Anda di halaman 1dari 7

OPTIMASI POWER SYSTEM STABILIZER (PSS) PADA GENERATOR MULTIMESIN

UNTUK MENGURANGI OSILASI MENGGUNAKAN GENETIC ALGORITHM (GA)

Iradiratu D.P.K1, Jamaluddin Ahmad2


1
Dosen Jurusan Teknik Elektro
2
Mahasiswa S1 Jurusan Teknik Elektro
Fakultas Teknik dan Ilmu Kelautan, Universitas Hang Tuah Surabaya
Keputih-Sukolilo, Surabaya 60111
Email : jamalahmad43@gmail.com

ABSTRAK

Pola perubahan beban yang begitu cepat dalam sebuah sistem interkoneksi menyebabkan terjadinya osilasi daya yang
begitu besar pada mesin yang terhubung pada sistem. Kontroler generator selalu berusaha mengurangi osilasi tersebut
agar sistem berada pada kondisi stabil. PSS (Power System Stabilizer) merupakan salah satu kontroler tambahan pada
generator untuk mengurangi osilasi yang terjadi. Namun, tuning pada konstanta PSS yang tidak tepat dapat
menyebabkan kerja PSS tidak maksimal. Pada tugas akhir ini, tuning konstanta PSS dijadikan sebagai objective
function untuk medapatkan nilai optimal dalam mengurangi osilasi. Dengan algoritma genetik (Genetic Algorithm)
konstanta PSS dapat dioptimalkan untuk mendapatkan redaman yang maksimum. Simulasi dilakukan pada model
generator multimesin. sehingga analisis PSS pada sistem dapat memberikan gambaran mengenai kestabilan dinamik
pada sistem tersebut.

Kata Kunci : MultiMesin, Kestabilan dinamik, PSS, GA

1. PENDAHULUAN
Ketidak seimbangan antara daya input mekanis dengan daya beban listrik pada sistem menyebabkan kecepatar
rotor generator (frekuensi sistem) dan tegangan akan menyimpang dari kondisi normal sehingga akan menyebabkan
kestabilan dari sistem terganggu.Ketidak stabilan sistem diakibatkan karena adanya gangguan baik itu gangguan besar
maupun gangguan kecil. Gangguan kecil dapat berupa perubahan beban secara tiba-tiba dan periodik sedangkan untuk
gangguan besar disebabkan kesalahan pada sistem seperti gangguan hubung singkat, putus jaringan, pemindahan
beban. Apabila hal tersebut tidak segera diatasi dengan cepat baik berupa besar gangguan, maupun waktu terjadinya
gangguan maka sistem akan bekerja menyimpang dari kondisi normal.Oleh sebab itu diperlukan peralatan kontrol
pada sitem tenaga listrik yang mampu bereaksi secara otomatis terhadap penyimpangan. Peralatan kontrol governor,
AVR (Automatic Voltage Regulator), dan sistem eksitasi menjadi peralatan kontrol yang harus dimiliki oleh sistem
tenaga listrik sehingga kestabilan sistem tenaga listrik dapat dijaga (Imam Robandi, 2006).
Dalam studi kestabilan dinamik diasumsikan bahwa perubahan torsi akibat respon governor diabaikan karena
respon governor sangat lambat dibandingkan dengan respon sistem eksitasi, sehingga pengendali yang berpengaruh
adalah sitem eksitasi. Penambahan penguatan rangkaian eksitasi kurang dapat menstabilkan sistem terutama untuk
osilasi frekuensi rendah. Osilasi Frekuensi rendah berada antara 0,2 sampai dengan 2,0 Hz (Padiyar K.R, 2008).
Frekuensi yang lebih rendah dapat semakin meluas menjadi osilasi inter area sehingga diperlukan piranti kontrol
tambahan berupa Power System Stabilizer (PSS). PSS merupakan piranti kontrol tambahan yang berfungsi untuk
meredam osilasi ferkuensi dan tegangan secara lokal atau global pada generator, sebagai respons dari penyimpangan
yang terjadi pada nilai variable yang telah diset (Cai, L. J, Erlich, I 2005). Untuk memperoleh hasil yang maksimal
penalaan parmeter yang tepat dan optimal pada PSS sangat diperlukan untuk meredam osilasi dan menstabilkan sistem
sebagai respon kestabilkan sistem. Penalaan parameter ini dapat menggunakan kecerdsan buatan.
Beberapa metode penalaan pada PSS telah diusulkan untuk menentukan nilai parameter yang optimal, salah
satunya adalah Genetic Algorithm (GA). GA merupakan algoritma yang terinspirasi dari Seleksi Alam. Genetic
Algorithm (GA) pertama kali di perkenalkan oleh John Holland pada tahun 1975 di Universitas Michigan. Penalaan
parameter yang optimal sangat berpengaruh dalam menstabilkan sistem. Namun range parameter peralatan sangat
beragam dan luas, maka untuk memperoleh nilai parameter secara cepat digunakanlah metode optimisasi
menggunakan Genetic Algorithm (GA). Kemudian untuk menganalisa hasil simulasi dengan cara membandingkan
hasil simulasi sistem tanpa PSS, dan sistem menggunakan PSS yang ditala dengan GA.
2. TINJAUAN PUTAKA
A. Kestabilan Sistem Tenaga Listrik
Dalam sistem tenaga modern kestabilan sistem menjadi perhatian utama dalam sebuah sistem operasi.
Kestabilan sistem tenaga listrik diartikan dengan kemampuan suatu sistem tenaga listrik atau bagian komponennya
untuk mempertahankan sinkronisasi dan keseimbangan jika terjadi gangguan. Selain terganggunya sinkronisasi dan
keseimbangan, terjadinya osilasi menunjukkan kondisi yang tidak stabil pada sistem.
Sistem tenaga listrik yang stabil terdapat keseimbangan antara daya input mekanis (prime mover) dengan daya
output elektrik (beban listrik). Berdasarkan sifat dan besar gangguan, kestabilan dalam sistem tenaga listrik dibagi
menjadi tiga yaitu kestabilan tunak (stedy-state), kestabilan transien, kestabilan dinamik (Milles, R.H dan Malinowski,
J.H, 1994).

