Optimisasi Penempatan Kapasitor Bank SBS

Optimisasi Penempatan dan Ukuran Kapasitor Bank Untuk Mengurangi
Rugi-Rugi Daya Menggunakan Metode Algoritma Genetika

(Studi Kasus Interkoneksi Subsistem Sumbagsel 150 kV)
OLEH :
JONI IRAWAN
G1D006007
Dosen Pembimbing
Pembimbing Utama : Anizar Indriani,S.T.,M.T
Pembimbing II : Yuli Rodiah,S.T.,M.T
Seminar Skripsi
Program Studi Teknik Elektro Universitas Bengkulu
PDF created with pdfFactory Pro trial version www.pdffactory.com

Latar Belakang
Meningkatnya beban pada jaringan
Beban induktif
Kebutuhan daya reaktif meningkat
Arus reaktif mengalir pada jaringan
Faktor daya menurun, drop tegangan dan rugi-rugi daya besar,
Pemasangan kapasitor bank dengan optimisasi penempatan dan ukuran

menggunakan metode algoritma genetika
Meminimalkan rugi –rugi daya dan memperbaiki profil tegangan
Optimal Placement Capacitor

Perumusan Masalah
• Apakah metode algoritma genetika bisa diterapkan juga pada data pembanding
sistem Jawa Bali 500 kV?
• Berapa persen perbedaan penurunan rugi-rugi daya antara metode algoritma
Artificial Bee Colony (ABC) dengan metode algoritma genetika pada sistem Jawa
Bali?
• Berapa besarnya daya pembangkitan, pembebanan interkoneksi subsistem
Sumbagsel 150 kV?
• Bagaimana cara mengimplementasikan metode algoritma genetika dalam
optimisasi penempatan dan ukuran kapasitor bank ?
• Bagaimana algoritma penyelesaian optimisasi penempatan dan ukuran kapasitor
bank dengan metode algoritma genetika?

TUJUAN PENELITIAN
• Membandingkan hasil optimisasi menggunakan metode algoritma Artificial Bee Colony

(ABC) dengan menggunakan metode algoritma genetika pada sistem Jawa Bali 500 kV.
• Menentukan aliran daya dan rugi-rugi daya pada jaringan interkoneksi subsistem
Sumbagsel 150 kV sebelum kompensasi daya reaktif.
• Optimisasi letak dan ukuran kapasitor bank pada jaringan interkoneksi subsistem
Sumbagsel 150 kV dengan menggunakan metode algoritma genetika.
• Menentukan aliran daya dan rugi-rugi daya pada jaringan interkoneksi subsistem
Sumbagsel 150 kV setelah kompensasi daya reaktif.
• Menentukan grafik perubahan tegangan tiap bus dan rugi-rugi daya subsistem
Sumbagsel 150 kV sebelum dan setelah kompensasi daya reaktif

BATASAN MASALAH
• Faktor harmonisa akibat pemasangan kapasitor bank diabaikan.

• Biaya kapasitor bank tidak diperhitungkan.
• Hasil skripsi berupa analisis dan simulasi.
• Simulasi aliran daya Newthon Raphson menggunakan tool MATLAB
Hadi Saadat.
• Simulasi algoritma genetika menggunakan program MATLAB 7.0.1.
• Objek penelitian menggunakan data sekunder subsistem Sumbagsel 150
kV.

Tinjaun Pustaka
Kompensasi Daya Reaktif

1. Tegangan Bus Generator
2. Tap Trafo
3. Kompensator VAr

Gambar 2.4. Tegangan terima sebelum dan sesudah dipasang kapasitor paralel
Sumber : Imam Robandi (2006)
Persamaan

P
2
Q-QC 1
S2
QC
Q S1
Gambar 2.5. Perbandingan besar daya semu yang dibutuhkan

Sumber : Imam Robandi (2006)
Persamaan

Metode Optimisasi
Algoritma Genetika
Menurut Suyanto (2005) Algoritma Genetika adalah algoritma pencarian
yang didasarkan pada mekanisme seleksi alamiah dan genetika alamiah.
Pertama kali Algoritma genetika dirintis oleh Jhon Holland pada tahun 1960-an
dan dikembangkan oleh muridnya David Goldberg. Algoritma Genetika telah
dipelajari, diteliti, dan diaplikasikan.

