USULAN SKRIPSI

ANALISIS KESTABILAN SISTEM KELISTRIKAN BALI

MENGGUNAKAN METODE BACTERIAL FORAGING
ALGORITHM

I GEDE BAYU SUARSA

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK UNIVERSITAS UDAYANA
BUKIT JIMBARAN
2019
 USULAN SKRIPSI

ANALISIS KESTABILAN SISTEM KELISTRIKAN BALI

MENGGUNAKAN METODE BACTERIAL FORAGING
ALGORITHM

I GEDE BAYU SUARSA

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK UNIVERSITAS UDAYANA
BUKIT JIMBARAN
2019

i
 LEMBAR PERNYATAAN ORISINALITAS

Usulan Skripsi ini adalah hasil karya saya sendiri, dan semua sumber baik yang
dikutip maupun dirujuk telah saya nyatakan dengan benar.

Nama : I Gede Bayu Suarsa

NIM : 1404405054

Tanda Tangan :

Tanggal :

ii
 PROGRAM STUDI TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS UDAYANA

LEMBAR PERSETUJUAN PEMBIMBING

JUDUL : ANANLISIS SISTEM KELISTRIKAN BALI

MENGGUNAKAN METODE BACTERIAL
FORAGING ALGORITHM
NAMA : I GEDE BAYU SUARSA
NIM : 1404405054
BIDANG STUDI : ENERGI DAN SISTEM TENAGA LISTRIK
PROGRAM STUDI : TEKNIK ELEKTRO
PERIODE : 2019/2020

MENYETUJUI

Dosen Pembimbing I, Dosen Pembimbing II,

Dr. Ida Bagus Gede Manuaba, ST., MT. Prof. Ir. Rukmi Sari Hartati, MT.,PhD
NIP : 196901091997031003 NIP : 195308131979032001

iii
 KATA PENGANTAR
Pertama-tama perkenankanlah saya memanjatkan puji syukur kehadapan Tuhan
Yang Maha Esa, karena hanya atas rahmat-Nya usulan skripsi yang berjudul
“ANALISIS SISTEM KELISTRIKAN BALI MENGGUNAKAN METODE
BACTERIAL FORAGING ALORITHM” dapat diselesaikan. Dalam usulan skripsi ini,
penulis banyak memperoleh petunjuk dan bimbingan dari berbagai pihak. Sehingga
pada kesempatan ini perkenankanlah saya mengucapkan terima kasih yang sebesar-
besarnya kepada:
1. Bapak Gede Arsa dan Ibu Ni Luh Putu Sumerta, selaku kedua orang tua dan
keluarga yang telah mendukung penuh lahir batin penulis.
2. Prof. Ir. Ngakan Putu Gede Suardana, MT, Ph.D selaku Dekan Fakultas Teknik
Universitas Udayana.
3. Bapak Dr. Ida Bagus Gede Manuaba, ST., MT selaku Ketua Program Studi
Teknik Elektro Fakultas Teknik Universitas Udayana dan sebagai dosen
pembimbing.
4. Keluarga besar saya yang selalu memotivasi memberikan semangat serta saran.
5. Pengupa Jiwa sebagai grup yang selalu memberi masukan serta nasehat.
6. Team Rasio Elektrifikasi, Team CORE yang selalu memberi saran,nasehat dan
kritik.
7. Teman-teman Elektro Udayana, yang selalu memberi semangat dan dukungan.
Usulan skripsi ini masih jauh dari sempurna. Oleh karena itu segala kritik dan
saran yang bersifat membangun sangat diharapkan. Semoga Tuhan Yang Maha Esa
selalu melimpahkan rahmat-Nya kepada semua pihak yang telah membantu
pelaksanaan dan penyelesaian usulan tugas akhir ini.

Denpasar, 2019

Penulis

iv
 DAFTAR ISI

SAMPUL LUAR

SAMPUL DALAM ........................................................................................................ i

LEMBAR PERNYATAAN ORISINALITAS .......................................................... ii

LEMBAR PERSETUJUAN PEMBIMBING .......................................................... iii

KATA PENGANTAR ................................................................................................ iv

DAFTAR ISI ................................................................................................................ v

DAFTAR GAMBAR ................................................................................................. vii

DAFTAR SINGKATAN .......................................................................................... viii

BAB I PENDAHULUAN ............................................................................................ 1

1.1 Latar Belakang ............................................................................................... 1

1.2 Rumusan Masalah .......................................................................................... 4

1.3 Tujuan Penelitian ............................................................................................ 4

1.4 Manfaat Penelitian .......................................................................................... 4

1.5 Batasan Masalah ............................................................................................. 4

BAB II KAJIAN PUSTAKA ...................................................................................... 6

2.1 Tinjauan Muktahir .......................................................................................... 6

2.2 Tinjauan Pustaka ............................................................................................ 8

2.2.1 Stabilitas Sistem Tenaga Listrik ................................................................. 8

2.2.1.1 Stabilitas Sudut Rotor ........................................................................... 10

2.2.1.2 Hubungan Daya dengan Sudut .............................................................. 11

2.2.2 Small – Signal Stability ............................................................................. 13

v
 2.2.2.1 Small – Signal Stability pada Multi Machine Infinite Bus ................... 14

2.2.2.2 Variabel keadaan redundan ................................................................... 17

2.2.2.3 Pemodelan Multi Machine Infinite Bus Untuk Small Signal Stability .. 18

2.2.3 Power System Stabilizer............................................................................ 23

2.2.4 Bacterial Foraging Algorithm .................................................................. 25

2.2.4.1 Chemotaxis ............................................................................................ 26

2.2.4.2 Swarming .............................................................................................. 26

2.2.4.3 Reproduction ......................................................................................... 27

2.2.4.4 Elimination and Dispersal .................................................................... 28

2.2.4.5 Inisialisai ............................................................................................... 28

2.2.4.6 Pseudo Code dan Flow Chart dari BFA ................................................ 29

BAB III METODE PENELITIAN .......................................................................... 33

3.1 Lokasi dan Waktu Penelitian ........................................................................ 33

3.2 Sumber dan Jenis Data Penelitian ................................................................ 33

3.3 Instrument Penelitian .................................................................................... 33

3.4 Tahap Penelitian ........................................................................................... 34

3.5 Analisis Data ................................................................................................ 35

DAFTAR PUSTAKA ................................................................................................ 36

vi
 DAFTAR GAMBAR

Gambar 2. 1 Klasifikasi stabilitas sistem tenaga listrik ............................................. 10

Gambar 2. 2 Karakteristik transfer daya pada sistem dua mesin............................... 12

Gambar 2. 3 Respon terhada gangguan kecil ............................................................ 14

Gambar 2. 4 Struktur dari sistem tenaga litrik yang kompleks ................................. 14

Gambar 2. 5 Kerangka Acuan Transformasi ............................................................. 15

Gambar 2. 6 Single line diagram of Kundur's Two-Area System ............................. 18

Gambar 2. 7 Model dasar untuk sistem multi machine infinite bus .......................... 19

Gambar 2. 8 Pengaturan dasar PSS ........................................................................... 24

Gambar 2. 9 Block Diagram PSS .............................................................................. 24

Gambar 2. 10 Flowchart Dari BFA ........................................................................... 32

vii
 DAFTAR SINGKATAN

SVC = State Voltage Condenser

HVDC = High Voltage Direct Current

PSS = Power System Stabilizer

GA = Genetic Algorithm

PLN = Perusahaan Listrik Negara

BFA = Bacteria Foraging Algorithm

PID = Proportional Integral Derivative

viii
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Energi listrik merupakan energi yang saat ini menjadi sangat dibutuhkan untuk
memenuhi kehidupan masyarakat sehari – hari. Kebutuhan yang diperlukan bervariasi
dari penerangan, pemanas, pendingin, kegiatan produksi yang menggunakan peralatan
elektronik bahkan kegiatan pariwisata di Bali memerlukan energi litrik didalam setiap
kegiatannya. Begitu besarnya manfaat dari energi listrik membuat PT. PLN (Persero)
harus dapat menjaga kontiunitas energi listrik untuk meningkatkan mutu pelayanan
kepada konsumennya. Namun tidak semua gangguan yang terjadi langsung dapat
diselesaikan hal ini dikarenakan membutuhkan waktu yang cukup lama untuk
mengembalikan sistem tenaga listrik ke kondisi semula. Dari banyaknya gangguan
yang terjadi PT. PLN (Persero) mengharapkan tidak terjadinya Blackout atau sistem
tenaga listrik padam total untuk waktu yang lama, akan tetapi hal itu tidak bisa
dihindari. Gangguan pada tanggal 12 Juli 2014 pukul 20:48 wita terjadi gangguan petir
yang menyebabkan terjadinya trip pada saluran kabel laut 1 sampai 4 sehingga
membentuk island operation subsistem bali, dan juga membuat pembangkit subsistem
bali yang beroperasi saat itu satu persatu mulai trip. Selain itu gangguan pada tanggal
5 September 2018 terjadi pada Saluran Udara Extra Tinggi (SUTET) 500 kV Paiton –
Grati yang mengakibatkan putusnya saluran PLTU Pacitan dan PLTU Paiton sehingga
membentuk island operation subsistem bali. Bila terjadi island operation subsistem
bali maka bali disuplai dari unit pembangkit celukan bawang, unit pembangkit
pesanggaran, unit pembangkit gilimanuk dan unit pembangkit pemaron dalam
pengoperasiannya ini pun harus tetap menjaga stabilitas sistem.
Untuk menjaga kestabilan pada sistem tenaga listrik, maka digunakan sistem
kontrol demi meningkatkan redaman dalam sistem tenaga tersedia seperti Static
voltage condenser (SVC), high voltage direct current (HVDC), dan power system
stabilizer (PSS). Pengoperasian sistem tenaga mengalami perubahan yang di sebabkan

