Jurnal Elektro ELTEK Vol. 3, No.

1, April 2012

ISSN: 2086-8944

Optimisasi Penempatan SVC untuk Memperbaiki

Profil Tegangan dengan Menggunakan
Algoritma Genetika
Syarifil Anwar1,2, Hadi Suyono2, Harry Soekotjo D2
1
Akademi Teknik Pembangunan Nasional, Banjar Baru, Kalimantan Selatan
2
Program Pascasarjana Teknik Elektro Universitas Brawijaya, Malang
e-mail: syarifilanwar@gmail.com
AbstrakPenelitian ini membahas implementasi algoritma
genetika (GA) pada sistem tenaga listrik. Salah satu
implementasi GA adalah untuk mengoptimalkan penempatan
SVC dan perbaikan profil tegangan.GA merupakan metode
optimisasi berdasarkan perilaku mutasi dan pindah silang gen
dan kromosom pada suatu individu untuk menghasilkan
individu terbaik yang dapat bertahan dalam suatu proses
evolusi. Aliran daya reaktif akan diatur sedemikian rupa
sehingga rugi-rugi daya (losses) sistem akan menjadi
seminimal mungkin. Dengan minimisasi rugi-rugi pada
jaringan, profil tegangan bus akan dapat dijaga pada nilainilai yang diijinkan sehingga kontinuitas serta kualitas operasi
sistem tenaga elektrik dapat senantiasa dipertahankan.
Kata KunciGA, SVC, optimisasi, daya reaktif, profil
tegangan, rugi-rugi daya.

I. PENDAHULUAN
ermintaan tenaga listrik yang terus meningkat secara

P konstan/tetap, disisi lain perluasan pembangkit tenaga

listrik dan pembangunan saluran transmisi yang baru sangat
terbatas. Maka terjadilah pola yang mengarah pada
pembebanan yang dipaksakan pada pembangkit tenaga
listrik dan transmisi yang terlampau berat, mengakibatkan
rugi-rugi pada sistem menjadi lebih besar [10].
Permasalahan yang sering terjadi pada sistem transmisi
terkait dengan variasi profil tegangan sisstem antara lain
disebabkan berbagai gangguan pada sistem distribusi seperti
kenaikkan beban, swell, dip dan sag serta terjadinya over
voltage, karena over injection yang disebabkan sambaran
petir dan open circuit. Untuk mengatasi gangguan jatuh
tegangan (voltage drop) pada sistem transmisi, dipasang
kapasitor bank (fix capacitor) dan Flexible AC Transmision
System (FACTS) Device, salah satunya adalah Static VAR
Compesator (SVC).
Static VAR Compensator (SVC) adalah alat yang dapat
meghasilkan atau menyerap daya reaktif statis yang
dihubungkan paralel dan mempunyai keluaran (output) yang
bervariasi untuk menjaga atau mengontrol parameter
spesifik dari suatu sistem tenaga listrik. SVC terdiri dari
komponen TCR (Thyristor Controlled Reactor), TSC
(Thyristor Switched Capasitor) dan Filter Capasitor (FC).
Filter harmonisa terhubung paralel dengan TCR yang
berfungsi untuk mengatasi harmonisa yang dihasilkan oleh
TCR. Prinsip kerja SVC adalah dengan mengatur sudut
penyalaan thyristor, sehingga dapat mengatur keluaran daya
reaktif dari SVC. Tujuan utama pemasangan SVC adalah
untuk menjaga perubahan tegangan pada bus dalam

