Jurnal: Elektrika Borneo (JEB) Vol.
No.
April 2023, hlm.
p-ISSN: 2443-0986
REKONFIGURASI JARINGAN PADA SISTEM DISTRIBUSI RADIAL
UNTUK MEREDUKSI RUGI-RUGI DAYA
MENGGUNAKAN ALGORITMA GENETIKA ADAPTIF
Patria Julianto1 Jurusan Teknik Elektro Universitas Borneo Tarakan.
Kalimantan Utara.
Indonesia 1patria@borneo.
AbstractAi In the electric power distribution system, the most commonly used form is radial.
The distribution network with the radial form produces higher losses of power and voltage losses than other forms of distribution networks.
reduce power losses and increase the voltage profile, one of the commonly used methods is network reconfiguration.
The main problem with the reconfiguration of a network of radial distribution systems is to determine the proper configuration for the distribution system to have the smallest losses but the distribution network configuration remains in a radial state.
this study, adaptive genetic algorithm (AGA) method was used to obtain optimal distribution network configuration.
With the AGA method, search performance is improved by making the process of crossover probability and mutation becoming adaptive to prevent premature convergence.
The simulation for this research has been successfully tested on a 69-bus distribution system with results prior to network reconfiguration, power losses 225,0167 kW and after reconfiguration of the network, the power losses become 100,1742 kW.
There was a reduction of power losses of 124,8425 kW .
,48%).
As for the value of voltage and power factor occurs a significant increase after the reconfiguration.
KeywordsAiRadial reconfiguration, adaptive genetic algorithm, losses.
PENDAHULUAN
Rekonfigurasi jaringan merupakan salah satu teknik optimisasi yang umum dipakai pada sistem distribusi tenaga Pada kondisi normal, struktur jaringan dapat direkonfigurasi dengan mengubah status buka atau tutup switch jaringan dengan tujuan untuk mereduksi rugi-rugi daya aktif dan meningkatkan profil tegangan.
Terdapat dua macam saklar digunakan dalam sistem Ada saklar normally open .
ectionalizing switc.
dan normally close .
ie switc.
Dua macam saklar ini dirancang untuk proteksi dan manajemen konfigurasi.
Rekonfigurasi jaringan distribusi sistem tenaga listrik adalah proses mengubah topologi sistem distribusi dengan cara mengubah status buka/tutup saklar.
Konfigurasi yang dibentuk dengan operasi pensaklaran untuk mentransfer beban antara saluran sangat bervariasi.
Oleh karena itu akan ada banyak kandidat kombinasi pensaklaran yang rumit dalam sistem distribusi.
Penelitian untuk rekonfigurasi jaringan telah banyak dilakukan, beberapa diantaranya adalah algoritma branch exchangeAetype heuristic .
, algoritma optimal flow pattern .
, tabu search .
, algoritma simulated annealing .
dan algoritma genetika .
Metode-metode tersebut diaplikasikan untuk penyelesaian masalah rekonfigurasi jaringan.
Satu hal yang sering menjadi kendala adalah pelanggaran batasan struktur jaringan radial yang tidak boleh diabaikan selama proses pencarian.
Pada penelitian sebelumnya, untuk kendala ini biasanya dibuang atau direvisi dengan operasi tambahan.
Pada penelitian ini, algoritma genetika adaptif digunakan untuk menyelesaikan masalah rekonfigurasi jaringan untuk minimisasi rugi-rugi daya aktif dengan tetap memperhatikan semua batasan.
Metode algoritma genetika digunakan untuk merumuskan masalah rekonfigurasi jaringan pada sistem distribusi radial yang dibawa ke dalam perhitungan dengan batasan-batasan pada setiap bus dan seluruh feeder.
Batasan struktur jaringan radial dan kualitas daya termasuk batasan tegangan dimasukkan ke dalam perhitungan.
Pada rekonfigurasi jaringan dengan AGA, saluran distribusi dikodekan ke dalam string biner, sehingga individu dalam AGA adalah kandidat solusi yang merupakan struktur jaringan distribusi.
