TESIS
ARIS SUDARTO
1206312151
FAKULTAS TEKNIK
PROGRAM MAGISTER TEKNIK ELEKTRO
MANAJEMEN TEKNIK KETENAGALISTRIKAN DAN ENERGI
2015
UNIVERSITAS INDONESIA
TESIS
Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Teknik
ARIS SUDARTO
1206312151
FAKULTAS TEKNIK
PROGRAM MAGISTER TEKNIK ELEKTRO
MANAJEMEN TEKNIK KETENAGALISTRIKAN DAN ENERGI
JUNI 2015
i Universitas Indonesia
KATA PENGANTAR
(1) Prof. Dr. Ir. Rudy Setiabudy, DEA selaku dosen pembimbing yang telah
menyediakan waktu dan tenaga untuk menyumbangkan ide dan pemikiran
serta mengarahkan saya dalam penyusunan tesis ini;
(2) Orang tua dan istri tercinta yang telah memberikan dukungan moral serta doa
(4) Seluruh rekan-rekan di Direktorat Aneka Energi Baru dan Energi Terbarukan,
Direktorat Jenderal Energi Baru, Terbarukan dan Konservasi Energi,
Kementerian Energi dan Sumber Daya Mineral;
(5) Semua pihak yang telah membantu yang tidak dapat disebutkan satu per satu.
Akhir kata, semoga Allah subhana wa ta’ala memberikan balasan yang terbaik
kepada segenap pihak yang membantu penulis menyelesaikan tesis ini. Kritik dan
saran sangat penulis harapkan agar tesis ini mampu memberikan manfaat bagi
pengembangan ilmu pengetahuan.
Penulis
v Universitas Indonesia
ABSTRAK
vi Universitas Indonesia
ABSTRACT
ix Universitas Indonesia
DAFTAR GAMBAR
x Universitas Indonesia
DAFTAR TABEL
xi Universitas Indonesia
Tabel 4.6 Hasil Perhitungan Indeks Keandalan Sistem Pembangkit
Skenario 2 ..................................................................................... 50
Tabel 4.7 Data Perhitungan LOLP Untuk Skenario 3 ................................... 52
Tabel 4.8 Hasil Perhitungan Indeks Keandalan Sistem Pembangkit
Skenario 3 ...................................................................................... 52
Tabel 4.9 Data Perhitungan LOLP Untuk Skenario 4 ................................... 53
Tabel 4.10 Hasil Perhitungan Indeks Keandalan Sistem Pembangkit
Skenario 4....................................................................................... 53
1 Universitas Indonesia
input yang berasal dari alam dan tidak bisa dikendalikan. Sebagai contoh, daya
listrik yang dibangkitkan oleh pembangkit listrik tenaga surya (PLTS) sangat
bergantung pada iradiasi matahari dan dipengaruhi juga oleh faktor musim dan
cuaca. Dalam penelitian ini, skenario pembangkit baru yang akan
diinterkoneksikan ke sistem pembangkit yang sudah ada (existing) berupa PLTS
tanpa baterai dan pembangkit listrik tenaga biogas.
2 Universitas Indonesia
2. Perencanaan penambahan kapasitas sistem pembangkit dari PLTS yang
masuk ke jaringan dibatasi sebesar 10% dari beban puncak yang bertujuan
untuk menjaga stabilitas sistem tenaga listrik karena sifat daya luaran
PLTS yang tidak stabil dan tidak bisa dikendalikan.
3. Periode studi untuk analisis keandalan dibatasi hanya tahun 2015 sehingga
data yang digunakan untuk analisis keandalan berupa data perkiraan beban
puncak harian (daily peak load) tahun 2015, kapasitas terpasang
pembangkit yang ada (existing) tahun 2014 dan perencanaan penambahan
pembangkit baru pada tahun 2015.
4. Sumber data berasal dari data perencanaan PT PLN (Persero) Wilayah
Bangka Belitung serta data potensi energi terbarukan setempat.
5. Dibuat asumsi-asumsi yang dibutuhkan untuk data lainnya yang belum
ada.
3 Universitas Indonesia
perkiraan penambahan kapasitas pembangkit berbasis energi terbarukan
(PLTS dan PLT Biogas)
6. Menyusun kesimpulan dari hasil analisis keandalan sistem pembangkit di
Bangka berdasarkan skenario rencana penambahan pembangkit
konvensional dan perkiraan penambahan pembangkit berbasis energi
terbarukan
4 Universitas Indonesia
BAB II
KEANDALAN SISTEM PEMBANGKIT TENAGA LISTRIK
5 Universitas Indonesia
Evaluasi keandalan sistem pembangkit dapat dilakukan dengan dua pendekatan
yaitu pendekatan deterministik dan pendekatan probabilistik. Metode yang
digunakan dalam pendekatan probabilistik dibagi menjadi dua metode yaitu
metode analitis dan metode analogis. Dalam penelitian ini, pendekatan yang akan
digunakan untuk melakukan analisis keandalan sistem pembangkit adalah dengan
pendekatan probabilistik. Sedangkan metode yang digunakan adalah metode
analitis. Penggunaan metode analitis memerlukan persamaan matematika yang
merepresentasikan probabilitas kapasitas tersedia sistem pembangkit dan
probabilitas beban yang selanjutnya dikombinasikan untuk mendapatkan indeks
keandalan. Indeks keandalan yang akan dicari berupa Loss of Load Probability
(LOLP) atau Loss of Load Expectation (LOLE) sebagaimana ditunjukkan pada
diagram Gambar 2.1.
Keandalan
sistem
pembangkit
Pendekatan Pendekatan
Deterministik Probabilistik
a
Metode analitis pada Gambar 2.1 dapat dijelaskan lebih lanjut dengan
langkah-langkah umum sebagaimana ditunjukkan pada Gambar 2.2.
6 Universitas Indonesia
Probabilitas Probabilitas
pembangkitan beban
Konvolusi
Indeks keandalan
(LOLP/LOLE)
7 Universitas Indonesia
probabilitas unit pembangkit mengalami gangguan yang dikenal dengan istilah
Unavailability (U) atau Force Outage Rate (FOR). Persamaan untuk mendapatkan
nilai FOR adalah sebagai berikut[1][2]:
𝐹𝑂𝐻
𝐹𝑂𝑅 = 𝑈 = (2.1)
𝑆𝐻+𝐹𝑂𝐻
dimana:
FOH = jumlah jam unit terganggu
SH = jumlah jam unit beroperasi
FOR = probabilitas unit pembangkit mengalami gangguan atau
probabilitas kapasitas keluar (outage) unit pembangkit
Sedangkan probabilitas ketersediaan kapasitas unit pembangkit atau probabilitas
unit pembangkit beroperasi dikenal dengan istilah Availability (A). Untuk
mengetahui nilai probabilitas unit pembangkit beroperasi dapat digunakan
persamaan sebagai berikut:
𝐴 =1−𝑈 (2.2)
atau
𝑆𝐻
𝐴= (2.3)
𝑆𝐻+𝐹𝑂𝐻
dimana:
A = probabilitas kapasitas tersedia unit pembangkit atau
probabilitas unit pembangkit beroperasi
Konsep Unavailability dan Availability dapat diilustrasikan dengan pola operasi
suatu unit pembangkit dengan kapasitas sebesar C sebagaimana ditunjukkan pada
Gambar 2.3.
8 Universitas Indonesia
Informasi yang diperoleh dari Gambar 2.3 dapat dijelaskan sebagai berikut:
Dari Gambar 2.3 dapat ditentukan jumlah jam unit pembangkit beroperasi (SH)
dan jumlah jam unit pembangkit mengalami gangguan atau tidak beroperasi
(FOH), yaitu:
SH = t1 + (t3 – t2) + (t5 – t4)
FOH = t3 – t2
Apabila nilai t1 sampai dengan t5 diketahui, maka probabilitas kapasitas keluar
(outage) sebesar C dapat dihitung dengan Persamaan (2.1) dan probabilitas
kapasitas tersedia sebesar C dapat dihitung dengan Persamaan (2.3). Dengan
mengasumsikan nilai (t2 – t1) dan (t4 – t3) sama dengan 0, maka penjumlahan
hasil yang didapatkan dari Persamaan (2.1) dan Persamaan (2.3) akan sama
dengan 1 atau dengan kata lain berlaku Persamaan (2.2)
9 Universitas Indonesia
Persamaan (2.4) digunakan untuk menghitung probabilitas individu atau eksak
dengan kondisi inisial 𝑃𝑛 −1 𝑋 = 1 dan 𝑃𝑛 −1 𝑋 − 𝐶𝑛 = 0 untuk 𝑋 < 𝐶𝑛 , dan
sebaliknya 𝑃𝑛 −1 𝑋 = 0 dan 𝑃𝑛−1 𝑋 − 𝐶𝑛 = 1 untuk 𝑋 ≥ 𝐶𝑛
Selain itu, persamaan (2.4) juga dapat digunakan untuk menghitung probabilitas
kumulatif kapasitas keluar sebesar X dengan kondisi inisial 𝑃𝑛−1 𝑋 = 1 dan
𝑃𝑛−1 𝑋 − 𝐶𝑛 = 1 untuk 𝑋 < 𝐶𝑛 , dan sebaliknya 𝑃𝑛−1 𝑋 = 0 untuk 𝑋 ≥ 𝐶𝑛
Berikut ini adalah contoh cara menyusun COPT untuk kondisi sistem pembangkit
yang terdiri dari 3 unit pembangkit dengan kapasitas masing-masing sebesar Unit
1 = 10 MW, Unit 2 = 20 MW dan Unit 3 = 30 MW dengan nilai FOR secara
berurutan adalah 𝑈1 = 0,05, 𝑈2 = 0,03 dan 𝑈3 = 0,02. Persamaan yang
digunakan untuk menghitung probabilitas kapasitas keluar adalah Persamaan (2.4)
Probabilitas kapasitas keluar sistem pembangkit disusun secara berurutan sebagai
berikut:
Langkah ke-1: Menambahkan Unit ke-1 dengan C1 = 10 MW dan U1 = 0,05
Dengan mengikuti kondisi inisial Persamaan (2.4), perhitungan probabilitas
individu atau eksak dilakukan sebagai berikut:
𝑃𝑛 𝑋 = 𝑃𝑛−1 𝑋 . 1 − 𝑈1 + 𝑃𝑛 −1 𝑋 − 𝐶𝑛 . 𝑈1
Menghitung probabilitas kapasitas keluar sebesar 0 MW, P1(0), dimana n = 1
𝑃1 0 = 𝑃0 0 . 1 − 𝑈1 + 𝑃0 0 − 𝐶1 . 𝑈1
𝑃1 0 = 𝑃0 0 . 1 − 0,05 + 𝑃0 0 − 10 . 0,05
𝑃1 0 = 1 1 − 0,05 + 0 0,05 = 0,95
Menghitung probabilitas kapasitas keluar sebesar 10 MW, P1(10), dimana n = 1
𝑃1 10 = 𝑃0 10 . 1 − 𝑈1 + 𝑃0 10 − 𝐶1 . 𝑈1
𝑃1 10 = 𝑃0 10 . 1 − 0,05 + 𝑃0 10 − 10 . 0,05
𝑃1 10 = 0 1 − 0,05 + 1 0,05 = 0,05
Dengan asumsi bahwa pembangkit hanya memiliki 2 keadaan operasi yaitu
beroperasi dengan kapasitas penuh dan tidak beroperasi, maka bisa ditentukan
bahwa nilai probabilitas kapasitas keluar sebesar 0 MW sama dengan nilai
probabilitas kapasitas masuk/tersedia sebesar 10 MW. Begitu juga sebaliknya,
nilai probabilitas kapasitas keluar sebesar 10 MW sama dengan nilai probabilitas
kapasitas masuk/tersedia sebesar 0 MW.
