Jurusan Teknik Elektro-ITSPage 1
Nama : Refi Aulia Krisida
NRP : 2207 100 002
Optimisasi Pengaturan Daya Reaktif dan Tegangan pada
Sistem Interkoneksi Jawa-Bali 500 kV Menggunakan
Quantum behaved Particle Swarm Optimization
Dosen Pembimbing :
1. Prof. Dr. Ir. Adi Soeprijanto, MT.
2. Heri Suryoatmojo, ST, MT, Ph.D.
Presentasi Seminar Tugas Akhir (Semester Genap 2010-2011)
Bidang Studi Teknik Sistem Tenaga Jurusan Teknik Elektro FTI - ITS
Jurusan Teknik Elektro-ITS
PENDAHULUAN
Page 2
Jurusan Teknik Elektro-ITSPage 3
Latar Belakang Masalah
kebutuhan akan energi listrik
↓
kualitas supply daya listrik
↓
menjaga profil tegangan & menurunkan rugi-rugi sistem.
↓
pengaturan daya reaktif dan tegangan
↓
sistem semakin luas dan kompleks
↓
banyak solusi optimum
↓
pengembangan teknik optimisasi
Jurusan Teknik Elektro-ITSPage 4
Tujuan Penelitian
• Melakukan studi mengenai pengaturan daya reaktif dan tegangan untuk
mengatasi permasalahan sistem tenaga listrik di Indonesia.
• Memperoleh nilai optimum untuk pengaturan daya reaktif dan tegangan
dengan menggunakan metode Quantum behaved Particle Swarm
Optimization (QPSO).
Jurusan Teknik Elektro-ITSPage 5
Permasalahan
• Bagaimana membuat listing program algoritma QPSO ke dalam M-file
software MATLAB 7.1.
• Bagaimana cara memperoleh nilai optimum dari pengaturan daya reaktif
dan tegangan pada sistem interkoneksi Jawa-Bali 500 kV.
• Bagaimana hasil perbandingan optimisasi antara metode QPSO dengan
metode PSO standar.
Jurusan Teknik Elektro-ITSPage 6
Batasan Masalah
• Analisa sistem tenaga yang dilakukan adalah studi aliran daya.
• Metode optimisasi yang digunakan adalah PSO dan QPSO.
• Simulasi menggunakan software MATLAB 7.1.
Jurusan Teknik Elektro-ITS
TEORI PENUNJANG
Page 7
Jurusan Teknik Elektro-ITSPage 8
A : Studi Aliran Daya
• Mendapatkan informasi mengenai aliran daya dan tegangan sistem dalam
kondisi operasi tunak.
• Mengevaluasi unjuk kerja sistem tenaga listrik dan menganalisis kondisi
pembangkitan maupun pembebanan.
• Memerlukan representasi atau pemodelan komponen sistem tenaga listrik.
• Salah satu metode yang cukup baik untuk digunakan dalam studi aliran daya
adalah metode Newton Raphson .
Jurusan Teknik Elektro-ITSPage 9
B : Pengaturan Daya Reaktif dan Tegangan (1)
Tujuan :
• Meningkatkan profil tegangan
• Menurunkan rugi daya aktif sistem.
• Menentukan kompensasi daya reaktif yang optimal untuk berbagai kondisi
operasi.
