OPTIMASI PENEMPATAN PEMBANGKIT TERDISTRIBUSI PADA IEEE 30 BUS SYSTEM MENGGUNAKAN ALGORITMA GENETIKA

Abstract

Abstrak

Dengan melimpahnya sumber energi terbarukan di alam, ada ketertarikan untuk mengembangkan suatu sistem pembangkitan yang memaksimalkan penggunaan energi tersebut. Sistem itu disebut Pembangkit Terdistribusi. Dalam instalasinya, Pembangkit Terdistribusi diletakkan dekat dengan beban dan diinterkoneksi ke jaringan distribusi listrik. Ternyata selain dapat membantu suplai tenaga listrik, Pembangkit Terdistribusi juga dapat mengurangi rugi-rugi pada jaringan listrik. Pada Penelitian ini, dilakukan optimasi penempatan Pembangkit Terdistribusi dan kapasitasnya dengan menggunakan Algoritma Genetika, untuk melihat pengaruh Pembangkit Terdistribusi terhadap rugi-rugi jaringan listrik. Parameter fungsi objektif pada algoritma genetika adalah rugi-rugi daya total pada sistem distribusi. Dengan meminimumkan rugi-rugi daya total maka akan diketahui lokasi dan kapasitas Pembangkit Terdistribusi yang paling optimal. Hasil pengujian menunjukkan bahwa dengan berbagai kombinasi lokasi dan kapasitas Pembangkit Terdsitribusi, Algoritma Genetika berhasil menurunkan rugi-rugi daya secara signifikan. Pada pengujian dengan 1 Pembangkit Terdistribusi pada bus 30 dengan kapasitas 4,996 MW, rugi-rugi daya total berkurang 0,885 MW. Pada pengujian dengan 2 Pembangkit Terdistribusi pada bus 19 dan 30 dengan kapasitas masing-masing 4,996 MW dan 4,988 MW, rugi-rugi daya total dapat berkurang1,625 MW. Pada pengujian dengan 3 Pembangkit Terdistribusi pada bus 15, 24, dan 30 dengan kapasitas masing-masing 4,953 MW, 4,996 MW, dan 4,926 MW, rugi-rugi daya total dapat berkurang 2,25MW.

Kata-Kunci : sistem distribusi listrik, pembangkit terdistribusi, algoritma genetika

Abstract

With abundance of renewable energy resources in nature, there is an anxiety for developing a kind of system which maximize the renewable energy resources usage. That system called a Distributed Generation. For the Distributed Generation installation, the generation system planted near the demand location, and interconnected to power distribution system. In fact, beside helping power distribution system, a Distributed Generation also obtain to reduce a power losses significantly. In this research, Distributed Generation placement and capacities optimization performed by using genetic algorithm to analyze the influence of Distributed Generation against power losses. The objective function’s parameter in genetic algorithm is the power losses of power distribution system. By minimizing the total power losses then we will know location and capacity of the most optimal Distributed Generation. Test results showed that with various location and capacities combination of the Distributed Generation, genetic algorithm managed to reduce the power losses significantly. In the test with 1 Distributed Generation on bus 30 with a capacity of 4,996 MW, the power losses is reduced to 0,885 MW . In the test with 2 Distributed Generation on bus 19 and 30 with 4,996 MW and 4,988 MW for each capacity, the power losses is reduced to 1,625 MW. In the test with 3 Distributed Generation on bus 15, 24, and 30 with 4,953 MW, 4,996 MW, and 4,926 MW for each capacity, the power losses is reduced to 2,25MW.

Keywords : power distribution system, distributed generation, genetic algorithm