merupakan suatu sistem untuk meminimumkan biaya PGi min ≤ PGi ≤ PGi max (3)
operasi pada sistem tenaga listrik dengan cara
mengoptimalkan pengalokasian pembang kitan daya
antara generator-generator yang beroperasi pada dengan
sistem Bali serta menghasilkan suatu rencana operasi PD adalah total permintaan (MW)
yang memenuhi persyaratan pengoperasian sistem
PL adalah total rugi-rugi daya (MW)
tenaga listrik. Persyaratan tersebut terutama adalah
daya yang dibangkitkan cukup untuk memasok beban PGi adalah daya yang dibangkitkan oleh
dan rugi-rugi daya, tidak melanggar kendala sistem.
Banyak teknik optimasi untuk pengalokasian pembangkit ke-i (MW)
pembangkitan daya antara generator-generator yang ai , bi , ci : Konstanta-konstanta pembangkit
beroperasi agar optimal. PGi min : pembangkitan minimal unit i (MW)
2. Alokasi Pembebanan Ekonomis (Economic PGi max : pembangkitan maksimal unit i (MW)
Dispatch)
Dalam sistem tenaga listrik, ada beberapa N : Jumlah unit pembangkit berputar
macam pembangkit tenaga (power plant), yaitu
pembangkit tenaga thermal, pembangkit tenaga hidro, Beberapa metode yang telah berhasil
pembangkit tenaga nuklir dsb. Pembangkit thermal digunakan untuk memecahkan permasalahan ini, baik
sendiri juga mempunyai beberapa perbedaan, sebagai metode konvensional dan kecerdasan buatan
contoh, perbedaan bahan bakar, harga maksimum dan (artificial intelligent). Metode konvensional yang
minimum keluaran pembangkit, dsb. Salah satu sudah dikenal antara lain metode Lagrange
karakteristik terpenting adalah biaya operasi. Biaya (Lagrangian Relaxation method), metode proyeksi
operasi masing-masing pembangkit berbeda, tidak gradien (gradient projection method), metode interior
hanya antar pembangkit, melainkan juga tergantung point, metode Generalize Reduce Gradient (GRG
pada besarnya daya yang dibangkitkan. Dilain pihak, method), dsb. Metode optimasi dengan
sistem tenaga listrik mempunyai beberapa menggunakan Jaringan Syaraf Tiruan termasuk
pembangkit dengan karakteristik berbeda-beda. Dan dalam metode kecerdasan buatan, dalam decade
pembangkit-pembangkit tersebut lokasinya jauh dari terakhir ini menjadi sangat penting dalam
titik pusat beban, sehingga menyebabkan rugi-rugi menyelesaikan permasalahan-permasalahan dalam
transmisi yang besar, yang merupakan pengeluaran sistem tenaga listrik, antara lain penjadualan unit-unit
ekstra dari pembangkitan. Jadi, yang menjadi pembangkit (unit commitment), alokasi pembebanan
perhatian dalam hal ini adalah bagaimana ekonomis (economic load dispatch), peramalan beban
menentukan jumlah daya yang harus dibangkitkan (load forecasting), dsb.
oleh masing-masing pembangkit dalam suatu sistem
tenaga listrik sehingga dapat memenuhi jumlah 3. Metoda Optimasi Quadratic Interior Point
kebutuhan beban dengan biaya minimum, dinamakan
alokasi pembebanan ekonomis (Economic Load Metode Interior Point pertama
Dispatch). diperkenalkan oleh Karmarkar adalah merupakan
metode untuk menyelesaikan masalah pemrograman
Masalah alokasi pembebanan ekonomis linier. Metode ini banyak digunakan dalam operasi
dirumuskan untuk memperoleh kodisi optimal penelitian (operation research) karena efisien,
pembangkit dengan meminimalkan total biaya bahan reliabel dan akurat. Metode ini kemudian
bakar, yang dinyatakan sebagai [17,7,3]: dikembangkan oleh James A. Momoh dkk dengan
berdasarkan pada perbaikan kondisi awal sehingga
N
( 2
Biaya _ operasi = ∑ ai + bi PGi + ci PGi
i =1
) bisa digunakan untuk menyelesaikan permasalahan
dengan pemrograman linier maupun kuadratik (non
Rp/jam (1) linier) yang dikenal dengan metode EQIP (Extended
Quadratic Interior Point method). Yang paling
Kendala termasuk keseimbangan daya antara penting dalam algoritma ini adalah titik start awal
pembangkit dengan permintaan dan rugi-rugi daya dapat ditentukan dahulu. Kemudian mencari solusi
[8]: optimal dalam interior polytope yang didefinisikan
N oleh kendala-kendala sampai dicapai titik optimal.