Jurusan Teknik Elektro-ITSPage 10
B : Pengaturan Daya Reaktif dan Tegangan (2)
Solusi yang dapat dilakukan :
• Penambahan eksitasi generator
• Pengubahan tap transformator
• Penggunaan shunt capacitor
• Peralatan Flexible AC Transmission System (FACTS)
• Static VAR Compensator
• Switching saluran transmisi
Jurusan Teknik Elektro-ITS
C : Model Optimisasi
Fungsi Objektif :Variabel Kontrol :
Page 11
Variabel Keadaan :
Jurusan Teknik Elektro-ITS
Persamaan untuk update velocity dan posisi partikel
Page 12
D : Particle Swarm Optimization
Jurusan Teknik Elektro-ITS
Persamaan untuk update posisi partikel
Page 13
E : Quantum behaved Particle Swarm Optimization (1)
Jurusan Teknik Elektro-ITS
SISTEM INTERKONEKSI JAWA-BALI 500 KV
Page 14
Jurusan Teknik Elektro-ITS
Single Line Diagram
Page 15
Jurusan Teknik Elektro-ITS
Data Beban dan Pembangkitan
Data beban yang digunakan adalah beban pada
tanggal 19 April 2011 saat beban puncak pada
siang hari pukul 13.30 WIB dengan jumlah
total beban adalah 10.361 MW dan 3.565
MVAR
Page 16
No
Bus
Nama
Bus
Jenis
Bus
Pembangkitan
(MW)
Pembebanan
P
(MW)
Q
(MVAR)
1 Suralaya Swing 3.211,6 219 67
2 Cilegon Beban - 333 179
3 Kembangan Beban - 202 39
4 Gandul Beban - 814 171
5 Cibinong Beban - 638 336
6 Cawang Beban - 720 217
7 Bekasi Beban - 1126 331
8 Muaratawar Generator 1.760,0 0 0
9 Cibatu Beban - 1152 345
10 Cirata Generator 948,0 597 201
11 Saguling Generator 698,4 0 0
12 Bandung Selatan Beban - 477 254
13 Mandiracan Beban - 293 65
14 Ungaran Beban - 193 118
15 Tanjung Jati Generator 1321,6 0 0
16 Surabaya Barat Beban - 508 265
17 Gresik Generator 900,0 127 92
18 Depok Beban - 342 95
19 Tasikmalaya Beban - 133 33
20 Pedan Beban - 365 101
21 Kediri Beban - 498 124
22 Paiton Generator 3180,0 448 55
23 Grati Generator 398,6 180 132
24 Balaraja Beban - 732 287
25 Ngimbang Beban - 264 58
Jurusan Teknik Elektro-ITS
Data Parameter Saluran
Page 17
No. SaluranR
(p.u.)
X
(p.u.)
½ B
(p.u.)
1 1 2 0.000626496 0.007008768 0
2 1 24 0.003677677 0.035333317 0
3 2 5 0.013133324 0.146925792 0.003530571
4 3 4 0.001513179 0.016928308 0
5 4 18 0.000694176 0.006669298 0
6 5 7 0.004441880 0.042675400 0
7 5 8 0.006211600 0.059678000 0
8 5 11 0.004111380 0.045995040 0.004420973
9 6 7 0.001973648 0.018961840 0
10 6 8 0.005625600 0.054048000 0
11 8 9 0.002822059 0.027112954 0
12 9 10 0.002739960 0.026324191 0
13 10 11 0.001474728 0.014168458 0
14 11 12 0.001957800 0.021902400 0
15 12 13 0.006990980 0.067165900 0.006429135
16 13 14 0.013478000 0.129490000 0.012394812
17 14 15 0.013533920 0.151407360 0.003638261
18 14 16 0.015798560 0.151784800 0.003632219
19 14 20 0.009036120 0.086814600 0
20 16 17 0.001394680 0.013399400 0
21 16 23 0.003986382 0.044596656 0