1
 2

pola beban, variasi pembangkitan listrik, gangguan, topologi transmisi, dan peralihan
saluran. Dalam meningkatkan sistem redaman generator perlu dilengkapi dengan
stabilisator sistem daya yang menyediakan tambahan umpan balik untuk menstabilkan
sinyal dalam sistem ekstensi (G. Shahgholian Ghfaroki, 2007). Power System Stabilizer
(PSS) adalah salah satu metode yang banyak digunakan dalam literatur dan dirancang
untuk meningkatkan karakteristik redaman sistem tenaga listrik dan small signal
stability dengan memanfaatkan sinyal tambahan melalui eksitasi generator. Namun,
untuk memperoleh semua kondisi variabel adalah masalah utama yang terkait dengan
desain PSS (Rittu Anggu, 2017). Dua aspek penting yang harus dipertimbangkan
mengenai pengaturan dan kinerja PSS untuk redaman osilasi antara lain; (1). Kesulitan
penyetelan PSS muncul ketika dipertimbangkan bahwa mode osilasi yang harus
dikompensasi; (2) PSS yang tidak memungkinkan mempertimbangkan seluruh
interaksi dinamis tempat generator akan terpapar oleh pengontrol bervariasi dengan
titik operasi sistem dan reaktansi jaringan yang terlihat di terminal generator. Selain
itu, untuk memperoleh redaman baik mode lokal maupun antar area, diperlukan
kompensasi fase pada rentang frekuensi yang lebih luas yang mungkin sulit untuk
dicapai (Andrea Angel Zea, 2013). Berbagai macam metode kontrol telah diusulkan
untuk desain PSS dengan kinerja yang baik dalam kontrol stabilitas sistem daya dan
berhasil meningkatkan redaman sistem seperti; adaptive controller, robust controller,
extended integral controller, state feedback controller, fuzzy logic controller dan
variable structure controller. Pada sebuah mesin sinkron Fuzzy logic didalam PSS
memiliki prilaku seperti kontroler Propotional Integral Derivative (PID) yang mana
stabilitas lebih cepat dari sinyal kesalahan frekuensi dan lebih sedikit ketergantungan
pada ruler fuzzy yang diusulkan. Dalam adaptif PSS tidak langsung adalah dirancang
menggunakan dua sinyal input, deviasi kecepatan dan deviasi daya ke kontroler neural
network (G. Shahgholian Ghfaroki, 2007). Menurut Chaturvedi pemasalahan yang ada
pada fuzzy logic controller antara lain; (1). Masih dalam basis atruran dari fuzzy ruller;
(2). Tidak kuat dalam perubahan topologi sistem, perubahan seperti itu akan menuntut
perubahan basis aturan (Chaturvedi, 2012).
 3

Dewasa ini, teknik global optimization seperti Genetic Algorithm (GA), dan
teknik heuristik lainnya seperti tabu search dan simulated annealing telah menarik
perhatian untuk optimasi parameter PSS. Tidak seperti teknik lain, metode GA
memiliki kemampuan untuk mencapai titik solusi global dengan cepat, karena dapat
menangani ruang pencarian serentak dari berbagai arah. Operator crossover dan mutasi
antara kromosom, membuat metode GA jauh lebih tidak sensitif untuk dijebak dalam
optima lokal. Namun, ketika sistem fungsi obyektifnya sangat epistatic (yaitu di mana
parameter yang dioptimalkan adalah sangat berkorelasi), dan jumlah parameter yang
harus dioptimalkan besar, maka metode GA menunjukkan efisiensi terdegradasi. Untuk
menghilangkan masalah ini, skema pengoptimalan bacterial foraging alogrithm (BFA)
digunakan untuk parameter desain PSS. Teknik optimasi ini diusulkan oleh Passino
dan selanjutnya dikembangkan oleh Mishra sebagai alat pengoptimalan. Dalam tulisan
ini, fungsi tujuan berbasis eigenvalue mencerminkan kombinasi faktor redaman dan
redaman rasio, dioptimalkan untuk empat kondisi pengoperasian yang berbeda dari
sistem tenaga. Juga terlihat bahwa beberapa fitur adaptif yang sederhana tergabung
dalam algoritma utama membuat konvergensinya bahkan lebih cepat. Waktu
pengoptimalan dengan skema yang diusulkan dan kinerja redaman untuk berbagai
gangguan dibandingkan dengan kinerja yang sesuai di metode GA. Ditemukan bahwa
teknik yang diusulkan tidak hanya mengoptimalkan parameter lebih cepat, tetapi juga
dengan keuntungan yang dioptimalkan yang didasarkan pada bakteri yang mencari
redaman PSS menunjukkan bahwa kinerja damping yang lebih baik ketika sistem
terganggu. (S. Mishra, 2006).
Penggunaan metode Bacterial Forgazing Optimization Algorithm sudah pernah
dilakukan pada sistem Jawa – Bali 500 kV oleh Manuaba. Metode Bacterial Forgazing
Optimization Algorithm adalah teknik kecerdasaan buatan yang biasa digunakan dalam
proses pencarian solusi yang sangat sulit atau maksimilasi numerik yang tidak mungkin
atau masalah minimisasi. Teknik yang digunakan dalam pencarian nilai optimal adalah
teknik probabilistik dengan memodelkan swarming, chemotaxis, reproduction, dan
elimination – dispersal dari bakteri seperti E-coli. Tujuan digunakan metode Bacterial
 4

Forgazing Optimization Algorithm adalah untuk meningkatkan kualitas daya dari

sistem tenaga listrik Bali dengan meredam osilasi frekuensi dan osilasi sudut rotor.
Dengan adanya analisis stabilitas pada generator sinkron yang merupakan bagian dari
komponen – komponen sistem tenaga listrik yang dimaksud untuk menjaga kontinuitas
suplai energi listirk di Bali dengan melihat hasil perbandingan metode Tanpa kontrol,
power system stabilizer, PSSPID dan metode Bacterial Forgazing Optimization
Algorithm.

1.2 Rumusan Masalah

Dari latar belakang di atas, maka didapatkan rumusan masalah sebagai berikut
Bagaimana mengoptimalkan redaman sistem menggunakan PSS dengan metode BFA.

1.3 Tujuan Penelitian

Adapun tujuan penelitian ini untuk mendapat redaman dari sistem yang
menggunakan PSS dengan metode BFA.

1.4 Manfaat Penelitian

1. Menambah pengetahuan pengembangan seperti metode BFA kepada

mahasiswa Jurusan Teknik Elektro Udayana
2. Memberikan informasi mengenai perbandingan sistem tanpa kontrol,
menggunakan PSS, PIDPSS dan metode BFA dari nilai redaman yang
didapatkan.

1.5 Batasan Masalah

Adapun batasan masalah yang ada dalam penelitian ini yaitu
1. Hanya pada gangguan small signal stability,
2. Skema island operation unutk sistem bali
3. Mengasumsikan semua pembangkit pada sistem bali dalam kondisi beroperasi
semua, serta mengabaikan nilai ekonomis dari pembangkit
 5

4. Untuk jenis - jenis pembangkit pada masing – masing unit pembangkit menjadi
satu
5. Tidak menggunakan perubahan model beban yang berubah – ubah setiap waktu
6. Mengabaikan noise dan delay
 BAB II
KAJIAN PUSTAKA
2.1 Tinjauan Muktahir
Penelitian mengenai analisis sistem kelistrikan di Bali tehadap small signal
stability menggunakan metode bacterial foraging algorithm telah banyak dilakukan.
Berbagai tujuan dan latar belakang digunakan dalam penelitian tersebut, akan tetapi
penelitian mengenai small signal stability menggunakan metode bacterial foraging
algorithm di Bali masih terbatas. Penelitian skripsi ini membahas tentang perfoma dari
sistem kelistrikan di Bali menggunakan metode bacterial foraging algorithm. Berikut
ini beberapa penelitian terkait dengan analisis sistem kelistrikan tehadap small signal
stability menggunakan metode bacterial foraging algorithm.
Berdasarkan penelitian yang dilakukan oleh Wael Korani dengan judul
“Bacterial Foraging Oriented by Particle Swarm Optimization Strategy for PID
Tuning” yang diterbitkan pada jurnal University of Cairo tahun 2008, yang mana hasil
performa PID Tuning membandingkan 3 metode antara lain BF, PSO, dan BF – PSO
dan diuji menggunakan fungsi transfer dari urutan sistem yang berbeda. Performa dari
PID Tuning dilihat dari nilai 𝐾𝑝 , 𝐾𝑖 , 𝐾𝑑 dan nilai ekonomis (fungsi cost). Dari 7 kondisi
terdapat 2 kondisi yang mana ketiga metode saling mendekati yaitu kondisi no 2 dan
no 7, menggunakan medote BF – PSO yang merupakan gabungan dari BF dan PSO
menghasilkan nilai ekonomis yang lebih rendah dibandingankan BF dan PSO, dan juga
nilai PID Tuning lebih rendah.
Berdasarkan penelitian yang dilakukan oleh Liu Yijian dengan judul
“Optimization Design of PID Kontroller Parameters Based on Improved E.Coli
Foraging Optimization Algorithm” yang diterbitkan pada jurnal Nanjing Normal
University tahun 2008. Dalam banyak kasus, industri merencanakan karakteristik
proses dari nonlinear dan time delay. Desain dari kontroler, dalam rencana ini sering
disederhanakan sebagai satu atau dua urutan proses dari typical industrial. Terdapat 3
cara dalam mengoptimalkan kontrol PID tunning antara lain menggunakan metode

6
 7

formula Z – N, metode ISTE, dan metode IEFOA. Setelah parameter dioptimisasi oleh
IEFOA, indek kinerja respon dari pembangkit meningkat dengan cepat dengan
overshoot menurun nyata dan meminimalkan pengaturan waktu dan juga setelah
IEFOA mengoptimasi parameter kontrol PID respon sistem transien dan performa
stabil ditingkat secara cepat. Parameter dari kontrol PID didapatkan menggunakan
formula Z – N, parameter dari kontrol PID diperoleh oleh optimalisasi metode PID
tunning berdasarkan pada kriteria performa ISTE. Jadi performa kontrol PID lebih
bagus saat menggunakan metode IEFOA.
Berdasarkan penelitian yang dilakukan oleh Sambarta Dasgupta dengan judul
“Adaptive Computational Chemotaxis in Bacterial Foraging Algorithm” yang
diterbitkan pada jurnal Jadavur University tahun 2008. Dalam menghitung chemotaxis
pada BFA klasik menggunakan test yang dikenal dengan fungsi benchmark: fungsi
Sphere 𝑓1 , Rosenbrock 𝑓2 , Rastrigin 𝑓3 , Griewank 𝑓4 , Ackley 𝑓5 dan fungsi Shekel
Foxhole 𝑓6 . Pengaturan parameter disimpan untuk kedua algoritma. Setiap algoritma
telah di jalankan telah ditentukan sebelumnya jumlah maksimum dari Function
Evaluations – FE’s. Hasil yang tidak berpasangan dari t – test antar algoritma bersaing
setiap masalah. Usulan ABFA dilakukan dengan sangat baik jika dibandingkan BFA
klasik dalam statistic yang signifikan (kesalahan standar perbedaan dua sarana, 95%
untuk interval kepercayaan perbedaan ini, nilai, dan nilai dua sisi 𝑃).
Berdasarkan penelitian yang dilakukan oleh E. Daryabeigi dengan judul “A
New Power Sistem Stabilizer Design By Using Smart Bacteria Foraging Algorithm”
yang diterbitkan pada jurnal Islamic Azad University tahun 2011. Dalam simulasi ini
menggunakan single line diagram dari dua area yang menggunakan empat mesin, dan
membandingkan variasi kecepatan generator dengan mengunakan metode
convensional, BFA, dan SBFA. Parameter yang digunakan untuk setiap metode.
Setelah dijalankan didapatkan hasil berupa variasi kecepatan dari setiap generator
dengan metode – metode yang digunakan sebagai contoh generator saat menggunakan
metode konvensional, BFA, dan SBFA titik kecepatan tertinggi pada 1,003 dan untuk
 8