B. Pemodelan Sistem Tenaga Multimesin


Analisa studi kestabilan dinamik jaringan tenaga listrik yang meliputirespons dinamik sistem tergantung pada
keandalan pemodelan sistem tersebut (hadi saadat, 1999). Untuk itu perlu memahami permodelan dinamik sistem
tenaga listrik yang meliputi generator multimesin, permodelan sistem eksitasi, pemodelan governor, dan pemodelan
turbin.

1. Permodelan Generator Multimesin


Pemodelan multi mesin menggunakan pemodelan linier. Pemodelan multi mesin digambarkan pada gambar 1
yaitu.

Gambar 1. Model Generator Multimesin Konvensional


(Hadi saadat, 1999)

2. Pemodelan Governor
Governor merupakan pengendali yang berfungsi untuk mengatur nilai torsi mekanik yang menjadi masukan
generator. Representasi governor ditunjukkan pada gambar 2 yaitu.

Gambar 2. Model Governor


(Hadi saadat, 1999)
3. Pemodelan Sistem Eksitasi
Model sistem eksitasi dalam pengaturan tegangan mengacu pada model IEEE tipe 1. Model system eksitasi
ditunjukkan pada gambar 3.

Gambar 3. Model sistem eksitasi menurut standart IEEE

4. Pemodelan Turbin dan Sistem Pengendalinya


Pemodelan turbin dan sistem pengendalinya yang dipakai disini adalah model turbin uap dan
pengendalinyayang mengacu standart IEEE. Model turbin uap dalam bentuk linier dapat dilihat pada gambar 4.