Dengan menggunakan fungsi fitness, kombinasi yang sesuai antara fungsi obyektif dan batasan digunakan sebagai kriteria untuk memilih kandidat konfigurasi jaringan yang paling Pada akhirnya perhitungan AGA akan meningkatkan pembangkitan kromosom dan kandidat solusi, sehingga solusi optimal berupa struktur jaringan distribusi radial yang mempunyai rugi-rugi daya paling kecil dapat diperoleh.
IntisariAiPada sistem distribusi tenaga listrik, bentuk yang paling umum digunakan adalah radial.
Jaringan distribusi dengan bentuk radial menghasilkann rugi-rugi daya dan rugi-rugi tegangan yang lebih besar dibandingkan dengan jaringan distribusi bentuk lain.
Untuk mereduksi rugi-rugi daya dan meningkatkan profil tegangan, salah satu metode yang umum digunakan adalah rekonfigurasi Permasalahan utama pada rekonfigurasi jaringan sistem distribusi radial adalah menentukan konfigurasi yang tepat agar sistem distribusi mempunyai rugi-rugi yang paling kecil tetapi konfigurasi jaringan distribusi tetap dalam keadaan radial.
Pada penelitian ini, metode algoritma genetika adaptif (AGA) digunakan untuk mendapatkan konfigurasi jaringan distribusi yang optimal.
Dengan metode AGA, performa pencarian ditingkatkan dengan membuat proses probabilitas crossover dan mutasi menjadi adaptif untuk mencegah terjadinya konvergensi prematur.
Simulasi untuk penelitian ini telah berhasil dicoba pada sistem distribusi 69-bus dengan hasil sebelum rekonfigurasi jaringan, rugi-rugi daya sebesar 225,0167 kW dan setelah dilakukan rekonfigurasi jaringan, rugi-rugi daya menjadi 100,1742 kW.
Terdapat reduksi rugi-rugi daya sebesar 124,8425 kW .
,48%).
Sedangkan untuk tegangan dan faktor daya terjadi kenaikan yang cukup signifikan setelah dilakukan rekonfigurasi jaringan.
Kata KunciAijaringan distribusi radial, rekonfigurasi jaringan, algoritma genetika adaptif, rugi-rugi daya.
Patria Julianto.
Rekonfigurasi Jaringan Pada Sistem Distribusi Radial A 16 II.
LANDASAN TEORI
Minimisasi Rugi-rugi Daya Aktif Tujuan dari rekonfigurasi jaringan pada sistem distribusi adalah untuk mereduksi rugi-rugi daya aktif pada sistem distribusi tersebut.
Formula untuk minimisasi rugirugi daya aktif secara umum dapat dinyatakan sebagai ycAyca minycEycoycuycyc = Oc OIycEycn ycn=1 Perhitungan rekonfigurasi jaringan harus memenuhi batasan-batasan sistem distribusi sebagaimana persamaan maupun pertidaksamaan berikut ini:
cu ) = 0 ycOycoycnycu Ou ycOycn Ou ycOycoycaycoyc ycIycn O ycIycnycoycaycoyc Keterangan:
ycAyca : jumlah total saluran distribusi.
ycEyaOeycoycuycyc : rugi-rugi daya aktif sistem.
OIycEycoOe1 : rugi-rugi daya aktif pada saluran i.
ycu : vektor tegangan bus bar.
cu ) : aliran daya pada sistem distribusi.
ycOycn : besaran tegangan pada bus i.
ycOycoycnycu : tegangan minimum bus bar.
ycOycoycaycoyc : tegangan maksimum bus bar.
ycIycn : daya kompleks yang mengalir pada saluran i.
Simaks : kapasitas daya kompleks maksimum saluran i.
Pada penelitian ini, untuk mereduksi rugi-rugi daya aktif pada saluran distribusi digunakan fungsi objektif dengan menambahkan fungsi dan konstanta penalti untuk setiap pelanggaran yang dilakukan pada tahap perhitungan pada proses optimasi sebagaimana persamaan berikut:
Pemodelan Rekonfigurasi Jaringan Distribusi Radial Dari Persamaan .