Istilah dalam Algoritma Genetika
1. Gen
2. Allel
3. Kromosom
4. Populasi
5. Generasi
Gambar 2.6 Representasi permasalahan algoritma genetika

Parameter Algoritma Genetika
1. Jumlah Gen
2. Jumlah Kromosom
3. Kemungkinan pindah silang (Pc)
4. Kemungkinan mutasi (Pm)
5. Kemungkinan pelestarian (Pbreeder)
6. Maksimum generasi
Komponen-Komponen Algoritma Genetika
1. Pengkodean
2. Nilai Fitness
3. Seleksi
4. Pindah Silang (crossover)
5. Mutasi
6. Elitisme
7. Regenerasi

Gambar 2.1o Siklus Algoritma Genetika

METODELOGI PENELITIAN
3.1 Waktu dan Tempat Penelitian

Waktu penelitian bulan Desember 2010 s.d. Januari 2011 dan tempat
penelitian di PT.PLN Persero P3B Sumatera bagian operasi sistem
3.2 Implementasi Algoritma Genetika pada Sistem Jaringan Transmisi

Untuk menentukan bus-bus yang akan dipasang kapasitor paralel dan
berapa ukuran kapasitor yang akan dipasang secara optimal

Flowchart program optimisasi penempatan dan ukuran kapasitor bank menggunakan metode algoritma genetika pada sistem jaringan menggunakan MATLAB


3.2.2 Inisialisasi Awal Populasi
Gambar 3.1. Model kromosom pada sistem
Berikut ini script program inisialisasi populasi dalam MATLAB :

Populasi = rand(JumKrom,JumGen,2);
for I = 1:JumKrom
for J = 1:JumGen
if Populasi(I,J,1)<0.5
Populasi(I,J,1)=0; %(Posisi)
Populasi(I,J,2)=0; %(Nilai kapasitor)
else
Populasi(I,J,1)=1; %(Posisi)
a=rand(1)*40;
b=round(a);
Populasi(I,J,2)=b*10; %(Nilai kapasitor)
end
end
end

Script injeksi kromosom dalam toot MATLAB Hadi Saadat :
for k=1:nbus
n=databus(k,1);
Qsh(n)=Populasi(I,k,2);
Semula tanpa kompensasi Qsh adalah busdata (k,11).
3.2.3 Fungsi Obyektif
Fungsi obyektif yang digunakan adalah total rugi-rugi daya saluran nominal (SLT)
3.2.4 Rugi-Rugi Daya Minimum
Program ini mencari rugi-rugi daya minimum. Program akan berhenti saat injeksi
kromosom menghasilkan rugi-rugi minimum yang diinginkan dengan penempatan dan
ukuran kapasitor bank yang optimal.
Script dalam MATLAB :

if SLT<x
break
end

3.2.5. Evaluasi Fungsi Fitness
Script evaluasi fungsi fitness dalam MATLAB :

if SLT > X % nilai x adalah batasan maksimum nilai obyektif
Fit(I)=0;
else
Fit(I)=10000/SLT;
end
JFit=JFit+Fit(I);

3.2.6. Operator Algoritma Genetika
3.2.6.1. Seleksi
Script pembuatan roulette dalam MATLAB :

% prosentase fitness
prosen=round(100*Fit(I)/JFit);
% Pembuatan roulete tanpa rank
k=0;
for I=1:JumKrom,
for J=1:prosen
k=k+1;
roulette(k)=I;
end
Script pemilihan dalam MATLAB :
end
% Proses Pemilihan (seleksi)
for I=1:JumKrom;
r=round(k*rand);
if r==0
r=1
end
pilih=roulette(r);
for J=1:JumGen
Induk(I,J,1)=Populasi(pilih,J,1);
Induk(I,J,2)=Populasi(pilih,J,2);
end
end

