algoritma genetika indo

7/17/2019 Algoritma Genetika Indo

http://slidepdf.com/reader/full/algoritma-genetika-indo 1/18

PENDEKATAN ALGORITMA GENETIKA UNTUK PEMECAHAN

PERMASALAHAN POWER FLOW OPTIMAL AC-DC

S. B. WARKAD, DR. M. K. KHEDKAR, DR. G. M. DHOLE

Fakultas Teknik Elektro, Institut Teknologi Nasional Visvesvaraya, Nagpur, IndiaFakultas Teknik Elektro, Institut Teknologi Nasional Visvesvaraya, Nagpur, India

Fakultas Teknik Elektro, Universitas Shri Sant Gajanan Maharaj, IndiaE-ail! sanjay"#arkad$redi%ail&'o

Abstrak

Dalam dekade terakhir, pasar listrik secara signifikan direstrukturisasi di negara

maju dan berkembang. Di dalamnya, Optimal Power Flow ( OPF ) yang muncul

sebagai fungsi operasi dan kontrol utama dari pembangkit listrik. OPF adalah

masalah optimasi, dimana utilitas berusaha untuk meminimalkan biaya

pembangkitan sementara memenuhi semua kebutuhan, sementara sistem operasi

dalam batasbatas keamanan. Dalam beberapa tahun terakhir, penggabungan

himpunan bagian transmisi !igh "oltage Direct #urrent ( !"D# ) dalam jaringan

transmisi $# membawa perubahan technokomersial yang signifikan ditransmisi

tenaga listrik di negaranegara berkembang. %ulisan ini bertujuan untuk ( & )

menyajikan 'enetik algoritma untuk memecahkan OPF, ( ) formulasi masalah

dengan penggabungan link !"D# di $# sistem transmisi , ( ) menunjukkan

metodologi yang diusulkan untuk sistem *+++ uji dan kompleks

dan sistem kekuasaan yang sesungguhnya dari *ndia dan ( ) untuk menilaikinerja '$OPF dengan OPF tradisional -etode . -akalah ini menyimpulkan

bahwa skema yang diusulkan adalah efektif untuk situasi jaringan nyata dalam

negaranegara berkembang.

Kata Ku!" ! Optimal Power Flow, Algoritma Genetika, transmisi HVDC.

# . PENDAHULUAN

Dalam sistem tenaga listrik,

Optimal Power Flow (OPF) adalah

pemrograman nonlinier, digunakan

untuk menentukan output

pembangkitan, tegangan pada bus

dan transformator dengan tujuan

untuk meminimalkan biaya

pembangkitan total. aat ini,

penerapan OPF adalah penting untuk

$nalisis dan operasi sistem tenaga

listrik. Dalam suatu lingkungan yang

dideregulasi dari industri listrik, OPF

telah digunakan untuk menilai /ariasi

spasial dari harga listrik.

Dalam sebagian besar

formulasi umum, OPF adalah

nonlinear, noncon/e0, skala besar,

masalah optimisasi statis dengan

kedua /ariabel kontrol kontinyu dan

diskrit. *tu karena adanya aliran



listrik nonlinier dan kendala

kesetaraan. Diskrit /ariabel kontrol,

seperti perangkat shunt switchable,

posisi tap trafo, dan Phase

shifter dll.

OPF efektif dibatasi oleh

tinggi dimensi dari sistem tenaga dan

incomplete domain dari teknik sistem

tenaga. Prosedur optimasi numerik

didasarkan pada 1inearisasi berturut

turut menggunakan turunan pertama

dan kedua dari fungsi obyektif dan

digunakan sebagai petunjuk

pencarian atau dengan solusi

pemrograman linear untuk model

yang tepat. 2euntungan dari metode

tersebut karena menggunakan dasar

dasar matematika, namun memiliki

kelemahan dalam kepekaan terhadap

rumusan masalah, seleksi 3 algoritma.

ejak OPF diperkenalkan pada tahun &456, beberapa metode

telah digunakan untuk memecahkan

masalah ini, 'radient base, metode

pemrograman 1inear dan

pemrograman kuadrat. 7amun,

semua metode ini memiliki masalah.