mendapatkan titik steady state setiap metode memerlukan waktu yang berbeda untuk
metode konvensional mengalami steady state pada kecepatan 1,001 dengan waktu 5
detik, untuk metode BFA steady state pada kecepatan 1 dengan waktu 6 detik, dan
untuk metode SBFA steady state pada kecepatan 1 dengan waktu 4 detik. Jadi SBFA
lebih baik dari pada BFA dan konvensional dilihat dari fungsi cost yang menurun dan
kecepatan konvergensi yang meningkat.
Berdasarkan penelitian yang dilakukan oleh I.B.G Manuaba dengan judul
“Coordination Kontroller Power System in Java-Bali 500 kV interconnected Based on
Combination Bacteria Foraging and Particle Swarm Optimization for Small Signal
Stability Improvement” yang diterbitkan pada jurnal Udayana University tahun 2015
dilakukan dengan menggunakan software Matlab untuk menganalisis peningkatan
performa dinamik dari sistem tenaga listrik. Dalam simulasi ini menggunakan single
line diagram dari sistem interkoneksi Jawa – Bali 500 kV yang terdiri dari 23 bus
dengan 28 jaringan transmisi dan 8 generator. Metode yang digunakan dalam simulasi
ini antara lain: Tanpa kontrol, CPSS+SVC, PIDPSS+SVC, PIDPSS3B+SVC, Optimasi
BFA, dan Optimasi BFA – PSO. Untuk hasil simulasi menunjukkan bahwa indeks
kinerja sistem berdasarkan metode yang diusulkan adalah 42,7890, metode BF-
PSOTVAC memiliki kemampuan untuk meredaman secara optimal dan menekan
erornya sampai minimal.
Yang menjadi acuan dalam pembuatan simulasi ini adalah penelitian dilakukan
oleh E. Daryabeigi dan I.B.G Manuaba, hal yang membedakan simulasi yang
digunakan dalam penelitian ini adalah jumlah bus, jumlah jaringan transmisi dan
jumlah generator pada simulasi. Penelitian yang dilakukan oleh Swagatam Das
menjelaskan mengenai inisialisasi BFA dan alur flowchart simulasi BFA.
2.2 Tinjauan Pustaka
2.2.1 Stabilitas Sistem Tenaga Listrik
Stabilitas sistem tenaga listrik mungkin bisa diartikan sebagai komponen –
komponen peralatan sistem tenaga listrik yang memungkinkan untuk komponen –
komponen tetap bisa beroperasi di bawah kondisi normal operasinya dan untuk dapat
 9

kembali diterima setelah mengalami gangguan. Ketidakstabilan dalam sistem tenaga

listrik bisa ditunjukkan dalam berbagai cara tergantung pada sistem konfigurasi dan
mode operasinya. Masalah stabilitas memiliki satu masalah yaitu pada beroperasi
sinkron. Karena sistem tenaga listrik bergantung pada sinkronisasi mesin sinkron untuk
pembangkit – pembangkit tenaga listrik, diperlukan kondisi untuk memenuhi operasi
sistem yaitu dengan semua mesin sinkron tetap bersinkron. Pada aspek ini stabilitas
dipengaruhi dari segi dinamik generator, sudut rotor, dan hubungan daya – sudut.
(Prabha Kundur, 1993)
Ketidakstabilan bisa terjadi terjadi tanpa adanya kehilangan sinkronisasi.
Contohnya pada sistem yang terdiri dari generator sinkron memberikan input berupa
tegangan kepada beban motor induksi melalui saluran transmisi sehingga bisa terjadi
ketidakstabilan karena tegangan jatuh. Pemeliharan pada sinkronisem bukan masalah
dalam hal ini, sebgai gantinya perhatian dalam stabilitas dan kontrol tegangan. Kondisi
ketidakstabilan bisa juga terjadi karena sistem yang besar menutupi beban dengan area
luas. (Prabha Kundur, 1993)
Yang menjadi perhatian pada setiap evaluasi dari stabilitas sistem tenaga listrik
ketika terjadi gangguan transient. Ganguan bisa yang kecil atau besar. Gangguan yang
kecil terjadi pada perubahan beban secara terus menerus, dan sistem menyesuaikannya
dengan kondisi yang berubah. Sistem harus bisa beroperasi penuh di bawah kondisi
yang terjadi dan sukses menyuplai jumlah maksisum dari beban. Sistem tenaga listrik
juga harus mampu bertahan dari berbagai macam gangguan yang parah seperti hubung
singkat pada saluran transmisi, rugi – rugi pada generator atau beban, dan rugi – rugi
antara dua subsistem. Respon sistem terhadap ganguan memerlukan banyak peralatan
listrik. Contohnya, hubung singkat pada elemen penting terjadi pada bagian isolasi
yang melindungi relay yang disebabkan variasi pengiriman daya, kecepatan rotor
mesin, dan tegangan pada busbar; variasi tegangan akan menggerakkan kedua
generator dan regulator tegangan sistem transmisi; variasi kecepatan akan
mempengaruhi prime mover pada governor; mengganti tie line dapat menggerakkan
kontrol pembangkitan; perubahan pada tegangan dan frekuensi akan mempengaruhi
 10

beban pada sistem dalam berbagai derajat tergantung pada karakteristik peralatan.
Sebagai tambahan, alat digunakan untuk melindungi peralatan itu sendiri
memungkinkan merespon variasi variabel pada sistem dan dengan demikian
mempengaruhi performa sistem. Dalam situasi tertentu, respon hanya terbatas pada
jumlah peralatan yang signifikan. Dibawah ini merupakan gambar 2.1 klasifikasi dari
stabilitas sistem tenaga listrik. (Prabha Kundur, 1993)

Gambar 2. 1 Klasifikasi stabilitas sistem tenaga listrik

(sumber : Prabha Kundur,dkk,2004)
2.2.1.1 Stabilitas Sudut Rotor
Stabilitas sudut rotor adalah kemampuan dari interkoneksi mesin sinkron pada
sistem tenaga listrik untuk tetap sinkron. Masalah stabilitas melibatkan penelitian
mengenai osilasi elektromekanik yang melekat pada sistem tenaga listrik. Faktor dasar
terjadinya masalah ini adalah cara dimana daya output dari mesin sinkron berubah saat
rotor berosilasi. (Prabha Kundur, 1993)
Mesin sinkron memiliki 2 elemen esensial: medan dan armature. Biasanya,
medan pada rotor dan armature pada stator. Belitan medan dialiri arus searah. Ketika
rotor dikendalikan soleh turbin (prime mover), putaran medan magnet pada belitan
medan menginduksi tegangan bolak – balik dalam belitan armature tiga fasa pada
 11

stator. Jumlah frekuensi pada stator listrik disinkronkan dengan kepecatan mekanis
rotor, karena didesain “mesin sinkron”. (Prabha Kundur, 1993)
Ketika dua atau lebih mesin sinkorn terinterkoneksi, tegangan stator dan arus
pada semua mesin harus memiliki frekuensi yang sama dengan kecepatan mekanik
rotor pada setiap sinkronisasi untuk frekuensi. Karena itu, semua rotor yang
terinterkoneksi mesin sinkron harus sinkron. (Prabha Kundur, 1993)
2.2.1.2 Hubungan Daya dengan Sudut
Karakteristrik penting dalam stabilitas sistem tenaga listrik adalah hubungan
antara pertukaran daya dan posisi sudut rotor pada mesin sinkron. Hubungan ini adalah
sangat nonlinear. Terhubungnya dua mesin sinkron pada saluran transmisi memiliki
reaktansi induktif 𝑋𝐿 pada resistor dan kapasitor. Jika diasumsikan mesin 1 dianggap
sebagai generator pemberi daya utnuk motor sinkron diasumsikan sebagai mesin 2.
Transfer daya dari generator menuju motor merupakan fungsi dari pemisahan sudut (𝛿)
antara rotor pada dua mesin. Pemisahan sudut ini disebabkan oleh tiga komponen
antaranya : sudut internal generator 𝛿𝐺 ( yang mana sudut rotor generator leads medan
putar pada stator); perbedaan sudut angular antara tegangan terminal pada generator
dan motor ( yang mana sudut medan stator pada generator leads motor ); dan sudut
internal motor ( yang mana sudut rotor lags medan putar motor ). Sebuah model
sederhana terdiri dari tegangan internal dibalik reaktansi yang efektif, di gunakan untuk
setiap mesin sinkron. Nilai dari reaktansi mesin digunakan dengan tujuan untuk
pembelajaran. Untuk analysis performa steady – state, digunakan reaktansi sinkron
dengan tegangan internal sama dengan tegangan eksitasi. Sebuah diagram phasor
mewakili hubungan antara tegangan generator dan rotor. Transfer daya dari generator
menuju rotor sebagai berikut ;
𝐸𝐺 𝐸𝑀
𝑃= 𝑠𝑖𝑛𝛿 (2.1)
𝑋𝑇
Dimana
𝑋𝑇 = 𝑋𝐺 + 𝑋𝐿 + 𝑋𝑀
 12

Hubungan antara daya dan sudut dapat dilihat pada gambar 2.2. Dengan memodelkan
dapat digunakan untuk mewakili mesin sinkron, variasi daya sebagai sinus dari sudut :
hubungan nonlinear sangat tinggi. Dengan lebih banyak variasi daya dengan sudut
akan menyimpang secara signifikan dari hubungan sinusoidal; bagaimanapun bentuk
secara umum akan terlihat sama. Ketika sudut bernilai nol, tidak ada daya yang
ditransfer. Ketika sudut nilainya dinaikkan, daya yang ditransferkan naik hingga titik
maksimum. Setelah sudut mencapai 90o, hasil lebih lanjut sudut meningkat dalam
penurunan transfer daya. Karena itu daya maksimum steady – state bisa disalurkan
antara dua mesin. (Prabha Kundur, 1993)

(a) Single line diagram

(b) Model

(c) Diagram phasor (d) Kurva daya – sudut

Gambar 2. 2 Karakteristik transfer daya pada sistem dua mesin
(sumber : Prabha Kundur, 1993 )
 13

