10 15 1 SM
10 15 1 SM
_______________________________________________________________________________
OPTIMASI PENJADWALAN
PEMBANGKIT TERMAL DENGAN
SISTEM PENYIMPANAN ENERGI
MENGGUNAKAN ALGORITMA
GENETIKA
Nizar Rizky R.1, Sarjiya2, M. Isnaeni B. S.3
(1)
(2)
ditukar. Setiap dilakukan perubahan, dilakukan cara yang sama. Total periode penjadwalan adalah 24
evaluasi ulang pada individu ini. Bila nilai jam. Variable “s_init” pada Tabel 2 menunjukkan
biaya yang dihasilkan lebih rendah, maka nilai status awal pembangkit sebelum periode penjadwalan.
yang baru disimpan. Bila tidak, maka nilai
TABEL I
individu ini dikembalikan ke nilai awalnya. PARAMETER UNIT PEMBANGKIT TERMAL
Selanjutnya, “bingkai” digeser satu jam dan
Unit 1 Unit 2 Unit 3 Unit 4 Unit 5
dilakukan hal yang sama sampai mencapai
P_max
akhir periode penjadwalan. 455 455 130 130 162
(MW)
P_min
B. Algoritma Operasi Baterai 150 150 20 20 25
(MW)
ai ($) 1000 970 700 680 450
Operasi baterai terdiri dari pengisian dan bi
pengosongan. Operasi pengisian baterai dilakukan saat 16.19 17.26 16.6 16.5 19.7
($/MW)
unit pembangkit murah belum membangkitkan daya ci
0.00048 0.00031 0.002 0.00211 0.00398
maksimalnya, sedangkan operasi pengosongan ($/MW2)
dilakukan saat unit pembangkit mahal sedang t_up (h) 8 8 5 5 6
t_down
dinyalakan. Untuk menentukan unit pembangkit murah (h)
8 8 5 5 6
dan mahal, dilakukan analisa biaya bahan bakar tiap SU_h
4500 5000 550 560 900
unit. Biaya bahan bakar per megawatt-nya dirata- ($)
ratakan, kemudian diurutkan dari yang paling murah SU_c
9000 10000 1100 1120 1800
sampai yang paling mahal. Batasan unit murah dan ($)
t_cold
mahal ditentukan dari awal. (h)
5 5 4 4 4
Operasi pengisian dilakukan dengan memeriksa s_init
8 8 -5 -5 -6
tiap unit pembangkit murah pada tiap jamnya untuk (h)
UR
menemukan pembangkit murah yang masih mampu (MW/h)
130 130 60 60 90
membangkitkan daya tambahan untuk mengisi baterai. DR
130 130 60 60 90
Operasi ini dilakukan dengan memperhatikan (MW/h)
kekangan sistem serta kekangan yaitu kekangan daya P_init
400 400 0 0 0
(MW)
mampu netto, dan ramping-rate limit. Selain itu,
kekangan yang berkaitan dengan unit baterai pada Unit 6 Unit 7 Unit 8 Unit 9 Unit 10
persamaan (12), dan (13) juga mulai diterapkan di sini. P_max 80 85 55 55 55
Operasi pengosongan dilakukan dengan cara (MW)
memberi daya dari baterai untuk menggantikan unit P_min 20 25 10 10 10
pembangkit mahal dalam melayani kebutuhan beban. (MW)
ai ($) 370 480 660 665 670
Operasi ini juga dilakukan dengan memperhatikan bi 22.26 27.74 25.92 27.27 27.79
kekangan baterai pada persamaan (12), dan (13). ($/MW)
Dengan begitu, didapatkan operasi baterai yang tidak ci 0.00712 0.00079 0.00413 0.00222 0.00173
menyebabkan pelanggaran terhadap kekangan yang ($/MW2)
ada. t_up (h) 3 3 1 1 1
t_down 3 3 1 1 1
TABEL I (h)
PREDIKSI BEBAN PADA PERIODE PENJADWALAN SU_h 170 260 30 30 30
($)
SU_c 340 520 60 60 60
($)
t_cold 2 2 0 0 0
(h)
s_init -3 -3 -1 -1 -1
(h)
UR 40 40 40 40 40
(MW/h)
DR 40 40 40 40 40
(MW/h)
VI. HASIL SIMULASI P_init 0 0 0 0 0
Simulasi metode yang diajukan dilakukan (MW)
menggunakan data seperti yang digunakan pada [3].