3.2.6.2 Kawin Silang (Crossover)
Script crossover dalam MATLAB :

%Proses kawin silang
sthj=JumKrom/2
anak=Induk; for I=1:sthj
p=rand; % bangkitkan bil acak 0 s.d 1 sbyk jumKrom
if p<pcross
r1=round(JumGen*rand);
if r1==0
r1=1;
end
r2=round((JumGen-r1)*rand)+r1;
for J=r1:r2 % batasan titik kawin silang
anak(2*I-1,J,1)=Induk(2*I,J,1);
anak(2*I,J,1)=Induk(2*I-1,J,1);
end
else
for J=1:JumGen
end
end
end

3.2.6.3 Mutasi
Script mutasi dalam MATLAB :

% Proses Mutasi
for I=1:JumKrom
p=rand; % bangkitkan bil acak 0 s.d 1 sbyk jumKrom
if p<pmut
r=round(JumGen*rand);
if r==0
r=1;
end
anak(I,r,1)=1-anak(I,r,1); % Pembalikan
if anak(I,r,1)==0
anak(I,r,2)=0;
else
a=0;
a=rand(1)*40;
b=round(a);
anak(I,r,2)=b*10;
end
end
end

3.2.6.4. Elitisme
Script mutasi dalam MATLAB :

% Proses Elitisme
for i=1:JumKrom
p=rand;
if p<Pbreeder
for J=1:JumGen
anak(I,J,1)=Populasi(pilih,J,1);
anak(I,J,2)=Populasi(pilih,J,2);
end
end
end
3.2.6.5. Regenerasi
Script regenerasi dalam MATLAB :

Populasi=anak;

3.5. Data Subsistem Sumbagsel 150 kV
Gambar 3.3. Single line diagram interkoneksi subsistem Sumbagsel 150 kV

Sumber: PT. PLN P3B Sumatera bidang operasi sistem (telah diolah kembali)

