2017 Konferensi Internasional ke-9 tentang Teknologi Informasi dan Teknik Elektro (ICITEE), Phuket, Thailand

Alokasi Optimal Generasi Terdistribusi

dengan Pengontrol FACTS untuk
Pengurangan Pengurangan Daya Listrik
Menggunakan Algoritma Genetika
Sattawat Burana1,2, Panida Tharara1,2, Peerapol Jirapong1, dan Kannathat Mansuwan1, 2 1Departemen Teknik
Elektro, Fakultas Teknik, Universitas Chiang Mai 2, Sekolah Pascasarjana, Universitas Chiang Mai 239, Jalan Huay
Kaew, Distrik Muang, Chiang Mai Thailand, 50200 sattawatburana@gmail.com, pppanidaaa@gmail.com,
levinson331 @ gmail. com, dan b.annathat@gmail.com
Abstrak Generasi Terdistribusi (DG) dan sistem transmisi arus bolak fleksibel (FACTS) dapat digunakan untuk
meningkatkan efisiensi dan meningkatkan pembangkit listrik sistem distribusi. Namun, pemasangan DG dengan FACTS
pada alokasi yang tidak tepat dapat mengakibatkan dampak negatif. Dalam tulisan ini, DG baru dengan alat
perencanaan alokasi FACTS diusulkan untuk menentukan lokasi yang optimal dan ukuran DG dengan FACTS untuk
mengurangi kerugian daya. Aliran daya yang optimal (OPF) dengan DG dan FACTS dirumuskan sebagai masalah
minimisasi kerugian daya sistem dikenakan kendala sistem seperti kode grid dari Otoritas Tenaga Listrik Provinsi (PEA)
Thailand, batas pembebanan, batas generasi, dan batas tegangan. DG dan FACTS yang digunakan dalam percobaan ini
adalah generator sinkron dan komparator var statis (SVC), masing-masing. Algoritma genetika (GA) diimplementasikan
oleh skrip m-file di MATLAB digunakan untuk teknik optimasi. Akibatnya, evaluasi solusi aliran beban dan fungsi
obyektif dalam setiap generasi GA ditentukan menggunakan skrip DIGSILENT Programing Language (DPL) dalam
perangkat lunak DIgSILENT. Sistem distribusi 22 kV yang ada dari PEA digunakan sebagai sistem uji. Data sistem
praktis dari database sistem informasi geografis (GIS) diimpor untuk alat perencanaan. Hasil simulasi yang diperoleh
menunjukkan bahwa alokasi optimal DG dengan FACTS menggunakan alat yang diusulkan menghasilkan pengurangan
daya sistem, pembebanan saluran dan peningkatan profil tegangan.
Kata kunci Didistribusikan generasi; pengontrol sistem transmisi arus bolak fleksibel; algoritma genetika; alat
pengoptimalan; alokasi optimal.
I. PENDAHULUAN Pemanfaatan energi listrik telah meningkat setiap tahun. Peningkatan
pemanfaatan harus dilakukan dengan meningkatkan generasi, transmisi, dan sistem distribusi. Generasi terdistribusi
(DG) dapat dipasang dengan tepat dalam sistem kelistrikan untuk meningkatkan grid, meningkatkan profil tegangan,
mengimplementasikan peningkatan sistem, meningkatkan kesetaraan sistem, meningkatkan efisiensi sistem, dan
keandalan [1]. Selain itu, sistem transmisi arus bolak fleksibel (FACTS) dapat digunakan untuk meningkatkan
transaksi daya dan meningkatkan efektivitas pembangkitan listrik dan sistem distribusi [2].
Namun, pemasangan unit DG dengan pengendali FACTS di lokasi dan ukuran yang tidak tepat dapat
mengakibatkan dampak negatif seperti peningkatan kerugian daya dan pelanggaran batasan sistem. Alokasi optimal
unit DG dan pengendali FACTS pada sistem distribusi memainkan
978-1-5090-6477-9 / 17 / $ 31,00 © 2017IEEE

peran utamadalam memaksimalkan manfaat mengenai pengurangan kerugian daya, peningkatan profil tegangan, dan
sistem peningkatan keandalan [3].