Pertama, mereka mungkin tidak

mampu menyediakan solusi optimal.

8eberapa metode, bukanmemecahkan masalah original,

melainkan memecahkan masalah

2arush 2uhn 9 %ucker (22%)

kondisi optimalitas. :ntuk masalah

optimasi e;ualityconstrained, kondisi

22% di set persamaan nonlinear ,

yang dapat diselesaikan dengan

menggunakan algoritma 7ewton

type. Dalam 7ewton OPF < & = ,

ketidaksamaan kendala telah

ditambahkan sebagai kuadrat

penalti pada permasalahan objektif,

dikalikan dengan penalti yang

sesuai. -etode *nterior Point (*P)

menkon/ersi ketidaksetaraan

menjadi kesetaraan dengan

menggunakan pengenalan /ariabel

nonnegatif slack. Fungsi barrier

logaritmik dari /ariabel slack

ditambahkan ke fungsi objektif,

dikalikan dengan parameter

penghalang, yang secara bertahapdikurangi menjadi nol selama proses

solusi. $lgoritma unlimited point

menggunakan transformasi slack dan

/ariabel ganda, kemudian merubah

masalah OPF kondisi 22% menjadi

persamaan nonlinier, kemudian

menghindari aturan heuristik

untuk pengurangan parameter

penghalang dipergunakan metode *P.

:paya terbaru untuk mengatasi

keterbatasan pemrograman

matematika termasuk metode

aplikasi simulasi anealingtype, dan

algoritma genetika ('$s) dll.

'$s dasarnya algoritma

pencarian berdasarkan genetika

natural. -ereka menggabungkan

solusi e/aluasi dengan acak,

pertukaran informasi terstruktur antara solusi untuk mendapatkan

optimalitas. '$s adalah metode yang

kuatkarena pembatasan ruang solusi

tidak dibuat selama proses tersebut.

2ekuatan '$s berasal dari

kemampuannya untuk meng

eksploitasi struktur informasi dari

perkiraan solusi sebelumnya dengan

tujuan untuk meningkatkan kinerja



solusi masa depan. '$s barubaru ini

menemukan aplikasi yang luas dalam

memecahkan pencarian masalah

optimasi global yang ketika

teknik bentuk optimasi tertutup tidak

bisa diterapkan. '$ lebih cenderung

kon/ergen menuju solusi global

karena, secara bersamaan,

menge/aluasi banyak titik dalam

ruang parameter. >adi tidak perlu

berasumsi bahwa ruang pencarian

terdiferensialkan atau berkelanjutan.Dalam, 'enetic $lgoritma Optimal

Power Flow ('$OPF) masalah

terpecahkan berdasarkan penggunaan

algortitma genetika load flow, dan

untuk mempercepat konsep,

diusulkan untuk menggunakan

informasi gradien dengan metode

yang layak. -etode ini tidak sensitif

terhadap starting poin dan mampu

menentukan solosi global

yang optimal bagi OPF untuk

berbagai kendala dan fungsi

obyektif. Dalam Pendekatan

$lgoritma 'enetik, /ariabel kontrol

dimodelkan sebagai generator output

daya aktif dan tegangan, perangkat

shunt, dan keran trafo. 8ranch flow,

reaktif generation, dan besarnya

tegangan magnitude kendala telahdipergunakan sebagai istilah

hukuman kuadrat dalam '$ Fitness

Function (FF). Dalam, '$ digunakan

untuk memecahkan masalah daya

optimal untuk pasar multinode.

Pendekatan '$OPF

mengatasi keterbatasan pendekatan

kon/ensionaln dalam pemodelan

fungsi non con/e0 cost, diskrit

/ariabel kontrol. 7amun, tidak dalam

skala mudah ke yang masalah lebih

besar, sejak solusi memburuk dengan

peningkatan panjang kromosom

yaitu, nomor /ariabel kontrol.