Formula minimisasi rugi-rugi daya pada rekonfigurasi jaringan diberikan oleh persamaan sebagai berikut:
ycAyca min.
cEycoycuycyc ) = min (Oc.
cEycn2 ycEycn2 ).
ycycn ) ycn=1 Dengan ycycn adalah resistansi saluran, ycEycn ycycEycn , adalah aliran daya pada saluran i, ycEycn ycycEycn = OcycOOycn.
cEyayc ycycEyayc ) dan ycEyayc ycycEyayc adalah daya beban yang terhubung pada bus t pada ujung saluran i.
Pada jaringan distribusi radial, ketika tie switch ditutup, loop terbentuk dan sectionalizing swtich pada loop seharusnya terbuka untuk mengembalikan struktur radial dari sistem.
Sebagai hasil dari operasi swtiching ini, beban antara dua switch yang dihubungkan saluran akan ditransfer dari satu feeder ke feeder lainnya.
Pada penelitian ini, digunakan terminologi yang sama dengan Huang .
dan operasi switching ini disebut sebagai branch exchange atau pertukaran saluran.
Hasilnya, formula minimisasi rugi-rugi daya dari rekonfigurasi jaringan sistem dapat digantikan dengan setara oleh formulasi rugi-rugi minimum pada setiap tie switch yang terhubung dengan rekonfigurasi loop, sebagaimana persamaan sebagai berikut:
ycAycnycu.
cEycoycuycyc ) ycAycnycu.
cEya_ycn ) .
ycn=1 Keterangan :
: fungsi penalti untuk setiap pelanggaran pada batasan tegangan bus bar.
: fungsi penalti untuk setiap pelanggaran pada batasan kapasitas daya kompleks saluran k1, k2 : konstanta penalti.
Sebagaimana fungsi objektif pada Persamaan .
, tujuan yang diharapkan dari proses optimasi adalah pengoperasian sistem distribusi dengan rugi-rugi daya aktif yang paling minimal dengan batasan-batasan yang terdapat pada saluran distribusi tidak ada yang dilanggar.
Sehingga Persamaan .
perlu ditambahkan beberapa fungsi dan konstanta sebagaimana Persamaan .
untuk mencegah proses optimasi menghasilkan pengoperasian sistem distribusi dengan rugi-rugi daya aktif rendah namun terdapat pelanggaran terhadap batasan-batasan pada sistem .
cn = 1 A .
, ycAyc ) .
Dengan Nt adalah nilai total dari tie switch pada sistem, ycEya_ycn adalah rugi-rugi daya aktif dari tie switch ke i yang terhubung jaringan loop.
Setelah pertukaran saluran, reduksi rugi daya aktif OIycEycayco , diberikan sebagai berikut:
OIycEycayco = ycEycuycycn Oe ycEycyceyce = 2 Oc.
cEycn ycEyc ycEycn ycEyc ].
ycycn Oe 2 Oc.
cEycn ycEyc ycEycn ycEyc ].
ycnOOya ycAyco min ycEyaOeycoycuycyc = Oc OIycEycoOeycn yco1 yceyc yco2 yceyca ycnOOycI Oe .
cEyc2 ycEyc2 ).
ycyc Dengan ycEycuycycn adalah rugi-rugi daya aktif dari jaringan aslinya, dan ycEycyceyce adalah rugi-rugi daya aktif setelah Untuk mencari beban transfer optimal Ps jQs yang membuat OIycEycayco menjadi maksimum, diferensial dari OIycEycayco terhadap Ps dan Qs, diset untuk menjadi sama dengan nol, sebagai berikut :
yuiOIycEycayco yuiycEyc yuiOIycEycayco { yuiycEyc Sehingga untuk mendapatkan solusi dari transfer beban optimal dapat menggunakan persamaan sebagai berikut:
OcycnOOya ycEycn ycycn Oe OcycnOOycI ycEycn ycycn OcycnOOyaOycI ycycn ycyc OcycnOOya ycEycn ycycn Oe OcycnOOycI ycEycn ycycn ycEyc = OcycnOOyaOycI ycycn ycyc ycEyc = .
Patria Julianto.
