Abstrak - Optimal Power Flow (OPF) merupakan media yang media yang paling sering digunakan untuk forecasting dalam
efisien dan paling sering digunakan dalam perencanaan dan sistem tenaga listrik. Namun, banyak gangguan acak atau
pengoperasian sistem tenaga. Namun, model OPF memiliki faktor-faktor tak tentu, seperti variasi dari beban nodal,
beberapa kekurangan seperti ketidak akuratan pada gangguan perubahan dalam konfigurasi jaringan dan kesalahan
acak atau faktor-faktor tak tentu seperti variasi dari beban
nodal dan perubahan konfigurasi jaringan. Hal tersebut
forecasting atau penghitungan dari parameter dan variable
mengakibatkan kesalahan perhitungan pada sistem load input pada operasis sistem tenaga. Hal tersebut sangat
forecasting. Untuk mengatasi masalah tersebut, mempengaruhi hasil dari OPF, paling tidak akan membuat
dipertimbangkan model baru dari OPF menggunakan beberapa ekstensi, ketidakakuratan [2,3].
pendekatan teori probabilitas melalui Probabilistic-Optimal Untuk mengatasi faktor-faktor tak tentu pada sistem
Power Flow (P-OPF). P-OPF merupakan model pengoperasian tenaga, diputuskan untuk menggunakan OPF dengan konteks
sistem tenaga menggunakan pendekatan secara statistik seperti teori probabilitas atau yang sering disebut sebagai
standar deviasi, mean, fungsi kepadatan pobabilitas (PDF) dan Probabilistic-Optimal Power Flow (POPF). POPF mengatasi
fungsi distribusi kumulatif (CDF). P-OPF mempunyai tingkat masalah faktor-faktor tak tentu dari sistem tenaga sebagai
akurasi lebih tinggi daripada model OPF. Namun beberapa
metode masih membutuhkan kemampuan komputer yang
vaiabel acak dengan distribusi probabilitas dan diperoleh
sangat tinggi seperti metode Monte Carlo Simulation (MCS). informasi statistik optimal, seperti rata-rata, penyimpangan
Metode First Order Second Moment Method (FOSMM) pada P- baku, fungsi kepadatan probabilitas (PDF) dan fungsi
OPF tidak membutuhkan kemampuan komputer sebesar distibusi kumulatif (CDF) [3].
metode Monte Carlo Simulation dan kemampuan iterasi yang Optimalisasi aliran daya menggunakan metode
mendekati metode OPF konvensional. Hasil dari penelitian probabilistic telah berkembang dan menjadi salah satu
tugas akhir ini adalah untuk menemukan nilai rata-rata dan metode utama dengan mengambil faktor-faktor tak tentu dari
simpangan baku dari semua parameter optimal power flow. beberapa parameter di sistem tenaga. Contohnya adalah, hal
yang diakibatkan dari perubahan biaya listrik. Hal tersebut
Kata Kunci : POPF, Kapasitas Saluran, First Order Second
Moment Method
dimodelkan secara probabilistic pada sistem POPF [4,5,6,7].
Beban sistem tersebut tidak bergantung terhadap waktu,
namun yang dapat direpresentasikan dalam kurva beban.
E
I. PENDAHULUAN
Salah satu metode yang digunakan dalam sistem POPF
nergi listrik merupakan energi primer yang
adalah Monte Carlo Simulation (MCS). Metode ini memiliki
membutuhkan suatu operasi sistem untuk
tingkat akurasi yang tinggi namun membutuhkan
pembangkitan dan penyalurannya. Tujuan utama
kemampuan komputer yang lebih baik daripada metode OPF,
pengoperasian sistem adalah mempertahankan keadaan
sehingga masih menjadi metode skunder dalam sistem POPF
normal selama mungkin. Kriteria umum yang digunakan
[2].
dalam menilai kinerja operasi sistem tenaga listrik adalah
Dalam Tugas Akhir ini, akan dikembangkan sistem POPF
kriteria SEQ (Security, Economy dan Quality) [1]. Security
dengan First Order Second Moment Method (FOSMM).