Dalam tahun 9 tahun

mendatang, konsumsi daya dalam

negara berkembang dan transisi

diharapkan lebih dari dua kali lipat ,

sedangkan di negaranegara maju,

akan meningkat hanya sekitar ?@

A. elain itu, banyak negara berkembang dan transisi menghadapi

masalah in/estasi infrastruktur

terutama dalam segmen transmisi

dan distribusi karena in/estasi sedikit

dibuat di masa lalu. :ntuk

mengurangi kesenjangan antara

kapasitas transmisi dan

permintaan daya, dengan

mengadopsi trend sistem transmisi

!"D# dalam jaringan $# yang ada

untuk mendapatkan keuntungan

technoeconomical dari in/estasi.

edemikian skenario, jelas untuk

mengatasi tren ini dengan

merancang kema power flow yang

optimal untuk jaringan sistem nyata.

Dalam makalah ini menjelaskan ac

dc berbasis '$OPF. -etodologi ini

juga membahas mendesain ulangfungsi fitness dengan kema refining

penalti untuk kendala sistem, untuk

mendapatkan kon/ergensi yang lebih

cepat.

etelah pendahuluan ini,

bagian ** menjelaskan formulasi ac

dc power flow optimal.

-etodologi $lgoritma 'enetika

dijelaskan dalam 8agian ***.



+fisiensi metodologi diterapkan pada

masalah aliran daya yang optimal

ditunjukkan oleh *+++& , uji

sistem *+++@bus dan kekuatan

jaringan sistem yang kompleks dan

nyata (yaitu @@ k", -+%#1,

*ndia) pada bagian *".

dan terakhir, kesimpulan disajikan

dalam bagian ".

$. FORMULASI AC-DC POWER

FLOW % OPTIMAL

Bumusan 3 -asalahC

eperti yang telah dibahas, fungsi

tujuan dipertimbangkan dalam

makalah ini adalah untuk

meminimalkan biaya pembangkitan

total. Formulasi OPF terdiri

dari tiga komponen utamaC fungsi

objektif, kendala kesetaraan, dan

kendala ketimpangan. -etodologi iniadalah sebagai berikut,

P&rsa'aa % S"st&' % AC

-isalkan P (p&, ....., pn) dan E

(;&,.....,;n) untuk n sistem bus,

dimana pi dan ;i aktif dan kebutuhan

daya reaktif dari busi, masing

masing. "ariabel dalam operasi

sistem tenaga listrik menjadi

(0&, ...., 0m), seperti bagian real

dan imajiner masingmasing

tegangan bus. >adi operasional

masalah sistem daya untuk beban

yang diberikan (P, E) dapat

dirumuskan sebagai masalah OPF.

-inimiGe H (, P, E) for (&)

ubject to (, P, E) @

() % (, P, E) I @

()

Dimana () (s& (, P, E), .......,

sn& (, P, E)) % dan % () (t& (, P,

E), ......., tn (, P, E)) % memiliki

persamaan n& dan n masingmasing,

dan /ektor kolom. 8erikut $%

mewakili transpose dari /ektor $.

H (, P, E) adalah skalar, operasi

biaya jangka pendek, seperti biaya bahan bakar. Fungsi biaya 'enerator

f i (P'i) dalam J K -Lh dianggap

memiliki karakteristik biaya yang

diwakili oleh,

()

Dimana, P'i adalah output daya yang

sebenarnyaM ai, bi dan ci merupakan

koefisien biaya ith

generator, 7' merupakan bus

pembangkit,

8erbagai kendala yang harus

dipenuhi selama optimasi adalah

sebagai berikut,

(&) "ector kendala kesetaraan sepertikeseimbangan power flow yaitu

hukum 2irchoff, direpresentasikan

sebagaiC

(, P, E) @ atau

P' PD N PD# N P1 andE' ED NED# NE1 (?)

Dimana akhiran D merupakan

permintaan, ' adalah pembangkit ,



D# merupakan terminal dc dan 1

adalah kerugian transmisi.