Gambar 4. Model Turbin Uap dan Pengendalinya

5. Pemodelan Sistem Tenaga Listrik Multimesin


Dari tiap pemodelan diatas maka dapat dibentuk model linier multimesin seperti pada gambar 5

Gambar 5. Model Linier Generator Multimesin


(Hadi Saadat, 1999)
C. Power System Stabilizer (PSS)
PSS adalah sebuah piranti kontrol tambahan pada generator multimesin, digunakan sebagai sinyal kontrol
tambahan pada sistem eksitasi untuk memperbaiki peredaman sistem, sehingga dapat mempertahankan operasi yang
handal bagi sistem tenaga listrik (jamal A, 2010)
Komponen utama dari struktur Power System Stabilizer meliputi:
1. Blok reset (washout), digunakan untuk menghilangkan efek kompensasi, yaitu ketika osilasi yang menjadi sasaran
kompensasi tidak lagi terjadi
2. Kompensator Lead-Lag, berfungsi untuk memberikan kompensasi sudut torsi yang dibutuhkan
3. Penguatan/gain, digunakan untuk memperoleh redaman yang sesuai dengan cara mengatur besar kecilnya
penguatan.
Berikut adalah diagram blok konvensional Power Sistem Stabilizer.

Gambar 6. Model Power System Stabilizer konvensional

Dari pernyataan blok diatas, komponen torsi elektris sephasa dengan variasi kecepatan untuk memperbaiki
redaman. Pemodelan matematis PSS dinyatakan dalam persamaan 1.

𝑇𝑤𝑠 1+𝑇1 𝑠 1+𝑇3 𝑠


𝑉𝑠 = 𝐾𝑝𝑠𝑠 [ ]𝜔 (1)
1+𝑇𝑤𝑠 1+𝑇2 𝑠 1+𝑇4 𝑠

D. Genetic Algorithm
Algoritma genetika adalah suatu algoritma pencarian yang didasarkan pada mekanisme seleksi alam dan
genetika alam. Dalam penelitian ini, ada enam variabel yang dikodekan ke dalam kromosom. Setiap kromosom berisi
sejumlah gen yang menyandikan informasi yang tersimpan dalam kromosom. Untuk menyelesaikan masalah ini,
digunakan jumlah sebenarnya dari gen yang mengkode nilai adalah dalam interval angka antara 0 dan 1 (Ellithy k,
2008)
Setelah skema encoding ditentukan, algoritma genetika melakukan inisialisasi untuk populasi dengan jumlah
N kromosom. Gen yang mengisi setiap kromosom secara acak dihasilkan dengan menggunakan distribusi seragam.
Masing-masing kromosom ini harus dikodekan ke individu dengan nilai fitness tertentu. Sebuah populasi baru
dihasilkan dengan menggunakan mekanisme seleksi alam, adalah memilih individu sebanding dengan nilai kebugaran
mereka, dan genetika alam, yaitu crossover dan mutasi.
Untuk bilangan real encoding, gen 'g' digunakan untuk mewakili bilangan real antara 0 dan 1 Dengan
menggunakan interval tertentu, batas bawah dan batas atas (ra dan rb), decoding dapat dilakukan dengan cara sebagai
berikut:

x  rb  ra  rb  g (2)

Seorang individu dievaluasi berdasarkan fungsi tertentu sebagai ukuran kinerjanya. Dalam evolusi alami,
individu yang memiliki kebugaran tinggi untuk hidup. Sedangkan individu kebugaran rendah layak akan mati. Dalam
penelitian ini, solusi yang dicari adalah untuk meminimalkan fungsi 'h' (masalah minimisasi) maka fungsi 'h' tidak
dapat digunakan secara langsung. Oleh karena itu, nilai fitness dapat digunakan sesuai dengan persamaan berikut:

1
f (3)
h

Oleh karena itu, nilai fitness dapat digunakan berarti bahwa semakin kecil nilai 'h', semakin besar nilai 'f'.
Untuk menghindari nilai 'f' tak terbatas karena nilai 'h' sama dengan nol, harus ditambahkan angka yang dianggap
begitu kecil sehingga nilai fitness menjadi:

1
f  (4)
ha
Setelah mendapatkan nilai fitness, maka akan mendapatkan persamaan

 R(i)  1 
f(i)  f max  (f max  f min )  (5)
 N 1 

Dimana, R (i) menyatakan peringkat individu ke-i. Crossover seleksi kromosom sebagai orang tua akan
dilakukan tergantung pada nilai fitness. Dalam seleksi penelitian ini metode yang menggunakan metode roulette
wheel. Kromosom memiliki nilai fitness yang lebih besar akan menempati potongan lingkaran yang lebih besar dari
nilai fitness rendah kromosom. Proses crossover dilakukan untuk menghindari terjadinya konvergensi dini. Setiap
kromosom akan memilih pasangan untuk melakukan crossover acak. Frekuensi Crossover dikendalikan oleh nilai Pc.
Dalam setiap populasi, karena banyak Pc x struktur melakukan crossover.