2.2.2 Small – Signal Stability

Small – Signal Stability adalah kemampuan sistem tenaga dalam
mempertahankan sinkronisasi dibawah gangguan yang kecil. Gangguan seperti itu
terjadi terus menerus pada sistem karena variasi yang kecil dalam beban dan generator.
Gangguan yang dianggap cukup kecil untuk linearisasi persamaan sistem dapat
diizinkan untuk tujuan analisis. Ketidakstabilan dapat dihasilkan dalam dua bentuk; (i)
menaikan steady pada sudut rotot yang disebabkan oleh kurangnya torsi sinkronisasi
yang memadai, atau (ii) osilasi rotor pada kenaikan amplitudo disebabkan oleh
kurangnya torsi redaman yang memadai. Sistem biasaya merespon gangguan kecil
tergantung pada beberapa faktor termasuk operasi awal, kekuatan sistem transmisi, dan
tipe kontrol yang digunakan dalam eksitasi generator. Untuk generator yang terhubung
secara radial ke sistem tenaga listrik yang luas, tanpa regulator tegangan otomatis
ketidakstabilan disebabkan oleh kurangnya torsi sinkronisasi yang memadai. Hasil
yang didapatkan dalam ketidakstabilan merupakan mode non – oscillatory, yang dapat
dilihat pada gambar 2.3(a). Dengan pengaturan tegangan kerja terus menerus, masalah
stabilitas gangguan kecil adalah untuk memastikan redaman yang cukup pada osilasi
sistem. Ketidakstabilan biasanya melalui peningkatan amplitudo osilasi. Gambar
2.3(b) merupakan ilustrasi dari respon generator dengan menggunakan regulator
tegangan otomatis. (Prabha Kundur, 1993)

(a) Dengan tegangan medan yang konstan

 14

(b) Dengan kontrol eksitasi

Gambar 2. 3 Respon terhada gangguan kecil
(sumber : Prabha Kundur, 1993 )

2.2.2.1 Small – Signal Stability pada Multi Machine Infinite Bus

Analisis dari sistem tenaga listrik melibatkan solusi simultan dari persamaan
yang mewakili sebagai berikut;
1. Mesin sinkron, dan eksitasi sistem yang terkait dan prime mover
2. Saluran transmisi yang interkoneksi
3. Beban statik dan dinamik (motor)
4. Peralatan yang lain seperti converter HVDC,

Gambar 2. 4 Struktur dari sistem tenaga litrik yang kompleks

(sumber : Prabha Kundur, 1993)

 15

Gambar 2.4 menunjukkan struktur dari tengan listrik yang kompleks. Setiap mesin
model mewakili 𝑑 − 𝑞 yang mana merujuk pada putaran dengan rotor. Untuk solusi
dari persamaan jaringan interkoneksi, semua tegangan dan arus harus dapat dijabarkan
dalam referensi secara umum. Biasanya acuan putaran pada kecepatan sinkron
digunakan sebagai acuan umum. Persamaan transformasi axis digunakan untuk
mentransformasi antara kerangka acuan mesin individu (𝑑 − 𝑞) dan kerangkan acuan
umum (𝑅 − 𝐼). Untuk memudahkan dalam mengoperasikan persamaan aljabar yang
lengkap, persamaan stator mesin harus mewakili dalam kerangka acuan yang umum.
(Prabha Kundur, 1993)
𝑅 − axis dari kerangka acuan yang umum biasanya digunakan sebagai acuan
mengukur sudut mesin rotor. Untuk mewakali mesin secara detail termasuk dinamik
dari rangkain rotor satu atau lebih, sudut rotor 𝛿 didefinisikan sebagai sudut yang mana
𝑞 − axis leads 𝑅 − axis seperti yang diperlihatkan pada gambar 2.5. Untuk mesin yang
diwakili oleh model klasik, sudut rotor merupakan sudut yang mana tegangan 𝐸′ lead
𝑅 − axis. Dalam kondisi yang dinamis, sudut rotor 𝛿 berubah dengan kecepatan rotor.
(Prabha Kundur, 1993)

𝑒𝑑 = 𝐸𝑅 𝑠𝑖𝑛𝛿 − 𝐸𝐼 𝑐𝑜𝑠𝛿
𝑒𝑞 = 𝐸𝐼 𝑠𝑖𝑛𝛿 − 𝐸𝑅 𝑐𝑜𝑠𝛿

𝐸𝑅 = 𝑒𝑑 𝑠𝑖𝑛𝛿 − 𝑒𝑞 𝑐𝑜𝑠𝛿
𝐸𝐼 = 𝑒𝑞 𝑠𝑖𝑛𝛿 − 𝑒𝑑 𝑐𝑜

Gambar 2. 5 Kerangka Acuan Transformasi

(sumber : Prabha Kundur, 1993)

 16

Formulasi persamaan dari analisis small – signal melibatkan pengembangan persamaan

linearisasi tentang titik operasi dan eliminasi semua variabel selain variabel kondisi.
Prosedur umumnya sama dengan menggunakan sistem single – machine infinite bus.
Bagaimana pun, diperlukan untuk memungkinkan mewakili dari jaringan transmisi
yang luas, beban, variasi dari eksitasi sistem dan model prime mover, HVDC, dan
kompesator VAR statis membuat proses sangat kompleks. Karena itu, formulasi dari
persamaan memerlukan prosedur sistematik dari merawat berbagai perangkat. (Prabha
Kundur, 1993)
Formulasi persamaan, model linearisasi dari setiap peralatan dinamik dinyatakan
dalam bentuk sebagai berikut:
𝑥𝑖 = 𝐴𝑖 𝑥𝑖̇ + 𝐵𝑖 ∆𝑣 (2.2)
∆𝑖𝑖 = 𝐶𝑖 𝑥𝑖 − 𝑌𝑖 ∆𝑣 (2.3)
Dimana
𝑥𝑖 merupakan nilai yang terganggu dari variabel status perangkat inividu
𝑖𝑖 merupakan injeksi arus kedalam jaringan dari perangkat
𝑣 merupakan vektor dari jaringan tegangan bus
Didalam persamaan (2.2) dan (2.3), 𝐵𝑖 dan 𝑌𝑖 memiliki elemen non – zero hanya sesuai
ke tegangan terminal dari perangkat dan tegangan bus apapun yang digunakan untuk
mengontrol perangkatnya. Vektor arus 𝑖𝑖 memiliki dua elemen yang sesuasi dengan
komponen real dan imajiner. Sama dengan, vektor tegangan 𝑣 memiliki dua elemen
per bus terkait dengan perangkat. Seperti persamaan untuk semua perangkat dinamik
dalam sistem mungkin dapat dikombinasikan kedalam bentuk
𝑥̇ = 𝐴𝐷 𝑥 + 𝐵𝐷 ∆𝑣 (2.4)
∆𝑖 = 𝐶𝐷 𝑥 − 𝑌𝐷 ∆𝑣 (2.5)
Dimana x merupakan vektor dari sistem komplit, dan 𝐴𝐷 dan 𝐶𝐷 merupakan blok
matriks diagonal yang tersusun dari 𝐴𝑖 dan 𝐶𝑖 terkait dengan individual devices.
Jaringan transmisi interkoneksi diwakili dengan persamaan
∆𝑖 = 𝑌𝑁 ∆𝑣 (2.6)
 17

Elemen 𝑌𝑁 termasuk effek dari beban static nonlinear. Menyamakan persamaan (2.5)
terkait dengan perangkat dan persamaan (2.6) terkait dengan jaringan, maka didapatkan
𝐶𝐷 𝑥 − 𝑌𝐷 ∆𝑣 = 𝑌𝑁 ∆𝑣
Karena itu,
∆𝑣 = (𝑌𝑁 + 𝑌𝐷 )−1 𝐶𝐷 𝑥
Subsitusi persamaan diatas untuk ∆𝑣 dalam persmaan (2.75) menghasilkan persamaan
status sistem secara keseluruhan:
𝑥̇ = 𝐴𝐷 𝑥 + 𝐵𝐷 (𝑌𝑁 + 𝑌𝐷 )−1 𝐶𝐷 𝑥 (2.7)
= 𝐴𝑥
Ketika kondisi matriks A dari sistem yang komplit diberikan oleh
𝐴 = 𝐴𝐷 + 𝐵𝐷 (𝑌𝑁 + 𝑌𝐷 )−1 𝐶𝐷 (2.8)
Metode membangun matrik 𝐴𝑖 , 𝐵𝑖 , 𝐶𝑖 , dan 𝑌𝑖 untuk mesin sinkorn dan kontrol terkait
bisa mengikuti pendeketan umum. (Prabha Kundur, 1993)
2.2.2.2 Variabel keadaan redundan
Formulasi dari persaaman sistem diatas dijelaskan menggunakan perubahan
mutlak dalam kecepatan rotor mesin dan sudut sebagai variabel kondisi. Dengan seperti
itu formulasi matriks dari sistem yang mana tidak terdapat bus tak terhingga akan
memilik satu atau dua nilai eigen nol. Satu dari nol nilai eigen terkait dengan kurangnya
keunikan dari sudut rotor absolut. Dengan kata lain, jika sudut rotor pada semua mesin
dinaikkan oleh nilai yang konstan, stabilitas sistem tidak berpengaruh. Redundan
dalam sudut rotor bisa di eleminasi dengan memilih satu dari mesin sebagai acuan dan
menggambarkan perubahan sudut dari semua mesin dengan memperhatikan acuan itu.
(Prabha Kundur, 1993)
Untuk acuan mesin R,
𝑝∆𝛿𝑅 = 0
Untuk setiap mesin lainnya 𝑖 (𝑖 = 1, … , 𝑛; 𝑖 ≠ 𝑅,
𝑝∆𝛿𝑅 = (∆𝜔𝑟 dari mesin 𝑖) − (∆𝜔𝑟 dari mesin 𝑅)
 18

Kedua nol nilai eigen ada jika semua torsi generator diasumsikan untuk menjadi
independen dari penyimpangan kecepatan, jika istilaha redaman diwakilkan oleh 𝐾𝐷
tidak termasuk dalam persamaan swing dan kecepatan governor tidak diwakili. Nol
nilai eigen ini bisa juga dihindari dengan mengukur penyimpangan kecepatan dengan
memperhatikan acuan mesin. Secara matematis, proses dari acuan sudut rotor atau
penyimpangan kecepatan ke mesin acuan sama dengan transformasi. Bagaimana pun,
nol nilai eigen mungkin tidak dapat dihitung benar karena dari ketidakcocokan dalam
solusi aliran daya dan batas akurasi dari kalkulasi rutin nilai eigen. Karena itu muncul
sebagai nilai kecil eigen. (Prabha Kundur, 1993)
2.2.2.3 Pemodelan Multi Machine Infinite Bus Untuk Small Signal Stability
Sistem tenaga modern sangat sering dipengaruhi oleh gangguan yang mengarah
pada osilasi frekuensi rendah. Osilasi frekuensi rendah ini terkait dengan stabilitas
sinyal kecil dari sistem tenaga. Sekarang generator sinkron adalah bagian utama dari
sistem tenaga dari sudut pandang pembangkit listrik. Jadi semua gangguan itu
tercermin pada alternator. Single line diagram dasar multi machine infinite bus dapat
diwakilkan pada gambar (2.6),

Gambar 2. 6 Single line diagram of Kundur's Two-Area System

(sumber : Prabha Kundur, 1993 )

 19

sedangkan untuk small signal stability dari sistem harus dilinearisasi dan model
linerisasi yang sesuai dengan multi machine infinite bus dikenal dengan model Heffron
– Phillips diwakilkan pada gambar (2.7) (Soumyabrata Barik,2018).