Tabel 3.1. Data saluran interkoneksi subsistem Sumbagsel 150 kV Tabel 3.2. Data pembangkitan dan beban subsistem Sumbagsel 150 kV
i-j R(pu) X(pu) ½B Tap setting
Beban Pembangkitan
1-15 1 No Bus Nama Bus
0,014196 0,047502 0,010500
1-21 1
0,019664 0,065800 0,011500
MW MVAr MW MVAr Qmin Qmax
1-2 1
0,007017 0,032413 0,019250
1-16 1
0,021000 0,097000 0,019250
1 Bukit Asam (Slack) 34,48 16,7 260 61,8532 -130 220
2-16 1
0,013983 0,064587 0,019250 2 Gunung Megang 25,32 12,26 80 -0,8714 -39,2 52,678
3-16 1
0,007732 0,035715 0,014250 3 Indralaya 33,92 16,43 124 20,9901 -70 96
3-17 1
0,002937 0,013566 0,005250 4 IPP Borang 0 0 150 4,5942 -40 60
4-5 1
0,000172 0,001100 0,002750 5 Borang 94,08 45,56 36 -2,5351 -24,49 32,924
5-18 1 6 Talang Duku 0 0 28 0,7801 -15 18
0,001813 0,011242 0,007750
6-19 1
0,001594 0,007174 0,008500
7-12 1 7 Musi 0 0 210 55,3339 -102,879 138
0,000509 0,002672 0,003750
8-33 1 8 New Tarahan 23,01 11,14 200 53,6101 -80 180
0,000618 0,005085 0,004425
8-30 1 9 Tarahan 32,98 15,98 18 -2,6015 -8,367 10,5
0,001468 0,016885 0,011000
8-34 1 10 Besai 0 0 90 19,7638 -80,6 76,2
0,001750 0,014392 0,010325
9-33 1 11 Batu Tegi 0 0 28.6 3,8823 -16 18
0,004183 0,013996 0,003250
10-23 1 12 Pekalongan 73,06 35,39 0 0 0 0
0,003970 0,013283 0,002500
11-28 1 13 Pagar Alam 14,31 6,93 0 0 0 0
0,008028 0,036128 0,012500
14 Lubuk Linggau 42,89 0,78 0 0 0 0
12-14 1
0,003455 0,021421 0,015625
15 Lahat 22,35 10,83 0 0 0 0
13-15 1
0,024764 0,082865 0,015000
16 Prabumulih 21,14 10,24 0 0 0 0
14-15 1
0,004890 0,104200 0,025000 17 Keramasan 94,72 45,87 0 0 0 0
17-20 1
0,001250 0,007750 0,006000 18 Talang Kelapa 30,21 14,63 0 0 0 0
17-18 1
0,000934 0,005790 0,004500 19 Betung 0 0 0 0 0 0
18-19 1
0,012458 0,066951 0,026000 20 Mariana 15,18 7,35 0 0 0 0
21-22 1
0,034365 0,114991 0,019360 21 Baturaja 53,09 25,72 0 0 0 0
21-23 1
0,050417 0,168704 0,032000
22-23 1 22 Blambangan Umpu 4,8 2,33 0 0 0 0
0,017424 0,058305 0,012800
23-24 1 23 Bukitkemuning 24,32 11,78 0 0 0 0
0,008886 0,029733 0,010500
24-26 1 24 Kotabumi 33,36 16,16 0 0 0 0
0,030232 0,101163 0,018500
24-36 1 25 Tegineneng 35,57 17,23 0 0 0 0
0,023660 0,079171 0,008000
24-25 1 26 Menggala 28,78 13,94 0 0 0 0
0,007256 0,024279 0,007750
25-28 1 27 Gumawang 25,31 12,26 0 0 0 0
0,010121 0,033868 0,006250
25-31 1 28 Pagelaran 37,29 18,06 0 0 0 0
0,004758 0,015922 0,002750
25-30 1 29 Metro 30,05 14,56 0 0 0 0
0,014626 0,078607 0,020500
30 Sribawono 28,28 13,69 0 0 0 0
25-29 1
0,011491 0,040218 0,007175
26-27 1
0,011881 0,040444 0,014500
31 Natar 34,48 41,70 0 0 0 0
29-30 1
0,026292 0,092023 0,013325 32 Teluk Betung 60,7 29,39 0 0 0 0
31-35 1
0,006572 0,021992 0,004750 33 Sutami 24,16 11,7 0 0 0 0
31-33 1
0,015879 0,053132 0,009500 34 Kalianda 18,61 34,01 0 0 0 0
31-32 1
0,004364 0,014603 0,002750 35 Sukarami 0 0 0 0 0 0
33-35 1
0,009727 0,032548 0,006000 36 Adijaya 21,51 10,42 0 0 0 0

3.6 Data Pembanding Sistem Jawa Bali 500 kV

Tabel 3.3. Data saluran transmisi Jawa Bali 500 kV
i-j R(pu) X(pu) ½B Tap setting
1-2 0,000626496 0,007008768 0 1

Tabel 3.4. Data pembangkitan dan pembebanan sistem Jawa Bali 500 kV
1-4 0,006513273 0,062576324 0,005989820 1
2-5 0,013133324 0,146925792 0,003530571 1
Beban Pembangkitan
3-4 0,001513179 0,016928309 0 1 No
Nama Bus
4-5 0,001246422 0,011975010 0 1 Bus MW MVAr MW MVAr Qmin Qmax
4-18 0,000694176 0,006669298 0 1 1 Suralaya 135 40 3059 1262 -600 2040