3. METODOLOGI PENELITIAN
A. Data Parameter Multimesin
Tabel 1. Data parameter multimesin

Parameter Nilai Parameter Nilai


K1 6 Tg 0.2
K2 0.2 Tu 0.5
K3 2 Tg2 0.3
K4 1.4 Tu2 0.6
K5 0.1 H 5
K6 0.5 D 0.6
Ps 1.5 H2 4
R1 0.05 D2 0.9
R2 16 TA 0.1
TG 1.4 TE 0.4
TR 0.05 KG 0.8
TF 0.04 KR 1
KA 10 KF 0.1
KE 1

B. Data Parameter GAPSS

Tabel 2. Data Parameter GAPSS mesin 1

KPSS T1 T2 T3 T4
89,0965 1,0370 0,0255 1,0450 0,0145

Tabel 2. Data Parameter GAPSS mesin 2

KPSS T1 T2 T3 T4
87,0965 1,0450 0,0245 1,0450 0,0245
4.HASIL DAN PEMBAHASAN
Berdasarkan data parameter yang diperoleh diatas dapat di tampilkan hasil respons frekuensi dan tegangan
pada setiap mesin yaitu.

Gambar 7. Respons Frequensi Tanpa GAPSS

Gambar 8. Respons Voltage Tanpa GAPSS

Gambar 9. Respons Frequensi GAPSS


Gambar 10. Voltage GAPSS

5. KESIMPULAN
Berdasarkan hasil penelitian diatas, dapat dilihat respon kenaikan serta kestabilan pada sistem,gimana PSS
dengan metode optimasi Genetic Algirithm (GA) jauh lebih stabil dan cepat responnya. Dan dapat disimpulkan bahwa
respon dari putaran rotor dengan ditambahkan piranti control Power System Stabilizer (PSS) dengan metode optimasi
GA lebih stabil disbanding tanpa diberi piranti control Power System Stabilizer (PSS).

6. DAFTAR PUSTAKA
Cai, L. J, Erlich, I. (2005). Simultaneous coordinated tuning of PSS and FACTS damping controllers in large power
systems. Edition Illustrated. IEEE Transactions on Power Systems, 20
Ellithy K, Al-Hinai A, dan Moosa A. (2008). Optimal Shunt Capacitors Allocation In Distribution Networks Using
Genetic Algorithm- Practical Case Study. International Journal of Innovations in Energy Systems and Power,
Vol. 3, no. 1
Jamal A. (2010). Model Power System Stabilizer Berbasis Standar IEEE untuk Stabilitas Transien Sistem Tenaga
Listrik. Jurnal Ilmiah Semesta Teknika. Vol. 13, No. 1, pp. 95-104.
Milles, R.H, Malinowski, J.H. ”Power System Operation”. (1994). Ch.12 McGrawHill. Singapore.
Padiyar,K R. (2008). “Power System Dynamics Stability and Control”.Edition 2.
John Wiley & sons Ltd. Interlaine Publishing Ltd.
Robandi, I. (2006). “Desain Sistem Tenaga Modern”. Penerbit ANDI. Yogyakarta.
Saadat, Hadi. (1999). Power System Analysis. Mcgraw-Hill Companies. United States Of America.
Wahyudin. (2014). “Optimasi Power System Stabilizer (PSS) Pada Generator Sinkron Untuk Mengurangi Osilasi
Menggunakan Genetic Algorithm (GA)”. Universitas Hang Tuah.

Anda mungkin juga menyukai