Gambar 2. 7 Model dasar untuk sistem multi machine infinite bus

(sumber : Soumyabrata Barik,2018)

Yang mana konstanta K secara dasar diketahui sebagai konstanta Heffron –
Phillips, konstanta 𝐾1 hingga 𝐾6 yang ditunjukkan dalam diagram blok menjelaskan
internal dalam faktor – faktor yang mempengaruhi dalam sistem dan dapat ditemukan
oleh perbandingan koefisien dengan persamaan yang mengatur dinamika mesin
sinkron. Sementara 𝐾1 dan 𝐾2 berasal dari perhitungan torsi listrik, 𝐾3 dan 𝐾4 memiliki
asal mereka dalam persamaan tegangan medan. 𝐾5 dan 𝐾6 berasal dari persamaan yang
mengatur besarnya tegangan terminal.
𝐾1 = Pengaruh sudut torsi pada torsi listrik
 20

𝐾2 = Pengaruh Tegangan internal pada torsi listrik

𝐾3 = Field belitan konstan
𝐾4 = Pengaruh sudut torsi pada tegangan medan
𝐾5 = Pengaruh sudut torsi pada tegangan terminal
𝐾6 = Pengaruh tegangan internal pada tegangan terminal
Untuk menemukan konstanta Heffron-Phillips, komponen saat ini harus
ditemukan terlebih dahulu. Setelah studi aliran beban dari sistem uji, bus beban dapat
dihilangkan. K1ii, K1ij, K2ii dan K2ij ditemukan dari ekspresi torsi listrik, K3ii, K3ij, K4ii
dan K4ij dari persamaan tegangan internal, dan K5ii, K5ij, K6ii dan K6ij dari hubungan
tegangan terminal. Perhatikan bahwa bus beban harus dikeluarkan dari sistem karena
jumlah aljabar arus bus beban adalah nol (Soumyabrata Barik, 2018).
Persamaan matriks generator saat ini menjadi
[𝐼 ]̅ = [𝑌̅𝑡 ][𝑉̅ ] (2.9)
dimana [𝑉̅ ] adalah vektor tegangan terminal generator dan [𝑌̅𝑡 ] matriks masuk
transmisi. Dari diagram fasor yang diberikan di atas persamaan berikut dapat ditulis

[𝐼 ]̅ = [𝑌̅] [[𝑒 𝑗(90−𝛿) ][𝐸𝑞′ ] + [𝑋𝑑 − 𝑋𝑑′ ][𝑒 −𝑗𝛿 ][𝐼𝑞 ]] (2.10)

Dimana
−1
̅̅̅̅̅
[𝑌̅] ≜ [[𝑌 −1 ′
𝑡 ] + 𝑗[𝑋𝑑 ]] (2.11)

Untuk mesin ke–n dari sistem mesin di D–Q mengoordinasikan arus yang memiliki
syarat

𝐼̅𝑖 = ∑𝑛𝑗=1 ̅̅̅

𝑌𝑖𝑗 [[𝑒 𝑗(90−𝛿𝑗) 𝐸𝑞𝑗
′ ′
+ (𝑋𝑞𝑗 − 𝑋𝑑𝑗 )𝑒 −𝛿𝑗 𝐼𝑞𝑗 ]] (2.12)

Berdasarkan syarat dari 𝑗 = 𝑖, dalam koordinasi 𝑑𝑖 − 𝑞𝑖

𝑖̅𝑖 = 𝐼̅𝑖 𝑒 𝑗𝛿𝑖

= ∑𝑛𝑗=1 𝑌𝑖𝑗 [[𝑒 𝑗(90+𝛿𝑖𝑗+𝛽𝑖𝑗) 𝐸𝑞𝑗

′ ′
+ (𝑋𝑞𝑗 − 𝑋𝑑𝑗 )𝑒 (𝛿𝑖𝑗 +𝛽𝑖𝑗) 𝐼𝑞𝑗 ]] (2.13)

Dimana ̅̅̅
𝑌𝑖𝑗 ≜ 𝑌𝑖𝑗 𝑒 𝑗𝛽𝑖𝑗 dan 𝛿𝑖𝑗 ≜ 𝛿𝑖 − 𝛿𝑗 , karena itu
 21

𝑛
′ ′
𝑖𝑑𝑖 = 𝑅𝑒(𝑖𝑖 ) = ∑ 𝑌𝑖𝑗 [−𝑆𝑖𝑗 𝐸𝑞𝑗 + (𝑋𝑞𝑖 − 𝑋𝑑𝑖 )𝐶𝑖𝑗 𝐼𝑞𝑗 ]
𝑗=1

(2.14)
𝑛
′ ′
𝑖𝑞𝑖 = 𝐼𝑚(𝑖𝑖 ) = ∑ 𝑌𝑖𝑗 [𝐶𝑖𝑗 𝐸𝑞𝑗 + (𝑋𝑞𝑖 − 𝑋𝑑𝑖 )𝑆𝑖𝑗 𝐼𝑞𝑗 ]
𝑗=1

Dimana 𝐶𝑖𝑗 ≜ 𝑐𝑜𝑠(𝛽𝑖𝑗 + 𝛿𝑖𝑗 ) dan 𝑆𝑖𝑗 ≜ 𝑠𝑖𝑛(𝛽𝑖𝑗 + 𝛿𝑖𝑗 ), setelah linearisasi persamaan
saat ini untuk sistem mesin ke-n maka didapatkan
[∆𝐼𝑑 ] = [𝑃𝑑 ][∆𝛿] + [𝑄𝑑 ][∆𝐸𝑞′ ] + [𝑀𝑑 ][∆𝐼𝑑 ]
(2.15)
[𝐿𝑞 ][∆𝐼𝑑 ] = [𝑃𝑑 ][∆𝛿] + [𝑄𝑑 ][∆𝐸𝑞′ ]
Dimana
′ ′
𝑃𝑑𝑖𝑗 = −𝑌𝑖𝑗 [𝐶𝑖𝑗 𝐸𝑞𝑗 + (𝑋𝑞𝑗 − 𝑋𝑑𝑗 )𝑆𝑖𝑗 𝐼𝑞𝑗 ] 𝑗≠𝑖
′ ′
𝑃𝑞𝑖𝑗 = −𝑌𝑖𝑗 [𝑆𝑖𝑗 𝐸𝑞𝑗 − (𝑋𝑞𝑗 − 𝑋𝑑𝑗 )𝐶𝑖𝑗 𝐼𝑞𝑗 ] 𝑗≠𝑖

𝑃𝑑𝑖𝑖 = ∑ 𝑃𝑑𝑖𝑗 , 𝑃𝑞𝑖𝑖 = ∑ 𝑃𝑞𝑖𝑗

𝑗≠𝑖 𝑗≠𝑖

𝑄𝑑𝑖𝑗 = −𝑌𝑖𝑗 𝑆𝑖𝑗 , 𝑄𝑞𝑖𝑗 = 𝑌𝑖𝑗 𝐶𝑖𝑗 𝑗 = 1, … , 𝑛 (2.16)

′
𝐿𝑞𝑖𝑗 = −𝑌𝑖𝑗 (𝑋𝑞𝑗 − 𝑋𝑑𝑗 )𝑆𝑖𝑗 𝑗≠𝑖
′
𝐿𝑞𝑖𝑖 = 1 − 𝑌𝑖𝑖 (𝑋𝑞𝑖 − 𝑋𝑑𝑖 )𝑆𝑖𝑖
′
𝑀𝑑𝑖𝑗 = 𝑌𝑖𝑗 (𝑋𝑞𝑗 − 𝑋𝑑𝑗 )𝐶𝑖𝑗 𝑗 = 1, … , 𝑛
′
Untuk semua perhitungan koefisien P, Q, L, dan M dibutuhkan nilai awal 𝐸𝑞𝑗 , 𝐼𝑞𝑗 , dan
𝛿𝑗
[∆𝐼𝑑 ] = [𝐹𝑑 ][∆𝛿] + [𝑌𝑑 ][∆𝐸𝑑′ ] (2.17)
[∆𝐼𝑑 ] = [𝐹𝑞 ][∆𝛿] + [𝑌𝑞 ][∆𝐸𝑞′ ]
Dimana
−1
[𝑌𝑞 ] = [𝐿𝑞 ] + [𝑄𝑞 ]
 22

[𝑌𝑑 ] = [𝑄𝑑 ] + [𝑀𝑑 ][𝑌𝑞 ] (2.18)

[𝐹𝑑 ] = [𝑃𝑑 ] + [𝑀𝑑 ][𝐹𝑞 ]
Untuk konstanta K1ii, K1ij, K2ii dan K2ij, torsi listrik kira-kira sama dengan daya listrik
ketika kecepatan sinkron dipilih sebagai kecepatan dasar. Untuk mesin ith,
𝑇𝑒𝑖 ≃ 𝑅𝑒(𝐼𝑖̅ ∗ 𝑉̅𝑖 ) = 𝐼𝑞𝑖 𝐸 ′ 𝑞𝑖 + 𝐼𝑞𝑖 (𝑋𝑞𝑖 − 𝑋 ′ 𝑑𝑖 )𝐼𝑑𝑖 (2.19)
Setelah linearisasi persamaan diatas maka didapatkan
[∆𝑇𝑒 ] = [𝐾1 ][∆𝛿] + [𝐾2 ][∆𝐸′𝑞 ] (2.20)
Dimana
[∆𝐼𝑑 ] = [𝐹𝑑 ][∆𝛿] + [𝑌𝑑 ][∆𝐸𝑑′ ] (2.21)
[∆𝐼𝑑 ] = [𝐹𝑞 ][∆𝛿] + [𝑌𝑞 ][∆𝐸𝑞′ ]
𝐾1𝑖𝑗 = (𝐸 ′ 𝑞𝑖 + 𝐼𝑞𝑖 (𝑋𝑞𝑖 − 𝑋 ′ 𝑑𝑖 )𝐼𝑑𝑖 )𝐹𝑞𝑖𝑗 + ((𝑋𝑞𝑖 − 𝑋 ′ 𝑑𝑖 )𝐼𝑞𝑖 )𝐹𝑑𝑖𝑗 ∀𝑗 = 1, … , 𝑖, … , 𝑛 (2.22)

𝐾2𝑖𝑖 = 𝐼𝑞𝑖 + (𝐸 ′ 𝑞𝑖 (𝑋𝑞𝑖 − 𝑋 ′ 𝑑𝑖 )𝐼𝑑𝑖 )𝑌𝑞𝑖𝑖 + ((𝑋𝑞𝑖 − 𝑋 ′ 𝑑𝑖 )𝐼𝑞𝑖 )𝑌𝑑𝑖𝑖 (2.23)