atau sekuritas adalah kemampuan Sistem untuk menghadapi
Ekspansi dari deret Taylor dengan melinierkan suatu sistem
kejadian yang tidak direncanakan, tanpa mengakibatkan
yang tidak linier dapat digunakan untuk mengurangi waktu
pemadaman. Economy atau ekonomi yaitu optimasi biaya
komputasi. Ekspansi deret Taylor tersebut digunakan dalam
pengoperasian sistem agar minimum tanpa melanggar
metode First Order Second Moment Method (FOSMM) yang
batasan mutu dan keamanan. Quality yaitu kemampuan
membutuhkan kemampuan komputer paling rendah
sistem untuk menjaga agar semua batasan operasi terpenuhi.
dibandingkan sistem POPF yang lain dengan
Operasi sistem tenaga pada sistem kelistrikan diharapkan
mempertimbangkan bagian operasi inisial lebih pada satu
dapat menghasilkan sistem yang handal dan optimal secara
penghitungan numerik.
ekonomi untuk mengatasi kondisi beban yang fluktuatif
dalam 24 jam dengan memenuhi batasan operasi.
II. FIRST ORDER SECOND MOMENT PADA OPTIMAL
Optimal Power Flow (OPF) telah sering digunakan
POWER FLOW
sebagai media yang efisien dalam perencanaan dan
pengoperasian sistem tenaga listrik. Model dari OPF telah
A. Optimal Power Flow
mengalami perubahan dan perkembangan seiring dengan
Studi aliran daya merupakan bagian yang sangat penting
semakin banyaknya variasi sistem tenaga yang akan
dioptimalkan. Selain itu, OPF juga merupakan salah satu karena digunakan untuk menganalisa perencanaan, operasi
2
dan penjadwalan ekonomis. Beberapa metode untuk Dimana g(X)=0 dikenal sebagai kondisi limit dan setiap n
menghitung aliran daya antara lain Gauss-Seidel, Newton mengindikasikan beban dasar atau variabel resistansi.
Rhapson, dan metode Fast Decouple. Tujuan studi aliran Biasanya, jumlah dari kondisi limit dapat diidentifikasi untuk
daya yaitu untuk mengetahui besar tegangan dan sudut fasa sebuah sistem dengan masing-masing representasi sebuah
pada setiap bus serta aliran daya pada tiap saluran [7,8]. kondisi dari kegagalan sistem, sistem yang tidak bekerja, atau
Sistem tenaga memiliki tiga jenis bus, yaitu: malfungsi pada pengoperasiannya. Untuk mempermudah
- Swing atau slack bus pengembangan dan analisisnya, semua variabel di
Nilai tegangan (V) dan sudut tegangan (Ɵ) adalah 0, transformasi ke bentuk standarisasinya (3).
dan nilainya tetap. Swing bus dijadikan sebagai ̅̅̅
𝑋𝑖 − 𝑋𝑖
referensi. Besaran yang dapat dihitung adalah daya 𝑋𝑖 ′ = (3)
aktif dan daya reaktif. 𝜎𝑖
Nilai ekspektasi dan standar deviasi dari Xi’ adalah nol.
- Generator bus (PV Bus)
Besaran yang diketahui yaitu daya aktif (P) dan nilai Persamaan kondisi limit selanjutnya harus dituliskan dengan
tegangan generator (V). Dapat disebut juga dengan bentuk yang sama dengan variabel X, sehingga menjadi
voltage controllled bus karena nilai tegangan pasa bus seperti berikut (4):
ini nilainya konstan. Besaran yang dihitung yaitu daya > 0 , 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑎𝑚𝑎𝑛
reaktif (Q) dan sudut tegangan (Ɵ). 𝑔(𝑋1′, 𝑋2′, … , 𝑋𝑛′) { = 0 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑙𝑖𝑚𝑖𝑡 (4)
- Load bus (PQ Bus) < 0 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑠𝑎𝑙𝑎ℎ
Besaran yang diketahui yaitu daya aktif (P) dan daya Secara umum, g(X’) merupakan fungsi non linier.