5-7 0,004441880 0,042675400 0 1 2 Cilegon 620 200 0 0 0 0
3 Kembangan 670 230 0 0 0 0
5-8 0,006211600 0,059678000 0 1
4 Gandul 480 160 0 0 0 0
5-11 0,004111380 0,045995040 0,004420973 1
5 Cibinong 615 190 0 0 0 0
6-7 0,001973648 0,018961840 0 1 6 Cawang 670 160 0 0 0 0
6-8 0,005625600 0,054048000 0 1 7 Bekasi 570 150 0 0 0 0
8 Muaratawar 0 0 1082 488 -700 1540
8-9 0,002822059 0,027112954 0 1
9 Cibatu 726 280 0 0 0 0
9-10 0,002739960 0,026324191 0 1 10 Cirata 600 216 189 84 -488 488
10-11 0,001474728 0,014168458 0 1 11 Saguling 0 0 300 65 -140 440
11-12 0,001957800 0,021902400 0 1 12 Bandung Selatam 520 310 0 0 0 0
12-13 0,006990980 0,067165900 0,006429135 1

13 Mandirancan 350 120 0 0 0 0
13-14 0,013478000 0,129490000 0,012394812 1 14 Ungaran 290 320 0 0 0 0
14-15 0,013533920 0,151407360 0,003638261 1 15 Tanjung Jati 0 0 672 -64 -240 720
16 Surabaya Barat 760 280 0 0 0 0
14-16 0,015798560 0,151784800 0,003632219 1
17 Gresik 185 80 802 129 -610 660
14-20 0,009036120 0,086814600 0 1 18 Depok 0 0 0 0 0 0
15-16 0,037539629 0,360662304 0,008630669 1 19 Tasikmalaya 244 15 0 0 0 0
16-17 0,001394680 0,013399400 0 1 20 Pedan 462 215 0 0 0 0
21 Kediri 316 182 0 0 0 0
16-23 0,003986382 0,044596656 0 1
22 Paiton 740 240 3244 595 -840 1920
18-19 0,014056000 0,157248000 0,015114437 1 23 Grati 115 170 0 0 -302 566
19-20 0,015311000 0,171288000 0,016463941 1
20-21 0,010291000 0,115128000 0,011065927 1
21-22 0,010291000 0,115128000 0,011065927 1

22-23 0,004435823 0,049624661 0,004769846 1

Pengujian Program Algoritma Genetika
Tabel 3.7. Representasi algoritma genetika untuk optimisasi kapasitor

Algoritma genetika Optimisasi kapasitor pada sistem transmisi
Kromosom Kandidat bus sebagai posisi kapasitor dan
kandidat kapasitas kapasitor yang akan
dipasang
Gen Jumlah kapasitor yang akan dipasang pada bus
sistem transmisi
Fungsi obyektif F = min SLT (Rugi-rugi daya total)
Fitness
P e n g u ji a n Penentuan Parameter
q Jumlah Kromosom = 20
q Jumlah Gen
Untuk Jawa Bali Jumlah Gen = 23 sedangkan SBS Jumlah Gen = 36

q Peluang crossover (Pc)
Tabel 3.8. Data sampel nilai obyektif dari generasi 1 s.d 4 percobaan Pc=0
Gambar 3.5. Grafik nilai obyektif terbaik setiap generasi pada

percobaan Pc=0, Pm=0, Predeer=0 dan MaxGenerasi=4

percobaan Pc=0, Pm=0, Predeer=0, dan MaxGenerasi=50

Tabel 3.9. Data sampel nilai obyektif dari generasi 1 s,d 4 percobaan Pc=0.9

percobaan Pc = 0,9, Pm=0, Pbreeder=0, dan MaxGenerasi=4
q Peluang mutasi (Pm)

