BAB III

METODE PENELITIAN

Penelitian ini menggunakan metode studi literature, observasi lapangan dan

studi comparative, berujuan untuk mengetahui akurasi hasil dan waktu
konvergensi analisis aliran daya optimal menggunakan metode Newton yang
dimodifikasi dengan metode optimasi primal-dual dibandingkan dengan Genetic
Algorithm (GA). Data pembebanan dan transmisi yang digunakan dalam
penelitian ini adalah data standar IEEE 30 bus. Data tersebut sudah umum
digunakan untuk menguji ketepatan dan keakuratan dari berbagai metode lain.
Selain itu digunakan pula data sistem interkoneksi 500KV Jawa Bali
(Pernbebanan tanggal 2 Januari 2013 Pukul 00.30 W1B) sebagai aplikasi pada
kelistrikan Indonesia pada saat beban rendah.

3.1. Sistem Interkoneksi Jawa-Bali

Data yang digunakan dalam penelitian ini merupakan pernbebanan tanggal 2
Januari 2013 Pukul 00.30 W1B. data ini menggambarkan beban terendah sistem
dimana jam ini sudah masuk jam tidur. Data ini didapat dari hasil observasi di
lapangan yaitu di PLN GITET Bandung Selatan dan ditambah beberapa data
tambahan yang mengacu pada penelitian Baskoro (2009:59) dan Krisida
(2011:48).
Sistem interkoneksi 500 kV Jawa Bali terdiri atas 25 bus dengan 33 saluran
dan 8 pembangkit. Pembangkit-pembangkit yang terpasang pada sistem
interkoneksi 500 kV Jawa Bali antara lain pembangkit Suralaya. pembangkit
Muaratawar, pembangkit Cirata, pembangkit Saguling, pembangkit Tanjungjati,
pembangkit Gresik, pembangkit Paiton, dan Pembangkit Grati. Diantara 8
pembangkit tersebut pembangkit Cirata dan pembangkit Saguling merupakan
pembangkit yang menggunakan tenaga air, sedangkan pembangkit yang lainnya
merupakan pembangkit dengan tenaga uap dengan bahan bakar batubara, adapun
pembangkit Suralaya bertindak sebagai pembangkit slack atau referensi.

21
Dian Anggun Trisnadi, 2013
Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 22

Jenis-jenis bus pada sistem interkoneksi 500 kV Jawa Bali diberikan sebagai
berikut.
 Satu buah slack bus, yaitu bus pembangkit Suralaya.
 Tujuh buah generator bus, yaitu antara lain bus pembangkit Cirata,
pembangkit Saguling, pembangkit Tanjungjati, pembangkit Gresik,
pembangkit Paiton, dan Pembangkit Grati.
 Tujuh belas buah load bus, yaitu bus Balaraja, bus Kembangan, bus
Gandul, bus Cibinong, bus Cilegon, bus Depok, bus Cawang, bus Bekasi,
bus Bandung Selatan, bus Cibatu, bus Madirancan, bus Tasikmalaya, bus
Pedan, bus Ungaran, bus Kediri, bus Surabaya Barat dan bus Ngimbang

Gambaran sistem interkoneksi jawa bali dapat dilihat pada gambar 3.1
sebagai berikut

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 23

Gambar 3.1. Gambar Sistem Interkoneksi 500KV Jawa Bali 2013

Dalam gambar 3.1 transmisi 500KV digambarkan dalam garis berwarna

biru. Garis ini melintang dari sisi baling barat pulau Jawa yaitu Suralaya sampai
ke sisi paling timur pulau Jawa Surabaya Barat. Untuk lebih mempermudah
pembacaan sistem transmisi 500KV dapat digambarkan dalam single line diagram
sebagai berikut.

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 24

6 2 1
Cilegon Balaraja Suralaya

5
4 3
Cibinong
Gandul Kembangan
7
Depok

12 9 8 14
Cirata Bekasi Cawang Muaratawar 16
Tasikmalaya
15 11
Saguling Cibatu
13 17
Mandiracan Pedan
10
Bandung Selatan
22
19 Kediri
Ungaran