Pengembangan pendekatan perencanaan DG dan FACTS berdasarkan teknik optimasi kecerdasan komputasi
telah dilaporkan dalam banyak penelitian. Kombinasi metode Analitik dan Genetik Algoritma (GA) diusulkan untuk
alokasi beberapa unit DG dalam sistem distribusi untuk meminimalkan kerugian sistem [4]. Metode yang diusulkan
telah menggunakan Evolutionary Programming (EP) untuk menemukan alokasi optimal kapasitor dalam sistem
tenaga. Metode ini dapat menentukan lokasi dan ukuran optimal dari kapasitor, yang mengurangi biaya instalasi [5].
Nondominated Sorting GAII (NSGA- II) diusulkan untuk masalah optimasi penempatan kapasitor dalam sistem
distribusi dengan DG untuk meminimalkan kekuatan kapasitor yang terpasang dan meningkatkan tegangan sistem
termasuk kerugian energi aktif tahunan yang diharapkan [6]. Sebagian besar artikel baru-baru ini lebih berfokus
pada peningkatan prosedur pengoptimalan dengan menerapkan teknik pengoptimalan yang berbeda dan kurang
tentang menyelesaikan masalah yang terkait dengan sistem distribusi praktis. Juga, alat perencanaan DG
berdasarkan teknik analitik dikembangkan dengan menulis skrip DIgSILENT Programming Language (DPL) dalam
perangkat lunak DIgSILENT PowerFactory untuk menentukan alokasi DG awal dalam sistem distribusi praktis
mempertimbangkan kendala multi-sistem, manfaat terhadap indeks rasio biaya, dan energi kerugian [7-8].
Dalam tulisan ini, alat perencanaan alokasi baru dikembangkan untuk secara bersamaan menentukan alokasi
optimal DG dengan FACTS untuk meminimalkan kerugian daya sistem mempertimbangkan kendala multi-sistem
termasuk kode grid Otoritas Tenaga Listrik Provinsi (PEA). DG unit dan FACTS controller yang digunakan dalam
penelitian ini dimodelkan menggunakan generator sinkron dan komparator var statis (SVC), masing-masing. GA
diimplementasikan oleh skrip m-file di MATLAB digunakan untuk teknik optimasi. Akibatnya, evaluasi solusi
aliran beban dan fungsi obyektif di setiap generasi GA ditentukan menggunakan skrip DPL dalam perangkat lunak
DIgSILENT PowerFactory.
Makalah ini disusun sebagai berikut: Rumusan masalah ditunjukkan pada Bagian II. Bagian III menjelaskan GA.
Bagian IV menunjukkan metodologi alat perencanaan. Simulasi dan hasil ditunjukkan pada Bagian V. Bagian VI
menyimpulkan makalah ini.
 II. PERMASALAHAN MASALAH Untuk menentukan unit DG yang optimal dengan alokasi kontroler
FACTS, fungsi obyektif dalam (1) adalah persamaan dari minimalisasi daya sistem termasuk fungsi penalti seperti
yang ditunjukkan pada (2) mengalami ketidaksetaraan sistem dan kendala kesetaraan di (3) - (11 ). Selama DG
dengan alokasi FACTS, tegangan bus harus dijaga pada batas yang tepat untuk pengoperasian sistem distribusi yang
aman dan andal, dan aliran daya di jalur distribusi harus berekstensi dalam batas yang diizinkan.
tunduk pada
dimana
fungsi obyektif, kehilangan daya nyata cabang dari total jumlah cabang, fungsi penalti variabel, faktor kendala untuk
mempertimbangkan fungsi penalti, generasi daya nyata dari generator di bus ith, generasi daya reaktif generator di
bus engan, generasi kekuatan nyata DG di bus engan generasi daya reaktif DG pada bus engan beban daya nyata di
bus engan, beban daya reaktif di bus engan, menyuntikkan kekuatan reaktif SVC di bus engan, magnitude dan sudut
tegangan di bus engan, magnitudo dan sudut elemen ijth dalam matriks admittance bus, garis engan atau pemuatan
transformator, batas bawah variabel, batas atas variabel, daya nyata yang disuntikkan ke dalam sistem dari gardu
induk,
2017 Konferensi Internasional ke-9 tentang Teknologi Informasi dan Teknik Elektro (ICITEE), Phuket, Thailand
menyuntikkan daya reaktif ke dalam sistem dari gardu.
