Dosen dpk pada Fakultas Teknik Prodi Elektro Universitas Islam Lamongan
Abstrak
Paper ini menyajikan penggunaan Algoritma Genetika untuk pengaturan optimalisasi
tegangan pada sistem. Sistem ini digabungkan dengan metode Newton Rapshon pada kasus
aliran daya untuk meminimalkan rugi-rugi daya. Walaupun beberapa metode kontrol tegangan
dapat digunakan, teori ini difokuskan pada kapasitor bank (kapasitor shunt) sebagai parameter
variabelnya. Metode ini diaplikasikan pada sistem 5 busbar dan sistem IEEE 14-busbar untuk
melihat kemampuan dan kapabilitasnya.
Dari beberapa percobaan dapat dilihat bahwa pendekatan algoritma genetika berhasil
membangkitkan nilai kapasitor shunt yang tepat yang akan ditempatkan pada tiap bus untuk
menghasilkan rugi daya yang minimum dan sekaligus menghasilkan optimasi tegangan.
Kata Kunci : Optimalisasi, Tegangan, Algoritma Genetika
I. PENDAHULUAN
Dalam operasi sistem tenaga listrik,
kestabilan penyaluran daya menjadi sangat
penting. Tujuan dari pengaturan optimisasi
tegangan adalah untuk meminimalisasi rugi-rugi
daya, juga menjaga penampilan tegangan yang
diinginkan seperti yang dibutuhkan konsumen.
Sekarang ini teknik optimisasi numerik dan
pendekatan sistem cerdas digunakan dengan
Artificial Intelegency diaplikasikan untuk
mendukung operasi sistem tenaga.
Sebagai paradigma baru untuk optimisasi
salah satunya menggunakan pendekatan dengan
Algoritma Genetika. Algoritma Genetika adalah
algoritma yang didasarkan pada seleksi genetik
alam. Algoritma menyediakan solusi pada
permasalahan yang luas dan lebih komplek.
Studi
ini
menyajikan
penggunaan
Algoritma Genetika yang dibandingkan dengan
metode konvensional untuk menyelesaikan
masalah optimisasi tegangan.
Daftar Simbol
PL = rugi daya aktif
QL = rugi daya reaktif
Y = matrik admitansi
Gj = matrik real
B = matrik admitansi imajiner
n = total bus
i = bus i
j = bus j
V = tegangan pada bus
e
f
Ii
c
d
=
=
=
=
=
Jurnal Teknika
Si = Pi - jQi = Vi*II
(1.0)
atau
n
(2.0)
Pi - j Q i Vi * YijV j
j 1
kemudian
Vi = ei + jFi
(3.0)
(4.0)
Ii
Y
j 1
ij
(5.0)
Vij C i j d i
j i
ij
ij
ij
ij
j i
j i
dan
Dimana
n
ci (e j Gij f j Bij )
Selanjutnya
perhitungan
nilai
tegangan
dibandingkan
dengan
nilai
yang
dispesifikasikannya. Setelah itu, nilai koreksi
dari iterasi k dapat dituliskan :
(9.0)
)
Qi( k ) Qi ,spec Qi(,kcalc
(10.0)
)
(11.0)
Vi Qi ,spec Qi(,kcalc
Karena perubahan pada P, Q, dan V 2
berhubungan dengan perubahan e dan f pada
persamaan (6.0) - (8.0), hal ini memungkinkan
variabel tersebut menjadi bentuk umum
Jacobian.
2
P
Q
|V|
2
J
=
J
3
J
2
J2
=
(12.0)
(16.0)
j i
n
k)
Pi ( k ) Pi ,spec Pi ,(calc
(15.0)
d i ( f j Gij e j Bij )
(17.0)
j i
(18.0)
j i
n
(19.0)
j i
Jurnal Teknika
Yn1
Y12
Y1n
Y22 + U2 ..Y2n
.
.
.
Yn2
Ynn+Un
Tabel 1.0 :
Matrik
admitansi
dengan
kapasitor shunt untuk sistem n bus.