22 18 5 0.000818994 0.007868488 0
23 18 19 0.014056000 0.157248000 0.015114437
24 19 20 0.015311000 0.171288000 0.016463941
25 20 21 0.010291000 0.115128000 0.011065927
25 21 22 0.010291000 0.115128000 0.011065927
27 22 23 0.004435823 0.049624661 0.004769846
28 24 4 0.002979224 0.02862292 0
29 25 14 0.023479613 0.225580588 0.010097035
30 25 16 0.005966652 0.057324466 0
Jurusan Teknik Elektro-ITSPage 18
Penerapan QPSO untuk menala tegangan bus generator
Langkah-langkah :
1. Inisialisasi posisi
2. Evaluasi fungsi objektif
3. Menentukan nilai fitness terbaik
4. Menentukan Pbest (personal best position)
5. Evaluasi fungsi objektif
6. Update local best fitness dan Pbest (personal best position)
7. Update Mbest (mean best position)
8. Update global best fitness dan Gbest (global best position)
9. Update Beta
10. Update posisi
Start
Parameter QPSO
dan
Data Sistem
Perhitungan rugi daya aktif
saluran transmisi sistem
(Ploss)
Inisialisasi
current position tiap partikel
I = 0
Partikel Terbaik Lokal
Partikel Terbaik
Global (i) = Partikel
Terbaik Global (i-1)
Partikel Terbaik Global
(i) = Partikel Terbaik
Lokal (i)
min Ploss
partikel (i) < min Ploss
partikel (i-1)
i < i maks
i = i+1
Vgen = Gbest Position
Stop
Update Mbest & Beta
Update Position
Ya
Tidak
Ya
Tidak
Loadflow Hasil Akhir
Posisi Partikel :
Jurusan Teknik Elektro-ITS
SIMULASI DAN ANALISIS
Page 19
Jurusan Teknik Elektro-ITS
Hasil Loadflow Sebelum Optimisasi
Total pembangkitan :
10.635,611 MW dan 6.244,647 MVAR
Total rugi-rugi saluran transmisi :
274,611 MW dan 2.679,647 MVAR
Page 20
No
Bus
Kode
Bus
Magnitude
Tegangan Bus
(p.u)
Pembebanan Pembangkitan
MW MVAR MW MVAR
1 1 1,020 219 67 1.429,0 1.496,12
2 0 1,016 333 179 0 0
3 0 0,967 202 39 0 0
4 0 0,968 814 171 0 0
5 0 0,968 638 336 0 0
6 0 0,966 720 217 0 0
7 0 0,960 1.126 331 0 0
8 2 1,000 0 0 1.760,0 1.623,99
9 0 0,983 1.152 345 0 0
10 2 0,980 597 201 948,0 746,36
11 2 0,970 0 0 698,4 185,11
12 0 0,951 477 254 0 0
13 0 0,921 293 65 0 0
14 0 0,928 193 118 0 0
15 2 1,000 0 0 1.321,6 486,20
16 0 0,972 508 265 0 0
17 2 0,980 127 92 900,0 581,00
18 0 0,966 342 95 0 0
19 0 0,916 133 33 0 0
20 0 0,912 365 101 0 0
21 0 0,934 498 124 0 0
22 2 1,000 448 55 3.180,0 748,29
23 2 0,990 180 132 398,6 377,57
24 0 0,985 732 287 0 0
25 0 0,958 264 58 0 0
Total 10.361 3.565 10.635,6 6.244,65
Jurusan Teknik Elektro-ITS
Parameter PSO dan QPSO
Page 21
No Parameter Nilai1 Jumlah Partikel 50
2 Jumlah Iterasi 500
3 β Min (QPSO) 0,4
4 β Maks (QPSO) 1,0
5 Weight Min (PSO) 0,2
6 Weight Maks (PSO) 0,9
7 Acceleration 1 & 2 (c1 & c2) 2
8 Jumlah Variabel 7
9 Batas Atas Tegangan Bus Generator 1,05
10 Batas Bawah Tegangan Bus Generator 0,95
Jurusan Teknik Elektro-ITS
Hasil Penalaan Tegangan Bus Generator
Page 22
No.