10 Universitas Indonesia
Dari hasil perhitungan pada Langkah ke-1 dan penjelasannya, maka dapat dibuat
tabel probabilitas ketersediaan kapasitas untuk unit pembangkit ke-1 sebagaimana
ditunjukkan oleh Tabel 2.1
Tabel 2.1. COPT Untuk 1 Unit Pembangkit
Kapasitas Keluar Kapasitas Masuk Probabilitas
Unit 1
(MW) (MW) Eksak
0 10 beroperasi 0,95
10 0 tidak beroperasi 0,05
11 Universitas Indonesia
Dari hasil perhitungan pada Langkah ke-2 dan dengan asumsi bahwa tiap unit
pembangkit hanya memiliki 2 keadaan operasi, maka dapat dibuat tabel
probabilitas ketersediaan kapasitas untuk sistem pembangkit yang terdiri dari Unit
1 dan Unit 2 sebagaimana ditunjukkan oleh Tabel 2.2
Tabel 2.2. COPT Untuk 2 Unit Pembangkit
Kapasitas Kapasitas
Probabilitas
Keluar Masuk Unit 1 Unit 2
Eksak
(MW) (MW)
0 30 beroperasi beroperasi 0,9215
10 20 tidak beroperasi beroperasi 0,0485
20 10 beroperasi tidak beroperasi 0,0285
30 0 tidak beroperasi tidak beroperasi 0,0015
12 Universitas Indonesia
𝑃3 30 = 0,0015 1 − 0,02 + 0,9215 0,02 = 0,01990
Menghitung probabilitas kapasitas keluar sebesar 40 MW, P3(40), dimana n = 3
𝑃3 40 = 𝑃2 40 . 1 − 𝑈3 + 𝑃2 40 − 𝐶3 . 𝑈3
𝑃1 20 = 𝑃2 40 . 1 − 0,02 + 𝑃2 10 . 0,02
𝑃3 40 = 0 1 − 0,02 + 0,0485 0,02 = 0,00097
Menghitung probabilitas kapasitas keluar sebesar 50 MW, P3(50), dimana n = 3
𝑃3 50 = 𝑃2 50 . 1 − 𝑈3 + 𝑃2 50 − 𝐶3 . 𝑈3
𝑃1 20 = 𝑃2 50 . 1 − 0,02 + 𝑃2 20 . 0,02
𝑃3 50 = 0 1 − 0,02 + 0,0285 0,02 = 0,00057
Menghitung probabilitas kapasitas keluar sebesar 60 MW, P3(60), dimana n = 3
𝑃3 60 = 𝑃2 60 . 1 − 𝑈3 + 𝑃2 60 − 𝐶3 . 𝑈3
𝑃1 20 = 𝑃2 60 . 1 − 0,02 + 𝑃2 30 . 0,02
𝑃3 60 = 0 1 − 0,02 + 0,0015 0,02 = 0,00003
Dari hasil perhitungan pada Langkah ke-3 dan dengan asumsi bahwa tiap unit
pembangkit hanya memiliki 2 keadaan operasi, maka dapat dibuat tabel
probabilitas ketersediaan kapasitas untuk sistem pembangkit yang terdiri dari Unit
1, Unit 2 dan Unit 3 sebagaimana ditunjukkan pada Tabel 2.3
Tabel 2.3. COPT Untuk 3 Unit Pembangkit
Kapasitas Kapasitas
Probabilitas
Keluar Masuk Unit 1 Unit 2 Unit 3
Eksak
(MW) (MW)
0 60 beroperasi beroperasi beroperasi 0,90307
tidak
10 50 beroperasi beroperasi 0,04753
beroperasi
tidak
20 40 beroperasi beroperasi 0,02793
beroperasi
tidak tidak
beroperasi
beroperasi beroperasi
30 30 0,01990
tidak
beroperasi beroperasi
beroperasi
tidak tidak
40 20 beroperasi 0,00097
beroperasi beroperasi
tidak tidak
50 10 beroperasi 0,00057
beroperasi beroperasi
tidak tidak tidak
60 0 0,00003
beroperasi beroperasi beroperasi
13 Universitas Indonesia
Apabila telah didapatkan probabilitas eksak untuk masing-masing kapasitas keluar
sistem pembangkit, maka dapat dihitung probabilitas kumulatifnya sebagai
berikut:
Probabilitas kumulatif untuk kapasitas keluar ≥ 60 MW, Pk(60)
Pk(60) = P3(60) = 0,00003
Probabilitas kumulatif untuk kapasitas keluar ≥ 50 MW, Pk(50)
Pk(50) = Pk(60) + P3(50) = 0,00003 + 0,00057 = 0,00060
Probabilitas kumulatif untuk kapasitas keluar ≥ 40 MW, Pk(40)
Pk(40) = Pk(50) + P3(40) = 0,00060 + 0,00097 = 0,00157
Probabilitas kumulatif untuk kapasitas keluar ≥ 30 MW, Pk(30)
Pk(30) = Pk(40) + P3(30) = 0,00157 + 0,01990 = 0,02147
Probabilitas kumulatif untuk kapasitas keluar ≥ 20 MW, Pk(20)
Pk(20) = Pk(30) + P3(20) = 0,02147 + 0,02793 = 0,04940
Probabilitas kumulatif untuk kapasitas keluar ≥ 10 MW, Pk(10)
Pk(10) = Pk(20) + P3(10) = 0,04940 + 0,04753 = 0,09693
Probabilitas kumulatif untuk kapasitas keluar ≥ 0 MW, Pk(0)
Pk(0) = Pk(10) + P3(0) = 0,09693 + 0,90307 = 1
Selanjutnya, untuk membuat COPT yang dilengkapi dengan probabilitas
kumulatif, maka langkah yang dilakukan adalah membuat kolom baru pada Tabel
2.3 yang diisi dengan hasil perhitungan probabilitas kumulatif sistem pembangkit
dan menghapus kolom kondisi operasi unit pembangkit. Contoh COPT yang telah
dilengkapi dengan probabilitas kumulatif ditunjukkan oleh Tabel 2.4
Tabel 2.4. COPT Untuk 3 Unit Pembangkit dan Probabilitas Kumulatifnya
Kapasitas Kapasitas Probabilitas Eksak Probabilitas
Masuk (MW) Keluar (MW) (Individu) Kumulatif
60 0 0,90307 1
50 10 0,04753 0,09693
40 20 0,02793 0,04940
30 30 0,01990 0,02147
20 40 0,00097 0,00157
10 50 0,00057 0,00060
0 60 0,00003 0,00003
14 Universitas Indonesia
2.3. Menyusun Tabel Probabilitas Beban
Tabel Probabilitas Beban (Load Probability Table – LPT). LPT merupakan
salah satu metode yang merepresentasikan beban dalam evaluasi keandalan sistem
tenaga listrik. Untuk mendapatkan probabilitas nilai beban digunakan persamaan
sebagai berikut [3]:
𝑃 𝐿𝑖 = 𝑡𝑖 𝑇 (2.5)
di mana:
𝑃 𝐿𝑖 = probabilitas beban saat nilai beban sebesar Li
𝑡𝑖 = jumlah jam atau hari pada saat beban sebesar Li
𝑇 = jumlah jam atau hari selama periode studi
15 Universitas Indonesia
Untuk menetukan probabilitas beban dari Tabel 2.5, langkah-langkah yang perlu
dilakukan adalah sebagai berikut:
Langkah ke-1:
Mengurutkan nilai beban dari yang tertinggi ke nilai beban yang terendah.
Dengan mengacu pada Tabel 2.5, setelah dilakukan Langkah ke-1, didapatkan
nilai beban yang telah diurutkan dari nilai beban yang tertinggi ke nilai beban
yang terendah sebagaimana ditunjukkan oleh Tabel 2.6
Tabel 2.6. Nilai Beban Yang Diurutkan Dari Yang Tertinggi
Nilai beban sesuai urutan Nilai beban yang sudah diurutkan dari yang
tanggal (MW) tertinggi sampai yang terendah (MW)
97,910 115,81
92,960 114,48
91,068 114,48
. .
. .
. .
89,775 82,080
96,326 80,179
96,691 77,430
Langkah ke-2:
Mengkonversi satuan nilai beban yang sudah diurutkan ke satuan p.u. dengan
beban puncak tertinggi sebagai basisnya
Tabel 2.7. Nilai Beban Dalam Satuan Per Unit (p.u)
Nilai beban (MW) Nilai beban (p.u)
115,81 1
114,48 0,9885
114,48 0,9885
. .
. .
. .
82,080 0,7087
80,179 0,6923
77,430 0,6686
16 Universitas Indonesia
Langkah ke-3:
Menghitung frekuensi munculnya beban yang sudah dikonversi dalam satuan p.u.
dengan cara mengelompokkan nilai beban yang sama atau yang berdekatan dan
selanjutnya dihitung ada berapa nilai beban dalam kelompok tersebut
Tabel 2.8. Nilai Beban Dalam Satuan p.u. Dan Frekuensinya
Nilai beban (p.u) Frekuensi
1 1
0,99 4
0,98 1
0,97 4
. .
. .
0,83 36
0,82 35
0,81 24
. .
. .
0,69 0
0,68 0
0,67 1
Keterangan Tabel 2.8:
- Nilai beban yang sama dengan atau yang mendekati nilai 0,99 p.u dapat
diidentifikasi muncul sebanyak 4 kali
- Nilai beban yang sama dengan atau yang mendekati nilai 0,82 p.u dapat
diidentifikasi muncul sebanyak 35 kali, dan seterusnya
- Isi dalam kolom frekuensi apabila dijumlahkan seluruhnya akan diperoleh
bilangan sebesar 365. Bilangan tersebut menunjukkan jumlah data beban
atau total hari periode studi.