jaringan distribusi serta untuk meningkatkan stabilitas

tegangan dengan cara menyuntikkan daya reaktif dengan
mengendalikan arus kapasitif atau arus induktif [11].
Untuk menentukan posisi penempatan atau pemasangan
SVC yang tepat, maka digunakan metode optimasi dengan
menggunakan fungsi obyektif berdasarkan parameter rugirugi daya (Ploss), rugi-rugi tegangan (Vloss) dan kapasitas
SVC. Metode optimasi terdiri dari metode Deterministik
seperti aplikasi Dynamic Programming (DP), Simplex, dan
Linear Programming (LP) dan Metode Undeterministik
Seperti Ant Colony Optimazation (ACO), Simulated
Annealing (SA), Fuzzy Logic dan Genetic Algorithms (GA)
[11].
Genetic Algorithm (GA) adalah sebuah metode yang
paling sederhana untuk menyelesaikan masalah-masalah
optimasi yang didasari pada seleksi alam, yaitu proses yang
mengikuti evolusi atau perkembangan biologis. Genetic
Algorithm secara berulang dapat merubah sebuah populasi
secara individu pada masing-masing tahap, Genetic
Algorithm menyeleksi individu-individu secara acak dari
perkembangan populasi menjadi orang tua (parent) yang
akan menghasilkan anak (children) sebagai generasi baru.
Dibandingkan dengan metode lainnya seperti Fuzzy Logic,
Metode Genetic Algorithm (GA) memiliki keuntungan, yaitu
lebih sederhana, mudah dalam penjelasannya, harga rendah,
kemampuannya cepat [19].
Penelitian ini akan membahas optimasi penempatan SVC
dengan menggunakan metode GA pada sistem Jawa Madura
Bali 500 kV untuk memperbaiki profil tegangan sistem
melalui minimalisasi rugi-rugi jaringan transmisi.
II. DASAR TEORI
A. Static Var Compensator
SVC berfungsi untuk menyuntikkan atau menyerap daya
reaktif statis yang terkendali dan dihubungkan paralel yang
mempunyai keluaran (output) yang bervariasi untuk
mempertahankan atau mengontrol variabel tertentu pada
sistem tenaga listrik, terutama tegangan bus. SVC terdiri
dari TCR (Thyristor Controlled Reactor), TCS (Thyristor
Capasitor Switched) dan filter. Filter berfungsi untuk
mengatasi besarnya harmonisa yang dihasilkan oleh TCR.
Peralatan Static VAR Compensator (SVC) digunakan
untuk mengkompensasi daya reaktif. Prinsip kerja Static
VAR Compensator (SVC) yaitu dengan cara mengatur
sudut penyalaan thyristor, sehingga dapat mengatur keluaran
daya reaktif dari SVC. Nilai tegangan sistem merupakan
input bagi pengendali, yang kemudian akan mengatur sudut
203

Jurnal Elektro ELTEK Vol. 3, No. 1, April 2012

penyalaan thyristor. Dengan demikian Static VAR
Compensator (SVC) akan memberikan kompensasi daya
reaktif yang sesuai dengan kebutuhan sistem. Gambar 1
menunjukan Static VAR Compensator Sistem.

ISSN: 2086-8944
2
=
2
=

Dimana: = 1 ,

(1)
(2)
= 1 dan

XL = Reaktansi Indiktif
XC = Reaktansi Capasitif

Sedangkan susceptansi (B) dari SVC dapat dinyatakan

sebagai fungsi dari sudut penyalaan , ditunjukan pada
persamaan 3, sebagai berikut ini:
= ()

(3)

= 12

(4)

Daya reaktif yang dihasilkan oleh SVC dihitung melalui

persamaan 4.
Gambar 1. Sistem Static VAR Compensator.

Untuk menganalisa injeksi daya reaktif SVC pada suatu

sistem tenaga listrik, SVC dapat dimodelkan dengan
beberapa cara sebagai berikut:
Model Firing Angle SVC. Pemodelan SVC berupa
reaktansi ekuivalen XSVC, yang merupakan fungsi dari
perubahan sudut penyalaan , yang terdiri dari kombinasi
paralel admitansi ekuivalen thyristor controlled reactor
(TCR) dan reaktansi kapasitif tetap, seperti ditunjukkan pada
Gambar 2(a). Model ini memberikan informasi mengenai
sudut penyalaan SVC yang diperlukan untuk mencapai
tingkat kompensasi tertentu.
Model Total Susceptance SVC. SVC dilihat sebagai
sebuah reaktansi yang dapat diatur melalui perubahan
susceptansi BSVC, yang melambangkan nilai susceptansi
SVC total yang diperlukan untuk mempertahankan besar
tegangan bus pada nilai tertentu, seperti ditunjukkan pada
Gambar 2(a).

Model firing angle SVC

Model total susceptance SVC

Gambar 2. Pemodelan SVC.