Nilai dari U1, U2,..dan Un dihitung dengan
Algoritma Genetika untuk tiap generasi dari
kromosom.The value of U1, U2, . And Un are
computed by GA for each generation of the
chromosomes.
IV.
ALGORITMA GENETIKA
Algoritma Genetika adalah metode
pencarian algoritma didasarkan pada mekanika
seleksi alam dan genetik [6].
Algoritma Genetika adalah algoritma
yang digunakan untuk optimisasi berdasar
prinsip pencarian biologi
yang simultan
berdasar banyak titik dalam space pencarian.
AG bekerja tidak dengan parameter-parameter
namun dengan nomor-nomor string yang
menggambarkan satuan parameter. Dengan
aturan aturan probabilitas untuk metode
pencarian algoritma. Dengan memperhatikan
banyak titik dalam space pencarian yang secara
simultan mengurangi perubahan konvergensi
untuk nilai minimal.
Jumlah generasi
Ukuran pop
Mutasi
Pindah silang
probabilitas
Jalankan Algoritma
Genetika
Yes
Batas
Rugi Daya?
No
Selesai
Jurnal Teknika
A. 5-Busbar
01101 | 00010 | 1101 | 10000
U1
U2
U3
U4
Gambar 2 : Multi Parameter Kode
Dekoding ditandai dengan integer yang secara
linierr dipetakan dari [0,21] hingga interval
tertentu [Umin, Umax.]. Nilai dari 2 adalah 25 = 32
dan kemudian, koding pemetaan secara persis
diberikan oleh :
=
U min . U max .
25 1
B. IEEE 14-Busbar
Tabel 4. Sistem 14 Busbar tanpa Kapasitor Shunt
Voltages
Power Loss
Bus
Mag
Angles
MW
MVAR
1
1.600
0
233.1227 -31.0314
2
1.0186
-5.0375
18.3000 14.0211
3
1.0339
-13.0566 -94.2001
4.4521
4
1.0206
-10.7800 -47.6600
3.9126
5
1.1503
-9.3105
-7.6185
-1.6533
6
1.0235
-14.9026 -11.1997
13.1289
7
1.0247
-13.7984
0.0
0.0
8
1.0121
-15.3600
0.0
18.5727
9
1.0049
-15.2200 -28.5910
4.6200
10
1.0436
-15.6114
-9.0080
-5.8044
11
1.0176
-15.9600
-3.5000
-1.8000
12
1.0063
-14.6536
-6.1771
-1.6867
13
1.0182
-13.3001 -13.6000
-5.9812
14
1.0198
-13.4397 -15.0035
-5.0800
Jurnal Teknika
VIII.
[1]
Voltages
Mag
Angles
0.0600
0
1.0210
-5.0436
1.0397
-13.1627
1.0276
-10.8001
1.1512
-9.5106
1.0248
-14.9026
1.0257
-13.8666
1.0201
-15.5001
1.0135
-15.3120
1.0438
-15.7251
1.0216
-16.1035
1.0149
-14.7211
1.0226
-13.9066
1.0207
-13.0074
Power Loss
MW
MVAR
232.1371 -31.1300
18.0979 14.0124
-94.2120
3.8922
-47.6603
3.8922
-7.6118
-1.7326
-11.2896
13.1289
0.0
0.0
0.0
18.5601
-28.5910
4.6000
-9.0080
-6.0020
-3.4998
-1.8950
-6.1791
-1.8184
-13.6020
-1.9900
-15.0039
-5.0911
[2]
[3]
[4]
[5]
[6]
[7]
DAFTAR PUSTAKA
VII. KESIMPULAN
Simulasi dilakukan dengan menggunakan
Algoritma
Genetika
untuk
mengatasi
permasalahan optimisasi tegangan dengan
mengatur kapasitor shunt. Dari beberapa
percobaan dapat dilihat bahwa pendekatan
algoritma genetika berhasil membangkitkan nilai
kapasitor shunt yang tepat yang akan
ditempatkan pada tiap bus untuk menghasilkan
rugi daya yang minimum dan sekaligus
menghasilkan optimasi tegangan.
Jurnal Teknika