Langkah ke-4:
Untuk mendapatkan probabilitas eksak atau individu beban dilakukan dengan cara
membagi masing-masing frekuensi pada kolom Tabel 2.8 dengan total hari
periode studi. Sedangkan untuk mendapatkan probabilitas kumulatif dilakukan
dengan cara yang sama seperti mendapatkan probabilitas kumulatif pada Tabel
2.4. Probabilitas eksak dan kumulatif beban ditunjukkan oleh Tabel 2.9.
17 Universitas Indonesia
Tabel 2.9. Probabilitas Beban Puncak Harian di Bangka Tahun 2013
Probabilitas Eksak Probabilitas
Nilai beban (p.u) Frekuensi
(Individu) Kumulatif
1 1 1/365 = 0,002740 1
0,99 4 4/365 = 0,010959 0,997260
0,98 1 0,002740 0,986301
0,97 4 0,010959 0,983562
. . . .
. . . .
0,83 36 0,098630 0,495890
0,82 35 0,095890 0,397260
0,81 24 0,065753 0,301370
. . . .
. . . .
0,69 0 0 0,002740
0,68 0 0 0,002740
0,67 1 0,002740 0,002740
18 Universitas Indonesia
dari cara menghitung LOLP apakah menggunakan beban puncak harian (daily
peak load) atau beban setiap jam (hourly load). Penggunaan kedua data beban
tersebut sangat lazim dalam evaluasi dan perencanaan keandalan sistem
pembangkit [6].
Untuk mendapatkan nilai LOLP, yang dilakukan selanjutnya adalah
melakukan konvolusi terhadap probabilitas ketersediaan kapasitas pembangkit
dengan probabilitas beban. Konvolusi dilakukan dengan cara mengkombinasikan
COPT dan LPT dimana dalam terminologi probabilitas bahwa kejadian pada
COPT dan LPT merupakan peristiwa independen, sehingga probabilitas kejadian
keduanya juga tidak saling mempengaruhi. Kombinasi keduanya dilakukan
dengan mengalikan probabilitas masing-masing kejadian. Sebagaimana diketahui
bahwa data COPT dan LPT berupa data diskrit, maka kombinasi kapasitas tersedia
dengan beban puncak akan menghasilkan kapasitas margin yang berupa data
diskrit pula. Kapasitas margin merupakan selisih antara kapasitas tersedia dengan
beban. Untuk mengetahui besarnya probabilitas kumulatif kapasitas margin, dapat
dihitung menggunakan persamaan konvolusi paralel sebagai berikut [1][3]:
𝑁𝑏
𝑃𝑐 𝑋𝑘 = 𝑗 =0 𝑃𝑎 𝑋𝑘 + 𝑋𝑗 . [𝑃𝑏 𝑋𝑗 − 𝑃𝑏 𝑋𝑗 +1 ] (2.6)
di mana:
𝑃𝑎 𝑋𝑘 + 𝑋𝑗 = probabilitas kumulatif kapasitas tersedia unit pembangkit
𝑃𝑏 𝑋𝑗 = probabilitas kumulatif beban ( j = 0,1,2,.., 𝑁𝑏 )
𝑃𝑐 𝑋𝑘 = probabilitas kumulatif kapasitas margin
𝑋𝑗 = kapasitas beban (MW)
𝑋𝑘 = kapasitas margin (MW), dapat berupa bilangan negatif
atau positif
𝑋𝑘 + 𝑋𝑗 = kapasitas tersedia unit pembangkit (MW)
𝑁𝑏 = jumlah data beban (p.u) dalam tabel probabilitas beban
Nilai probabilitas kumulatif kapasitas margin 𝑃𝑐 𝑋𝑘 pada saat 𝑋𝑘 < 0
menunjukkan nilai indeks keandalan LOLP.
Nilai LOLP pada dasarnya ditentukan sebagai kriteria keandalan dalam
membuat perencanaan pembangkitan. Dalam rencana umum penyediaan tenaga
listrik, PLN menetapkan standar nilai indeks LOLP untuk sistem pembangkit
19 Universitas Indonesia
kurang dari 0,274% atau apabila dinyatakan dalam hari/tahun setara dengan
kurang dari 1 hari/tahun.
𝑡
𝐿𝑂𝐿𝑃𝐵𝑎𝑠𝑒 = 𝑖=1 𝑃(𝐺𝑖 < 𝐿𝑖 ) (2.7)
20 Universitas Indonesia
di mana:
𝐺𝑖 = kapasitas sistem pembangkit existing yang tersedia
pada jam ke-i
𝐿𝑖 = besar beban pada jam ke-i
𝑃(𝐺𝑖 < 𝐿𝑖 ) = probabilitas kapasitas pembangkit yang tersedia lebih
kecil dari beban (LOLP dalam setiap jam)
𝑡 = jumlah jam dalam periode studi
Dengan menjumlahkan seluruh LOLP setiap jam akan diperoleh 𝐿𝑂𝐿𝑃𝑏𝑎𝑠𝑒
𝑡
𝐿𝑂𝐿𝑃𝑃𝑉 = 𝑖=1 𝑃(𝐺𝑖 < 𝐿𝑖 − 𝐶𝑖 ) (2.8)
di mana:
𝐶𝑖 = daya luaran PLTS pada jam ke-i
𝑃(𝐺𝑖 < 𝐿𝑖 − 𝐶𝑖 ) = probabilitas kapasitas sistem pembangkit existing
yang tersedia lebih kecil dari beban yang telah
dikurangi dengan daya luaran PLTS
(LOLP dalam setiap jam)
Dengan menjumlahkan seluruh LOLP setiap jam akan diperoleh 𝐿𝑂𝐿𝑃𝑃𝑉
𝑡
𝐿𝑂𝐿𝑃𝐿𝑜𝑎𝑑 = 𝑖=1 𝑃(𝐺𝑖 < 𝐿𝑖 − 𝐶𝑖 + 𝐷) (2.9)
di mana:
21 Universitas Indonesia
𝐷 = beban konstan yang ditambahkan tiap jam
𝑃(𝐺𝑖 < 𝐿𝑖 − 𝐶𝑖 + 𝐷) = probabilitas kapasitas sistem pembangkit
existing yang tersedia lebih kecil dari
beban yang telah dikurangi dengan daya
luaran PLTS dan ditambah dengan beban
konstan (LOLP dalam setiap jam)
Dengan menjumlahkan seluruh LOLP setiap jam akan diperoleh 𝐿𝑂𝐿𝑃𝐿𝑜𝑎𝑑 .
Nilai D ditambahkan hingga didapatkan nilai 𝐿𝑂𝐿𝑃𝐿𝑜𝑎𝑑 sama dengan nilai
𝐿𝑂𝐿𝑃𝐵𝑎𝑠𝑒 . Nilai D inilah yang didefinisikan sebagai ELCC pada PLTS
yang ditambahkan ke dalam sistem.
22 Universitas Indonesia
BAB III
POTENSI ENERGI TERBARUKAN DAN KONDISI SISTEM
KETENAGALISTRIKAN DI BANGKA
Silikon Tipe N (P +)
Silikon Tipe P (B -)
23 Universitas Indonesia
Sel surya ideal dapat direpresentasikan dengan sumber arus yang
dihubungkan paralel dengan dioda penyearah sebagaimana ditunjukkan oleh
Gambar 3.2. Karakteristik hubungan antara I-V dideskripsikan dengan persamaan
sebagai berikut [10]:
𝑞𝑉
𝐼 = 𝐼𝑝ℎ − 𝐼0 (𝑒 𝑘 𝐵 𝑇 − 1) (3.1)
di mana:
I = arus pada terminal sel surya (A)
Iph = arus yang dihasilkan oleh cahaya (A)
I0 = arus saturasi dioda (A)
q = muatan elektron, 1,6 x 10-19 C
V = tegangan terminal sel surya (V)
kB = konstanta Boltzman, 1,38 x 10-23 J/K
T = temperatur ambien (K)
Pada Gambar 3.3(a) menunjukkan karakteristik hubungan antara I-V. Pada kondisi
ideal, arus hubung singkat Isc sama dengan I ph, dan tegangan sirkuit terbuka Voc
dirumuskan sebagai berikut:
𝑘𝐵 𝑇 𝐼𝑝 ℎ
𝑉𝑜𝑐 = ln(1 + ) (3.2)
𝑞 𝐼0
Daya P = IV yang dihasilkan oleh sel ditunjukkan pada Gambar 3.3(b). Sel surya
akan menghasilkan daya maksimal P max pada saat tegangan Vm dan arus Im.
