mencari nilai TMS
terbagi menjadi beberapa bagian. Pembagian
tersebut terkait mencari parameter yang optimal
untuk menentukan nilai TMS. Parameter tersebut
terbagi menjadi dua bagian yaitu, parameter tetap
dan parameter berubah. Parameter tetap adalah
parameter yang tidak diubah dan nilainya tetap
disetiap pengujian sedangkan parameter berubah
adalah parameter yang nilainya diubah dengan
skala tertentu setiap pengujian. Parameter berubah
tersebut ditunjukkan pada Tabel 3
Pengujian perhitungan dilakukan sebanyak
21 kali percobaan tetapi bila tidak ada perubahan
grafik atau nilai fitnes disetiap percobaaan hingga
10 kali percobaaan, percobaan selanjutnya tidak
diteruskan mengingat nilainya selanjutnya selalu
seperti itu (beberapa percobaan dilakukan sebanyak
21 kali tidak ada perubahan nilai fitnes).
Tabel 3 Parameter-Parameter SVMPSO yang
Berubah
No Parameter Nilai Pengujian
1. Jumlah
maksimum
iterasi
(iterations)
a. 100 iterasi
b. 200 iterasi
c. 300 iterasi
2. Kecepatan
maksimum
partikel (Vmax)
a. 20
b. 30
c. 40
3.
Inertia weight
(W_start dan
W_end)
a. W_start = 0,9
W_end = 0,4
b. W_start = 0,9
W_end = 0,1

Tabel 4 Hasil Keseluruhan
No. Nilai
Fitnes
Keterangan TMS Total
Miss
1.
376.9384 Error - -
425.3463 Error - -
2.
455.0689 Error - -
447.1689 Error - -
3.
398.0409 Error - -
464.1203 Error - -
4.
439.5073 Error - -
468.4439 Error - -
5.
368.1531 Error - -
463.3489 Error - -
6.
418.354 Error - -
436.9974 Error - -
7.
466.4389 Error - -
449.748 Error - -
8.
411.6993 Error - -
417.0289 Error - -
9.
376.2852 Error - -
452.0156 Error - -
10.
197.8326 Ok 9.0742 8
255.3968 Ok 9.1774 9
11.
150.8552 Ok 9.4206 7
152.8204 Ok 9.0598 8
12.
137.2019 Ok 8.8746 6
140.9307 Ok 9.0574 6
13.
177.9146 Ok 9.1683 7
203.3571 Ok 8.3936 7
14.
136.1878 Ok 9.1171 4
139.2154 Ok 9.0696 5
15.
135.2481 Ok 9.0987 6
137.2577 Ok 8.7814 9
16.
193.8026 Ok 9.3849 6
228.6003 Ok 8.8664 9
17.
144.8858 Ok 8.8315 6
152.0599 Ok 8.7115 8
18.
129.8846 Ok 8.8441 7
132.3634 Ok 8.6837 9

Jelas terlihat pada Tabel 4 nilai fitnes yang kecil
tidak selalu bernilai optimum. Buktinya nilai yang
mempunyai nilai fitnes tekecil yaitu pengujian 18
dengan 129.8846 tetapi nilai TMS tidak kecil pula
begitupun total misscoordination cukup besar yaitu
7. Begitu pula nilai TMS yang kecil belum tentu
menentukan nilainya optimum seperti pengujian 13
dengan 8.3836 tetapi nilai total misscoordination
cukup besar yaitu 7. Penentu optimalnya
koordinasi suatu rele adalah nilai total
misscoordination semakin sedikitnya nilainya
semakin bagus pula koordinasinya seperti pada
pengujian 14. Walaupun nilai fitness 136.1878 dan
TMS = 9.1171 tetapi total misscoordination
adalah 4 lebih sedikit daripada yang lain. Sehingga
apabila disimulasikan akan terlihat seperti Gambar
5. Pemodelan rele menggunakan rele Siemens
7SJ551 dengan tipe rele arah extremely invers.
Penggunaan rele ini dikarenakan untuk mengatur
nilai TMS mempunyai tingkat ketelitian 0.001 per
step.

Gambar 3 Grafik Nilai Fitnes Pengujian 18

Gambar 4 Grafik Nilai Fitnes Pengujian 14


Gambar 5 Contoh Simulasi Koordinasi Rele1
Gambar 5 menjelaskan adanya gangguan
setelah bus 3 selanjutnya rele 10 merasakan adanya
gangguan sehingga memerintahkan CB 10 untuk
memutuskan jaringan dan apabila terjadi kekgalan
sitem maka yang menjadi back up adalah rele 11

Gambar 6. Simulasi Koordinasi Rele 2
Penjelasan lain ketika ganggan berada
didekat bus 4 karena adanya 2 arah gangguan
sehingga yang diminta untuk memutuskan adalah
rele 3 dan selnjutnya rele 11 seperti Gambar 6.