Konfigurasi yang paling populer untuk SVC adalah

kombinasi dari fixed capacitor (FC) dan thyristor controlled
reactor (TCR). Dalam pemodelan SVC sebagai variable
VAR sources seperti pada Gambar 2(b), kita dapat
menetapkan batas maksimum dan minimum pada keluaran
daya reaktif (QSVC), masing-masing sesuai dengan
susceptansi induktif (Bind) dan susceptansi kapasitif (Bcap)
yang tersedia dan tegangan referensi (Vref) Batasan ini dapat
ditulis pada persamaan 1 dan persamaan.

Dengan keseimbangan daya reaktif dengan tegangan (V1)

pada bus k berada pada range nilai range tersebut mencakup
nilai positif maupun negatif. Dan juga dari gambar 2(b), arus
yang dialirkan oleh SVC adalah pada persamaan 5.
= . 1

(5)

(6)

Model Injeksi Daya Reaktif. SVC dapat digunakan

untuk kompensasi yang bersifat induktif dan kapasitif. Pada
kompensasi yang bersifat induktif, SVC
menyerap
kelebihan daya reaktif dari sistem sedangkan pada
kompensasi yang bersifat kapasitif, SVC menginjeksikan
daya reaktif ke sistem. Pada analisa aliran daya, SVC dapat
dimodelkan sebagai injeksi daya reaktif ideal pada bus i
melalui persamaan:

Pada penelitian ini, SVC akan dimodelkan sebagai

injeksi daya reaktif pada sistem tenaga listrik dilakukan
Analisa pengaruh penempatan SVC dengan menggunakan
analisa aliran daya metode Newton Raphson.
B. Algoritma Genetika (GA)[5]
Algoritna Genetika merupakan metoda adaptive yang
biasa digunakan untuk pencarian nilai dalam sebuah
masalah optimisasi. Algoritma ini didasarkan pada proses
genetik yang ada dalam makhluk hidup, yaitu
perkembangan generasi dalam sebuah populasi yang alami
dan mengikuti seleksi alam atau yang bernilai tinggi akan
bertahan. Nilai yang tinggi memberikan kesempatan untuk
melakukan reproduksi silang dengan individu yang lain
dalam populasi. Hasil reproduksi merupakan individu baru
yang disebut keturunan/generasi. Sedangkan individu dalam
populasi yang tidak terseleksi dalam reproduksi akan hilang.
Dengan mengawinkan semakin banyak indvidu maka akan
semakin banyak kemungkinan terbaik yang diproleh.
Sebelum GA dijalankan , maka sebuah kode yang sesuai
(representatif) harus dirancang. Untuk itu maka titik solusi
dalam ruang permasalahan dikodekan dalam bentuk
kromoson/string yang terdiri atas komponen genenik
terkecil yaitu gen.

204

Jurnal Elektro ELTEK Vol. 3, No. 1, April 2012

Operasi gen yang paling umum digunakan dalam GA
adalah reproduksi, pindah silang dan mutasi. Operatoroperator yang ada dalam GA adalah sebagai berikut:
Reproduksi (Reproduction). Operator reproduksi
merupakan probabilitas seleksi apakah sebuah kromosom
pada suatu individu akan terpilih untuk digunakan kembali
berdasarkan nilai fitnessnya. Terdapat beberapa metode
seleksi seperti seleksi proporsional nilai fitness, rangking
nilai fitness dan metode turnamen. Pada penelitian ini,
metode seleksi yang digunakan adalah metode rangking
linier nilai fitness. Individu yang terpilih adalah individu
dengan nilai fitness yang tertinggi.
Pindah Silang (Crossover). Operator pindah silang
terutama bertanggung jawab terhadap pencarian nilai global
GA. Operetor tersebut pada dasarnya mengkombinasikan
struktur dari dua kromosom orang tua untuk menpatkan
struktur kromosom yang baru, yang terpilih dengan
probabilitas pindah silang (Pc). Pindah silang dapat terjadi
pada satu posisi (single crossover) atau pada beberapa posisi
(multiple crossover). Pada penelitian ini, pindah silang yang
dilakukan hanya pada satu posisi.
Mutasi (Mutation). Operator GA yang terakhir adalah
mutasi. Mutasi digunakan untuk menambahkan nilai gen
baru ke dalam sebuah populasi. Pada penelitian ini
digunakan operator mutasi biner untuk mengganti nilai gen
dari 1 menjadi 0 atau sebaliknya dengan nilai probabilitas
mutasi (Pm) yang kecil. Setelah proses mutasi dilakukan,
periode generasi yang baru telah selesai dan prosedur yang
sama akan diulang kembali untuk menghitung nilai fitness
populasi individu yan baru. Proses optimasi dengan
menggunakan GA ditunjukkan pada Gambar 3.