24 Universitas Indonesia
Ampere
(a)
Arus
Luasan daya
maksimum
Volt
Tegangan
Ampere
(b)
Daya
Volt
Tegangan
Gambar 3.4. Karakteristik Daya Sel Surya Pada Level Radiasi Yang
Berbeda [11]
25 Universitas Indonesia
Persamaan untuk memperoleh nilai daya PLTS dapat ditunjukkan sebagai berikut:
GT
P = Prated × ηe (3.3)
G ref
di mana:
P = daya yang dihasilkan (Watt)
Prated = kapasitas potensi PLTS (Watt)
ηe = efisiensi peralatan
GT = radiasi matahari sesaat (Watt/m2)
Gref = radiasi matahari referensi pada kondisi tes standar (STC)
(1000 Watt/m2)
26 Universitas Indonesia
Persamaan untuk menentukan potensi kapasitas potensi PLTS adalah :
A area
Prated = Punit × (3.4)
A pv
di mana:
Punit = daya modul surya per unit (Watt)
Prated = kapasitas potensi PLTS (Watt)
Aarea = luas area/lahan untuk penempatan modul surya (m2)
Apv = luas modul surya per unit (m2)
A area
= jumlah unit
A pv
27 Universitas Indonesia
Tabel 3.1. Radiasi Rata-rata Harian Selama 7 Jam (09.00 – 16.00) Untuk Wilayah
Bangka Tahun 2001 – 2011 (W/m2)
Bulan
Tanggal
Jan Feb Mar Apr Mei Jun Jul Agust Sep Okt Nop Des
1 730,65 697,76 770,77 765,66 589,15 703,63 739,85 753,94 832,70 793,96 682,28 661,22
2 731,04 736,16 796,61 757,87 634,73 716,77 692,05 739,78 802,98 806,82 695,19 697,54
3 690,90 716,90 759,27 760,33 704,03 727,71 696,45 750,11 753,65 745,32 662,62 612,42
4 622,96 730,95 824,30 770,95 679,37 717,02 665,00 748,52 742,85 775,81 658,04 641,73
5 637,42 783,98 812,85 752,74 685,60 674,49 724,73 780,44 746,69 744,55 685,65 596,46
6 669,21 766,53 778,38 738,52 606,35 677,79 692,48 768,38 804,64 776,55 600,38 723,49
7 634,17 794,12 808,33 733,82 694,07 730,31 753,21 777,93 816,69 729,12 701,39 702,66
8 641,40 798,62 803,66 721,58 724,38 632,35 697,04 719,87 757,96 699,75 598,11 631,19
9 620,50 812,77 812,65 734,16 704,30 711,76 724,43 768,22 735,01 804,85 725,51 733,14
10 685,37 814,24 803,97 779,44 727,22 710,39 693,31 769,89 777,88 762,43 657,28 639,97
11 677,29 783,18 772,11 694,43 676,28 679,94 691,28 782,93 736,31 792,92 696,81 652,45
12 626,22 787,66 761,28 769,53 668,81 711,38 683,27 781,98 794,52 737,81 714,44 592,75
13 688,16 810,31 773,16 770,86 751,76 739,17 684,39 799,81 793,32 734,36 620,96 679,29
14 696,43 814,56 802,24 777,76 662,59 679,89 702,15 780,79 806,88 803,07 639,91 663,39
15 710,60 753,20 768,80 755,96 663,17 637,13 689,46 761,06 777,01 780,21 652,71 680,93
16 684,36 797,49 810,81 713,83 711,68 643,91 696,20 748,93 769,17 744,43 656,00 645,98
17 748,98 775,36 764,67 742,37 717,27 653,94 710,67 773,42 767,24 725,44 675,69 543,43
18 754,08 800,07 819,78 689,70 709,46 685,25 662,12 778,66 802,85 783,33 620,21 691,57
19 749,88 789,42 729,43 669,47 718,81 706,32 702,09 735,97 827,37 738,71 658,17 596,98
20 766,07 742,02 760,88 687,32 726,49 672,83 701,04 780,76 827,94 700,17 644,08 614,74
21 784,42 775,12 741,17 640,33 683,67 724,16 670,27 742,30 823,88 756,40 615,94 663,92
22 765,71 810,30 754,68 706,00 697,44 702,94 669,17 812,76 833,29 672,19 615,12 618,90
23 749,17 738,41 744,08 692,04 739,87 672,82 689,63 783,09 804,13 686,96 722,02 654,77
24 715,54 782,14 731,90 734,72 720,25 673,01 674,42 765,89 815,19 735,48 703,45 602,00
25 757,74 818,61 805,18 764,71 707,79 701,60 708,95 811,58 778,95 736,03 711,74 572,24
26 730,68 807,19 840,41 656,01 731,87 686,89 702,17 715,56 813,27 708,42 684,38 550,68
27 681,25 828,19 784,51 671,73 663,36 687,62 741,61 769,12 779,04 772,04 700,42 578,10
28 727,25 787,75 730,12 720,90 667,17 637,33 760,53 712,41 801,99 661,60 650,94 531,21
29 742,99 786,56 664,85 726,73 675,89 719,48 780,01 818,84 723,22 606,30 545,81
30 733,39 768,50 685,74 688,50 722,85 684,45 799,42 731,29 721,05 571,06 655,87
31 754,61 755,84 725,26 744,83 811,31 702,65 689,02
Sumber: diolah dari data radiasi rata-rata harian NCEP tahun 2001 – 2011 [17]
Adapun asumsi yang digunakan untuk perhitungan daya luaran PLTS adalah
sebagai berikut:
1. Kapasitas potensi PLTS sesuai dengan hasil perhitungan yaitu 11,8 MW
2. Daya luaran PLTS selama 7 jam pada siang hari diasumsikan sebagai
berikut:
a. Jam 09.00 – 11.00: daya keluaran sebesar 75%
b. Jam 11.00 – 13.00: daya keluaran sebesar 100%
c. Jam 13.00 – 15.00: daya keluaran sebesar 30%
d. Jam 15.00 – 16.00: daya keluaran sebesar 10%
3. Faktor terhalangnya modul dari mendapat cahaya matahari (shading)
akibat perubahan cuaca dan lain-lain diabaikan
Dengan memanfaatkan data radiasi rata-rata harian pada Tabel 3.1 serta asumsi-
asumsi perhitungan yang telah ditetapkan, maka daya luaran PLTS dapat dihitung
dengan mengaplikasikan Persamaan (3.3).
28 Universitas Indonesia
Sebagai contoh akan dihitung daya luaran PLTS pada tanggal 1 Januari (P1jan)
sebagai berikut:
Prated = kapasitas terpasang PLTS = 11,8 MW
GT = radiasi rata-rata harian pada tanggal 1 Januari = 730,65 W/m2
Gref = radiasi matahari referensi pada kondisi tes standar (STC) = 1000 W/m2
ηe = efisiensi peralatan selain modul surya = 0,85 (asumsi)
GT 730,65
P1jan = Prated × ηe = 11,8 × × 0,85 = 7,328 MW
Gref 1000
Daya Jam
Luaran
09.00-11.00 11.00-13.00 13.00-15.00 15.00-16.00 09.00-16.00
PLTS
(75%) (100%) (30%) (10%) (rata-rata)
(MW)
P1jan 5,496 7,328 2,199 0,733 4,397
Nilai daya luaran rata-rata selama 7 jam (09.00-16.00) diperoleh dari perhitungan
sebagai berikut:
5,496 × 2 jam + 7,328 × 2 jam + 2,199 × 2 jam +(0,733 × 1 jam )
P1jan (09.00-16.00) =
7 jam
Gambar 3.5. Prediksi Daya Luaran Rata-Rata Harian PLTS 11,8 MW Tahun 2015
29 Universitas Indonesia
Tabel 3.2. Prediksi Daya Luaran Rata-Rata Harian PLTS 11,8 MW Tahun 2015
(MW)
Bulan
Tanggal
Jan Feb Mar Apr Mei Jun Jul Agust Sep Okt Nop Des
1 4,397 4,199 4,638 4,608 3,546 4,234 4,452 4,537 5,011 4,778 4,106 3,979
2 4,399 4,430 4,794 4,561 3,820 4,314 4,165 4,452 4,832 4,855 4,184 4,198
3 4,158 4,314 4,569 4,576 4,237 4,379 4,191 4,514 4,535 4,485 3,988 3,686
4 3,749 4,399 4,961 4,640 4,088 4,315 4,002 4,505 4,470 4,669 3,960 3,862
5 3,836 4,718 4,892 4,530 4,126 4,059 4,361 4,697 4,494 4,481 4,126 3,589
6 4,027 4,613 4,684 4,444 3,649 4,079 4,167 4,624 4,842 4,673 3,613 4,354
7 3,816 4,779 4,865 4,416 4,177 4,395 4,533 4,682 4,915 4,388 4,221 4,229
8 3,860 4,806 4,836 4,342 4,359 3,805 4,195 4,332 4,561 4,211 3,599 3,799
9 3,734 4,891 4,891 4,418 4,238 4,283 4,360 4,623 4,423 4,844 4,366 4,412
10 4,125 4,900 4,838 4,691 4,376 4,275 4,172 4,633 4,681 4,588 3,955 3,851
11 4,076 4,713 4,647 4,179 4,070 4,092 4,160 4,712 4,431 4,772 4,193 3,926
12 3,769 4,740 4,581 4,631 4,025 4,281 4,112 4,706 4,781 4,440 4,299 3,567
13 4,141 4,876 4,653 4,639 4,524 4,448 4,119 4,813 4,774 4,419 3,737 4,088
14 4,191 4,902 4,828 4,681 3,987 4,092 4,226 4,699 4,856 4,833 3,851 3,992
15 4,276 4,533 4,627 4,549 3,991 3,834 4,149 4,580 4,676 4,695 3,928 4,098
16 4,118 4,799 4,879 4,296 4,283 3,875 4,190 4,507 4,629 4,480 3,948 3,888
17 4,507 4,666 4,602 4,468 4,317 3,935 4,277 4,654 4,617 4,366 4,066 3,270
18 4,538 4,815 4,933 4,151 4,270 4,124 3,985 4,686 4,832 4,714 3,732 4,162
19 4,513 4,751 4,390 4,029 4,326 4,251 4,225 4,429 4,979 4,446 3,961 3,593
20 4,610 4,465 4,579 4,136 4,372 4,049 4,219 4,699 4,983 4,214 3,876 3,700
21 4,721 4,665 4,460 3,854 4,114 4,358 4,034 4,467 4,958 4,552 3,707 3,995
22 4,608 4,876 4,542 4,249 4,197 4,230 4,027 4,891 5,015 4,045 3,702 3,725
23 4,508 4,444 4,478 4,165 4,453 4,049 4,150 4,713 4,839 4,134 4,345 3,940
24 4,306 4,707 4,405 4,422 4,334 4,050 4,059 4,609 4,906 4,426 4,233 3,623
25 4,560 4,926 4,846 4,602 4,259 4,222 4,266 4,884 4,688 4,429 4,283 3,444
26 4,397 4,858 5,058 3,948 4,404 4,134 4,226 4,306 4,894 4,263 4,119 3,314
27 4,100 4,984 4,721 4,042 3,992 4,138 4,463 4,629 4,688 4,646 4,215 3,479
28 4,377 4,741 4,394 4,338 4,015 3,835 4,577 4,287 4,826 3,981 3,917 3,197
29 4,471 4,734 4,001 4,373 4,068 4,330 4,694 4,928 4,352 3,649 3,285
30 4,414 4,625 4,127 4,143 4,350 4,119 4,811 4,401 4,339 3,437 3,947
31 4,541 4,549 4,365 4,482 4,882 4,229 4,147
30 Universitas Indonesia
sebagai bahan bakar boiler atau dibakar langsung menjadi abu dan digunakan
sebagai sumber pupuk. Untuk setiap ton TBS diperoleh 230 kg TKS.
2. Serabut Sawit – Mesocrap Fiber
Serabut Sawit diperoleh setelah tandan kosong mengalami penekanan di
sebuah kolom bertekanan dan mesin penampi dan mesin depericarper.
Serabut/ serat sawit berbentuk pendek dan kuning kecoklatan. Limbah ini
biasanya digunakan sebagai sumber bahan bakar untuk boiler dalam
kombinasi dengan tandan kosong dan cangkang sawit.
3. Cangkang Kelapa Sawit – Palm Kernel Shell
Cangkang kelapa sawit dihasilkan dari pemisahan kacang sawit dengan
dengan cangkangnya. Kacang sawit diproses lebih lanjut untuk menghasilkan
minyak inti sawit (Palm Kernel Oil). Sedangkan cangkang biasanya
digunakan sebagai bahan bakar bersama tandan kosong dan serabut sawit.