Rekonfigurasi Jaringan Pada Sistem Distribusi Radial A 17 Untuk mendapatkan saluran dengan aliran daya yang sesuai dengan transfer beban optimal Ps jQs, aturan dari transfer beban optimal dinyatakan dengan persamaan sebagai berikut:
yaycy = ycycaycuycc .
ycAyca ycAycy = ycycaycuycc .
ycAyco dengan rand adalah angka acak seragam pada .
Jika (Ps jQ.
< (Pn jQ.
/ 2, atau (Ps jQ.
< (Pm jQ.
/ 2, rugi-rugi daya aktif dalam loop sudah Tie switch tetap dibiarkan dengan status Nilai fitness tertinggi adalah ycAyca dan ycAyco terkecil.
Sehingga skema yang mengatur bahwa individu sehat hanya melakukan pencarian lokal dan individu tidak sehat melakukan pencarian global dapat dicapai.
Jika Ps jQs > 0, beban transfer yang optimal Ps jQs adalah benar-benar ditransfer dari set L ke set R.
Pada set L, saluran dengan aliran daya yang paling dekat dengan Ps jQs dibuka.
Jika Ps jQs < 0, beban transfer optimal Ps jQs adalah benar-benar ditansfer dari set R ke set L.
Pada set R, saluran dengan aliran daya yang paling dekat dengan Ps jQs dibuka.
Pengkodean AGA Pengkodean merepresentasi parameter-parameter pengaturan dari suatu permasalahan optimasi diskrit, dalam penelitian ini optimasi yang dimaksud adalah rekonfigurasi jaringan.
Decoding untuk skema pengkodean biner diberikan oleh Persamaan sebagai berikut:
yco Untuk mengeliminasi kemungkinan kesalahan yang disebabkan oleh perputaran solusi yang kontinu, dua saluran dimana aliran daya saluran yang lebih besar dan lebih kecil dari Ps jQs, statusnya ditukar dengan tie switch.
Selain itu, reduksi rugi-rugi daya yang bersesuaian dari pertukaran dua saluran ini dievaluasi menggunakan persamaan minimisasi rugi-rugi daya pada rekonfigurasi jaringan untuk menentukan pertukaran saluran yang i.
METODE PENELITIAN
Algoritma Genetika Adaptif (AGA) Pada AGA, untuk melakukan mekanisme hasil baik hanya melakukan pencarian lokal dan hasil tidak baik melakukan pencarian global, panjang langkah dari crossover Nc dan mutasi Nm harus dapat berubah secara adaptif sesuai dengan nilai fitness dari hasil mekanisme Untuk masing-masing nilai crossover dan mutasi diberikan oleh Persamaan sebagai berikut:
yceycoycaycu Oe yceycnA yca2 ) .
co Oe .
ycAyca = { yceycoycaycu Oe yce I ycoOe1 ycAyco = { .
yco yca1 , yca2 yco1 , yco2 yceycoycaycu yceycnA yceycn yceI yceycoycaycu Oe yceycn yco2 ) .
yceycoycaycu Oe yce I yceycnA > yce I yceycnA O yceycnA > yce I yceycnA O yaAOeya Oc ycaycnyc 2ycOe1 2yco Oe 1 yc=1 A.
B = batas terbawah dan teratas variabel.
= panjang pengkodean.
ycaycnyc = nilai .
dari gen j pada kromosom i.
2ycOe1 = koefisien decoding dari gen j.
ycUycn = variabel yang bersesuaian dengan hasil i.
ycUycn = ya .
Fungsi Fitness Nilai fitness digunakan untuk menunjukkan performance dari suatu individu.
Di dalam evolusi alam, individu yang bernilai fitness tinggi .
yang akan bertahan hidup.
Sedangkan individu yang bernilai fitness rendah .
idak seha.
akan mati.
Pada masalah optimasi, jika solusi yang dicari adalah memaksimalkan sebuah fungsi h .
ikenal sebagai masalah maksimisas.
, maka nilai fitness yang digunakan adalah nilai dari fungsi h tersebut, yakni f = h, .
adalah nilai Tetapi jika masalahnya adalah meminimalkan fungsi h .
asalah minimisas.