𝐾2𝑖𝑗 = (𝐸 ′ 𝑞𝑖 + (𝑋𝑞𝑖 − 𝑋 ′ 𝑑𝑖 )𝐼𝑑𝑖 )𝑌𝑞𝑖𝑗 + ((𝑋𝑞𝑖 − 𝑋 ′ 𝑑𝑖 )𝐼𝑞𝑖 )𝑌𝑑𝑖𝑗 ∀𝑗 ≠ 𝑖 (2.24)

Konstanta K3ii, K3ij, K4ii dan K4ij memiliki persamaan tegangan internal untuk n mesin
dapat ditulis sebagai
[𝐼] + 𝑠[𝑇′𝑑0 ][∆𝐸′𝑞 ] = [∆𝐸𝑓𝑑 ] − [𝑋𝑑 − 𝑋′𝑑 ][∆𝐼𝑑 ] (2.25)
Dimana [𝐼] adalah matriks identitas, dan [𝑇′𝑑0 ] adalah diagonal matriks. Subsitusi [∆𝐼𝑑 ]
untuk mesin ith dapat ditulis sebagai berikut
1
[1 + 𝑠𝑇′𝑑0𝑖 𝐾3𝑖𝑖 ]∆𝐸′𝑞𝑖 = 𝐾3𝑖𝑖 [∆𝐸𝑓𝑑 − ∑𝑛𝑗≠1 ∆𝐸′𝑞𝑑 − ∑𝑛𝑗≠1 𝐾4𝑖𝑗 ∆𝛿𝑗 ] (2.26)
𝐾3𝑖𝑗

Dimana
𝐾3𝑖𝑖 = (1 + (𝑋𝑑𝑖 − 𝑋′ 𝑑𝑖 )𝑌𝑑𝑖𝑖 )−1

𝐾3𝑖𝑗 = ((𝑋𝑑𝑖 − 𝑋′ 𝑑𝑖 )𝑌𝑑𝑖𝑖 )−1 ∀𝑗 ≠ 𝑖 (2.27)

𝐾4𝑖𝑗 = (𝑋𝑑𝑖 − 𝑋′ 𝑑𝑖 )𝐹𝑑𝑖𝑗 ∀𝑗 = 1, … , 𝑖, … , 𝑛

Untuk setiap n mesin konstanta K5ii, K5ij, K6ii dan K6ij
[∆𝑉𝑑 ] = [𝑋𝑞 ][∆𝐼𝑞 ] (2.28)
[∆𝑉𝑞 ] = [∆𝐸′𝑞 ][∆𝐼𝑞 ]
 23

Maka didapatkan
[∆𝑉𝑡 ] = [𝐾5 ][∆𝛿] + [𝐾6 ][∆𝐸′𝑞 ] (2.29)
Dimana
(𝑉𝑑𝑖 𝑋𝑞𝑖 𝐹𝑞𝑖𝑗 −𝑉𝑞𝑖 𝑋 ′ 𝑑𝑖 𝐹𝑑𝑖𝑗 )
𝐾5𝑖𝑗 = ∀𝑗 = 1, … , 𝑖, … , 𝑛 (2.30)
𝑉𝑖

(𝑉𝑑𝑖 𝑋𝑞𝑖 𝑌𝑞𝑖𝑖 +𝑉𝑞𝑖 (1−𝑋 ′ 𝑑𝑖 𝑌𝑑𝑖𝑖 )

𝐾6𝑖𝑖 = 𝑉𝑖

(𝑉𝑑𝑖 𝑋𝑞𝑖 𝑌𝑞𝑖𝑖 +𝑉𝑞𝑖 (1−𝑋 ′ 𝑑𝑖 𝑌𝑑𝑖𝑖 )

𝐾6𝑖𝑖 = (2.31)
𝑉𝑖

Dengan menggunakan persamaan diatas konstanta Heffron-Phillips untuk

menguji sistem multimachine akan dihitung. Beberapa karakteristik penting dari
konstanta Heffron-Phillips untuk sistem multimachine dapat digambarkan sebagai
berikut (Soumyabrata Barik, 2018).
1. 𝐾1𝑖𝑗 ≠ 𝐾1𝑗𝑖 𝑑𝑎𝑛 𝐾1𝑖𝑗 ≶ 0 , 𝐾1𝑖𝑖 ≶ 0
2. 𝐾2𝑖𝑗 ≠ 𝐾2𝑗𝑖 𝑑𝑎𝑛 𝐾2𝑖𝑗 ≶ 0 , 𝐾2𝑖𝑖 ≶ 0
3. 𝐾3𝑖𝑖 > 0
4. 𝐾4𝑖𝑗 ≠ 𝐾4𝑗𝑖 𝑑𝑎𝑛 𝐾4𝑖𝑗 ≶ 0 , 𝐾4𝑖𝑖 ≶ 0
5. 𝐾5𝑖𝑗 ≠ 𝐾5𝑗𝑖 𝑑𝑎𝑛 𝐾5𝑖𝑗 ≶ 0 , 𝐾5𝑖𝑖 ≶ 0
6. 𝐾6𝑖𝑗 ≠ 𝐾6𝑗𝑖 𝑑𝑎𝑛 𝐾6𝑖𝑗 ≶ 0 , 𝐾6𝑖𝑖 ≶ 0
2.2.3 Power System Stabilizer
Power System Stabilizer (PSS) adalah feedback controller, untuk generator
sinkron yang menyediakan sinyal stabilisasi tambahan untuk Automatic Voltage
Regulator (AVR) melalui input referensi tegangan untuk mengurangi Low Frekuensi
Oscillations (LFO). Tujuan PSS adalah untuk meredam osilasi rotor generator dalam
kisaran 0,1 hingga 2,5 Hz. Dengan meredam osilasi elektromekanis, PSS diharapkan
menghasilkan torsi listrik yang seharusnya sama dengan fasa deviasi sudut rotor
generator (Gowrishankar Kasilingam, 2015).
Pengaturan dasar PSS bersama dengan kontrol generator digambarkan pada
gambar 2.8. Dalam pengaturan ini, perubahan kecepatan generator diambil sebagai
 24

input ke PSS dan outputnya ditambahkan ke input referensi AVR untuk mengubah
tegangan eksitasi. Dasar teoritis untuk PSS dapat diilustrasikan dengan diagram blok
diperpanjang dari model Heffron-Phillips sistem eksitasi seperti yang digambarkan di
bawah ini. Karena tujuan PSS adalah untuk memperkenalkan komponen torsi redaman,
sinyal logis yang digunakan untuk mengendalikan eksitasi generator adalah kecepatan
deviasi (Soumyabrata Barik,2018)

Gambar 2. 8 Pengaturan dasar PSS

(sumber : Soumyabrata Barik,2018)

Gambar 2. 9 Block Diagram PSS

(sumber : Amin Khodabakhsian,2014)
Wash – out time constant merupakan Filter wash-out yang mana
menghilangkan frekuensi rendah pada sinyal deviasi kecepatan dan memungkinkan
PSS untuk merespons hanya terhadap perubahan kecepatan.
 25

Lead – lag time constant merupakan sistem kompensasi fase yang diwakili oleh
dua fungsi transfer lead-lag tingkat pertama, yang digunakan untuk mengkompensasi
lag fase antara tegangan eksitasi dan torsi listrik dari mesin sinkron.
2.2.4 Bacterial Foraging Algorithm
Bacterial Foraging Algorithm (BFA) adalah teknik Artificial Intelligence (AI)
yang bisa digunakan menemukan solusi perkiraan untuk maslah maximum atau
minimum numerik yang sangat sulit atau tidak mungkin. BFA adalah teknik
probabilistik yang memodelkan pencarian makanan dan prilaku reproduksi bakteri
umum seperti E – coli dalam memecahkan masalah pengoptimalan numerik dimana
tidak ada pendekatan deterministik yang efektif. BFA diperkenalkan oleh Kevin M.
Passino pada tahun 2000 untuk masalah optimasi distribusi. Bacterial Foraging
Optimization (BFA) adalah algoritma perhitungan evolusioner baru yang diusulkan
berdasarkan prilaku mencari makan dari bakteri Escherichia coli (E – coli) yang hidup
dalam usus manusia. Algotitma BFO merupakan teknik komputasi yang terinpirasi
secara biologis yang mana berdasarkan meniru prilaku mencari makan bakteri E – coli.
Seleksi alam cenderung menyingkirkan hewan dengan strategi mencari makan yang
buruk dan mendukung sirkulasi gen dari hewan – hewan yang memiliki strategi pencari
makanan yang sukses, karena mereka lebih cenderung menikmati kesuksesan
reproduksi. Setelah beberapa generasi, strategi mencari makan yang buruk dihapus atau
dibentuk menjadi baik. Kegiatan mencari makan ini digunakan dalam proses optimasi.
(Ms. Kiran,2013).
Ketika bakteri mendapat makanan dengan jumlah yang cukup, bakteri
bertambah panjang dan di hadapan suhu yang sesuai mereka membelah dua di tengah
untuk untuk membentuk replika yang tepat dari dirinya sendiri. Phenomena ini
menginspirasi Passino untuk memperkenalkan acara reproduksi di BFA. Disebabkan
oleh terjadinya perubahan atau serangan lingkungan mendadak, kemajuan kemokastik
dapat dihancurkan, dan kumpulan dari bakteria mungkin dapat dipindahkan ke
beberapa tempat lain atau beberapa lainnya diperkenalkan di kelompok. Ini merupakan
peristiwa elimination – dispersal dalam populasi bakteri nyata, dimana semua bakteri
 26

di suatu wilayah dibunuh atau kelompok tersebar ke bagian baru dari lingkungan.
Misalkan ingin mencari minimum dari 𝐽(𝜃), dimana 𝜃𝜖ℜ𝑝 (𝜃 adalah vektor dimensi –
p dari angka nyata) dan tidak memiliki pengukuran atau deskripsi analitis tentang
gradien ∇𝐽(𝜃). BFA meniru empat mekanisme utama yang diamati dalam sistem
bakteri yang nyata: chemotaxis, swarming, reproduction, dan elimination – dispersal
didefinisikan sebagai berikut. (Swagatam Das, 2009)
2.2.4.1 Chemotaxis
Karakteristik pergerakan bakteri dalam mencari makanan dapat didefinisikan
dalam dua cara, yaitu swimming dan tumbling yang dikenal sebagai chemotaxis.
Bakteri dikatakan ' swimming ' jika bergerak ke arah yang telah ditentukan sebelumnya,
dan 'tumbling' jika bergerak ke arah yang sama sekali berbeda. Secara matematis,
jumlah bakteri apa pun dapat direpresentasikan dengan satuan panjang yang acak 𝜙(𝑗)
dikalikan dengan panjang langkah bakteri C(i). Dalam hal swimming, panjang acak ini
sudah ditentukan sebelumnya (Mishra, 2006).
Menurut Swagatam Das komputasi chemotaxis, pergerakkan bakteri dapat
diwakili sebagai berikut
∆(𝑖)
𝜃 𝑖 (𝑗 + 1, 𝑘, 𝑙) = 𝜃1 (𝑗, 𝑘, 𝑙) + 𝐶(𝑖) (2.32)
√∆𝑇 (𝑖)∆(𝑖)