Gambar 7. Diagram Plot Rele 10 dan Rele 11
Gambar 7 merupakan diagram plot dari
rele 10 dan rele 11 pada gambar terlihat rele 10
bekerja pada saat arus 9.128 kA dengan waktu
0.308 s dan rele 11 bekerja pada saat arus 9.093
kA dengan waktu 0.88 s.serta waktu kordinasi
intervalnya adalah sekitar 0.587 s.
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan
1. Pemodelan rele arus lebih berarah terhadap arus
hubung singkat yang mengalir pada sistem
transmisi 150 kV berhasil disimulasikan pada
ETAP 7.0.
2. Hasil yang optimal koordinasi rele arus lebih
berarah menggunakan metode SV-MPSO
menggunakan parameter 200 iterasi, Wmax=0.9
dan Wmin=0.1 serta Vmax = 30. Nilai optimal
koordinasi rele arus berarah pada jarinagn
150kV dengan metode SV-MPSO adalah
136.1878 untuk nilai fitness dengan
TMS=9.1683.
3. Pengujian koordinasi rele arus lebih berarah
berasil diterapkan dengan fitur relay
coordination analysis dengan menggunakan
ETAP 7.0

5.2 Saran
1. Penggunaan tipe jaringan yang biasa digunakan
di Indonesia sehingga hasilnya bisa langsung
diterapkan.
2. Penggunaan parameter yang lebih kompleks
(modifikasi nilai parameter) guna mendapatkan
hasil yang maksimal.
3. Penggabungan metode lain seperti algoritma
genetic, pemrograman linier dan sebaginya
guna mendapatkan nilai yang lebih efektif dan
optimum.
4. Penggunaan batasan-batasan nilai yang lebih
kompleks sehingga nilai suatu fungsi tidak
bergerak terlalu jauh.
5.. Penggunaan fungsi objektif yang terbaru guna
mendapatkan hasi yang lebih optimal.

DAFTAR PUSTAKA
1. Dikpride Despa, F.X Arinto Setiawan, Boby
Robson Sitorus, Koordinasi Relay Arus Lebih
Berarah Pada Jaringan Transmisi Tenaga
Listrik Lampung Dengan Pemrograman
Linier, ELECTRICIAN Jurnal Rekayasa dan
Teknologi Elektro, Volume: 2, No.3 ,
September 2008
2. Cheng-Hung Lee and Chao-Rong Chen Using
Genetic Algorithm for Overcurrent Relay
Coordination in Industrial Power System",
Jurnal IEEE, 2008.
3. A.Rathinam, D.Sattianadan, K.Vijayakumar,
Optimal Coordination of Directional
Overcurrent Relays using Particle Swarm
Optimization Technique, International Journal
of Computer Applications (0975 8887),
Volume 10 No.2, November 2010
4. D. Vijayakumar, R. K. Nema, A Novel
Optimal Setting for Directional overcurrent
Relay Coordination using Particle Swarm
Optimization, International Journal of
Electrical Power and Energy Systems
Engineering (2008) 220-225
5. D. Vijayakumar dan R. K. Nema, Simplified
Velocity MPSO for Directional Over Current
Relay Coordination, International Journal of
Recent Trends in Engineering, Vol 1, No. 3,
May 2009
6. Hillal,Hamzah.2008.Analisa Sistem Tenaga
listrik II. (Online)
(http://hamzahhillal.blogspot.com) diakses 4
Oktober 2010.
7. Stevenson Jr, W. D, Analisa Sistem Tenaga.
Malang, Jakarta: Erlangga. 1988
8. Etap 7.0 modul help
9. Granger, J. John, Stevenson Jr, W. D Power
System Analysis, Singapore:McGraw-Hills,
Inc. 1994.
10. Mohamed, El-Hawary E, Electrical Power
Systems; Design and Analisys. New York: A
JOHN WILEY & SONS, Inc. 1995
11. Gonen, Turan, Electric Power Transmission
System Engineering: Analysis & Design, New
York: Wiley-Interscienc. 1988
12. Areva, Network Protection & Automation
Guide, Barcelona: Cayfosa. 2005
13. Dwiratha, Septian, Koordinasi Optimal Rele
Directional Overcurrent Relay Pada Jaringan
150 kV Menggunakan Hybrid PSO-TVAC,
2011, Skripsi di ITS, Surabaya.
14. Bashir et al, A New Hybrid Particle Swarm
Optimization for Optimal Coordination of Over
Current Relay , 2010, International Conference
on Power System Technology.
15. Maickel Tuegeh, Soeprijanto, Mauridhi H
Purnomo, Modified Improved Particle Swarm
Optimization For Optimal Generator
Scheduling, Seminar Nasional Aplikasi
Teknologi Informasi 2009 (SNATI 2009),
Yogyakarta, 20 Juni 2009
16. Razavi et al, A new Comprehensive Genetic
Algorithm Method for Optimal Overcurrent
Relays Coordination, 2007, Electric Power
Systems Research 78 (2008) 713720 .