4. Batang Kelapa Sawit – Oil Palm Trunk
Batang kelapa sawit dihasilkan dari proses peremajaan perkebunan kelapa
sawit. Pohon kelapa sawit yang sudah tua (berumur diatas 20-25 tahun)
ditebang, kemudian diparut dan dibawa ke lapangan untuk terurai secara
alami. Batang kelapa sawit mengandung kadar air yang sangat tinggi (60%-
300%) tergantung pada ketinggian dan usianya). Batang terditi dari bahan
lignoselulosa dan memiliki potensi untuk menjadi bahan baku berharga.
5. Daun Kelapa Sawit – Oil Palm Frond
Daun kelapa sawit tersedia musiman selama penebangan dan terus menerus
dari pemangkasan selama panen buah. Daun sawit biasa digunakan sebagai
mulsa di lapangan. Ketika daun membusuk, maka daun akan melepaskan
nutrisi ke dalam tanah. Selain itu, mulsa berfungsi untuk mengurangi erosi
tanah, melestarikan kelembaban tanah dan meningkatkan kegiatan
mikroorganisme. Hal ini dapt membantu memperbaiki struktur tanah dan sifat
biokimia. Daun sawit ini kaya akan kandungan nitrogen dan dapat digunakan
sebagai sumber pakan ruminansia.
6. Limbah Cair Kelapa Sawit – Palm Oil Mill Effluent (POME)
POME adalah cairan yang berupa limbah dari produksi pemurnian minyak
mentah. Limbah cair ini tidak dapat dibuang langsung ke perairan karena
31 Universitas Indonesia
sangat berbahaya bagi lingkungan. Akan tetapi, POME memiliki potensi
untuk dijadikan biogas. Sedimen yang terdapat dalam POME biasanya
dimanfaatkan sebagai pupuk.
Proses pengolahan Tandan Buah Segar kelapa sawit menjadi Crude Palm Oil (CPO)
secara sederhana dapat ditunjukkan pada Gambar 3.6. Dari 1 ton TBS yang diolah
diperoleh CPO sebanyak 140-220 kg. Proses ini membutuhkan energi sebanyak
20-25 kWh/t dan 0,73 ton uap panas. Selain menghasilkan CPO, proses
pengolahan ini akan menghasilkan produk sampingan berupa limbah padat, cair
dan gas. Limbah cair yang dihasilkan sebanyak 600-700 kg POME yang apabila
diproses lebih lanjut akan menghasilkan biogas kurang lebih sebanyak 20 m3 .
Limbah padat yang dihasilkan adalah serat dan cangkang sebanyak 190 kg dan
tandan kosong sebanyak 230 kg (kadar air 65%). Sedangkan limbah gas yang
dihasilkan berupa emisi gas dari boiler dan incenerator (Lacrosse, 2004).
Berdasarkan hasil kajian terhadap 400 pabrik kelapa sawit di Malaysia yang
dilakukan oleh Global Green Synergy diperoleh perbandingan antara TBS dengan
komponen limbah kelapa sawit seperti ditunjukkan pada Tabel 3.3 [12]
32 Universitas Indonesia
Tabel 3.3. Perbandingan Dalam Persen Komponen Limbah dari TBS [12]
Jenis Limbah Kelapa Sawit % terhadap TBS*) Jumlah (juta ton)
Tandan Kosong Sawit (TKS) 23 21,90
Serabut Sawit 13 12,38
Cangkang Kelapa Sawit 6 5,71
POME 58 55,22
*) berdasarkan hasil pengolahan TBS sebanyak 95,21 ton pada tahun 2012
Sumber: http://www.ggs.my/index.php/palm-biomass
Gambar 3.7. Produk Limbah Sawit dan CPO Terhadap Berat TBS (Basis Kering)
Sumber: Abdullah dan Sulaiman (2013) [16]
POME yang dihasilkan pabrik kelapa sawit untuk selanjutnya dapat
dimanfaatkan untuk memproduksi biogas. Biogas adalah suatu campuran gas-gas
yang dihasilkan dari suatu proses fermentasi bahan organik oleh bakteri dalam
keadaan tanpa oksigen (anaerobic process). Biogas diartikan juga teknologi
konversi biomassa (limbah) menjadi gas dengan bantuan bakteri anaerob yang
33 Universitas Indonesia
secara alami terdapat dalam limbah bahan organik. Proses biogas menghasilkan
gas yang kaya akan metana dan slurry. Biogas dengan gas metannya dapat
digunakan dalam berbagai keperluan seperti memasak, pembangkitan energi,
boiler dan sebagainya, sedangkan slurry dapat digunakan sebagai kompos [14].
Biogas yang dihasilkan dalam proses fermentasi terdiri dari beberapa
komponen gas sebagaimana ditunjukkan pada Tabel 3.4.
Tabel 3.4. Komposisi Biogas [14]
Jenis Gas Jumlah (%)
Metana (CH4) 54 - 70
Karbon Dioksida (CO2) 27 - 45
Nitrogen (N2) 0,5 - 3
Hidrogen (H2) 1-5
Oksigen (O2) 0.1 - 0.5
Hidrogen sulfida (H2S) Sangat kecil
Sumber: John, D. et al. (1980)
Metana adalah gas yang mempunyai sifat mudah terbakar dengan nilai
kalor pembakaran gas metana murni pada tekanan 1 atm dan temperatur 15,5ºC
yaitu 9100 Kkal/m3 (=12.740 Kkal/kg), sedangkan nilai kalor pembakaran biogas
sekitar (6.720 – 9.660 Kkal/kg). Energi yang terkandung dalam biogas tergantung
dari konsentrasi metana (CH4). Semakin tinggi kandungan metana maka semakin
besar kandungan energi (nilai kalor) pada biogas, dan sebaliknya semakin kecil
kandungan metana semakin kecil nilai kalor. Adapun kesetaraan biogas
dibandingkan dengan bahan bakar lainnya ditunjukkan pada Tabel 3.5.
Tabel 3.5. Nilai Kesetaraan Biogas [14]
4.700 - 6.000 Kkalori
4,7 kWh listrik
1 m3 biogas
0,48 kg LPG
0,52 liter Solar
0,80 liter Bensin
3,5 kg Kayu bakar
34 Universitas Indonesia
3.5. Potensi Energi Dari Kelapa Sawit di Bangka
Provinsi Bangka Belitung merupakan daerah kepulauan yang memiliki
komoditas perkebunan kelapa sawit di Sumatera. Selain kelapa sawit, komoditas
perkebunan lainnya adalah antara lain lada, karet, kelapa, kopi, kakao, cengkeh
jambu mede, aren, kemiri dan pinang. Dari data statistik yang disajikan dalam
Statitik Perkebunan Provinsi Bangka Belitung Tahun 2012, diperoleh informasi
bahwa kelapa sawit merupakan komoditas terbesar dibanding dengan komoditas
perkebunan lainnya yaitu sebesar 51,44% sebagaimana ditunjukkan oleh grafik
pada Gambar 3.8.
3,62%
18,09%
51,44%
26,86%
Gambar 3.8. Produksi Perkebunan di Provinsi Bangka Belitung Tahun 2012 [15]
Sumber : Statitik Perkebunan Provinsi Bangka Belitung Tahun 2012
Adapun tren produksi kelapa sawit per tahun di Provinsi Bangka Belitung
ditunjukkan pada Tabel 3.6.
Tabel 3.6. Produksi Perkebunan di Provinsi Bangka Belitung [15]
Produksi 2007 2008 2009 2010 2011 2012
(ton)
Kelapa Sawit 22.675 94.214 99.438 47.035 72.532 91.111
Karet 59.450 60.981 47.564
Lada 18.472 28.241 34.379
Kelapa dan 3.794 5.581 6.158
lain-lain
35 Universitas Indonesia
Dari data produksi kelapa sawit per tahun dari tahun 2007 – 2012 diperoleh rata-
rata produksi kelapa sawit di per tahun sebanyak 71.168 ton. Dari data tersebut,
akan dicari potensi energi listrik yang mampu dibangkitkan dari limbah kelapa
sawit. Limbah kelapa sawit yang akan digunakan dalam perhitungan potensi
energi listrik ini adalah POME. Adapun asumsi yang digunakan untuk perhitungan
potensi energi listrik dari POME adalah sebagai berikut:
Pengolahan POME menjadi biogas menggunakan metode fermentasi.
Proses fermentasi sebagaimana ditunjukkan pada Gambar 3.9 dilakukan
melalui tiga tahapan yaitu Liquifikasi, Asidifikasi dan tahap terakhir
Metanasi.
PROSES FERMENTASI
LIQUIFIKASI ASIDIFIKASI METANASI
BIOGAS
MATERIAL ASAM METAN
ORGANIK MONOMER H2S
ORGANIK
POLYMER CO2
DLL
36 Universitas Indonesia
1. Dengan mengacu pada Gambar 3.7, dapat ditentukan produksi POME per
tahun sebesar = 71.168 × 28% = 19.927 ton/tahun
2. Jam operasional pabrik kelapa sawit selama 1 tahun dapat dihitung
sebagai berikut:
𝑡𝑦𝑒𝑎𝑟 = t day × Nday = 16 × 340 = 5440 jam/tahun,
dimana:
tyear = jumlah jam operasional pabrik dalam satuan jam/tahun
tday = jumlah jam operasional pabrik dalam satuan jam/hari
Nday = jumlah hari operasional pabrik dalam satuan hari/tahun
Sehingga, dengan demikian estimasi kapasitas POME yang diproduksi
19.927
setiap jam sebesar = = 3,663 ton/jam = 3663 kg/jam
5440
37 Universitas Indonesia
3.6. Kondisi Sistem Ketenagalistrikan Di Bangka
Sebagian besar kebutuhan beban pada sistem ketenagalistrikan di Bangka
disuplai dengan menggunakan PLTD. Sistem pembangkitan terdiri dari
pembangkit PLTD milik PT. PLN (Persero), IPP dan pembangkit sewa. Masing-
masing pembangkit terinterkoneksi melalui jaringan tegangan menengah 20 kV.
Gambar 3.10 menunjukkan gambaran sistem ketenagalistrikan di Bangka. Sampai
akhir tahun 2014, total kapasitas terpasang pembangkit tenaga listrik di Bangka
sebesar 205,9 MW dengan beban puncak tertinggi pada tahun 2015 diperkirakan
sebesar 142,6 MW. Gambar 3.10 menunjukkan gambaran sistem ketenagalistrikan
di Bangka. Sedangkan komposisi pembangkit pada sistem ketenagalistrikan di
Bangka ditunjukkan oleh Tabel 3.7.