BusPembangkit PSO QPSO
8 Muaratawar 1.0500 1.0465
10 Cirata 0.9500 1.0435
11 Saguling 1.0500 1.0500
15 Tanjung Jati 1.0500 1.0500
17 Gresik 1.0430 1.0432
22 Paiton 1.0500 1.0500
23 Grati 1.0500 1.0500
Jurusan Teknik Elektro-ITS
Hasil Loadflow Setelah Optimisasi dengan Menggunakan PSO
Total pembangkitan :
10.606,003 MW dan 5.918,715 MVAR
Total rugi-rugi saluran transmisi :
245,003 MW dan 2.353,715 MVAR
Page 23
No
Bus
Kode
Bus
Magnitude
Tegangan Bus
(p.u)
Pembangkitan
MW MVAR
1 1 1,020 1.399,4 1.168,535
2 0 1,017 0 0
3 0 0,981 0 0
4 0 0,982 0 0
5 0 0,984 0 0
6 0 0,979 0 0
7 0 0,974 0 0
8 2 1,010 1.760,0 1.290,393
9 0 0,999 0 0
10 2 1,000 948,0 233,505
11 2 1,000 698,4 1025,175
12 0 0,984 0 0
13 0 0,965 0 0
14 0 0,984 0 0
15 2 1,050 1.321,6 456,647
16 0 1,034 0 0
17 2 1,043 900,0 681,834
18 0 0,982 0 0
19 0 0,952 0 0
20 0 0,965 0 0
21 0 0,988 0 0
22 2 1,050 3.180,0 518,688
23 2 1,050 398,6 543,937
24 0 0,993 0 0
25 0 1,019 0 0
Total 10.606,0 5.918,715
Jurusan Teknik Elektro-ITS
Karakteristik Konvergensi PSO
Page 24
Jurusan Teknik Elektro-ITS
Hasil Loadflow Setelah Optimisasi dengan Menggunakan QPSO
Total pembangkitan :
10.602,269 MW dan 5.875,995 MVAR
Total rugi-rugi saluran transmisi :
241,269 MW dan 2.310,995 MVAR
Page 25
No
Bus
Kode
Bus
Magnitude
Tegangan Bus
(p.u)
Pembangkitan
MW MVAR
1 1 1,020 1.395,7 837,313
2 0 1,018 0 0
3 0 0,995 0 0
4 0 0,996 0 0
5 0 1,001 0 0
6 0 1,002 0 0
7 0 0,995 0 0
8 2 1,037 1.760,0 1.622,110
9 0 1,024 0 0
10 2 1,024 948,0 426,648
11 2 1,020 698,4 910,053
12 0 1,003 0 0
13 0 0,980 0 0
14 0 0,990 0 0
15 2 1,050 1.321,6 417,549
16 0 1,035 0 0
17 2 1,043 900,0 647,006
18 0 0,997 0 0
19 0 0,964 0 0
20 0 0,972 0 0
21 0 0,991 0 0
22 2 1,050 3.180,0 488,537
23 2 1,050 398,6 526,780
24 0 1,001 0 0
25 0 1,021 0 0
Total 10.602,3 5.875,995
Jurusan Teknik Elektro-ITS
Karakteristik Konvergensi QPSO
Page 26
Jurusan Teknik Elektro-ITS
Perbandingan Hasil Optimisasi antara metode PSO dan QPSO
Page 27
Hal yang dibandingkan PSO QPSO
Pembangkitan Daya Aktif (MW) 10.606,003 10.602,269
Pembangkitan Daya Reaktif (MVAR) 5.918,715 5.875,995
Rugi Daya Aktif Saluran (MW) 245,003 241,269
Rugi Daya Reaktif Saluran (MVAR) 2353,715 2.310,995
Nilai Fitness Terbaik (MW) 245,003 241,269
Penurunan Losses (MW) 29.608 33.342
Prosentase Penurunan Losses 10.78 % 12.14 %
Konvergensi Iterasi ke-56 Iterasi ke-228
Jurusan Teknik Elektro-ITS
Karakteristik Konvergensi PSO dan QPSO
Page 28
Jurusan Teknik Elektro-ITS
Profil Tegangan Bus
Page 29
Jurusan Teknik Elektro-ITS
KESIMPULAN DAN SARAN
Page 30
Jurusan Teknik Elektro-ITSPage 31
Kesimpulan
• Penerapan QPSO dapat mengurangi rugi daya aktif saluran transmisi hingga
12.14 %. Hasil ini lebih baik jika dibandingkan dengan penggunaan PSO
yang hanya dapat mengurangi hingga 10.78 %.