AKU AKU AKU. ALGORITMA GENETIKA Algoritma genetika (GA) merupakan metode optimasi
berdasarkan prinsip seleksi alam. GA memungkinkan populasi yang terdiri dari banyak individu untuk berevolusi di
bawah aturan pemilihan tertentu ke keadaan yang memaksimalkan atau meminimalkan kebugaran [9]. Metode ini
dimulai dengan menghasilkan populasi acak sebagai solusi awal. Hasil seleksi acak awal akan menjadi induk dari
generasi berikutnya atau keturunannya. Jika seorang individu memenuhi persyaratan untuk menjalani proses evolusi,
orang yang mencapai fungsi tujuan ini akan memiliki kesempatan untuk dipilih sebagai individu terbaik. Parameter
utama GA adalah ukuran populasi dan jumlah generasi maksimum, masing-masing 20 dan 150. Parameter ini
tersedia dari [10]. GA dijelaskan sebagai berikut.
A. Representasi solusi
Setiap individu dalam suatu populasi terdiri dari suatu sistem parameter, yang dikodekan oleh bilangan real.
Contoh individu dalam suatu populasi direpresentasikan pada Gambar. 1.
Gambar 1. Struktur individu
dimana
S DG ukuran DG, L Ditjen lokasi DG, S FAKTA ukuran FAKTA, L FAKTA lokasi FACTS.
B. Inisialisasi
Populasi pertama diinisialisasi secara acak menggunakan persamaan distribusi angka acak seragam mulai dari
batas yang mungkin sebagai (12).
di mana
elemen engan individu dalam suatu populasi, batas atas dari elemen engan masing-masing individu, batas bawah
elemen engan dari setiap individu, nomor acak seragam dalam interval [0, 1].
C. Crossover
Crossover adalah titik tunggal crossover di pusat masing-masing individu dalam suatu populasi. Contoh individu
penduduk crossover ditunjukkan pada Gambar. 2.
Individu parentA
S DG
A
L DG
A
S FAKTA
A
L FAKTA
A
Individu parentB
S DG
B
L DG
B
S FAKTA
B
L FAKTA
B
Individu offspringA
S DG
A
L DG
A
S FAKTA-FAKTAFAKTA-SIFAN
BB
SAHAM
B
Individu
S Ditjen
B
L Ditjen
B
S FAKTA
-
FAKTAFAKTA
AA
Gambar 2. Struktur persilangan individu
D. Mutasi
Gaussian digunakan untuk menciptakan populasi baru. Parameter adalah lokasi baru dan ukuran DG dan FACTS
di setiap individu yang dihitung oleh (13) dan (14).
di mana
nilai parameter engan dari keturunan k,
nilai parameter engan dari induk, bilangan acak Gaussian dengan rerata nol dan deviasi standar, deviasi standar,
batas bawah dan atas parameter engan dari
individu induk , kebugaran minimum populasi orang tua, kebugaran individu, penghitung iterasi, bilangan
positif konstan sedikit kurang dari satu.
E. Pemilihan
Metode seleksi adalah skema turnamen, yang ditunjukkan dalam (15) dan (16).
di mana
fungsi seleksi, kebugaran individu dalam populasi gabungan, kebugaran lawan yang dipilih secara acak dari
populasi gabungan berdasarkan
, nomor acak seragam dalam interval [0, 1], ukuran populasi dipilih dari, bilangan bulat terbesar
kurang dari atau sama dengan x, skor individu untuk seleksi.
F. Kriteria
pengakhiran Jika jumlah pembangkitan maksimum tercapai, proses iterasi dihentikan. Jika tidak, proses mutasi
dan seleksi akan ditegaskan kembali sampai kriterianya terpenuhi.
G. Fungsi
kebugaran Kebugaran individu dapat dihitung dengan menggunakan (17). Fungsi penalti dihitung dengan
menggunakan (18).
2017 Konferensi Internasional ke-9 tentang Teknologi Informasi dan Teknik Elektro (ICITEE), Phuket, Thailand di
mana
kebugaran individu, fungsi obyektif, fungsi penalti, fungsi penalti tegangan pada bus ith, fungsi penalti dari garis
pembebanan trafo, fungsi penalti membalikkan kekuatan nyata, fungsi penalti dari kekuatan reaktif terbalik.