ISSN: 2086-8944
penempatan optimal dari SVC pada sistem 23 bus Jawa Bali
500 KV sehingga performa sistem secara keseluruhan
terutama lossess sistem dapat diminimalisasi dan profil
tegangan dapat dipertahankan pada batas-batas yang
ditentukan.
Tujuan utama dari penempaatan optimal SVC pada
sistem tenaga adalah untuk meminimalkan losses sistem
sehingga profil tegangan sistem dapat diperbaiki. Hal ini
dapat dinyatakan dalam suatu fungsi obyektif sebagai
berikut:
=
=1

(7)

= rugi daya real

nl = jumlah saluran.

Dari fungsi obyektif tersebut ditentukan nilai Fitness

berdasarkan persamaan berikut ini:
Fitness = (1/PL)

(8)

Optimisasi penempatan SVC memiliki batasan-batasan

(constraints) sebagai berikut:
Batasan Persamaan. Batasan ini berdasarkan persamaan
aliran daya sebagai berikut:
0 = + , 1
(9)
0 = + ,

(10)

dengan:
Populasi
Awal

Evaluasi
Fitness

Seleksi
Individu

Reproduksi
Crossover
Dan Mutasi
Populasi
Baru

Gambar 3. Diagram Proses Algoritma Genetika (GA).

III. ALGORITMA GENETIKA UNTUK OPTIMASI

PENEMPATAN SVC
Pada penelitian ini, GA akan digunakan untuk
mengoptimasi penempatan SVC pada sistem tenaga listrik
Jawa Bali 500 KV untuk meminimalkan losses dan
memperbaiki profil tegangan di setiap bus sistem.
SVC merupakan peralatan kompensator yang sering
digunakan untuk meningkatkan performa sistem tenaga
listrik untuk meningkatkan performa sistem yang berkaitan
dengan losses dan profil tegangan. Peralatan ini memberikan
tambahan kontrol daya reaktif secara dinamis pada sistem
dengan menyerap kelebihan daya reaktif sistem serta
menginjeksikan daya reaktif bila sistem berada pada kondisi
kekurangan daya reaktif. GA digunakan untuk menentukan

= tegangan bus ke i
= tegangan bus ke j

= konduktansi antara bus i dan j

= susceptance antara bus i dan j
= perbedaan sudut tegangan bus i dan j
n
= jumlah bus
1 = jumlah total bus-bus diluar slack bus.
=adalah jumlah bus PQ

Batasan Pertidaksamaan: Batasan ini merupakan batasan

kondisi operasi sistem. Tegangan bus generator (Vgi), daya
reaktif yang dibangkitkan oleh kompensator seperti
kapasitor banks (Qshi), seting tap transformator (ai),
merupakan varibel kontrol yang sangat dibatasi. Tegangan
bus (Vi) dan daya reaktif yang dibangkitkan generator (Qgi)
merupakan batasan-batasan yang menentukan nilai fungsi
obyektif. Batasan-batasan tersebut dapat dituliskan sebagai
berikut:
Dalam variabel-variabel kontrol, tegangan generator
diambil sebagai variabel kontinyu, rasio tap trafo diambil
sebagai variabel diskrit dan nilai-nilai konpensasi reaktif
diambil sebagai variabel biner. Tegangan bus beban dan
daya reaktif generator diambil sebagai variabel-variabel
keadaan.