22 18
Tanjung Jati 23
Ngimbang
Paiton
24
Surabaya Barat
20
Gresik
21
Grati

Gambar 3.2. Single Line Diagram Sistem Interkoneksi 500KV Jawa Bali 2013

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 25

3.2. Definisi Operasional

Analisis aliran daya merupakan analisis yang menggambarkan keadaan
operasi dari sistem listrik secara keseluruhan, dimana didalamnya terdapat
jaringan generator, jaringan transmisi, dan beban yang bisa mewakili daerah kecil
seperti kota atau daerah besar seperti negara. Analisis aliran daya atau di industri
biasa disebut analisis aliran beban, memproses data daya yang dikirim dan dari
sumbernya untuk memberitahu kita bagaimana daya mengalir ke tujuannya.
Analisis aliran daya optimal adalah perhitungan untuk meminimalkan suatu
fungsi tujuan biaya pembangkitan tenaga listrik atau rugi-rugi pada saluran
transmisi dengan mengatur pembangkitan daya aktif dan daya reaktif setiap
pembangkit yang terinterkoneksi dengan memperhatikan batas-batas tertentu.
Batas yang umum dinyatakan dalam perhitungan analisis aliran daya optimal
berupa batas minimum dan maksimum untuk pembangkitan daya aktif dan reaktif
pada pembangkit.
Optimasi Primal-Dual adalah metode penyelesaian optimasi persamaan
kuadrat linear dan non-linear. Penyelesaian persamaan kuadrat dilakukan dengan
memotong fungsi pembatas sehingga waktu perhitungan relative lebih cepat dari
metode biasa. Aplikasi Optimasi Primal-Dual untuk penyelesaian masalah aliran
daya optimal pertama kali diperkenalkan pada tahun 1997 oleh G.R.M. da Costa
dalam jurnal berjudul Optimal Reactive Dispatch Through Primal-Dual Method.
Metode Newton adalah suatu metode yang menggunakan uraian deret
Taylor untuk menyelesaikan persamaan kuadrat dengan dua variabel atau lebih.
Metode Newton sudah lama digunakan untuk menyelesaikan masalah aliran daya
dan aliran saya optimal. Penggunaan metode newton dalam penyelesaian masalah
aliran daya optimal pertama dilakukan oleh Hermann W. Dommel dan William F.
Tinney pada tahun 1968 dalam jurnal mereka yang berjudul “Optimal Power Flow
Solution”.

3.3. Matlab dan Toolbox

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 26

Metode yang digunakan dalam penelitian ini sangat rumit jika

perhitungannya dilakukan secara manual, namun dengan bantuan komputer
metode di atas dapat terselesaikan dengan relatif cepat. Dalam penelitian ini agar
dapat menginteraksikan analisis dengan sistem komputasi dibutuhkan bahasa
pemrograman yang mendukung perhitungan berbasis matriks. Bicara soal matriks
maka bahasa pemrograman yang paling cocok dengan penelitian ini adalah
Matlab. Matlab singkatan dari MATrix LABolatory, merupakan bahasa
pemrograman yang dikembangkan oleh Mathwork .Inc. Bahasa pemrograman ini
banyak digunakan untuk perhitungan numerik keteknikan, komputasi simbolik,
visualisasi grafis, analisis data matematis, statistika, simulasi, pemodelan dan
desain GUI (Hartanto, 2003).
Matlab memiliki beberapa toolbox khusus yang dibuat oleh lembaga non
profit untuk edukasi dan penelitian non profit. Toolbox Matlab adalah kumpulan
M-file yang mempunyai satu kesatuan fungsi untuk memecahkan masalah
tertentu. Untuk pemecahan masalah simulasi sistem tenaga listrik seperti optimal
power flow, Matlab memiliki beberapa Toolbox yang paling dikenal diantaranya
MatPower Toolbox (MPT), Power System Analysis Toolbox (PSAT) dan Voltage
Stability Toolbox (VST) (Cartina, 2007).

3.4. MatPower Toolbox

MatPower adalah paket M-file Matlab untuk memecahkan masalah aliran
daya dan aliran daya optimal. Hal ini dimaksudkan sebagai alat simulasi bagi para
peneliti dan pendidik yang mudah digunakan dan dimodifikasi. MatPower
dirancang untuk memberikan kinerja terbaik sambil menjaga kode tetap sederhana
untuk dipahami dan dimodifikasi.
MatPower awalnya dikembangkan oleh Ray D. Zimmerman, Carlos E.
Murillo-Sanchez dan Deqiang Gan dari Power Systems Engineering Research
Center (PSERC) Cornell University di bawah arahan Robert J. Thomas. Awalnya
kode aliran daya dan aliran daya optimal berbasis Matlab ini lahir dari kebutuhan
komputasi untuk proyek PowerWeb. Banyak orang lain telah memberikan