IV.DG DENGAN ALAT PERENCANAAN ALOKASI FACTS Alat yang diusulkan berdasarkan GA digunakan
untuk mencari lokasi dan ukuran DG dengan FACTS. Alat ini memiliki fungsi pertukaran data otomatis antara
MATLAB dan DIgSILENT PowerFactory seperti yang ditunjukkan pada Gambar. 3, yang merupakan perangkat
lunak analisis komputasional yang tersedia secara komersial untuk solusi yang andal. MATLAB adalah bahasa
berkinerja tinggi untuk komputasi teknis mengintegrasikan komputasi. DIgSILENT PowerFactory adalah alat
rekayasa komputer yang dibantu untuk analisis transmisi, distribusi, dan sistem tenaga listrik industri. Dalam
komputasi, pertukaran data dinamis menggunakan file antarmuka bernama Switch.csv (sw) dan Data.csv digunakan
untuk komunikasi interproses antara GA yang dikembangkan menggunakan skrip m-file di MATLAB, dan
penentuan fungsi tujuan yang dikembangkan menggunakan skrip DPL di DIgSILENT. Algoritma utama DG dengan
alokasi FACTS ditunjukkan pada Gambar. 4.
Data pertukaran otomatis digunakan menggunakan file antarmuka. Untuk komunikasi yang andal, Switch.csv
menyimpan file logika (0 dan 1) dan Data.csv mengumpulkan data sistem. Jika logika file antarmuka adalah 0,
MATLAB menjalankan GA dan memperbarui logika file Switch.csv. Sebaliknya, jika logika file antarmuka adalah
1, DIgSILENT menjalankan analisis sistem daya dan memperbarui logika file Switch.csv. Selama prosedur ini,
kedua program akan memindai dan mengubah logika file Switch.csv dan file Data.csv.
 Input data sistem adalah taen dari database sistem informasi geografis (GIS). Data spasial dan networ dari sistem
distribusi dapat diekspor dari perangkat lunak ArcGIS menggunakan GIS Impor / Ekspor Alat, yang dikembangkan
oleh ESRI dan PEA.
Data yang diekspor akan disimpan dalam format file * .dgs, yang dapat langsung diimpor ke DIgSILENT. Juga,
data sistem distribusi baru akan dibuat dalam DIgSILENT dan disimpan sebagai format file * .pfd.
Gbr. 3. Berbagi file dan pertukaran data otomatis antara MATLAB dan DIgSILENT PowerFactory
2017 9 Konferensi Internasional Teknologi Informasi dan Teknik Elektro (ICITEE), Phuket, Thailand
GIS MATLAB
Memulai
Database GIS
Pengguna
Menentukan fungsi obyektif
Sistem GIS Database Ekspor Memodifikasi parameter Masukan GA yaitu popsize
DIgSILENT
dan generasi maksimum
Impor format file DGS
Input kendala sistem DG dan FACTS dan kode Grid
Mengevaluasi aliran beban
Mengumpulkan data base case data Antarmuka perintah
Memodifikasi sistem yang benar
(sw = 1)
Perintah antarmuka (sw = 0)
Perintah antarmuka (sw = 1 )
Antarmuka Command (sw = 0)
convergent
divergent
Menentukan parameter sistem dan batasan sistem
Secara acak menghasilkan populasi awal Install DG dan FACTS dalam sistem yang
berbeda
Evaluate fitness
convergent
Crossover
Mengumpulkan data sistem
Mengelola data
Interface command (sw = 0)
Interface command (sw = 1)
Antarmuka perintah (sw = 0)
Antarmuka perintah (sw = 1)
Antarmuka perintah (sw = 0)
Ya
Instal diperbarui DG dan FAKTA dalam sistem
Mutasi
Kumpulkan data sistem Instal DG dan FACTS yang diperbarui dalam sistem
Evaluasikebugaran
pemilihan
Gen = Max generation
Evaluate fitness
Gen = Gen + 1
Kumpulkan data sistem
No
End
Gambar 4. Flowchart dari DG dengan alat perencanaan alokasi FACTS

V. STUDI KASUS DAN HASIL SIMULASI Sistem distribusi 22 V di provinsi Chiang Mai adalah test case yang
terdiri dari 861 bus, 681 feeder, 151 transformer, dan 181 bus beban pelanggan seperti ditunjukkan pada Gambar. 5.