PD + PL = ∑ PGi (2) Dalam paper ini metode EQIP digunakan untuk
i =1 menyelesaikan masalah optimasi alokasi
pembebanan pada sistem kelistrikan Bali. Model
Penjadwalan daya aktif disyaratkan untuk memenuhi quadratic interior point didefinisikan sebagai benkut
batas atas dan batas bawah pembangkit. [6, 10].
[ ]
dan
~ ⎛ A( mxn) − I ( mxm) 0 ( mxm) ⎞ γ:=min dp k ,................, dp k (19)
A ∆⎜ ⎟, (10) n +1 n + 2m
⎜ A( mxn) 0 ( mxm) I ( mxm) ⎟
⎝ ⎠ ~
T:=(Dkdpk)T Q (Dkdpk) (20)
dengan I adalah matrik identitas mxm . Sehingga
permasalahan optimasi quadratic (4) dan (5) 1
mempunyai bentuk minimisasi sebagai : β1 : = - , γ < 0, β1 : = 106, γ ≥ 0 (21)
γ
k T k
1 ~T ~~ T ~ ( dp ) dp
min P = 2 X QX + a~ X (11) β2 : = , T > 0, ...................
T
β2 : = 106, T ≤ 0 (22)
harus memenuhi kendala
~~ ~
AX = b (12)
~ β : = min [β1, β2], d := D dp
k
(23)
X j ≥ 0, j = n+1, ... , n+2m (13) x k
Kriteria berhenti adalah perubahan relatif Hopfield (Hopfield Neural Network / HNN ) banyak
fungsi objektif pada setiap iterasi, yaitu digunakan dalam penelitian tentang alokasi
pembebanan ekonomis. Metode ini akan
|Pk+1–Pk|/max{1,|Pk|} < є diaplikasikan untuk menyelesaikan alokasi
pembebanan untuk sistem kelistrikan Bali.
atau perubahan relatif pada nilai interior yang Dengan mengaplikasikan Hopfield Neural Network
memungkinkan pada setiap iterasinya berdasarkan pada persamaan syaraf tiruan dinamis
berikut:
~ ~
| X k+1- X k| < є
dU i
Untuk menjaga solusi dari masalah pada = ∑ Tij V j + I i (28)
dt j
setiap iterasi agar selalu berada dalam daerah interior
yang memungkinkan, algoritma EQIP memerlukan
perhitungan dari nilai start awal titik interior yang U i adalah total input dari syaraf (neuron) i , dapat
~0 ~~0 ~ 0
fisibel X yaitu A X = b dengan ~ x ≥ 0 untuk j = dinyatakan sebagai:
j
n+1,....,n+2m. U i = ∑ Tij V j + I i (29)
i≠ j
Nilai awal yang memungkinkan dapat dihasilkan
dengan memperkenalkan variabel buatan xs. EQIP dengan
akan menghasilkan nilai yang memungkinkan dengan Tij = bobot hubungan antara syaraf j dan syaraf i
meminimalkan x [11]:
s I i = ambang batas (threshold) neuron i
Minimize[xs] (25) Vi adalah output dari syaraf i , dapat dinyatakan
~~ ~ ~ ~ ( )
g U i adalah fungsi tak linier pada syaraf yang
A X + (b - A e) x s = b (26) merupakan fungsi sigmoid yang dinyatakan sebagai
[2]:
~
x ≥ 0 untuk j = n+1,....,n+2m. xs≥0 (27)
j g (U i ) = (1 + tanh(λ U i ) / 2 (30)
Tii = − A − Bci
t t
Meminimumkan f ( x ) = 12 x Px + q x (32)
Tij = − A (35)
Kendala
t
g i x = si i = 1........n I i = A( PD + PL ) − .5 Bbi
t
wi x ≤ d i Untuk menyelesaikan kendala ketidaksamaan, ada
or beberapa cara, diantaranya dengan menggunakan
variable tambahan (slack variable). Disini kendala
t
wi x ≥ d i i = 1.....m ketidaksamaan diselesaikan dengan memodifikasi
fungsi sigmoid sebagai berikut :
Pertama, abaikan dulu kendala ketidaksamaan,
kemudian dilakukan mapping ke Hopfield Neural g i ( U i ) = ( Pi max − Pi min )
Network Hubungkan variable x ke neuron output v (36)
( 1 + tanh( λU i )) / 2 + Pi min
dan fungsi energi berikut konvergen ke harga
minimum [9]:
Sehingga proses perhitungan menjadi :
[
E = α F ( v ) + ∑ β i Gi ( v )
i
]
2
(33) ∆U i = {∑ Tij + I i }∆t
j
(
+ (B / 2) ∑ a i + bi Pi + c i Pi
2
) (34)
sebenarnya dikurangai pasokan dari Jawa. Beban
dimaksud adalah beban pada bus pembangkit,
i sehingga dalam perhitungan tidak mengikutkan rugi
rugi transmisi.