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 27

kontribusi untuk MatPower selama bertahun-tahun dan terus dikembangkan dan

dipelihara di bawah arahan Ray Zimmerman (Zimmerman, 2011)
Fungsi utama MatPower adalah untuk memecahkan masalah aliran daya dan
aliran daya optimal baik AC maupun DC. MatPower sangat mudah digunakan,
kita hanya harus menuliskan kode simulasi apa yang ingin kita jalankan pada
command window Matlab. Contoh, jika kita tuliskan runpf('case14'); maka Matlab
akan memanggil pemecahan aliran daya tegangan AC dengan data standar IEEE
14 bus, jika kita tuliskan runopf('case14'); maka Matlab akan memanggil
pemecahan aliran daya optimal tegangan AC dengan data standar IEEE 14 bus.
Cara kerja MatPower untuk masalah OPF secara singkat adalah sebagai
berikut.
1. Memuat data ke struktur data mpc
2. Mengonversi data ke penomoran internal dan menghapus bagian data
yang tidak akan digunakan
3. Membangun matriks dan vektor yang diperlukan untuk merumuskan
masalah OPF (Ybus, batas variabel, biaya, dll)
4. Membangun objek model OPF dengan semua variabel dan indeks
informasi kendala
5. Memanggil program pemecah terpilih seperti Matlab Interior Point
Solver (MIPS), Knitro, dll. (Masing-masing memiliki algoritma
sendiri)
6. Mengemas hasil pemecahan masalah ke dalam struktur hasil
7. Mengonversi hasil pemecahan masalah kembali ke format penomoran
eksternal dan menambahkan kembali bagian data yang tidak
digunakan
8. Mencetak dan atau menyimpan hasil simulasi.

3.5. Matlab Interior Point Solver (MIPS)

Mulai dari versi 4, MatPower menyediakan solver baru yaitu primal-dual
interior point disebut juga MIPS, untuk Solver Interior Point pada Matlab. Hal ini

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 28

diimplementasikan dalam pengkodean yang murni Matlab. Ide ini berasal dari
penerapan algoritma Matlab EXtension (MEX) dijelaskan dalam (H. Wang,
2007).
Solver tersebut jika diterapkan dengan fungsi MIPS, dapat dipanggil sebagai
berikut.
[x, f, exitflag, output, lamda] = …
mips(f_fcn, x0, A,l, u, xmin, xmax, gh_fcn, hess_fcn, opt);

dimana input dan output argumen masing-masing dijelaskan dalam Tabel 1 dan 2.
Sebagai alternatif, argumen input dapat dikemas sebagai bidang dalam struktur
masalah dan disahkan sebagai argumen tunggal, di mana semua bidang kecuali
f_fcn dan x0 adalah opsional.
[x, f, exitflag, output, lamda] = mips(problem);

Syntax yg dipanggil hampir identik dengan yang digunakan oleh fmincon

dari Toolbox Optimasi Matlab. Perbedaan utama adalah kendala linier yang
ditentukan dalam hal fungsi linear tunggal terbatasi ganda ( ) sebagai
lawan kesetaraan terpisah dibatasi ( ) dan ( ) dibatasi atas

fungsi. Secara internal, kendala kesetaraan ditangani secara eksplisit dan

ditentukan pada saat bekerja berdasarkan pada nilai-nilai l dan u.
Tabel 3.1. Input argumen untuk MIPS
Nama Deskripsi
f_fcn Menangani fungsi yang mengevaluasi fungsi tujuan, gradien dan
Hessian untuk nilai tertentu dari x. Syntax untuk memanggil fungsi ini:
[f, df, d2f] = f_fcn(x)
x0 Nilai awal optimasi vektor x.
A, l, u Mendefinisikan kendala linear opsional . Masing-masing
nilai default untuk elemen l dan u adalah -Inf dan Inf
xmin, xmax Batas bawah dan atas opsional pada variabel . Nilai defaultnya adalah -
Inf dan Inf
gh-fcn Menangani fungsi yang mengevaluasi kendala nonlinier opsional dan
gradien untuk nilai tertentu. Syntax untuk memanggil fungsi ini:
[h, g, dh, dg] = gh_fcn(x)
hess_fcn Menangani ke fungsi yang menghitung Hessian dari Lagrangian untuk
nilai yang diberikan , dan , di mana dan adalah pengganda pada
kendala kesetaraan dan ketidaksetaraan dan . Syntax untuk

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 29

memanggil fungsi ini:

Lxx = hess_fcn(x, lam, cost mult),
Dimana = lam.eqnolin, = lam.ineqnolin dan cost_mult adalah
parameter yang digunakan untuk skala fungsi tujuan
opt struktur options pilihan dengan bidang-bidang tertentu, yang semuanya
merupakan pilihan (nilai default yang ditunjukkan dalam tanda kurung).