Peluang mutasi yang digunakan adalah 0,1

q Peluang pelestarian kromosom (Pbreeder)
Peluang pelestarian kromosom yang digunakan adalah 0,2

percobaan Pc = 0, Pm=0, Pbreeder=0,2, dan MaxGenerasi=50

3.7.2. Pembentukan Roulette dan Proses Seleksi
Tabel 3.10. Data sampel nilai obyektif, nilai fitness dan fitness relatif
Gambar 3.9 Roulette hasil perhitungan

Tabel 3.11. Bilangan acak dan pemilihan
Tabel 3.12. Populasi baru hasil seleksi

HASIL DAN PEMBAHASAN
v Menggunakan Data Pembanding Jawa Bali 500 kV
Aliran daya sebelum kompensasi daya reaktif
Aliran daya setelah kompensasi menggunakan metode algoritma ABC
Aliran daya setelah kompensasi menggunakan metode algoritma genetika

Hasil Perbandingan Kompensasi Daya Reaktif Metode Algoritma ABC dengan Metode Algoritma Genetika
Perbandingan Tegangan (pu)

1.040
1.020
Tegangan (pu)
1.000
0.980
0.960
0.940
0.920
0.900
0.880
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
No bus
sblm ABC
Perbandingan Rugi Daya Aktif

25.000 (MW)
Rugi-rugi daya aktif (MW)

20.000
15.000
10.000
5.000
0.000
Saluran transmisi
sblm ABC

Perbandingan Rugi Daya Reaktif (MVAr)
200.000
Rugi daya reaktif (MVAr)
150.000
100.000
50.000
0.000
4─5
14─15
1─2
5─7
6─7
1─4
3─4
8─9
14─16
15─16
16─17
4─18
6─8
2─5
5─11
10─11
11─12
20─21
21─22
12─13
16─23
22─23
9─10
14─20
19─20
13─14
18─19
5─8
-50.000
Saluran transmisi
sblm ABC GA
q Menggunakan Data Subsistem Sumbagsel 150 kV
Aliran daya sebelum kompensasi daya reaktif

Aliran daya setelah kompensasi daya reaktif menggunakan metode GA

Hasil Perbandingan Kompensasi Daya Reaktif Kondisi Real dengan Metode Algoritma Genetika
Perbandingan Tegangan (pu)

1.100
1.050
Tegangan (pu)
1.000
0.950
0.900
0.850
0.800
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
No. Bus
sblm kondisi

Perbandingan Rugi-Rugi Daya Aktif (MW)
8.000
7.000
6.000
Rugi daya reaktif (MW)
5.000
4.000
3.000
2.000
1.000
0.000
1 ─ 1 ─ 1 ─ 1─ 2 3 3 4 5 6 7 ─ 8 8 8 9 10 11 12 13 14 17 17 18 21 21 22 23 24 24 24 25 25 25 25 26 29 31 31 31 33
15 21 2 16 ─ ─ ─ ─ ─ ─ 12 ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─
16 16 17 5 18 19 33 30 34 33 23 28 14 15 15 20 18 19 22 23 23 24 26 36 25 28 31 30 29 27 30 35 33 32 35
Saluran transmisi
sblm kondisi optimisasi

Perbandingan Rugi-Rugi Daya Reaktif (MVAr)
25.000
20.000
15.000
Rugi daya reaktif (MVAr)
10.000
5.000
0.000
1 ─ 1 ─ 1 ─ 1─ 2 3 3 4 5 6 7 8 8 8 9 10 11 12 13 14 17 17 18 21 21 22 23 24 24 24 25 25 25 25 26 29 31 31 31 33
15 21 2 16 ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─
-5.000 16 16 17 5 18 19 12 33 30 34 33 23 28 14 15 15 20 18 19 22 23 23 24 26 36 25 28 31 30 29 27 30 35 33 32 35
sblm kondisi optimisasi
-10.000
Saluran transmisi