205

Jurnal Elektro ELTEK Vol. 3, No. 1, April 2012

Variabel kontrol kontinyu

Variabel kontrol discreet

Variabel kontrol biner

Variabel-variabel keadaan

ISSN: 2086-8944

(11)
(12)
(13)
(14)
(15)

Dalam penyelesaian masalah optimisasi penempatan

SVC, unsur unsur solusi terdiri dari beberapa kontrol
variabel yaitu tegangan generator (VG), daya reaktif shunt
kapasitor/reaktor (Qsh) dan rasio tap tranfo (T). Variabel
injeksi daya reaktif shunt (Qsh) digunakan sebagai
pemodelan SVC dan direpresetasikan dengan gen-gen dalam
kromosom yang membentuk sebuah populasi dalam GA.
Pada sistem tenaga listrik Jawa- Madura-Bali 500 KV tidak
terpasang trafo. Dalam kasus ini semua bus dilibatkan untuk
mendapatkan injeksi daya reaktif optimal pada sistem dan
meminimalkan
losses
sistem
dengan
mengatur
pembangkitan daya reaktif generator. Dalam penyelesaian
optimisasi dengan menggunakan GA perubahan tegangan
generator (kecuali slack bus) sebagai variabel kontinyu.
Pengkodean gen dari kromosom satu gen mewakili satu
variabel yang direpresentasikan dalam bentuk bilangan real
(real encoding). Pada penelitian ini, terdapat dua string
kromosom pada tiap-tiap individu. String pertama terdiri
atas 25 gen (sama dengan jumlah bus pada sistem Jawa
Madura Bali 500 kV) menunjukkan kemungkinan lokasi
penempatan SVC. String ini terdiri atas bilangan real 0 dan
1 yang menunjukkan tidak atau terpasangnya SVC pada bus.
String kedua juga terdiri atas 25 gen menunjukkan ukuran
SVC yang akan dipasang pada bus. Representasi individu
tersebut ditunjukkan pada gambar di bawah ini:

(Single Line Diagram) sistem 500 kV Jawa-Bali dapat

dilihat pada Gambar 5.
Sasaran optimisasi penempatan SVC adalah memberikan
pengendalian penyediaan daya reaktif yang optimal didalam
sistem untuk mendapatkan rugi daya transmisi yang minimal
serta dapat memperbaiki profil tegangan setiap bus. SVC
akan menyerap daya reaktif pada kondisi sistem yang
kelebihan daya reaktif dan menginjeksikan tambahan daya
pada kondisi sistem yang kekurangan daya reaktif.
Penempatan SVC akan dapat mempertahankan profil
tegangan pada batas-batas yang diijinkan serta
meminimalisasi losses yang muncul pada saluran pada
berbagai kondisi pembebanan. Variabel kontrol dengan nilai
maksimum dan minimum untuk pengujian sistem adalah
dengan mempertahankan semua tegangan bus pada nilai
0.95 1.05 pu.
Suralaya

Cilegon

24
Balaraja

Cibinong
Kembangan

Gandul

18

Depok

8
6

Muaratawar

Cawang

19

7
10

Cirata

Bekasi

Mandiracan

13

20 Pedan

Cibatu

11
12

Bandung Selatan
Kediri

21
14
Ungaran

Ngimbang 25

Tanjung jati

15
22

80

300

500

20

Lokasi penempatan SVC

600

16

Ukuran SVC

23

Paiton

Surabaya Barat

17

Grati

Gresik

Gambar 4 Representasi Kromosom untuk Optimasi Penempatan SVC pada

Sistem 500 kV Jawa Bali
Gambar 5. Sistem Jawa Bali 500 kV.

Kedua string tersebut kemudian dikalian untuk setiap

elemen sehingga didapatkan individu yang menunjukkan
emungkinan penempatan dan kapasitas SVC pada bus
sistem tenaga.
Populasi yang dibangkitkan berupa matriks acak yang
bernilai 0 atau1 untuk string pertama dan bilangan random
antara 0 dan 1 yang dikaliakan dengan dasar MVA pada
studi aliran daya untuk string kedua. Masing-masing
populasi berukuran UkPop x JumGen . Setiap kromosom
dalam populasi tersebut dikodekan menjadi nilai tegangan
generator sesuai batasan nilai minimum dan maksimumnya.
= + ( )

(16)

IV. SIMULASI DAN HASIL

Sistem transmisi 500 kV Jawa Madura Bali yang

digunakan dalam penelitian ini terdiri dari 1 buah swing bus,
7 buah generator bus, 17 buah load bus. Gambar SLD

TABEL I
DATA PEMBANGKITAN DAN BEBAN
No.