38 Universitas Indonesia
Tabel 3.7. Komposisi Sistem Pembangkit di Bangka [18]
KAPASITAS TERPASANG FOR
NO PEMBANGKIT Nomer Seri
[kW] [%]
PLTD MERAWANG 42.289
1 MAK 26892 2.544 9,74
2 Mirrlees 6493 (ES 8094) 5.218 2,71
3 Mirrlees 6492 (ES 8096) 5.218 99,62
4 Allen D6/50241-4 4.897 47,92
5 Allen D6/50241-1 4.897 32,49
6 Allen D6/50241-5 4.897 2,74
7 Caterpillar 1PD00404 4.700 2,43
8 Caterpillar 1PD00405 4.700 2,07
9 Mirrlees 8091 5.218 5,79
PLTD MENTOK 10.103
1 Cockerill 2408060 1.100 20,14
2 Cockerill 2408061 1.100 89,79
3 Cockerill 2408055 1.100 61,62
4 SWD 240 / 70939 1.285 5,52
5 SWD 240 / 70931 1.285 3,80
6 SWD 240 / 70930 1.285 28,05
7 MTU 535102743 528 66,30
8 Mirrlees 750302 2.420 100,00
PLTD TOBOALI 4.009
1 MAN 49485721044201 518 41,47
2 MAN 46486360634201 518 100,00
3 MTU 535102752 528 0,75
4 Cummins 25305561 1.005 4,40
5 Komatsu 13511 720 13,80
6 Komatsu 13865 720 24,22
PLTD KOBA 3.329
1 Cummins 30341951 282 0,30
2 Cummins 30341948/1930518002 282 0,30
3 MAN 738 134 4201 700 21,15
4 SWD 11076 529 0,30
5 Komatsu 13443 536 1,56
6 Cummins 25305006 1.000 58,98
PLTD TANJUNG LABU 920
1 Deutz 7137113 100 0,09
2 Deutz 7137118 100 0,09
3 Deutz 7137121 100 0,09
4 Deutz 9106788 220 86,55
5 Cummins 41134424 200 0,09
6 Cummins 23239845 200 0,09
PEMBANGKIT SEWA 140.250
1 Genset Altrak 1 - Merawang 4.050 0,09
2 Genset Altrak 2 - Merawang 2.200 0,09
3 Genset Kaltimex - Merawang 7.000 0,09
4 Genset Prastiwahyu - Merawang 5.000 0,09
5 Genset Sinarindo- Merawang 13.000 0,09
6 Genset Tiga Bintang - Koba 5.000 0,10
7 Genset Mega Power 1 - Toboali 3.500 0,09
8 Genset Mega Power 2 - Toboali 3.500 0,09
9 Genset Mega Power - Mentok 3.000 0,09
10 Genset Sinarindo - Jebus 5.000 0,09
11 Genset WAHANA - Mentok 4.000 0,09
12 Genset Prastiwahyu - Koba 5.000 0,09
13 PLTU - Air Anyir (2 x 30 MW) 60.000 12,00
14 PLTD Sewa 1 x 20 MW 20.000 13,00
PEMBANGKIT IPP 5.000
1 PLT Biomasa Listrindo 5.000 0,25
Total Kapasitas Terpasang 205.900
39 Universitas Indonesia
Keterangan Tabel 3.7:
1. Pembangkit PLTD milik PT. PLN (Persero) ditunjukkan dengan baris warna
oranye. Masing-masing PLTD terdiri dari PLTD dengan kapasitas kecil.
2. Pembangkit sewa ditunjukkan dengan baris warna biru yang terdiri dari
generator set (genset) yang ditempatkan diberbagai lokasi.
3. Pembangkit IPP ditunjukkan dengan baris warna hijau
Dalam penelitian ini data beban yang digunakan adalah data beban puncak harian
(daily peak load). Adapun data beban yang tersedia adalah data beban sistem
ketenagalistrikan di Bangka pada tahun 2013 sebagaimana ditunjukkan pada Tabel
2.5 dalam Bab II. Data beban tersebut berupa nilai beban puncak harian yang
dipantau antara jam 16.00-21.00 selama 365 hari. Proyeksi pertumbuhan beban
pada sistem ketenagalistrikan di Bangka diketahui sebesar 11% per tahun. Dengan
demikian, perkiraan beban puncak harian tahun 2015 dapat diketahui dan
ditunjukkan pada Tabel 3.8.
Tabel 3.8. Perkiraan Beban Puncak Harian Sistem Ketenagalistrikan di Bangka
Tahun 2015 (MW)
Bulan
Tanggal
Jan Feb Mar Apr Mei Jun Jul Agust Sep Okt Nop Des
1 120,635 112,910 120,154 117,073 130,030 113,182 123,532 124,092 135,133 136,288 132,537 107,562
2 114,536 113,846 121,693 116,093 131,665 110,174 121,496 130,418 130,901 134,199 141,051 110,936
3 112,242 109,534 118,136 120,131 110,394 113,166 124,056 117,358 124,988 140,336 141,051 109,016
4 111,960 113,878 109,900 124,257 121,775 113,587 124,071 125,572 128,098 123,422 131,454 106,113
5 113,719 111,520 117,529 121,225 125,502 114,062 122,934 126,972 127,489 136,621 125,769 108,456
6 117,654 107,316 115,705 124,390 126,723 115,017 125,146 130,913 118,813 137,407 136,018 108,486
7 117,408 114,800 117,905 119,541 128,451 110,129 125,091 121,826 113,305 133,222 133,897 105,537
8 112,368 115,583 117,881 130,930 131,914 115,925 122,150 114,578 108,794 132,783 139,042 105,565
9 113,107 115,880 116,567 129,475 128,173 116,840 123,761 115,476 113,289 134,128 127,158 109,592
10 113,088 115,657 118,071 118,449 128,002 117,795 130,173 121,177 117,089 136,104 131,395 109,657
11 112,329 116,411 117,234 131,530 119,372 112,818 131,866 125,519 117,447 136,140 133,758 106,793
12 110,150 116,967 122,216 130,819 120,583 110,940 132,966 132,181 118,986 132,522 109,041 106,700
13 118,915 112,676 119,809 117,031 117,173 108,919 123,046 129,920 123,650 127,347 115,140 98,789
14 119,188 116,002 114,955 115,532 118,013 113,611 128,762 125,690 131,274 130,608 112,437 103,807
15 118,882 116,266 117,378 119,249 117,337 106,425 131,780 122,286 130,313 134,161 113,524 102,767
16 121,054 114,540 117,542 121,637 117,337 115,297 132,567 124,538 120,719 135,568 115,189 105,475
17 120,390 114,904 116,275 116,251 117,974 112,943 129,272 127,409 135,596 137,541 109,164 105,637
18 120,216 117,090 114,516 131,469 118,072 111,642 122,747 129,793 117,419 129,938 107,221 104,753
19 117,107 112,121 115,386 128,461 119,193 114,318 127,988 124,648 118,836 131,580 107,254 95,402
20 116,448 117,801 117,472 129,913 116,097 118,666 132,367 128,693 118,906 133,535 105,523 104,273
21 117,576 115,204 116,249 126,253 113,216 117,240 115,886 132,819 119,017 142,690 112,721 108,117
22 119,668 118,362 115,974 123,846 114,573 119,625 120,758 132,281 136,318 113,292 109,031 104,057
23 118,887 120,629 116,738 129,044 116,060 120,113 122,402 128,206 136,796 109,457 109,759 101,131
24 118,492 120,807 116,249 131,991 114,803 117,151 123,634 128,754 134,807 114,271 108,996 116,505
25 118,267 119,941 114,585 129,863 116,478 117,274 122,794 133,720 137,511 109,261 113,538 120,264
26 121,577 119,963 110,643 128,032 115,233 119,305 118,553 137,463 140,872 115,762 112,040 112,188
27 120,587 117,863 116,316 128,642 116,238 114,038 121,516 136,307 135,477 116,076 110,994 122,391
28 123,826 120,629 115,910 119,320 114,895 121,831 120,896 136,477 135,802 111,394 106,551 119,716
29 115,794 116,372 130,418 117,077 122,375 115,236 132,553 128,908 113,366 107,902 110,612
30 113,871 116,480 132,575 115,774 117,679 129,136 136,092 134,008 115,886 107,193 118,683
31 107,858 116,292 115,294 128,105 136,016 125,775 119,133
40 Universitas Indonesia
Untuk memenuhi permintaan beban yang tumbuh 11% per tahun, PLN Wilayah
Bangka telah membuat perencanaan penambahan pembangkit baru di Bangka
sebagaimana ditunjukkan pada Gambar 3.11.
41 Universitas Indonesia
BAB IV
ANALISIS KEANDALAN PEMBANGKIT PADA SISTEM
KETENAGALISTRIKAN DI BANGKA
Mulai
Xk ≥ 0
j=0
j=j+1
j = Nb tidak
ya
Xk = Xk - 1
tidak
Xk < 0
ya
Hitung LOLP
Selesai
42 Universitas Indonesia
4.2. Analisis Keandalan Sistem Pembangkit di Bangka
Analisis keandalan sistem pembangkit di Bangka dilakukan dengan
menentukan indeks keandalan sistem pembangkit dari berbagai skenario rencana
penambahan pembangkit baru berdasarkan data perkiraan beban dan rencana
penambahan pembangkit baru serta perkiraan pemanfaatan potensi energi
terbarukan sebagai sistem penyediaan tenaga listrik. Tujuan skenario dibuat
supaya didapatkan indeks keandalan sistem pembangkit berupa LOLP sebesar
maksimal 0,00274 atau setara dengan maksimal 1 hari/tahun. Dalam penelitian
ini, ada beberapa skenario yang perlu dibuat berikut dengan pembahasan masing-
masing skenario.
Skenario 1:
Tujuan Skenario 1 ini adalah mendapatkan nilai LOLP dari sistem
pembangkit yang ada (existing). Data unit pembangkit yang digunakan untuk
skenario ini adalah data unit pembangkit yang ditunjukkan oleh Tabel 3.7.
Sedangkan data beban yang digunakan adalah beban puncak harian (daily peak
load) yang ditunjukkan oleh Tabel 3.9.
Mengingat jumlah unit pembangkit yang terdapat dalam sistem
pembangkit existing di Bangka cukup banyak, maka perhitungan probabilitas
kapasitas sistem pembangkit dilakukan dengan bantuan program komputer.
