Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudarto, SH. Kampus UNDI, Indonesia
BibTex Citation Data :
@article{Transient3513, author = {Reza Pahlefi and Yuningtyastuti Yuningtyastuti and Susatyo Handoko}, title = {OPTIMASI DAYA REAKTIF UNTUK MEREDUKSI RUGI DAYA PADA SISTEM JAMALI 500 kV MENGGUNAKAN METODE ALGORITMA GENETIKA}, journal = {Transient: Jurnal Ilmiah Teknik Elektro}, volume = {2}, number = {3}, year = {2013}, keywords = {}, abstract = { A bstrak Permintaan kebutuhan beban pada sistem JAMALI 500kV semakin bertambah dari waktu ke waktu. Karena permintaan suplai daya reaktif akibat beban yang bersifat induktif meningkat, suatu jaringan yang tidak memiliki sumber daya reaktif di daerah sekitar beban maka semua kebutuhan beban reaktifnya dipikul oleh generator sehingga akan mengalir arus reaktif pada jaringan yang mengakibatkan drop tegangan. Permasalahan ini merujuk pada wilayah transmisi jamali yang memerlukan pengaturan daya reaktif. Untuk memperbaiki daya reaktif tersebut dapat dilakukan dengan mengatur tegangan generator dan mengatur nilai daya reaktif yang optimal sesuai batas-batas yang ditentukan. Algoritma genetika merupakan salah satu teknik komputasi yang sesuai dengan ruang solusi yang sangat besar. Variabel yang digunakan untuk fungsi objektif pada algoritma genetika adalah variabel keadaan dan variabel kontrol. Variabel keadaan dan variabel kontrol ini harus sesuai dengan batas minimum dan batas maksimum nilai variabel yang telah ditentukan. Hasil pengujian menunjukan bahwa optimasi daya reaktif menggunakan metode algoritma genetika dapat meningkatkan nilai profil tegangan sehingga nilai rugi daya berkurang. Hasil aliran daya sebelum optimasi tanpa daya reaktif terdapat 5 bus dengan profil tegangan dalam kondisi kritis dengan rugi daya 274,611 MW dan 2679,647 MVAR. Pengujian I terdapat 4 bus dengan profil tegangan dalam kondisi kritis dengan rugi daya 262,088 MW dan 2543,943 MVAR. Pengujian II terdapat 1 bus dengan profil tegangan dalam kondisi kritis dengan rugi daya 250,179 MW dan 2415,701 MVAR. Pengujian III sudah tidak terdapat profil tegangan dalam kondisi kritis dengan rugi daya 245,711 MW dan 2367,308 MVAR. Secara keseluruhan pengujian I rugi daya turun sebesar 16,509 MW atau 6,01%. Pengujian rugi daya turun sebesar 12,52 MW atau 4,7%. Pengujian II rugi daya turun sebesar 24,43 MW atau 9,7%. Pengujian II rugi daya turun sebesar 28,9 MW atau 11,7% Kata Kunci: Sistem Tenaga Listrik, Algoritma Genetika, Pengaruh daya reaktif Abstract Load requirements demand on the JAMALI 500kV system is increasing over time, whereas the amount of power that can be generated in the system and the power plants capacity that can be distributed by the network are likely to remain so as the ability to deliver power is decline one of them due to power loss. The bigger the power loss will cause a voltage drop on the receiving end, so efforts should be made to improve the ability to deliver power. Genetic algorithm is one of the computational techniques that fit a very large solution space. Variables used for the objective function in genetic algorithm are state variables and control variables. State variables and the control variables must be in accordance with the minimum and maximum limits specified variable value. The test results showed that the reactive power optimization using genetic algorithms method can increase the value of the voltage profile sehinggan value reduced power losses. Results before the power flow without reactive power optimization there are 5 buses with voltage profiles in critical condition with power losses 274,611 MW and 2679,647 MVAR. Testing I there are 4 buses with voltage profiles in critical condition with power losses 262,088 MW and 2543,943 MVAR. Testing II there are 2 buses with voltage profiles in critical condition with power losses 250,179 MW and 2415,701 MVAR. Testing III voltage profile does not exist already in a critical condition with power losses 245,711 MW and 2367,308 MVAR. Overall testing I power losses decreased by 16.509 MW or 6.01%. Testing II power losses decreased by 12.52 MW or 4 ,7%. Testing II power losses decrease by 24.43 MW or 9,7%. Testing II power losses decrease by 28,9 MW or 11,7%. Keywords : Power system, Genetic Algorithm, Effect of reactive power }, issn = {2685-0206}, pages = {558--564} doi = {10.14710/transient.v2i3.558-564}, url = {https://ejournal3.undip.ac.id/index.php/transient/article/view/3513} }
Refworks Citation Data :
Abstrak