Data beban dan parameter unit pembangkit termal
ditunjukkan oleh Tabel 1 dan Tabel 2 berturut-turut. TABEL IIII
Simulasi yang dilakukan mencakup tes replikasi PARAMETER UNIT BATERAI
dengan sistem 10, 20, 40, 60, 80, dan 100 unit. Sistem SOC_min SOC_max SOC_init Pinv Efisiensi Efisiensi
20 unit dibuat dengan menggandakan unit pembangkit (MWh) (MWh) (MWh) (MW) pengisian pengosongan
10 240 48 90 85% 100%
pada sistem 10 unit, dengan beban yang
dilipatgandakan. Sistem yang lain dibentuk dengan
TABEL.VII
PERBANDINGAN WAKTU EKSEKUSI METODE AG DENGAN EPL
VIII. KESIMPULAN
Pada makalah ini, diajukan sebuah metode untuk
menyelesaikan permasalahan UC dengan melibatkan
sistem penyimpanan energi berupa baterai. Hasil yang
diperoleh menunjukkan bahwa metode yang diajukan
berhasil menemukan solusi penjadwalan yang optimal
pada data simulasi yang digunakan. Hal ini terlihat dari
nilai biaya total yang didapatkan lebih baik daripada
penelitian sebelumnya yang menggunakan metode
EPL. Metode ini juga terbukti dapat diterapkan pada
sistem dengan skala besar dengan waktu eksekusi yang
wajar.
REFERENSI
[1] Tomonobu Senjyu, Shantanu Chakraborty, Ahmed Yousuf
Saber; “Thermal Unit Commitment Strategy with Solar and
Wind Energy Systems Using Genetic Algorithm Operated
Particle Swarm Optimization”. IEEE International
Conference on Power and Energy , 2008, p. 866-871.
[2] Tomonobu Senjyu, Kai Shimabukuro. “A Fast Technique for
Unit Commitment Problem by Extended Priority List”. IEEE
Transactions on Power System, 2003, p. 882-888.
[3] T. Senjyu, “A Technique for Unit Commitment with Energy
Storage” System. Elsevier Electrical Power and Energy
Systems , 2007, p. 91-98.
[4] Weerakorn Ongsakul, Nit Petcharaks. “Unit Commitment by
Enhanced Adaptive Lagrangian Relaxation”. IEEE
Transactions on Power Systems , 2004, p. 620-628.
[5] Joannis Damousis, Anastasios Bakirtzis. “A Solution to the
Unit-Commitment Problem Using Integer-Coded Genetic
Algorithm”. IEEE Transactions on Power Systems, 2004, p.
1165-1172.
[6] S.A. Kazarlis, A.G. Bakirtzis, V. Petridis. “A Genetic
Algorithm Solution to the Unit Commitment Problem”. IEEE
Transactions on Power System , 1996, p. 83-92..
[7] T. Longenthiran, Dipti Srinivasan. “Short Term Generation
Scheduling of a Microgrid”. IEEE Tencon , 2009
[8] C Wang, S.M. Shahidehpour. “Effects of Ramp-Rate Limits
on Unit Commitment and Economic Dispatch”. IEEE
Transactions on Power Systems , 1993, p. 1341-1350.
[9] M. K. C. Marwali, S. M. Shahidehpour. “Short Term
Generation Scheduling in Photovoltaic-Utility Grid with
Battery Storage”. IEEE Transactions on Power Systems, 1998,
p. 1057-1062
[10] G. Yudhaprawira, Sarjiya, Sasongko P. Hadi, “Unit
Commitment for Power Generation System Including PV and
Batteries by Mixed Integer Quadratic Programming”. IEEE
Conference on Power Engineering and Renewable Energy.
2012
[11] Sarjiya, Haryono, T., Winasis, “Optimal Scheduling of
Hybrid Renewable Energy System Using MIPQ Method”,
AUN/SEED-Net Regional Conference in Electrical and
Electronics Engineering, 2013
[12] Suyanto. (2010). Algoritma Genetika Dalam Matlab.
Yogyakarta: Andi Offset.