, maka fungsi h tidak bisa digunakan secara langsung.
Hal tersebut disebabkan adanya aturan bahwa individu yang memiliki nilai fitness tinggi lebih mampu bertahan hidup pada generasi berikutnya.
Oleh karena itu nilai fitness yang bisa digunakan adalah f =1/h, artinya semakin kecil nilai h, semakin besar nilai f.
Fungsi fitness pada algoritma rekonfigurasi jaringan diberikan oleh Persamaan sebagai berikut:
yceI ya .
cu ) = = koefisien dari panjang langkah crossover, secara umum yca1 yca2 = 1.
= koefisien dari panjang langkah mutasi, umum yca1 yca2 < 1.
= nilai fitness maksimum dari populasi.
= nilai fitness tertinggi dari dua individu yang = nilai fitness dari individu yang dimutasi.
= nilai fitness rata-rata dari populasi.
Titik crossover yang bersesuaian, yaycy , dan posisi mutasi, ycAycy , ditentukan sebagai berikut:
yayco yaycuycayc .
Dengan yayco = 5 y ycEycu_ycoycuycyc , ycEycu_ycoycuycyc adalah rugi-rugi daya aktif dari sistem distribusi asli .
ebelum rekonfigurasi jaringa.
, g adalah individu dan yaycuycayc adalah nilai dari fungsi objektif dari individu g.
Dengan menggunakan Persamaan .
, didapatkan bahwa rugi-rugi daya terkecil adalah nilai fitness tertinggi.
Pada rekonfigurasi jaringan dengan AGA, saluran distribusi dikodekan ke dalam string biner.
Skema titik tunggal dari operator crossover dan mutasi dilakukan untuk menerapkan operasi crossover dan mutasi.
Pada operasi seleksi digunakan roulete whell.
Nilai generasi maksimum diberikan untuk penghentian AGA.
Patria Julianto.
Rekonfigurasi Jaringan Pada Sistem Distribusi Radial A 18 Gambar 1.
Sistem Distribusi 69 bus IV.
HASIL DAN PEMBAHASAN
Rekonfogurasi jaringan dengan algoritma genetika adaptif telah sukses dicoba pada sistem distribusi 69-bus .
Sistem ini terdiri dari 69 bus dan 68 saluran, dengan tegangan 12,66 kV, daya total pada beban sebesar 3802,19 kW j 2694,6 kVAr.
Diagram segaris dapat dilihat pada Gambar 1.
Sedangkan untuk simulasi aliran daya digunakan Metode Newton-Raphson.
Pada rekonfigurasi jaringan sistem distribusi 69-bus menggunakan Algoritma Genetika Adaptif (AGA), parameter-parameter yang digunakan sebagai berikut :
jumlah generasi maksimal 2000, jumlah populasi 80, probabilitas crossover 0,9, probabilitas mutasi 0,01, konstanta panjang pencarian mutasi yco1 = 0,5 dan yco2 = 0,3, konstanta panjang pencarian crossover yca1 = 0,5 dan yca2 = 0,5 dan panjang kromosom 10.
Nilai tegangan dibatasi antara minimal 0,9 pu dan maksimal 1,1 pu, dengan konstanta yco1 = 1.
Sedangkan kapasitas saluran dibatasi pada nilai maksimum 10.
000 kVA, dengan konstanta yco2 = 1000.
Dari hasil simulasi didapatkan nilai fitness terbaik sebesar 7,6969, untuk hasil pemrosesan AGA dapat dilihat pada Gambar 2, sedangkan untuk hasil terbaik dalam hal ini konfigurasi jaringan yang mempunyai rugi-rugi daya paling kecil ditunjukkan pada Tabel 2.
Terdapat 3 saluran yang ditukar, dengan total penurunan rugi-rugi daya sebesar 124,8425 kW.
Terjadi reduksi rugi-rugi daya sebesar 55,48%.
Setelah dilakukan rekonfigurasi jaringan dengan AGA didapatkan bahwa untuk memperbaiki sistem .
ereduksi rugi-rugi daya, meningkatkan profil tegangan dan faktor day.