• Penerapan QPSO juga dapat memperbaiki profil tegangan sistem dengan
lebih baik dibandingkan metode PSO.
• Walaupun PSO lebih cepat konvergen namun hasil yang dicapai merupakan
local optima apabila dibandingkan dengan kemampuan QPSO untuk jumlah
iterasi yang sama, hasil yang diperoleh lebih baik dan merupakan global
optima.
Jurusan Teknik Elektro-ITS
Saran
• Selain tegangan bus generator, dapat ditambahkan injeksi daya reaktif dari
shunt capacitor dan rasio tap transformator sebagai variabel kontrol yang
ditala dengan menggunakan QPSO.
• Penalaan tegangan bus generator dapat diuji dengan metode optimisasi lain
seperti Genetic Algorithm, Differential Evolution, untuk melihat
perbandingan dengan metode QPSO yang digunakan.
Page 32
Jurusan Teknik Elektro-ITSPage 33
DAFTAR PUSTAKA
• L. Grant, G. K. Venayagamoorthy, G. Krost, G. A. Bakare, “Swarm Intelligence and Evolutionary Approaches
for Reactive Power and Voltage Control”, IEEE Swarm Intelligence Symposium, 2008
• Hadi Saadat, “Power System Analysis”, Mc.Graw Hill, Singapore, 2004
• Adi Soeprijanto, Diktat Kuliah Analisa Sistem Tenaga
• Stevenson Jr,W.D., “Analisa Sistem Tenaga", Jakarta:Erlangga. 1988
• R Wahyudi, Diktat Kuliah Penyaluran Tenaga Listrik
• Wood, Alen J, Wollenberg Bruce F., ”Power Generation, Operation and Control”, John Wiley & Sons Inc,
USA, 1996
• Miller, T.J.E., “Reactive Power Control in Electric Systems”, John Wiley & Sons Inc, Canada, 1982
• Zhu, Jizhong, “Optimization of Power System Operation”, John Wiley & Sons Inc, New Jersey, 2009
• Imam Robandi, “Desain Sistem Tenaga Modern : Optimisasi, Logika Fuzzy, Algoritma Genetika”, Penerbit
Andi, Yogyakarta, 2006
• James Kennedy, Russell Eberhart, “Particle Swarm Optimization”, IEEE, 1995
• Maickel Tuegeh, Adi Soeprijanto, Mauridhi H.Purnomo, “Modified Improved Particle Swarm Optimization For
Optimal Generator Scheduling”, Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009), 2009
• Songfeng Lu, Chengfu Sun, Zhengding Lu, “An improved quantum-behaved particle swarm optimization
method for short-term combined economic emission hydrothermal scheduling”, Energy Conversion and
Management, vol.51, pp.561–571, 2010
• Leandro dos Santos Coelho, “Gaussian quantum-behaved particle swarm optimization approaches for
constrained engineering design problems”, Expert Systems with Applications, vol.37, pp.1676–1683, 2010
• S.N. Omkar, Rahul Khandelwal, T.V.S. Ananth, G. Narayana Naik, S. Gopalakrishnan, “Quantum behaved
Particle Swarm Optimization (QPSO) for multi-objective”, Expert Systems with Applications, vol.36, pp.11312–
11322, 2009
Jurusan Teknik Elektro-ITSPage 34
SekianTerima Kasih
Jurusan Teknik Elektro-ITS
Diagram Alur PSO
Page 35
Perbedaan PSO dan QPSO
Diagram Alur QPSO
Jurusan Teknik Elektro-ITS
Persamaan untuk update posisi partikel (QPSO) :
Page 36
Perbedaan PSO dan QPSO
Persamaan untuk update posisi dan velocity partikel (PSO) :