Dimana ∆ menunjukkan panjang unit vektor dalam arah acak. (Swagatam Das, 2009)
2.2.4.2 Swarming
Adalah perilaku kelompok yang menarik diamati untuk beberapa spesies
bakteri termasuk E.Coli dan S.typhimurium, di mana pola kawanan spatiotemporal
yang rumit dan stabil terbentuk dalam medium nutrisi semipadat. Kelompok dari sel
E.Coli mengatur diri mereka sendiri dalam berpergian dengan bergerak menaikkan
gradien nutrisi ketika ditempatkan dalam matriks semipadat dengan chemo – efek gizi
tunggal. Sel – sel dirangsang oleh suksinat yang tingkat tinggi melepaskan asminat
atraktan, yang membantu mereka untuk berkumpul menjadi kelompok – kelompok,
dengan demikian bakteri bergerak sebagai kosentris dari kawanan dengan kepadatan
 27

bakteri yang tinggi. Pensinyalan sel – sel dalam E.Coli swarm dapat diwakili oleh
fungsi sebagai berikut
𝐽𝑐𝑐 (𝜃, 𝑃(𝑗, 𝑘, 𝑙)) (2.33)
𝑠

= ∑ 𝐽𝑐𝑐 (𝜃, 𝑃(𝑗, 𝑘, 𝑙))

𝑖=1
𝑠 𝑝
𝑖 2
= ∑ [−𝑑𝑎𝑡𝑡𝑟𝑎𝑐𝑡𝑎𝑛𝑡 exp(−𝑤𝑎𝑡𝑡𝑟𝑎𝑐𝑡𝑎𝑛𝑡 ∑ (𝜃𝑚 − 𝜃𝑚 ) )]
𝑖=1 𝑚=1
𝑆 𝑝
𝑖 2
+ ∑ [ℎ𝑟𝑒𝑝𝑒𝑙𝑙𝑎𝑛𝑡 exp(−𝑤𝑟𝑒𝑝𝑒𝑙𝑙𝑎𝑛𝑡 ∑ (𝜃𝑚 − 𝜃𝑚 ) )]
𝑖=1 𝑚=1

Dimana 𝐽𝑐𝑐 (𝜃, 𝑃(𝑗, 𝑘, 𝑙)) adalah nilai objektif – fungsi untuk ditambahkan ke fungsi
obyektif yang sebenarnya (untuk diminimumkan) untuk menyajikan fungsi obyektif
yang bervariasi waktu. Koefisien 𝑑𝑎𝑡𝑡𝑟𝑎𝑐𝑡𝑎𝑛𝑡 , 𝑤𝑎𝑡𝑡𝑟𝑎𝑐𝑡𝑎𝑛𝑡 , ℎ𝑟𝑒𝑝𝑒𝑙𝑙𝑎𝑛𝑡 , dan 𝑤𝑟𝑒𝑝𝑒𝑙𝑙𝑎𝑛𝑡
mengontrol kuat sinyal dari sel – sel. Lebih spesifik 𝑑𝑎𝑡𝑡𝑟𝑎𝑐𝑡𝑎𝑛𝑡 adalah kedalaman
atraktan yang dilepas oleh sel, 𝑤𝑎𝑡𝑡𝑟𝑎𝑐𝑡𝑎𝑛𝑡 adalah ukuran lebar sinyal penarik
(kuantifikasi tingkat difusi kimia), ℎ𝑟𝑒𝑝𝑒𝑙𝑙𝑎𝑛𝑡 = 𝑑𝑎𝑡𝑡𝑟𝑎𝑐𝑡𝑎𝑛𝑡 adalah tinggi dari efek
repellent (sel bakteri juga mengusir sel di dekatnya dalam arti bahwa ia mengkonsumsi
nutrisi terdekat, dan secara fisik tidak mungkin untuk memiliki dua sel di lokasi yang
sama) dan 𝑤𝑟𝑒𝑝𝑒𝑙𝑙𝑎𝑛𝑡 adalah ukuran lebar reppelant. (Swagatam Das, 2009).
2.2.4.3 Reproduction
Sekelompok bakteri asli, setelah berevolusi melalui beberapa tahap chemotaxis
mencapai tahap reproduction. Disini, kelompok bakteri terbaik (dipilih dari semua
tahap chemotaxis) dibagi menjadi dua kelompok. Setengah sehat menggantikan
separuh bakteri lainnya yang dihilangkan, karena kemampuan mencari makan yang
lebih buruk. Ini membuat populasi bakteri konstan dalam proses evolusi (Mishra,
2006).
 28

2.2.4.4 Elimination and Dispersal

Dalam proses evolusi, terjadi peristiwa yang tiba – tiba tidak terduga, yang
secara dramatis dapat mengubah kelancaran proses evolusi dan menyebabkan
hilangnya kelompok bakteri atau membubarkan bakteri ke lingkungan baru. Alih – alih
mengganggu pertumbuhan chemotactic biasa dari sekelompok bakteri peristiwa yang
tidak diketahui ini dapat menempatkan kelompok bakteri yang lebih baru lebih dekat
ke lokasi makanan. Dari perspektif yang luas, elimination dan dispersal adalah bagian
dari perilaku tingkat atas populasi. Dalam penerapannya untuk optimasi, ini membantu
dalam mengurangi prilaku stagnasi (terperangkap di titik solusi premature atau optima
lokal) sering terlihat pada algoritma pencarian paralel (Mishra, 2006).
2.2.4.5 Inisialisai
1. Jumlah parameter (𝑝) yang akan dioptimalkan;
2. Jumlah bakteri (𝑆) yang digunkan untuk mencari total wilayah;
3. Panjang renang 𝑁𝑠 setelah tumbling dari bakteri akan dilakukan dalam
lingkaran cheomatic;
4. Jumlah iterasi yang harus dilakukan dalam lingkaran chemotic 𝑁𝑐 > 𝑁𝑠 ;
5. Jumlah maksimum reproduksi yang harus dilakukan;
6. Jumlah maksimum eliminasi dan dipersal penyebaran yang harus dipaksakan
atas bakteri;
7. 𝜌𝑒. 𝑑 Probabilitas yang mana eliminasi dan penyebaran akan berlanjut;
8. Lokasi setiap bakteri 𝑃 (𝑖, 𝑗, 𝑘) yang ditentukan oleh 𝑃 (𝑖, 𝑗, 𝑘) =
{𝜃 𝑖 (𝑗, 𝑘, 𝑙)|𝑖 = 1,2, … , 𝑆};
9. Nilai dasar ukuran langkah chemotactic "𝐶(𝑖)" untuk 𝑖 = 1,2, . . . , 𝑆
diasumsikan konstan dalam kasus ini untuk semua bakteri untuk
menyederhanakan strategi desain;
10. Untuk menggambarkan tumbling, panjang unit arah acak antara (0,1), dikatakan
𝜑(𝑗), dihasilkan. Ini akan digunakan untuk menjelaskan arah dari pergerakan
setelah tumbling dengan menggunakan 𝛽(𝑖). Nilai dari 𝜑(𝑗) diwakilkan oleh:
 29

∆(𝑖)
𝜑(𝑖) = 𝛽(𝑖) (2.34)
√∆𝑇 (𝑖)∆(𝑖)

Dimana 𝛽(𝑖) = {𝛽𝑚 (𝑖)|𝑚 = 1,2, … , 𝑝} adalah 1 atau -1 dan ∆(𝑖) ∈ 𝑅 𝑝 ,

{∆𝑚 (𝑖)|𝑚 = 1,2, … , 𝑝} adalah angka acak pada (0,1). Juga 𝛽(𝑖) dipilih secara
acak dan mengubah dengan memperhatikan fungsi cost secara pintar.
Algoritma BFA klasik ditulis dengan 𝜑(𝑖) baru untuk pergerakan bakteri pintar
setelah tumbling. (E.Daryabeigi, 2011).
2.2.4.6 Pseudo Code dan Flow Chart dari BFA
Parameter
1. Inisial parameter 𝑝, 𝑆, 𝑁𝑐 , 𝑁𝑠 , 𝑁𝑟𝑒 , 𝑁𝑒𝑑 , 𝑃𝑒𝑑 , 𝐶(𝑖)(𝑖 = 1,2, … , 𝑆), 𝜃 𝑖 .
Dimana:
𝑝 = dimensi mencari ruang
𝑆 = jumlah bakteri dalam populasi
𝑁𝑐 = langkah chemotaxis
𝑁𝑠 = jumlah maksimum dari panjang renang
𝑁𝑟𝑒 = jumlah dari langkah reproduksi
𝑁𝑒𝑑 = kegiatan eliminasi dan dispersal
𝑃𝑒𝑑 = eliminasi dan dispersal dengan probabilitas
𝐶(𝑖) = ukuran langkah yang digunakan dalam arah acak
Algoritma
2. Elimination – dispersal loop: 𝑙 = 𝑙 + 1
3. Reproduction loop: 𝑘 = 𝑘 + 1
4. Chemotaxis loop: 𝑗 = 𝑗 + 1
a) Untuk 𝑖 = 1,2, … , 𝑆 ambil chemotaxis dari bakteri 𝑖
b) Menghitung fungsi kecocokan, 𝐽(𝑖, 𝑗, 𝑘, 𝑙)
c) Biarkan 𝐽𝑙𝑎𝑠𝑡 = 𝐽(𝑖, 𝑗, 𝑘, 𝑙) untuk menyimpan nilai ini, sejak menemukan biaya
yang bagus saat di run
d) Tumbling : menghasilkan vektor acak ∆(𝑖)𝜖ℜ𝑝 dengan masing – masing
elemen ∆𝑚 (𝑖), 𝑚 = 1,2, … , 𝑝 angka acak pada [1, −1]
 30