, struktur jaringan yang paling optimal adalah dengan melepas jaringan 13, 45, 51, 70 dan 71.
Tabel I Konfigurasi Jaringan Sistem Distribusi 69-bus
Konfigurasi
Awal Konfigurasi
AGA
Saluran Terbuka Jumlah Switching 70, 71, 72, 73, 74
13, 45, 51, 70, 71
Tabel II
Rekapitulasi Hasil Perhitungan Aliran Daya
Pembangkitan Pembebanan Rugi-rugi Konfigurasi
Awal Konfigurasi
AGA
4027,2067 kW 3802,1900 kW 225,0167 kW 3902,3642 kW 3802,1900 kW 100,1742 kW Perbandingan hasil perhitungan sebelum dan sesudah dilakukan rekonfigurasi jaringan pada sistem distribusi 69 bus dapat disimpulkan sebagai berikut:
Rugi-rugi daya aktif total sebelum rekonfigurasi jaringan sebesar 225,0167 kW.
Setelah rekonfigurasi jaringan rugi-rugi daya aktif menjadi 100,1742 kW.
Terjadi penurunan sebesar 124,8425 kW atau dengan prosentase 55,48%.
Perbandingan rugi-rugi daya pada tiap saluran sebelum dan setelah rekonfigurasi dapat dilihat pada Tabel 2.
Kondisi tegangan minimal pada sistem sebelum optimisasi terdapat pada bus 54 sebesar 0,9092 pu.
Setelah optimisasi tegangan minimal pada bus 54 menjadi sebesar 0,9315 pu.
Sedangkan untuk tegangan pada bus-bus lainnya tetap terjaga besarnya, sehingga tidak ada yang over voltage maupun under voltage.
Selain reduksi rugi-rugi daya dan peningkatan profil tegangan, faktor daya pada sisi pembangkitan juga mengalami kenaikan.
Kondisi faktor daya sebelum Patria Julianto.
Rekonfigurasi Jaringan Pada Sistem Distribusi Radial A 19 dilakukan rekonfigurasi jaringan pada sisi pembangkitan sebesar 0,8213, setelah dilakukan rekonfigurasi jaringan terjadi kenaikan sebesar 0,9715.
Perbandingan prosentase reduksi rugi-rugi daya pada sistem distribusi 69 bus antara metode AGA dengan metode lain dapat dilihat pada Tabel 2.
Terlihat bahwa metode AGA memiliki prosentase reduksi rugi-rugi daya yang paling besar dibandingkan dua metode lainnya.
Pada metode Enhanced Genetic Algorihm (EGA) .
struktur jaringan yang paling optimal adalah dengan melepas jaringan 13, 59, 70, 71 dan 74.
Sedangkan pada metode Simulated Annealing (SA) .
struktur jaringan yang paling optimal adalah dengan melepas jaringan 15, 56, 62, 70 dan 71.
Tabel i Perbandingan Dengan Metode Lain Metode Prosentase Reduksi EGA.
SA.
AGA
44,71%
55,00%
55,48%
KESIMPULAN
Rekonfigurasi jaringan pada sistem distribusi dengan AGA telah disajikan dan diterapkan pada sistem distribusi skala menengah .
istem distribusi 69 bu.
Dari hasil simulasi, rekonfigurasi jaringan mengguna-kan AGA telah berhasil memperbaiki kualitas sistem distribusi khususnya dalam hal mengurangi rugi-rugi daya aktif, memperbaiki profil tegangan dan meningkatkan nilai faktor daya.
Untuk penelitian selanjutnya yang berkaitan dengan reduksi rugi-rugi daya pada sistem distribusi akan mempertimbangkan kombinasi optimasi antara optimasi kompensasi kapasitif dan rekonfigurasi jaringan.
Sedangkan untuk metode optimasi dapat menggunakan optimasi dengan pendekatan matematika yang telah berhasil diimplementasikan pada optimasi dengan objektif tunggal, yaitu: dynamic economic dispatch .
dan optimasi dengan multi objektif, yaitu: dynamic economic emission dispatch .
Serta dapat ditambahkan penetrasi PV tinggi pada sistem tenaga listrik .
REFERENSI