Persamaan yang digunakan untuk mendapatkan probabilitas kapasitas pembangkit
adalah Persamaan (2.4) pada Bab II. Persamaan rekursif ini dibuat algoritmanya
dalam bahasa pemrograman Visual Basic (VB) dimana eksekusi datanya
dilakukan dalam Microsoft Excel. Kode pemrogramannya dibuat dengan mengacu
pada referensi [3] dan ditunjukkan pada Lampiran. Hasil perhitungan probabilitas
kapasitas sistem pembangkit existing di Bangka ditunjukkan oleh Tabel 4.1.
43 Universitas Indonesia
Tabel 4.1. Capacity Outage Probability Table (COPT) Sistem Pembangkit
Existing di Bangka
Kapasitas Keluar Kapasitas Masuk Probabilitas Probabilitas
(Outage) (Avaliable Capacity) Individu Kumulatif
[ × 100 kW] [ × 100 kW]
0 2059 0 1
31 2028 7,2047E-08 1
32 2027 1,9470E-10 0,99999993
33 2026 1,2998E-10 0,99999993
34 2025 4,6415E-07 0,99999993
35 2024 1,2544E-09 0,99999946
. . . .
. . . .
. . . .
1010 1049 8,5328E-06 0,00044253
1011 1048 6,7371E-06 0,000434
1012 1047 1,141E-05 0,00042726
1013 1046 1,4345E-05 0,00041585
1014 1045 7,6756E-06 0,00040151
. . . .
. . . .
. . . .
2055 4 4,2078E-67 2,3003E-66
2056 3 1,4364E-66 1,8795E-66
2057 2 4,1186E-69 4,4303E-67
2058 1 2,6045E-69 4,3891E-67
2059 0 4,3631E-67 4,3631E-67
44 Universitas Indonesia
Tabel 4.2. Load Probability Table (LPT) Perkiraan Beban Puncak Harian di
Bangka Tahun 2015
Beban % terhadap Kelas Nilai Frekuensi Prob. Prob.
Puncak Beban Beban Beban munculnya Individu Kumulatif
Harian Puncak (% ) (p.u) beban
(×100 kW) Tertinggi
(a) (b) (c) (d)= (e) (f)=(e)/365 (g)
(c)/100%
1426,90 100 100 1,00 1 0,002740 1,000000
1410,51 98,85 99 0,99 4 0,010959 0,997260
1410,51 98,85 98 0,98 1 0,002740 0,986301
1408,72 98,73 97 0,97 4 0,010959 0,983562
1403,36 98,35 96 0,96 14 0,038356 0,972603
1390,42 97,44 95 0,95 5 0,013699 0,934247
. . . . . . .
. . . . . . .
. . . . . . .
1186,66 83,16 85 0,85 20 0,054795 0,619178
1885,53 83,08 84 0,84 25 0,068493 0,564384
1184,92 83,04 83 0,83 36 0,098630 0,495890
1184,49 83,01 82 0,82 35 0,095890 0,397260
1183,62 82,95 81 0,81 24 0,065753 0,301370
. . . . . . .
. . . . . . .
. . . . . . .
1038,07 72,75 71 0,71 1 0,002740 0,008219
1027,67 72,02 70 0,70 1 0,002740 0,005479
1011,31 70,87 69 0,69 0 0,000000 0,002740
987,89 69,23 68 0,68 0 0,000000 0,002740
954,02 66,86 67 0,67 1 0,002740 0,002740
45 Universitas Indonesia
SMST). Hasil proses iterasi perhitungan probabilitas kumulatif kapasitas margin,
akan didapati kapasitas margin berupa bilangan negatif yang berarti bahwa
kapasitas tersedia lebih kecil dari beban. Pada saat mencapai iterasi dimana
kapasitas margin nilainya negatif untuk pertama kali, maka probabilitas kumulatif
kapasitas margin pada saat itulah yang menunjukkan nilai indeks keandalan
(LOLP) sistem pembangkit. Tabel kapasitas margin untuk Skenario 1 ditunjukkan
oleh Tabel 4.3.
Tabel 4.3. System Margin State Table (SMST) Sistem Pembangkit Existing di
Bangka
46 Universitas Indonesia
LOLP = 0,00618683 × 365 = 2,26 ≈ 2 hari/tahun
Dari hasil perhitungan LOLP pada Skenario 1, diketahui bahwa indeks keandalan
sistem pembangkit yang ada di Bangka sebesar 0,00618683 sehingga dapat
dikatakan kurang andal karena belum memenuhi standar yang ditetapkan dalam
penelitian ini yaitu indeks keandalan (LOLP) sebesar maksimal 0,00274 atau
setara dengan maksimal 1 hari/tahun. Hasil perhitungan tersebut menunjukkan
bahwa dalam satu tahun, sistem pembangkit yang ada akan berpotensi tidak
mampu memenuhi permintaan beban selama 2 hari. Ketidakmampuan memenuhi
permintaan beban tersebut bukan berarti sistem kelistrikan akan mengalami mati
total (black out) yang berlangsung selama 2 hari, akan tetapi bisa berupa
berkurangya pasokan daya sesaat yang mungkin mengakibatkan pemadaman
sesaat di daerah tertentu.
Skenario 2:
Tujuan Skenario 2 adalah menambahkan pembangkit baru ke sistem
pembangkit existing kemudian menghitung indeks keandalan sistem pembangkit
yang baru. Pembangkit yang rencana akan ditambahkan berupa PLTS dan PLT
Biogas dengan kapasitas sesuai dengan hasil perhitungan pada Bab 3 serta PLTD
sewa dengan kapasitas sesuai data perencanaan penambahan pembangkit baru
oleh PLN pada tahun 2015 sebagaimana ditunjukkan pada Gambar 3.11.
Kapasitas potensi PLTS dan PLT Biogas yang ditambahkan ke sistem pembangkit
existing masing-masing berturut-turut sebesar 11,8 MW dan 2 x 100 kW,
sedangkan kapasitas rencana PLTD yang akan ditambahkan sebesar 30 MW.
Dalam skenario ini, pembangkit baru tersebut ditambahan secara bergantian dan
dibuat kombinasi yang kemudian didapatkan nilai LOLP dari masing-masing
kombinasi penambahan pembangkit. Data untuk Skenario 2 dan kombinasi
rencana penambahan pembangkit baru ditunjukkan oleh Tabel 4.4.
47 Universitas Indonesia
Tabel 4.4. Data Perhitungan LOLP Untuk Skenario 2
Data Pembangkit Kapasitas Rencana Data Beban
(MW)
Existing + PLT Biogas 2 x 100 kW 206,1 Perkiraan Beban
Existing + PLTS 11,8 MW 217,7 Puncak Harian
Existing + PLTS + PLT Biogas 217,9 2015
Existing + PLTD (sewa) 30 MW 235,9
Existing + PLTD + PLT Biogas 236,1
Existing + PLTD + PLTS 247,7
Existing + PLTD + PLTS +PLT 247,9
Biogas (semua pembangkit)
48 Universitas Indonesia
Proses ini sama dengan mengurangkan data perkiraan beban puncak harian pada
Tabel 3.9 dengan data perkiraan daya luaran rata-rata harian PLTS pada Tabel 3.2
yang bersesuaian kolom dan barisnya. Dengan diperolehnya perkiraan beban yang
baru, selanjutnya dibuat LPT baru untuk keperluan perhitungan indeks keandalan
yang melibatkan PLTS. LPT beban yang telah dimodifikasi karena masuknya
PLTS ke sistem pembangkit ditunjukkan pada Tabel 4.5.
Tabel 4.5. Load Probability Table (LPT) Perkiraan Beban Puncak Harian Akibat
Masuknya PLTS ke Sistem Pembangkit
Beban % terhadap Kelas Nilai Frekuensi Prob. Prob.
Puncak Beban Beban Beban nilai Individu Kumulatif
Harian Puncak (% ) (p.u) beban
(×100 kW) Tertinggi
(a) (b) (c) (d)= (e) (f)=(e)/365 (g)
(c)/100%
1381,38 100,00 100 1,00 3 0,008219 1,000000
1370,63 99,22 99 0,99 3 0,008219 0,991781
1368,67 99,08 98 0,98 0 0,000000 0,983562
1359,78 98,44 97 0,97 4 0,010959 0,983562
1358,51 98,34 96 0,96 10 0,027397 0,972603
1354,43 98,05 95 0,95 7 0,019178 0,945205
. . . . . . .
. . . . . . .
. . . . . . .
1313,68 95,10 83 0,83 23 0,065753 0,564384
1313,04 95,05 82 0,82 31 0,087671 0,498630
1312,81 95,04 81 0,81 40 0,104110 0,410959
1311,34 94,93 80 0,80 24 0,071233 0,306849
1310,88 94,90 79 0,79 19 0,060274 0,235616
. . . . . . .
. . . . . . .
. . . . . . .
998,15 72,26 71 0,71 1 0,002740 0,008219
986,69 71,43 70 0,70 0 0,000000 0,005479
971,90 70,36 69 0,69 1 0,002740 0,005479
947,01 68,56 68 0,68 0 0,000000 0,002740
918,09 66,46 67 0,67 1 0,002740 0,002740
Jadi, apabila ingin mendapatkan nilai indeks keandalan sistem pembangkit dimana
PLTS ikut terlibat didalamnya, maka LPT yang digunakan adalah LPT yang
ditunjukkan pada Tabel 4.5.
Setelah ditentukannya asumsi nilai FOR untuk PLT Biogas dan PLTD
sewa serta LPT perkiraan beban puncak harian akibat masuknya PLTS ke sistem
49 Universitas Indonesia
pembangkit, langkah selanjutnya adalah mendapatkan nilai LOLP berbagai
kombinasi sistem pembangkit. Nilai indeks keandalan sistem pembangkit pada
Skenario 2 dapat diperoleh dengan cara yang sama seperti yang dilakukan pada
Skenario 1. Hasil perhitungan indeks keandalan pada Skenario 2 ditunjukkan pada
Tabel 4.6.
Tabel 4.6. Hasil Perhitungan Indeks Keandalan Sistem Pembangkit Skenario 2
Data Pembangkit Kapasitas Rencana LOLP
(MW) (%) (hari/tahun)
Existing + PLT Biogas 206,1 0,605555 2,21
Existing + PLTS 217,7 0,372282 1,36
Existing + PLTS + PLT 217,9 0,363560 1,33
Biogas
Existing + PLTD (sewa) 235,9 0,088579 0,323
Existing + PLTD + PLT 236,1 0,086495 0,315
Biogas
Existing + PLTD + PLTS 247,7 0,0508764 0,19
Existing + PLTD + PLTS 247,9 0,0495822 0,18
+PLT Biogas (semua
pembangkit)
50 Universitas Indonesia
Dari hasil perhitungan indeks keandalan sistem pembangkit Skenario 2,
diketahui bahwa dengan menambahkan PLTD yang memiliki kapasitas rencana 30
MW ke sistem pembangkit ternyata sudah cukup untuk menaikkan tingkat
keandalan yang ditandai dengan turunnya nilai LOLP sistem pembangkit menjadi
0,00088579. Sedangkan skenario sistem pembangkit yang memiliki nilai LOLP
yang paling baik yaitu sebesar 0,000495822 adalah pada saat semua pembangkit
mampu menyuplai daya ke beban. Semakin kecil nilai LOLP menunjukkan bahwa
sistem pembangkit semakin andal.