Jumlah beban dan kerugian total Masing-masing 27,53 MW dan 0,96 MW.
Ada empat studi kasus untuk menentukan alokasi optimal pengendali DG dan FACTS dalam ujian. Pertama,
skenario baseline adalah sistem yang ada tanpa
pengontrol DG dan FACTS. Kedua, kasusnya adalah sistem saat ini dengan hanya DG, yang diinstal. Ketiga,
kasusnya adalah sistem saat ini dengan hanya kontroler FACTS, yang diinstal. Keempat, kasus adalah sistem yang
ada dengan pengontrol DG dan FACTS, yang diinstal. Penempatan DG dan FACTS dibahas di semua bus. Ukuran
bervariasi dari 1-8 MW dan 1-8 MVAR, masing-masing. Detail studi kasus ditunjukkan di bawah ini.
 Pertama, lokasi dan ukuran DG dan FACTS menggunakan inisialisasi acak ditentukan dalam MATLAB seperti
yang ditunjukkan pada (12). Perhitungan alokasi DG dan FACTS dikirim ke DIgSILENT oleh file Data.csv.
Kemudian, alokasi DG dan FACTS dipasang pada sistem pengujian dan aliran beban yang dihitung untuk
mengevaluasi kebugaran di DIgSILENT. Nilai-nilai kebugaran dikembalikan ke MATLAB untuk menentukan
alokasi baru menggunakan prosedur crossover dan mutasi. Proses akan ditegaskan kembali sampai kriteria
terpenuhi. Jawaban terakhir adalah alokasi optimal DG dan FACTS.
Dalam Kasus 1, sistem yang ada adalah kasus dasar sebelum sistem diatur ulang dengan menginstal DG dan
FACTS. Total tenaga aktif yang disuntikkan ke dalam sistem adalah 28.49 MW. Tegangan dan pemuatan saluran
melanggar batasan sistem. Persentase kerugian adalah 3,36 dari total daya yang disuntikkan ke dalam sistem.
Dalam Kasus 2, Hanya DG yang dipasang di pengumpan sistem yang ada. Jika DG dipasang di lokasi yang tepat
dan ukuran optimal, kerugian daya sistem berkurang. Kehilangan daya sistem adalah 0,54 MW, yang merupakan
43,75% kerugian dalam kasus dasar.
Dalam Kasus 3, Hanya FACTS yang dipasang di pengumpan sistem yang ada. Jika FACTS dipasang di lokasi
yang sesuai dengan ukuran optimal, kerugian daya sistem
berkurang. Kehilangan daya sistem adalah 0,54 MW, yang merupakan 17,71% dari kerugian dalam kasus dasar.
Dalam Kasus 4, DG dengan FACTS dipasang di pengumpan sistem yang ada. Jika DG dengan FACTS dipasang
di lokasi yang sesuai dengan ukuran optimal, kerugian daya sistem berkurang. Kehilangan daya sistem adalah 0,42
MW, yang merupakan 56,25% dari kerugian dalam kasus dasar.
Hasil perhitungan ditunjukkan pada Tabel 1. Kasus 4 adalah kasus terbaik untuk pengurangan kerugian.
Karakteristik konvergensi dari studi kasus ditunjukkan pada Gambar 6-8, yang merupakan 20 komputasi berjalan
untuk solusi global terbaik dalam setiap contoh. Pada Gambar. 9, perbandingan solusi optimal, yang DG dengan
FACTS adalah pilihan terbaik untuk pengurangan kerugian, diperoleh.
Juga, pelanggaran tegangan dan pemuatan baris dikurangi dengan menginstal DG dan FACTS, yang memenuhi
batas tegangan dan batas pembebanan batas sistem. Instalasi optimal DG dan FACTS dapat mengurangi aliran daya
dari jaringan distribusi utama di seluruh sistem, sehingga meningkatkan penurunan tegangan dan pemuatan saluran
seperti ditunjukkan pada Gambar. 10-11.