e) Pindakan : biarkan
∆(𝑖)
𝜃 𝑖 (𝑗 + 1, 𝑘, 𝑙) = 𝜃1 (𝑗, 𝑘, 𝑙) + 𝐶(𝑖)
√∆𝑇 (𝑖)∆(𝑖)
Hasil dalam langkah ini langsung menuju tumbling untuk bakteri 𝑖
f) Hitung 𝐽(𝑖, 𝑗 + 1, 𝑘; 𝑙) dan biarkan 𝐽(𝑖, 𝑗 + 1, 𝑘, 𝑙) = 𝐽(𝑖, 𝑗, 𝑘, 𝑙) + 𝐽𝑐𝑐 (𝜃 𝑖 (𝑗 +
1, 𝑘, 𝑙), 𝑃(𝑗 + 1, 𝑘, 𝑙))
g) Swim
i. Biarkan 𝑚 = 0 (counter untuk panjang renang)
ii. Sementara 𝑚 < 𝑁𝑠 (jika belum turun terlalu lama)
 Biarkan 𝑚 = 𝑚 + 1
 Jika 𝐽(𝑖, 𝑗 + 1, 𝑘, 𝑙) < 𝐽𝑙𝑎𝑠𝑡 (jika melakukan yang terbaik),
biarkan 𝐽𝑙𝑎𝑠𝑡 = 𝐽(𝑖, 𝑗 + 1, 𝑘, 𝑙)
∆(𝑖)
𝜃 𝑖 (𝑗 + 1, 𝑘, 𝑙) = 𝜃1 (𝑗, 𝑘, 𝑙) + 𝐶(𝑖)
√∆𝑇 (𝑖)∆(𝑖)
Dan gunakan 𝜃 𝑖 (𝑗 + 1, 𝑘, 𝑙) untuk menghitung 𝐽(𝑖, 𝑗 + 1, 𝑘, 𝑙)
yang baru seperti yang dilakukan di [f]
 Lainnya, biarkan 𝑚 = 𝑁𝑠 ; ini merukan akhir dari kondisi
sementara.
h) Lanjutkan ke bakteri selanjutnya (𝑖 + 1) jika 𝑖 ≠ 𝑆 (kembali ke [b] untuk
memproses bakteri selanjutnya)
5. Jika 𝑗 < 𝑁𝑐 , kembali ke langkah no 4. Dalam masalah ini, kelanjutan
chemotaxis ketika hidup bakteri belum berakhir
6. Reproduction:
a) Untuk yang diberikan 𝑘 dan 𝑙, dan untuk setiap 𝑖 = 1,2, … , 𝑆
𝑁𝑐 +1
𝑖
𝐽ℎ𝑒𝑎𝑙𝑡ℎ = ∑ 𝐽(𝑖, 𝑗, 𝑘, 𝑙)
𝑗=1

Menjadi kesehatan bakteri 𝑖 (ukuran berapa banyak nutrisi yang didapat selama
masa hidupnya dan seberapa suksesnya menghindari zat berbahaya). Semacam
 31

bakteri dan parameter chemotaxis 𝐶(𝑖) dalam urutan biaya yang naik 𝐽ℎ𝑒𝑎𝑙𝑡ℎ
(harga yang mahal berarti kesehatan yang rendah)
b) Bakteri 𝑆𝑟 dengan nilai mati 𝐽ℎ𝑒𝑎𝑙𝑡ℎ yang sangat tinggi dan mengingat bakteri
𝑆𝑟 dengan nilai membelah terbaik (proses ini dilakukan oleh salinan yang
dibuat ditempatkan di lokasi yang sama dengan orang tua mereka)
7. Jika 𝑘 < 𝑁𝑟𝑒 , kembali ke langkah no 3. Dalama masalah ini, belum
mendapatkan jumlah yang ditentukan langkah reproduction, maka mulai
generasi selanjutnya dari chemotaxis loop
8. Elimination – dispersal: untuk 𝑖 = 1,2, … , 𝑆 dengan probabilitas 𝑃𝑒𝑑 , eliminasi
dan menyebarkan masing – masing bakteri (ini menjaga jumlah bakteri dalam
populasi tetap konstan). Untuk melakukan ini, jika bakteri dieliminasi hanya
membubarkan satu sama lain ke lokasi acak pada domain optimasi. Jika 𝑙 <
𝑁𝑒𝑑 kembali ke langkah 2, dengan kata lain, selesai.
 32

Gambar 2. 10 Flowchart Dari BFA

(sumber:Ms. Kiran,2013)
 BAB III
METODE PENELITIAN
3.1 Lokasi dan Waktu Penelitian
Adapun lokasi penelitian ini akan dilakukan di Program Studi Teknik Elektro,
Fakultas Teknik Universitas Udayana, kampus Bukit Jimbaran. Penelitian ini
menggunakna data PT PLN (PERSERO) UP2B Bali. Pelaksanaan penelitian ini akan
dimulai dari bulan Febuari 2019 hingga Mei 2019.
3.2 Sumber dan Jenis Data Penelitian
Sumber data penelitian ini bersumber dari PT PLN (PERSERO) UP2B Bali.
Jenis data yang dibutuhkan dalam penelitian ini adalah data input yang dibutuhkan
dalam program analisis sistem kelistrikan di bali terhadap small signal stability
menggunakan metode bacteria foraging algorithm, sebagai berikut:
1. Data single line diagram sistem kelistrikan di Bali
2. Data saluran transmisi 150 kV
3. Data total daya yang dibangkitkan dan digunakan
4. Data - data generator pada setiap pembangkit, berupa tahanan dan koefisien
Dalam penelitian ini pengumpulan data – data dilakukan berdasarkan metode
observasi dan studi literature. Data – data yang diperoleh merupakan hasil observasi
di PT PLN (PERSERO) APP Bali dan membaca buku atau literatur lain yang
menunjang penelitian serta hasil dari penelitian yang telah dilakukan sebelumnya oleh
orang lain.
3.3 Instrumen Penelitian
Adapun instrumen penelitian yang digunakan dalam penelitian ini yaitu berupa
alat dan perangkat lunak untuk memperoleh serta menganalisis data. Perangkat lunak
yang digunakan bernama MATLAB (Matriks Laboratory). MATLAB (Matriks
Laboratory) adalah sebuah program untuk analisis dan komputasi numerik, merupakan
suatu bahasa pemrograman matematika lanjutan yang dibentuk dengan dasar pemikiran
menggunakan sifat dan bentuk matriks. Program ini merupakan produk komersial dari
perusahaan Mathworks, Inc. yang dalam perkembangan selanjutnya dikembangkan

33
 34

menggunakan bahasa C++ dan assembler (terutama untuk fungsi-fungsi dasar

MATLAB).
3.4 Tahap Penelitian
1. Mencari data penelitian mengenai spefikasi peralatan terutama generator,
busbar, dan single line diagram yang berasal dari PT PLN (Persero) UP2B
Kapal
2. Menentukan parameter – parameter BFA, melakukan inisial parameter dalam
program (inisial parameter aliran daya, spesifikasi generator, spesifikasi exiter,
dan BFA)
3. Membuat program stabilitas tenaga listrik pada software Matlab dengan
menggunakan metode Tanpa kontrol, PSS, dengan metode BFA.
4. Melakukan simulasi program di software Matlab dengan menggunakan data
sistem kelistrikan Bali 150 kV yang pertama dengan menjalannkan loadflow
5. Mencari nilai optimasi fungsi obyektif untuk BFA dengan menggunakan
software MATLAB
6. Mensimulasikan hasil fungsi obyektif optimisasi BFA pada simulasi sistem
kelistrik Bali 150 kV pada MATLAB
7. Membandingkan hasil optimisasi BFA terhadap metode yang Tanpa kontrol,
Power System Stabilizaiser dan PIDPSS.
8. Menganalisa perbandingan hasil simulasi metode yang Tanpa kontrol, Power
System Stabilizaiser, PIDPSS dan BFA.
9. Membuat kesimpulan dari Analisa perbandingan hasil simulasi metode yang
Tanpa kontrol, Power System Stabilizaiser, dan BFA.
 35

3.5 Analisis Data

Mulai A B

Membandingkan
Running hasil simulasi
1. Studi literatur
metode Open
2. Pengumpulan Loadflow
loop, CPSS, dan
data
BFA

Mencari nilai Analisa hasil

1. Menentukan optimasi fungsi perbandingan
parameter yang obyektif untuk
dioptimasi metode BFA
2. Menentukan
fungsi obyektif Tidak Kesimpulan

Membuat program Mensimulasikan

stabilitas dengan hasil optimasi
metode Open loop, fungsi obyektif
Selesai
CPSS, dan BFA pada
Matlab
Ya

A B
 36

DAFTAR PUSTAKA

Anggu, Rittu. dan Mehta, R.K. 2017. A Single Machine Infinite Bus Power System
Daming Control Design With Extend State Observer. India. Jurnal Cogent
Engineering. 4:1369923
Chaturvedi, D.K. Vijay, Himanshu. Kumar, Sanjeev. 2012. System Identification of
Single Machine Infinite Bus Using GA-Fuzzy Technique. India. Proceedings of
the International Conf.
Daryabeigi, E.Moazzami, M. 2011. A New Power System Stabilizer Design By Using
Smart Bacteria Foraging Algorithm. Iran. IEEE CCECE.
Das, Swagatam. 2009. On Stability of The Chemotactic Dynamic in Bacterial –
Foraging Optimization Algorithm.IEEE: Vol 39, No 3.
Dasgupta, Sambarta. Biswas, Arijit, Abraham, Ajith. 2008. Adaptive Computional
Chemotaxis in Bacterial Foraging Algorithm. India. International Conference
on Complex, Intelligent and Software Intesive Systems.
Ghfarokhi, G Shahgholian. Arezoomand, M. Mahmoodian, H. 2007. Analysis and
Simulation of the Singel Machine Infinite Bus with Power System Stabilizer
Parameter and Parameter Variation Effects. Egypt 6(1) : 44-48.
Kasilingam, Gowrishankar. Pasupuleti, Jagadeesh. 2015. Coordination of PSS and PID
Controller for Power System Stability Enhancement – Overview. Malaysia.
Indian Journal of Science and Technology: Vol 8(2),142-151.
Khodabakhshian, Amin. 2013. A New Optimization Approach For Multi – Machine
Power System Stabilizer Design Using Smart Bacteria Foraging Algorithm.
Simulation: Transaction of the society for Modeling and Simulation
Internasional:89(9).
Kiran, Ms.Choundary, Sunita. Sunita, Ms. 2013. Bacterial Foraging Optimization :
Review. India. International Jurnal of Engineering Research & Technology.
ISSN :2278-0181.
 37

Korani, Wael. 2008. Bacterail Foraging Oriented by Particle Swarm Optimization

Startegy for PID Tunning. Egypt 6(1) : 44-48.
Kundur, Prabha. 1993. Power System Stability and Control. California. McGraw – Hill,
Inc.
Kundur, Prabha. 2004. Definition and Classification of Power System Stability. IEEE :
Vol 19, No 2.
Manuaba, IGB. Priyadi, Ardyono, Purnomo, Mauridhi Hery, Amrita, AAN. 2015.
Coordination Controller Power System in Java – Bali 500 kV Interconected
Based On Bacteria Foraging – Particle Swarm Optimization For Stability
Improvement. Surabaya.
Mishra, S. 2006. Mult – Machine Power System Stabilizer Design By Rule Based
Bacteria Foraging. Inida. Electric Power System Research.
Yijan, Liu.Yanjun, Fang. 2008. Optimization Design of PID Controller Parameter
Based on Improved E.Coli Foraging Algorithm. China. Proceedings of the
IEEE.
Zea, Andrea Angel. 2013. Power System Stabilizer for the Synchronous Generator :
Tunning and Performance Evalution. Sweden.