Nama Bus

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Suralaya
Cilegon
Kembangan
Gandul
Cibinong
Cawang
Bekasi
Muaratawar
Cibatu
Cirata
Saguling
Bandung Selatan
Mandiracan
Ungaran
Tanjung Jati
Surabaya Barat

MW
147
246
376
455
534
614
1.073
0
691
626
0
647
226
322
701
687

Beban
MVAR
71
253
33
91
290
186
59
0
412
228
0
327
97
249
233
281

Pembangkitan
MW
MVAR
2.721
1.145
0
0
0
0
0
0
0
0
0
0
0
0
1.552
552
554
475
0
0
0
1.324

129
28
0
0
0
25

206

Jurnal Elektro ELTEK Vol. 3, No. 1, April 2012

Gresik
Depok
Tasikmalaya
Pedan
Kediri
Paiton
Grati
Balaraja
Ngimbang
TOTAL

136
371
186
563
270
600
94
639
260
10.218

13
104
67
451
172
0
38
203
48
3.778

517.6
0
0
0
0
2.606
287
0
0
10.037

123
0
0
0
0
425
64
0
0
2.491

TABEL II
DATA IMPEDANSI SALURAN
i-j

R(pu)

X(pu)

1/2B

1 2
1 24
2 5
3 4
4 18
5 7
5 8
5 11
6 7
6 8
8 9
9 10
10 11
11 12
12 13
13 14
14 15
14 16
14 20
16 17
16 23
18 5
18 19
19 20
20 21
21 22
22 23
24 4
25 14
25 16

0,000626496
0,003677677
0,013133324
0,001513179
0,000694176
0,004441880
0,006211600
0,004111380
0,001973648
0,005625600
0,002822059
0,002739960
0,001474728
0,001957800
0,006990980
0,013478000
0,013533920
0,015798560
0,009036120
0,001394680
0,003986382
0,000818994
0,014056000
0,015311000
0,010291000
0,010291000
0,004435823
0,002979224
0,023479613
0,005966652

0,007008768
0,035333317
0,146925792
0,016928308
0,006669298
0,042675400
0,059678000
0,045995040
0,018961840
0,054048000
0,027112954
0,026324191
0,014168458
0,021902400
0,067165900
0,129490000
0,151407360
0,15178480
0,086814600
0,013399400
0,044596656
0,007868488
0,15724800
0,171288000
0,115128000
0,115128000
0,049624661
0,028622920
0,225580588
0,057324466

0
0
0,003530571
0
0
0
0
0,004420973
0
0
0
0
0
0
0,006429135
0,012394812
0,003638261
0,003632219
0
0
0
0
0,015114437
0,016463941
0,011065927
0,011065927
0,004769846
0
0,100970352
0

Tap
Setting
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Analisa aliran daya (load flow) dilakukan pada sistem

Jawa Balkil untuk mengetahui kondisi profil tegangan
sebelum dan sesudah optimisasi penempatan SVC. Pada
studi kasus ini, akan disimulasikan optimasi penempatan
SVC dengan menggunakan GA pada kondisi beban dasar
sistem kelistrikan Jawa Bali Adapun parameter-parameter
GA yang digunakan pada penelitian ini ditunjukkan pada
Tabel III.
TABEL III
PARAMETER ALGORITMA GENETIKA
Parameter
UkPop
Pcrossover
Pmutasi
MaxGenerasi
JumGen

Nilai
10
0,4
0,05
10
25

MVAR. Selain itu terdapat beberapa bus yang memiliki

profil tegangan di luar batas-batas yang telah ditentukan dan
bus-bus yang memiliki tegangan pada batas kritis.
Setelah dilakukan optimasi penempatan SVC, hasil
running load flow dengan metoda Newton-Rapson pada
sistem tenaga listrik Jawa Bali dihasilkan rugi-rugi saluran
sebesar 142,290 MW dan 1145,586 MVAR pasokan daya
dari pembangkit 11606,940 MW dan 4345,586 MVAR.
Optimsasi dengan menggunakan GA telah menentukan
bahwa untuk memperbaiki profil tegangan sistem maka
perlu dilakukan pemasangan dua buah SVC seperti yang
ditunjukkan dalam Tabel IV.
TABEL IV
LOKASI PENEMPATAN SVC PADA SISTEM J AWA M ADURA B ALI 500
KV
Lokasi Pemasangan
No Bus
Nama Bus
1
Suralaya
19
Tasikmalaya