reaktif (Q). Load bus merupakan bus yang tidak Namun, fungsi tersebut dapat dilinier kan pada beberapa
terhubung dengan generator. Besaran yang dihitung point X’0 menjadi:
yaitu nilai tegangan (V) dan sudut tegangan (Ɵ). 𝑇
𝑔(𝑋 ′ ) = 𝑔(𝑥 ′ ) + ∇𝑔(𝑥 ′ ) (𝑋 ′ − 𝑥 ′ ) + 𝑜(||𝑋 ′ − 𝑥 ′ ||) (5)
0 0 0 0
Secara umum, OPF berbasis pada model injeksi bus yang
telah dihubungkan dengan sistem transmisi dan model aliran Dimana:
cabang yang telah digunakan untuk sistem distribusi radial 𝜕𝑔 ′ 0 𝜕𝑔 ′ 0 𝑇
[7,8]. Jangkauan yang luas dari OPF telah dikembangkan, ∇𝑔(𝑥 ′ 0 ) = [ (𝑥 ) … (𝑥 )] (6)
termasuk gradien konjuget, successive quadratic 𝜕𝑥1 𝜕𝑥1
programming, branch and node, relaksasi Lagrange, metode Bentuk order yang lebih tinggi dihilangkan dengan
titik interior, penguatan simulasi, algoritma genetik dan asumsi bahwa X’s adalah tidak berkorelasi secara statistik,
optimasi partikel swan yang direpsesentasikan dengan nilai ekspektai dan standar deviasi dari g(X’) adalah sebagai
beberapa pertimbangan antara omtimalisasi, kecepatan berikut:
konvergen antara keanekaragaman dan penyesuaian untuk 𝑔̅0 = 𝑔(𝑥 ′ 0 ) − ∇𝑔(𝑥 ′ 0 )𝑇 𝑥 ′ 0 (7)
masalah sepesifik [9,10]. 𝑇
𝜎𝑔0 2 = ∇𝑔(𝑥 ′ 0 ) ∇𝑔(𝑥 ′ 0 ) (8)
B. Probabilistic Optimal Power Flow ̅̅̅0
𝑔
OPF dan P-OPF merupakan dua hal sangat penting dalam 𝛽0 =
𝜎𝑔0
permodelan sistem tenaga dan operasinya terutama pada
pembangkitan energi terbarukan yang saat ini meningkat dan Jika X’s berkorelasi, maka bisa digunakan prinsip
teritegrasi dengan jala-jala [17]. P-OPF sendiri memiliki transdormasi komponen sebelum distandarisasi.
perpedaan mendasar dengan OPF. P-OPF menggunakan Untuk distribusi probabilitas, FOSMM dapat
metode pendekatan secara probabilistic, yaitu dengan fungsi menggunakan orde pertama dan orde kedua yang didapat dari
Probabilistic Density Function (PDF) dan Cumulative karakteristik probabilitas variabel acak. FOSMM digunakan
Density Function (CDF) [2]. P-OPF mengatasi masalah sebagai nilai untuk karakteristik probabilitas dari beban [1].
faktor-faktor tak tentu dari sistem tenaga sebagai vaiabel acak
Formulasi metode FOSMM menggunakan fungsi Lagrange
dengan distribusi probabilitas pasti dan diperoleh informasi
statistik dari solusi optimal, seperti rata-rata, standar deviasi, (9) sebagai berikut:
fungsi PDF dan fungsi CDF [2]. 𝐿(𝜔) = 𝑐(𝑥) − 𝜆𝑇 (𝑔(𝑥) − 𝑏) − 𝜇𝑇 ℎ(𝑥) (9)
C. First Order Second Moment Method dimana λ dan π = Vektor dari perkalian Lagrange 𝜔 =
FOSMM menggunakan pendekatan deret Taylor orde [𝑥 𝑇 , 𝜆𝑇 , 𝜇𝑇 ] Kemudian, fungsi (1) tersebut dioptimalkan
pertama yang dikomputasikan ke orde kedua secara statistik. menggunakan metode Karush-Kuhn-Tucker (KKT) melalui
FOSMM bermula dari sistem yang non linier dengan persamaan (10) berikut ini.