Dengan A, dan B adalah faktor bobot (weight). Daya Berdasarkan data performance test sesudah
keluaran Pi dapat dinyatakan sebagai inspection sentral PLTD dan PLTG Pesanggaran,
kemudian dicari karakteristik input-output hanya
pada unit-unit PLTD dan PLTG yang beroperasi
Pi = g i U i( ) dengan menggunakan metode regresi least square.
Karakteristik Input-Output PLTD dan PLTG seperti
Sehingga diperoleh hasil pemetaan dari alokasi dalam tabel 1.
pembebanan ekonomis ke jaringan syaraf tiruan Pembebanan pembangkit hasil simulasi dengan
dengan membandingkan koefisien-koefisien dari kedua metode telihat pada tabel 2.
persamaan (1) dan (2) dengan persamaan (31), dan
dengan menyatakan Vi sebagai Pi , diperoleh
Pukul
UNIT 18.00 19.00 20.00 21.00 22.00
EQIP HNN EQIP HNN EQIP HNN EQIP HNN EQIP HNN
PLTD-2 (MW) 4,438 3,662 4,600 4,600 4,600 4,600 4,600 4,600 4,600 4,600
PLTD-4 (MW) 4,459 3,123 4,500 3,722 4,500 3,713 4,500 3,650 4,500 3,596
PLTD-5 (MW) 3,500 3,500 3,500 3,500 3,500 3,500 3,500 3,500 3,500 3,500
PLTD-6 (MW) 5,225 5,300 5,300 5,300 5,300 5,300 5,300 5,300 5,300 5,300
PLTD-7 (MW) 1,700 5,600 5,600 5,600 5,600 5,600 5,600 5,600 5,600 5,600
PLTD-8 (MW) 1,600 4,500 1,600 4,500 1,600 4,500 1,600 4,500 1,600 4,500
PLTD-9 (MW) 1,600 4,500 2,518 4,500 2,440 4,500 1,887 4,500 1,600 4,500
PLTD-10 (MW) 10,500 10,500 10,500 10,500 10,500 10,500 10,500 10,500 10,500 10,500
PLTD-11 (MW) 10,500 10,500 10,500 10,500 10,500 10,500 10,500 10,500 10,500 10,500
PLTG-1 (MW) 19,400 19,400 19,400 19,400 19,400 19,400 19,400 19,400 19,400 19,400
PLTG-2 (MW) 19,279 7,471 11,782 9,370 11,761 9,341 11,613 9,142 11,300 8,971
PLTG-3 (MW) 39,500 39,500 39,500 39,500 39,500 39,500 39,500 39,500 39,500 39,500
PLTG-4 (MW) 35,000 29,144 35,000 33,308 35,000 33,246 35,000 32,808 35,000 32,433
TOTAL (MW) 146,700 146,700 154,300 154,300 154,200 154,200 153,500 153,500 152,900 152,900
Beban (MW) 146,700 146,700 154,300 154,300 154,200 154,200 153,500 153,500 152,900 152,900
HNN, 433,815,909
Total biaya
434,000,000 EQIP,
431,176,790
433,000,000
432,000,000
431,000,000
430,000,000
429,000,000
EQIP HNN