No
1
2

Kapasitas
(MVAR)
6
700

Pemasangan SVC pada bus 1 dan 19 berpengaruh pada

perbaikan profil tegangan bus yang memiliki profil/ variasi
tegangan di luar batas-batas yang telah ditentukan, terutama
untuk bus yang mengalami kondisi. Adapun perbaikan profil
tegangan pada bus yang mengalami kondisi under voltage
ditunjukkan pada Tabel V.
TABEL V
PERBAIKAN PROFIL TEGANGAN PADA B US UNDER VOLTAGE
Tegangan (pu)

No
Bus

Nama Bus
Sebelum Optimasi

Setelah Optimasi

19

Tasikmalaya

0.933

1.014

20

Pedan

0.927

0.956

21

Kediri

0.948

0.962

Secara lengkap, perbaikan profil tegangan pada setiap

bus setelah penempatan SVC ditunjukkan pada Gambar 6.

Tegangan (pu)

17
18
19
20
21
22
23
24
25

ISSN: 2086-8944

1,03
1,02
1,01
1
0,99
0,98
0,97
0,96
0,95
0,94
0,93
0,92
0,91

Sebelum Penempatan SVC

Setelah Penempatan SVC
1

11 13 15 17 19 21 23 25
Nomor Bus

Gambar 6. Profil Tegangan Sebelum dan Sesudah Penempatan SVC.

Dari hasil analisa aliran daya (load flow) pada sistem

Jawa Bali 500 kV sebelum penempatan SVC diketahui
bahwa total daya yang dibangkitkan oleh generator adalah
sebesar 10612.551 MW dan 5110.756 MVAR. Rugi-rugi
saluran yang dihasilkan sebesar 148,551 MW dan 1207,757

Setelah dilakukan optimisasi penempatasn SVC terdjadi

perubahan pembangkitan daya reaktif dari masing generator
seperti ditunjukan dalam Tabel VI. Daya nyata (MW) dari
pembangkit tidak mengalami perubahan kecuali slack bus

207

Jurnal Elektro ELTEK Vol. 3, No. 1, April 2012

ISSN: 2086-8944

karena telah terjadi penurunan rugi-rugi pada transmisi.

Perubahan besarnya aliran daya reaktif menghasilkan
penurunan rugi-rugi transmisi dari 148,551 MW dan
1207,757 MVAR sebelum pemasangan SVC menjadi
142,940 MW dan 1145,586 MVAR atau rugi-rugi daya aktif
turun sebesar 3,77% dan rugi-rugi daya reaktif turun sebesar
5,15%. Perubahan besarnya aliran daya reaktif ke masingmasing bus juga memberikan perbaikan tegangan. Bus-bus
yang nilai tegangan pada kondisi awal dibawah 0,95 setelah
pengiriman daya reaktif mengalami perbaikan di atas 0,95
pu.
TABEL VI
DAYA PEMBANGKIT SETELAH PENEMPATAN SVC DENGAN
ALGORITHM GENETIKA
Sebelum Optimasi
Nama Bus
Suralaya

(MW)

3296,591

Muara Tawar

(MVAR)

Setelah Optimisasi

(MVAR)

1143,533

(MW)
4290,980

1020,587

1552,000

1510,080

1552,000

1348,338

Cirata

554,000

119,791

554,000

115,969

Saguling

475,000

719,443

475,000

564,733

Tanjung Jati

1324,000

487,874

1324,000

407,078

Gresik

517,600

543,014

517,600

455,411

Paiton

2606,360

338,989

2606,360

212,827

Grati

287,000

248,032

287,000

220,642

10612.551

5110.756

11606.940

4345.586

TOTAL

Secara keseluruhan, rugi-rugi pada saluran transmisi

mengalami penurunan baik rugi-rugi pada daya aktif
maupun rugi-rugi daya reaktif.
V. KESIMPULAN
Setelah melakukan simulasi dan analisis optimisasi
penempatan SVC dengan menggunakan metoda GA pada
sistem tenaga listrik Jawa-Madura-Bali 500 kV dapat ditarik
kesimpulan penempatan SVC pada bus Suralaya (6 MVAR)
dan bus Tasikmalaya (700 MVAR). Injeksi daya reaktif dari
SVC menyebabkan penurunan rugi-rugi transmisi dari
148,551 MW dan 1207,757 MVAR menjadi 142,940 MW
dan 1145,586 MVAR atau rugi-rugi daya aktif turun sebesar
3,77% dan rugi-rugi daya reaktif turun sebesar 5,15%..
Pemasangan SVC juga dapat memperbaiki profil tegangan
pada setiap bus pada batas-batas yang ditentukan yaitu
antara 0.95 pu dan 1.05 pu.