Gbr. 5. Sistem distribusi 22 V, 861-bus praktis dari basis data GIS PEA yang diimpor ke DIgSILENT PowerFactory
TABLE I. S
HASIL IMULASI DARIPERJALANAN
20
KOMPUTASI ALOKASI PERENCANAAN ALOKASI OPTIK
Case
DG size (MW)
DG Lokasi
Ukuran FACTS (MVAR)
FAKTA Lokasi
Kebugaran minimum
Kebugaran maksimum
Rata-rata kebugaran
Rasio deviasi standar
(MW)
% Penurunan kerugian Kasus dasar
- - - - - - - - 0,96 -
Dengan DG
7.84 421 - - 1,151.07 1,492.97 1,168.36 37,74 0,54 43,75
Dengan FAKTA
- - 7,66 380 1.893,58 2,823.32 1,901.63 28.93 0.79 17.71
Dengan DG dan FACTS
7.1 805 7.59 715 907.67 1.360.42 940.20 37.74 0.42 56.25
2017 Konferensi Internasional ke-9 tentang Teknologi Informasi dan Teknik Elektro (ICITEE), Phuket, Thailand
2017 Konferensi Internasional ke-9 tentang Teknologi Informasi dan Teknik Elektro (ICITEE) , Phuket, Thailand
Gambar. 6. Karakteristik konvergensi alokasi DG
Gambar. 7. Karakteristik konvergensi alokasi FACTS
Gambar. 8. Karakteristik konvergensi DG dengan FACT S alokasi
Gambar. 9. Perbandingan solusi optimal dari DG, FACTS, dan DG dengan alokasi FACTS
Gambar. 10. Perbandingan profil tegangan
Gambar 11. Perbandingan persentase pemuatan garis

VI. KESIMPULAN Dalam makalah ini, alat perencanaan alokasi yang diusulkan DG dengan FACTS
dapat secara efektif dan efisien digunakan untuk menentukan lokasi yang optimal dan ukuran DG dengan FACTS
dalam sistem distribusi praktis. Selain itu, hasil dari sistem pengujian menunjukkan bahwa alokasi optimal DG
dengan FACTS oleh alat perencanaan yang diusulkan menggunakan GA dalam MATLAB dan aliran daya
komputasi dalam DIgSILENT dapat mengurangi kerugian daya dalam kondisi normal dan praktis dibatasi, yang
mengarah ke tingkat efisiensi yang lebih tinggi. pembangkit listrik dan sistem distribusi.
Sebuah
CKNOWLEDGMENT Penulis sangat berterima kasih kepada PEA dari Thailand untuk dukungan
teknis dan Sekolah Pascasarjana, Universitas Chiang Mai untuk mendukung keuangan.
REFERENSI
[1]
Tenaga Listrik dan Sistem Energi, vol. 28, hal. 413 420, 2006. [2] NG
Hingorani, dan L. Gyugyi, Memahami konsep FACTS dan
teknologi sistem transmisi AC fleksibel, IEEE Press, 1999.
[3]
konfigurasi ulang networ untuk pengurangan kerugian menggunakan fuzzy terkontrol Gener Transm Distrib , vol. 144, hal. 345
350, Juli 1997. [4] M. Vatani, DS Alaran, MJ Sanjari, dan GB Gharehpetian, jaringan distribusi untuk pengurangan kerugian
berdasarkan kombinasi analitis dan IET Gener Transm Distrib, vol. 10, pp. 66 72, 2015. [5]
kemampuan transfer dan peningkatan daya hilang dalam kekuasaan Proc. ECTI-CON 2011, pp. 692 695, 2011. [6]
distribusi networs mengenai ketidakpastian dalam beban daya aktif dan IET Gener Transm distrib, vol. 10, pp. 3060 3067, 2016.
[7] P.
alat untuk menentukan lokasi optimal dan ukuran Proc didistribusikan. IEEE Utility Exhibition di Power and Energy System,
2011. [8] A. Kalanul
mendistribusikan alat penilaian generasi mempertimbangkan muti-system Proc. IEEE Utility Exhibition pada Sistem Daya dan
Energi, 2011. [9] RL Haupt, dan SE Haupt, Algoritma Genetika Praktis, 2nd Ed.
John Wiley & Sons, 2004. [10] Lai Loi Lei, Aplikasi Sistem Cerdas dalam Power Engineering Evolutionary Programming
dan Neural Networks, John Wiley & Sons, 1998.