persamaaan (1): 𝛻𝑥 𝐿(𝜔) = 0 (10)
𝑍=y(𝑥) (1) 𝑔(𝑥) − 𝑏 = 0
Z = output vektor
ℎ(𝑥) ≥ 0, 𝜇 ≥ 0, 𝜇𝑖 ℎ𝑖 = 0, (𝑖 = 1, … , 𝑝)
y = fungsi vektor non linier
Pada paper [2] menyebutkan bahwa, kesuksesan dari
x = vector acak dengan mean 𝑥⃐ metode solusi tergantung pada kemampuan untuk
Secara umum, fungsi performansi dari sistem FOSMM menemukan mengikat ketidakrataan dengan efisien, dan
dapat ditulis sebagai berikut: metode tersebut tidak bisa bekerja dengan baik ketika
> 0 , 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑎𝑚𝑎𝑛 persamaan iteratif nya dalam keadaan yang rusak. Model P-
𝑔(𝑋1, 𝑋2, … , 𝑋𝑛) { = 0 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑙𝑖𝑚𝑖𝑡 (2) OPF dapat dengan mudah mengatasi ketidakrataan.
< 0 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑠𝑎𝑙𝑎ℎ Keuntungan yang lain dari metode ini adalah dapat
3
menghindari kondisi yang cacat dengan menggunakan Tipe bus tipe 1 adalah Pq bus, sedangkan bus tipe 2 adalah
matriks koefisien iteratif Pv bus yang biasanya terhubung langsung dengan generator.
Sementara itu, bus tipe 3 adalah slack bus yang digunakan
untuk referensi dan cadangan pembangkit. Pada sistem IEEE
III. PROBABILISTIC-OPTIMAL POWER FLOW (P-OPF) 5 bus ini base tegangan yang digunakan adalah 230 kV.
DENGAN METODE FIRST ORDER SECOND MOMENT Tabel 2 Data pembangkit 5 bus
(FOSM) PADA 5 BUS, 9 BUS DAN 14 BUS IEEE Unit Cost Function P max (MW) P min (MW)
1 14𝑃1 240 10
A. Prosedur Komputasional 3 40𝑃3 100 10
Penelitian ini menggunakan perhitungan statistik dalam 4 40𝑃4 350 10
pembagian pembebanan generator, atau sering disebut
sebagai Probabilistic Optimal Power Flow (POPF). Metode Pada Tabel 2 dapat dilihat bahwa cost function yang
yang digunakan adalah first order second moment (FOSMM) digunakan pada sistem IEEE 5 bus ini adalah polinomial
dimana pada metode ini mencoba melinierkan sistem yang dengan Pi adalah jumlah daya yang dibangkitkan masing-
tidak linier. Pengolahan data dan simulasi dilakukan dengan masing generator i. Daya maksimal yang mampu
menggunakan Matlab R2011a, dan dengan menggunakan dile dibangkitkan sistem ini adalah 690 MW dengan nilai slack
Matpower 5.1 serta pengolahan menggunakan Microsoft bus mencapai 350 MW. Nilai slack bus yang besar ini
Excel. Alur yang digunakan dalam penelitian ini adalah digunakan sebagai cadangan daya ketika terjadi beban penuh
sebagai berikut: pada saluran.
Mulai Tabel 3 Data saluran IEEE 5 Bus
From To Kapasitas Saluran
Saluran x
Studi literatur Bus Bus (MW)
1 1 2 0.0281 400
Memodelkan sistem 2 1 4 0.0304 400
IEEE 5 bus dan IEEE 30
bus pada Matlab 3 1 5 0.0064 400
4 2 3 0.0108 400
Menentukan fungsi 5 3 4 0.0297 400
objektif, beban dan
constraint 6 4 5 0.0297 240
BEBAN (PU)
6 7 8 0.072 250
7 8 2 0.0625 250 1.5
8 8 9 0.161 250
9 9 4 0.085 250 1
5200