Permintaan kebutuhan beban pada sistem JAMALI 500kV semakin bertambah dari waktu ke waktu. Karena permintaan suplai daya reaktif akibat beban yang bersifat induktif meningkat, suatu jaringan yang tidak memiliki sumber daya reaktif di daerah sekitar beban maka semua kebutuhan beban reaktifnya dipikul oleh generator sehingga akan mengalir arus reaktif pada jaringan yang mengakibatkan drop tegangan. Permasalahan ini merujuk pada wilayah transmisi jamali yang memerlukan pengaturan daya reaktif. Untuk memperbaiki daya reaktif tersebut dapat dilakukan dengan mengatur tegangan generator dan mengatur nilai daya reaktif yang optimal sesuai batas-batas yang ditentukan. Algoritma genetika merupakan salah satu teknik komputasi yang sesuai dengan ruang solusi yang sangat besar. Variabel yang digunakan untuk fungsi objektif pada algoritma genetika adalah variabel keadaan dan variabel kontrol. Variabel keadaan dan variabel kontrol ini harus sesuai dengan batas minimum dan batas maksimum nilai variabel yang telah ditentukan. Hasil pengujian menunjukan bahwa optimasi daya reaktif menggunakan metode algoritma genetika dapat meningkatkan nilai profil tegangan sehingga nilai rugi daya berkurang. Hasil aliran daya sebelum optimasi tanpa daya reaktif terdapat 5 bus dengan profil tegangan dalam kondisi kritis dengan rugi daya 274,611 MW dan 2679,647 MVAR. Pengujian I terdapat 4 bus dengan profil tegangan dalam kondisi kritis dengan rugi daya 262,088 MW dan 2543,943 MVAR. Pengujian II terdapat 1 bus dengan profil tegangan dalam kondisi kritis dengan rugi daya 250,179 MW dan 2415,701 MVAR. Pengujian III sudah tidak terdapat profil tegangan dalam kondisi kritis dengan rugi daya 245,711 MW dan 2367,308 MVAR. Secara keseluruhan pengujian I rugi daya turun sebesar 16,509 MW atau 6,01%. Pengujian rugi daya turun sebesar 12,52 MW atau 4,7%. Pengujian II rugi daya turun sebesar 24,43 MW atau 9,7%. Pengujian II rugi daya turun sebesar 28,9 MW atau 11,7%
Kata Kunci: Sistem Tenaga Listrik, Algoritma Genetika, Pengaruh daya reaktif
Abstract
Load requirements demand on the JAMALI 500kV system is increasing over time, whereas the amount of power that can be generated in the system and the power plants capacity that can be distributed by the network are likely to remain so as the ability to deliver power is decline one of them due to power loss. The bigger the power loss will cause a voltage drop on the receiving end, so efforts should be made to improve the ability to deliver power. Genetic algorithm is one of the computational techniques that fit a very large solution space. Variables used for the objective function in genetic algorithm are state variables and control variables. State variables and the control variables must be in accordance with the minimum and maximum limits specified variable value. The test results showed that the reactive power optimization using genetic algorithms method can increase the value of the voltage profile sehinggan value reduced power losses. Results before the power flow without reactive power optimization there are 5 buses with voltage profiles in critical condition with power losses 274,611 MW and 2679,647 MVAR. Testing I there are 4 buses with voltage profiles in critical condition with power losses 262,088 MW and 2543,943 MVAR. Testing II there are 2 buses with voltage profiles in critical condition with power losses 250,179 MW and 2415,701 MVAR. Testing III voltage profile does not exist already in a critical condition with power losses 245,711 MW and 2367,308 MVAR. Overall testing I power losses decreased by 16.509 MW or 6.01%. Testing II power losses decreased by 12.52 MW or 4 ,7%. Testing II power losses decrease by 24.43 MW or 9,7%. Testing II power losses decrease by 28,9 MW or 11,7%.
Article Metrics:
Last update:
Penulis yang menyerahkan naskah perlu menyetujui bahwa hak cipta dari artikel tersebut akan diserahkan ke TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro sebagai penerbit jurnal. Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.
TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro dan Editor berusaha keras untuk memastikan bahwa tidak ada data, pendapat, atau pernyataan yang salah atau menyesatkan dipublikasikan di jurnal. Dengan cara apa pun, isi artikel dan iklan yang diterbitkan dalam TRANSIENT: Jurnal Ilmiah Teknik Elektro adalah tanggung jawab tunggal dan eksklusif masing-masing penulis dan pengiklan.
Formulir Transfer Hak Cipta dapat diunduh di sini: [Formulir Transfer Hak Cipta Transient]. Formulir hak cipta harus ditandatangani dan dikirim ke Editor dalam bentuk surat asli, dokumen pindaian atau faks:
Dr. Wahyudi (Ketua Editor)Departemen Teknik Elektro, Universitas Diponegoro, IndonesiaJl. Prof. Sudharto, Tembalang, Semarang 50275 IndonesiaTelepon/Facs: 62-24-7460057Email: transient@elektro.undip.ac.id