KESIMPULAN
q Metode algoritma genetika dapat diterapkan dalam optimisasi penempatan dan ukuran
kapasitor bank pada jaringan transmisi dibuktikan dengan hasil perbandingan antara
metode Algorithm Bee Colony (ABC) dengan metode algoritma genetika pada sistem Jawa
Bali 500 kV.
q Hasil perbandingan dua metode optimisasi pada sistem Jawa Bali 500 kV, metode
algoritma genetika mengalami penurunan rugi daya aktif sebesar 13,68 % dan penurunan
rugi daya reaktif sebesar 16,96 % sedangkan dengan metode ABC mengalami penurunan
rugi daya aktif sebesar 14,04 % dan penurunan rugi daya reaktif sebesar 17,41 %.
q Sebelum dilakukan kompensasi daya reaktif subsistem Sumbagsel memiliki total
pembangkitan sebesar 1043,275+j532,342 MVA, pembebanan sebesar 1017,960 +j523,040
MVA dan rugi-rugi daya sebesar 25,315+j9,303 MVA.
q Optimisasi letak dan ukuran kapasitor bank pada subsistem Sumbagsel pada posisi bus 3,
4, 8, 9, 10, 14, 17 ,22, 23, 25, 26, 27, 29, 31, 32, 33, 35,36 dengan total kapasitas 110
MVAr.
q Setelah dilakukan kompensasi daya reaktif subsistem Sumbagsel memiliki total
pembangkitan sebesar 1041,509+j413,812 MVA, pembebanan sebesar 1017,960+j523,040
MVA, injeksi daya reaktif sebesar 110 MVAr dan rugi-rugi daya sebesar 23,549+j0,773
MVA
q Pemasangan kapasitor bank dapat menaikkan tegangan terminal dan mengurangi rugi-rugi
daya.

Elektro
UNIB
2011

Optimisasi Penempatan Kapasitor Bank SBS

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Optimisasi Penempatan Kapasitor Bank SBS

Uploaded by

Copyright:

Available Formats

Optimisasi Penempatan dan Ukuran Kapasitor Bank Untuk Mengurangi

Rugi-Rugi Daya Menggunakan Metode Algoritma Genetika

Pembimbing Utama : Anizar Indriani,S.T.,M.T

Pembimbing II : Yuli Rodiah,S.T.,M.T

PDF created with pdfFactory Pro trial version www.pdffactory.com

Meningkatnya beban pada jaringan

Kebutuhan daya reaktif meningkat

Arus reaktif mengalir pada jaringan

Faktor daya menurun, drop tegangan dan rugi-rugi daya besar,

Pemasangan kapasitor bank dengan optimisasi penempatan dan ukuran

Meminimalkan rugi –rugi daya dan memperbaiki profil tegangan

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

• Membandingkan hasil optimisasi menggunakan metode algoritma Artificial Bee Colony

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

• Faktor harmonisa akibat pemasangan kapasitor bank diabaikan.

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Kompensasi Daya Reaktif

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Gambar 2.5. Perbandingan besar daya semu yang dibutuhkan

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Gambar 2.6 Representasi permasalahan algoritma genetika

Optimal Placement Capacitor

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

3.1 Waktu dan Tempat Penelitian

3.2 Implementasi Algoritma Genetika pada Sistem Jaringan Transmisi

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Gambar 3.1. Model kromosom pada sistem

Berikut ini script program inisialisasi populasi dalam MATLAB :

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

3.2.3 Fungsi Obyektif

Script dalam MATLAB :

PDF created with pdfFactory Pro trial version www.pdffactory.com

Script evaluasi fungsi fitness dalam MATLAB :

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Script pembuatan roulette dalam MATLAB :

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Script crossover dalam MATLAB :

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Script mutasi dalam MATLAB :

Optimal Placement Capacitor

PDF created with pdfFactory Pro trial version www.pdffactory.com

Script mutasi dalam MATLAB :

Script regenerasi dalam MATLAB :