Nama Deskripsi
verbose (0) Control level untuk tampilan output proses
0 - print tanpa proses info
1 - print dengan sedikit proses info
2 - print dengan banyak proses info
3 - print dengan semua proses info yang ada
feastol (1e-6) Toleransi penghentian untuk kondisi kelayakan
gradtol (1e-6) Toleransi penghentian untuk kondisi gradien
comptol (1e-6) Toleransi penghentian untuk kondisi pelengkap
costtol (1e-6) Toleransi penghentian untuk kondisi biaya
max_it (150) Jumlah iterasi maksimal
step_control (0) Ganti ke variable 1 untuk mengaktifkan step control
max_red (20) jumlah maksimum dari ukuran langkah pengurangan
jika step control aktif.
cost_mult (1) pengganda biaya yang digunakan untuk
meningkatkan pengkondisian skala fungsi tujuan.
Catatan: Nilai ini juga harus melebihi nilai
argumentasi ke-3 untuk fungsi evaluasi Hessian
sehingga dengan tepat dapat meningkatkan fungsi
obyektif dalam Hessian dari Lagrangian tersebut.
problem struktur masukan argumen tunggal alternative dengan bidang yang
sesuai untuk argumen di atas.

Tabel 3.2. Output argumen untuk MIPS

Nama Deskripsi
x Vector solusi
f Nilai akhir fungsi tujuan
exitflag Tanda keluar
1 Kondisi urutan pertama optimalitas memuaskan
0 jumlah maksimum iterasi mencapai
-1 gagal secara numerik
output keluaran output struktur dengan bidang
iterations jumlah iterasi dilakukan
Hist Struktur array dengan lintasan sebagai berikut:
feascond, gradcond, compcond, costcond, gamma,
stepsize, obj, alphap, alphad
message pesan keluar
lambda Struktur yang berisi pengali Lagrange dan Kuhn-Tucker pada kendala,
dengan bidang:
eqnonlin Batasan persamaan nonlinear

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 30

ineqnonlin Batasan ketidaksamaan nonlinear

mu_l Batas terendah (kiri) kendala linear
mu_u Batas tertinggu (kanan) kendala linear
lower Nilai terikat terendah pada variabel optimasi
upper Nilai terikat tertinggi pada variabel optimasi

3.5.1. Contoh Penggunaan MIPS

Kode berikut menunjukkan contoh sederhana menggunakan MIPS untuk
memecahkan optimasi 2 dimensi tak terbatas Rosenbrock "banana" dari fungsi
berikut ini.
(3.1)

Pertama, buat fungsi Matlab yang akan mengevaluasi fungsi tujuan, gradien dan
Hessian, untuk nilai tertentu. Dalam kasus ini, koefisien dari suku pertama
didefinisikan sebagai sebuah parameter .

function [f, df, d2f] = banana(x,a)

f = a*(x(2)-x(1)^2)^2+(1-x(1))^2;
if nargout > 1 %% gradient is required
df = [ 4*a*(x(1)^3 – x(1)*x(2)) + 2*x(1)-2;
2*a*(x(2) – x(1)^2) ];
if nargout > 2 %% hessian is required
d2f = 4*a*[3*x(1)^2 - x(2) + 1/(2*a), -x(1);
-x(1) ½ ];
end
end

Kemudian, penanganan fungsi mendefinisikan nilai dari parameter menjadi 100,

atur nilai awal x, dan panggil fungsi MIPS untuk menyelesaikannya.
>> f_fcn = @(x)banana(x,100);
>> x0 = [-1.9; 2];
>> [x, f] = mips(f_fcn, x0)

x =
1
1
f =
0

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 31

3.6. Quadratic Programming Solver

Sebuah kumpulan fungsi yang disebut qps_mips disediakan untuk
memudahkan dalam mengatur dan memecahkan masalah pemrograman linear
(LP) dan kuadratik pemrograman (QP) dengan bentuk berikut:

(3.2)

Tergantung pada

(3.3)

(3.4)

Alih-alih menangani fungsi, fungsi tujuan ditetapkan pada paramter H dan c dari
koefisien biaya kuadratis. Secara internal, qps_mips melalui MIPS menangani
fungsi yang menggunakan parameter untuk mengevaluasi fungsi tujuan, gradien
dan Hessian.
Syntax untuk memanggil qps_mips mirip dengan yang digunakan oleh
quadprog dari Toolbox Optimasi Matlab.
[x, f, exitflag, output, lamda] = qps_mips(H, c, A, l, …
u, xmin, xmax, x0, opt);

Atau, argumen input dapat dikemas sebagai bidang dalam struktur masalah dan
dilewatkan sebagai argumen tunggal, di mana semua bidang kecuali , dan
adalah opsional.