DAFTAR PUSTAKA
[1]

Acha, Enrique, dkk. 2004. Facts :Modelling and Simulation in

Power Network. John Wiley & Sons. LTD. Inggris
[2]
Akhmatov, Vladislav and Sobrink.Kent. 2004. A Static VAR
Compensator Model For Improved Ride Through Capability of Wind
Farms. Denmark.
[3]
Beaty, H. Wayne. 2000. Handbook of Electric Power Calculation.
Third Edition, Mc Graw Hill, USA
[4]
E.El-Hawary, Mohamed.1983. Electrical Power System Design And
Analysis. Reston. Publishing
Company. inc. A Prentice-Hall
Company.
[5]
Eko, Hendri Hs, dkk, 2007, Teknik Pengurangan Arus Inrush dan
Pengurangan Harmonisa Pada Kapasitor Bank Untuk Beban Non
Linier, Published by EEPIS, Surabaya.
[6]
Indarko, Fajar Galih. Penentuan Mvar Optimal SVC Pada System
Transmisi Jawa Bali 500kV Menggunakan Bee Colony Algorithms.
Jurnal, ITS Surabaya.
[7]
J. Arrillaga and N. R. Watson. 2001. computer Modelling Of
Electrical Power System second Edition. John Wiley & Sons ltd.
England.
[8]
J. C. Das. 2002. Power System Analysi. Short Circuit-load Flow And
Harmonic, Amec, inc. Atlanta. Georgia.
[9]
Masoum, Mohammad A.S, dkk 2004, Optimal Plecement,
Replecement and Sizing of Capacitor Banks in Distorted Distribution
network by Genetic Algorithms, Vol.19, No.4, IEEE Transactions on
Power Delivery.
[10] Marsudi, Djiteng. Ir, 2008, Operasi Sistem Tenaga Listrik. Balai
Penerbit & Humas ISTN. Jakarta.
[11] P. Kundur, 1994, Power System Stability And Control. McGraw-Hill.
Inc, California, USA.
[12] R. Sastry Vedam dan Mulukutla S, Sarma. 2009. Power Quality.
VAR Compesation In Power Systems. CRC Press. London. New
York.
[13] Stephen, W. Fardo dan Dale R. Patrick. 2009. Electrical Power
System Technology, Third Edition. The Fairmont Press. inc. Indian
Trail Francis.
[14] Suyono. Hadi, Ph.D, 2009. Power System Modelling For Transient
Stability Analysis, workshop On Dynamic Simulation for SESBs
Engineers. Unibraw. Malang.
[15] Umar, dkk. 2008. Optimasi Penempatan Multi Facts Device Pada
Sistim Kelistrikan Sulawesi Selatan Menggunakan Genetic
Algorithms, Jurnal, ISSN :1907-5022 ITS, Surabaya.
[16] Khuluk, Mukhtar, Optimasi Penempatan Lokasi dan Kapasitas
Kapasitor Bank Menggunakan Genetica Algorithms pada Jaringan
Distribusi Radial PT. Semen Gresik Pabrik Tuban I dan II, Tbk,
Jurnal, Teknik Elektro, ITS, Surabaya.
[17] Susiono, 2006, Pemilihan Lokasi Optimum Pemasangan Filter
Harmonik pada Sistem Distribusi Tenaga Listrik Tipe Radial,
Jurnal, Universitas Udayana, Bali.
[18] Masri, Syafrudin, 2004, Analisa Kualitas Daya Sistem Distribusi
Tenaga Listrik Perumahan Modern, Jurnal, Universitas Sains,
Malaysia.
[19] Robandi. Iman, 2006, Desain Sistem Tenaga Modern, Andi,
Yogyakarta.

208