Dari tiga jenis pembangkit yang ditambahkan ke sistem pembangkit
existing, PLTD dan PLTS dapat memberikan kontribusi daya yang cukup
signifikan untuk meningkatkan keandalan sistem pembangkit. Namun, untuk
memperoleh gambaran seberapa besar beban yang bisa ditambahkan ke sistem
ketenagalistrikan di Bangka dengan tetap mempertahankan LOLP sistem
pembangkit sebesar maksimal 0,00274 atau setara dengan maksimal 1 hari/tahun,
maka perlu melakukan skenario pertambahan beban. Penjelasan mengenai
skenario tersebut, dibahas pada Skenario 3.
Skenario 3:
Pada skenario ini, dengan tetap mempertahankan nilai LOLP sistem
pembangkit maksimal 0,00274, akan dicari nilai seberapa besar beban bisa
ditambahkan apabila PLTD dan PLT Biogas ditambahkan ke sistem pembangkit
existing. Data pembangkit yang digunakan pada skenario ini terdiri dari sistem
pembangkit existing, PLTD sewa dan PLT Biogas. Pada skenario ini, dilakukan
penambahan beban konstan ke data beban yang digunakan untuk menghitung
LOLP pada Skenario 1. Penambahan beban dilakukan dengan menambahkan
beberapa nilai beban konstan yang berbeda untuk mendapatkan nilai LOLP
maksimal 0,00274. Data pembangkit dan beban yang digunakan dalam skenario
ini ditunjukkan oleh Tabel 4.7
51 Universitas Indonesia
Tabel 4.7. Data Perhitungan LOLP Untuk Skenario 3
Data Pembangkit Kapasitas Rencana Data Beban
(MW)
Existing + PLTD + PLT Biogas 236,1 BS1 + 10 MW
BS1 + 11 MW
BS1 + 12 MW
keterangan: BS1 = data beban pada Skenario 1
Dengan mengikuti langkah perhitungan LOLP pada Skenario 1, maka diperoleh
hasil perhitungan indeks keandalan untuk sistem pembangkit Skenario 3 yang
ditunjukkan pada Tabel 4.8.
Tabel 4.8. Hasil Perhitungan Indeks Keandalan Sistem Pembangkit Skenario 3
Data Pembangkit Data Beban LOLP
(%) (hari/tahun)
Existing + PLTD + PLT BS1 + 10 MW 0,247758 0,90
Biogas BS1 + 11 MW 0,271239 0,99 ≈ 1
BS1 + 12 MW 0,295915 1,08
Dari hasil uji coba penambahan beban pada Skenario 3, didapatkan nilai
LOLP sebesar 0,00271239 pada saat beban konstan yang ditambahkan sebesar 11
MW. Hal ini menunjukkan bahwa rencana ditambahkannya PLTD sewa 30 MW
dan PLT Biogas 2 x 100 kW ke dalam sistem pembangkit existing akan dapat
mempertahankan nilai LOLP sebesar maksimal 0,00274 dengan syarat
pertambahan beban dalam sistem tersebut dibatasi sebesar 11 MW.
Skenario 4:
Pada skenario ini, dengan tetap mempertahankan nilai LOLP sistem
pembangkit maksimal 0,00274, akan dicari nilai seberapa besar beban bisa
ditambahkan apabila PLTS ditambahkan ke sistem pembangkit pada Skenario 3.
Data pembangkit yang digunakan pada skenario ini terdiri dari sistem pembangkit
existing, PLTD sewa, PLT Biogas dan PLTS. Pada skenario ini, dilakukan
penambahan beban konstan ke data beban yang digunakan untuk mendapatkan
LOLP maksimal 0,00274 pada Skenario 3. Penambahan beban dilakukan dengan
52 Universitas Indonesia
menambahkan beberapa nilai beban konstan yang berbeda untuk mendapatkan
nilai LOLP maksimal 0,00274. Data pembangkit dan beban yang digunakan
dalam skenario ini ditunjukkan oleh Tabel 4.9
Tabel 4.9. Data Perhitungan LOLP Untuk Skenario 4
Data Pembangkit Kapasitas Rencana Data Beban
(MW)
Existing + PLTD + PLT Biogas + 247,9 BS3 + 6 MW
PLTS (semua pembangkit) BS3 + 4,6 MW
BS3 + 4,5 MW
BS3 + 4,4 MW
keterangan: BS3 = data beban pada Skenario 3 saat digunakan untuk
mendapatkan indeks keandalan 0,00274 (BS1 + 11 MW)
Dengan mengikuti langkah perhitungan LOLP pada Skenario 1, maka diperoleh
hasil perhitungan indeks keandalan untuk sistem pembangkit Skenario 4 yang
ditunjukkan pada Tabel 4.10.
Tabel 4.10. Hasil Perhitungan Indeks Keandalan Sistem Pembangkit Skenario 4
Data Pembangkit Data Beban LOLP
(%) (hari/tahun)
Existing + PLTD + PLT BS3 + 6 MW 0,3167256 1,16
Biogas + PLTS (semua BS3 + 4,6 MW 0,2785137 1,02
pembangkit) BS3 + 4,5 MW 0,2763164 1,01
BS3 + 4,4 MW 0,2733274 0,998 ≈ 1
Dari hasil uji coba penambahan beban pada Skenario 4, didapatkan nilai
LOLP sebesar 0,002733274 pada saat beban konstan yang ditambahkan sebesar
4,4 MW. Hal ini menunjukkan bahwa rencana ditambahkannya PLTS ke dalam
sistem pembangkit Skenario 3 akan dapat mempertahankan nilai LOLP sebesar
0,00274 dengan syarat pertambahan beban dalam sistem tersebut dibatasi sebesar
4,4 MW.
Dari hasil perhitungan indeks keandalan dan pembahasan semua skenario,
dapat ditarik kesimpulan bahwa LOLP sistem pembangkit yang ada (existing) di
Bangka tahun 2015 diperkirakan tidak akan mencapai standar LOLP sebesar
maksimal 0,00274 atau setara dengan maksimal 1 hari/tahun apabila tidak ada
53 Universitas Indonesia
penambahan kapasitas pada sistem tersebut. Dengan memanfaatkan kapasitas
potensi PLTS sebesar 11,8 MW, kapasitas potensi PLT Biogas sebesar 2x100 kW
serta kapasitas rencana PLTD 30 MW yang ditambahkan ke sistem pembangkit
existing, maka LOLP maksimal 0,00274 akan tercapai selama pertumbuhan beban
pada sistem ketenagalistrikan di Bangka tidak lebih dari 15,4 MW.
54 Universitas Indonesia
BAB IV
KESIMPULAN
55 Universitas Indonesia
DAFTAR REFERENSI
[1] Billinton. R, and Allan. RN, Reliability Evaluation of Power System, 2nd
edn, Plenum Press, New York, 1996.
[2] Marsudi. D, Operasi Sistem Tenaga Listrik, edisi ke-2, Graha Ilmu,
Yogyakarta, 2006.
[3] Phoon, Hee Yao, Generation System Reliability Evaluation with Intermittent
Renewables, Thesis, University of Strathclyde, UK, 2006.
[5] Yosi Dwi TA, Analisis Keandalan Sistem Pembangkit Terdistribusi Diesel,
Angin dan Photovoltaic, Tesis, ITB, Bandung, 2013.
[6] Kueck, J.D. et al. Measurement Practices for Reliability and Power Quality
– A toolkit of Reliability Measurement Practices. Oak Ridge National
Laboratory, 2004
[12] Syukri NM, Karakteristik Kelapa Sawit Sebagai Bahan Baku Bioenergi,
makalah, Kutai Timur, 2014
[16] Abdullah, N. and F. Sulaiman, The Oil Palm Wastes in Malaysia, Biomass
Now – Sustainable Growth and Use, Miodrag Darko Matovic (Ed.), 2013,
(ISBN: 978-953-51-1105-4, InTech, DOI:10.5772/55302.)
xv Universitas Indonesia
Algoritma Pemrograman Untuk Membuat COPT
Sub COPT()
Sheets("COPT").Select
Range("A10:H5000").ClearContents
SysCap = Sheets("PlantData").Cells(7, 4)
For Row1 = 10 To SysCap + 11
For Col1 = 4 To 8
Cells(Row1, Col1) = 0
Next Col1
Next Row1
Application.ScreenUpdating = False
Dim n, C, U As Double
Step = Sheets("COPT").Cells(5, 3)
TotCap = 0
Groups = Sheets("PlantData").Cells(6, 4)
Else
MsgBox ("You have terminated the calculation")
End If
End Sub
Algoritma Pemrograman Untuk Membuat SMST
Sub Margin()
Sheets("COPT").Select
Application.ScreenUpdating = False
Step = Sheets("COPT").Cells(5, 12)
Nb = Sheets("COPT").Cells(6, 12)
Nk = Sheets("COPT").Cells(7, 12)
Np = Sheets("COPT").Cells(8, 12)
MaxC = Sheets("COPT").Cells(10, 2)
Dim pLj, Lj, Ljd, pLjd, Ljm, Ljmd, PXj, PXjd As Double
Cells(21, 23) = 0
Cells(24, 23) = 0
Range("J10:P5000").ClearContents
For k = 1 To (Nk - Np + 1) / Step
Cells(k + 9, 10) = k - 1
If k = 1 Then
Cells(k + 9, 11) = Nk
Else
Cells(k + 9, 11) = Cells(k + 8, 11) - Step
End If
Cells(k + 9, 12) = 0
Cells(k + 9, 13) = 0
For j = 0 To Nb
Ljd = Sheets("LoadData").Cells(6 + j, 4) * Sheets("LoadData").Cells(4, 2)
pLjd = Sheets("LoadData").Cells(6 + j, 6)
Ljmd = CInt(Sheets("COPT").Cells(k + 9, 11) + Ljd)
Next j
Cells(k + 9, 14) = Cells(k + 9, 11) / Cells(6, 15) * 100
Cells(21, 23) = Cells(21, 23) + Cells(k + 9, 14) * 365
Next k
Cells(20, 23) = Application.WorksheetFunction.VLookup(-Step, Range("K10:M5000"), 3, False)
'LOLP in days per year
End Sub