[x, f, exitflag, output, lamda] = qps_mips(problem);

Selain H dan c, semua argumen input dan output sama persis dengan argumen
yang sama untuk MIPS seperti yang dijelaskan dalam Tabel 1 dan 2.

3.7. Algoritma dari Primal-Dual Interior Point

Bagian ini memberikan beberapa rincian tentang algoritma dari Primal Dual
Interior Point yang digunakan oleh MIPS dan dijelaskan dalam (Da Costa, 1997).

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 32

3.7.1. Perumusan Masalah dan Lagrangian

Metode Primal Dual Interior Point yang digunakan oleh MIPS
memecahkan masalah dalam bentuk:
(3.5)
Tergantung pada :
(3.6)
(3.7)
Pendekatan yang diambil melibatkan mengonversi kendala ketimpangan
menjadi kendala kesetaraan menggunakan fungsi penghalang dan vektor dari
slack positif variabel .

Tergantung pada :
(3.9)
(3.10)
(3.11)
Untuk nilai tertentu, persamaan Lagrangian untuk masalah kesetaraan
dibatasi di atas adalah

Jika dilakukan panurunan parsial pada tiap variable di atas, maka Hessian
dari Lagrangian sehubungan dengan diberikan oleh

(3.13)

3.7.2. Uruta
n Optimalitas Kondisi Pertama

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 33

Optimalitas urutan pertama (Karush-Kuhn-Tucker) persyaratan untuk

masalah ini terpenuhi ketika turunan parsial dari Lagrangian di atas semua set ke
nol, maka :

(3.14)

3.7.3. Langk
ah-Langkah Newton
Kondisi optimalitas urutan pertama diselesaikan menggunakan metode
Newton. Hasil pembaruan langkah metode Newton dapat ditulis sebagai berikut:

(3.15)

(3.16)

Himpunan persamaan ini dapat disederhanakan dan direduksi menjadi satu

set yang lebih kecil dari persamaan dengan memecahkan secara eksplisit untuk
dalam hal dan untuk dalam hal . Mengambil baris ke-2 (3.16) dan
memecahkan untuk kita mendapatkan
(3.17)
Memecahkan baris ke-4 (3.16) untuk menghasilkan ΔZ
(3.18)
Kemudian, substitusi (3.17) dan (3.18) ke baris 1 dari (3.16) menghasilkan

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 34

(3.19)
Dimana
(3.20)

(3.21)
Dan
(3.22)

(3.23)

Menggabungkan (3.19) dan baris ke-3 (3.16) menghasilkan sistem

persamaan dengan ukuran yang berkurang:

(3.24)

Dengan metode Newton yg telah diupdate kemudian dapat dihitung 3

langkah berikut:
1. Mengh
itung dan dari (3.24).
2. Mengh
itung dari (3.18).
3. Mengh
itung dari (3.17)
Dalam rangka mempertahankan kelayakan yang ketat dari solusi percobaan,
masing-masing algoritma ini memotong langkah Newton dengan skala dual

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu

 35

primal dan variabel dengan dan , di mana faktor-faktor skala dihitung

sebagai berikut:

Sehingga menghasilkan update variabel di bawah ini.

(3.27)

(3.28)

(3.29)

(3.30)

Parameter adalah skalar konstan dengan nilai sedikit kurang dari satu.
Pada MIPS, diatur ke 0,99995.
Dalam metode ini, selama iterasi seperti Newton, parameter gangguan harus
konvergen ke nol dalam rangka untuk memenuhi kondisi optimalitas urutan
pertama dari masalah asli. MIPS menggunakan aturan berikut untuk memperbarui
pada setiap iterasi, setelah memperbarui Z dan µ:

Dimana adalah skalar konstan antara 0 dan 1. Pada MIPS diatur ke 0,1.

Dian Anggun Trisnadi, 2013

Studi Aliran Daya Optimal Dengan Optimasi Primal Dual Bernasis Metode Newton

Universitas Pendidikan Indonesia | repository.upi.edu