() "ektor , kendala ketimpangan

termasuk batas semua /ariabel yaitu

semua batas /ariabel dan batas

fungsi, seperti batas atas dan bawah

dari jalur transmisi, output

pembangkit, stabilitas dan batas

keamanan dapat direpresentasikan

sebagai,

% (, P,E) I @ atau

(5)

(i) maksimum dan minimum nyata

dan output daya reaktif dari sumber

pembangkit diberikan oleh,

Dimana, adalah minimum

dan maksimum output daya nyata

pembangkit tersebut sumber dan

adalah minimum dan

maksimum output daya reaktif.

(ii) 8atas %egangan (-in K -a0)

sinyal bus sistem tegangan tetap

dalam kisaran yang sempit. 8atas

dapat dilambangkan dengan kendala

berikut ,

(6)

Dimana, 78 mewakili jumlah bus.

(iii) 8atas power flow mengacu pada

transmision line termal atau batas

stabilitas yang mampu dari transmisi

daya maksimum diwakili dalam hal

-"$ flow maksimum melalui garis,

diungkapkan oleh kendala berikut ,

(4)

Dimana, Noele mewakili jumlah

transmision line yang terhubung ke

grid. .

Dengan demikian, kondisi operasi

gabungan ac 9 dc sistem tenagalistrik digambarkan oleh /ektor ,

< , " , 0c , 0d =t

(&@)

Dimana, dan " adalah /ektor dari

phase dan magnitude tegangan bus

fasorM 0c adalah /ektor dari /ariabel

kontrol dan 0d adalah /ektor /ariabel

dc.

S"st&' P&rsa'aa DC

!ubungan berikut adalah untuk dc

/ariabel. -enggunakan per unit

sistem <=, nilai ratarata tegangan

dc dari kon/erter terhubung ke bus QiQ

adalah

"di ai"i cosR i r ci * di

(&&)

Dimana, Ri adalah sudut gating delay

untuk operasi rectifier atau sudut

e0tinction ad/ance untuk operasiin/erter, r ci adalah pergantian

resistensi, dan ai adalah pengaturan

con/erter tap transformator.

Dengan asumsi kon/erter lossless,

persamaan dari tegangan dc adalah

"di ai"i cos Si (&)

Dimana , Si i Ti , dan S adalah

sudut dari fundamental line current

lags line to netral sumber tegangan.



Daya nyata mengalir dalam atau

keluar dari jaringan dc pada terminal

QiQ dapat dinyatakan sebagai,

(&)

Power flow reaktif ke dalam terminal

dc adalah

Persamaan (&) (&) dapat diganti

ke dalam persamaan (?) untuk membentuk bagian dari kendala

kesetaraan .

8erdasarkan hubungan ini, operasi

kondisi sistem dc dapat dijelaskan

oleh /ektor,

(&?)

$rus dc dan tegangan yang terkait

dengan persamaan jaringan dc.eperti dalam kasus ac, referensi bus

ditentukan untuk setiap sistem dc

terpisah, biasanya bus tegangan

mengendalikan terminal dc

beroperasi di bawah tegangan

konstan ( atau sudut konstan) kontrol

dipilih sebagai refrensi bus untuk

persamaan jaringan dc.

8erikut (&) () merupakan masalah

OPF untuk demand (P, E). $da

banyak pendekatan efisien yang

dapat digunakan untuk mendapatkan

solusi optimal seperti pemrograman

linear, -etode 7ewton,pemrograman

kuadratik, pemrograman nonlinear,

metode titik interior, kecerdasan

buatan ( jaringan syaraf tiruan yaitu,

logika fuGGy, algoritma genetika,

pemrograman e/olusioner, ant

colony optimiGation dan optimasi

warn partikel dll ) metode

(. ALGORITMA GENETIKA

DALAM MASALAH OPF

'$s beroperasi pada populasi dari

solusi kandidat dikodekan finite bit

string disebut kromosom. :ntuk

mencapai optimalitas, masing

masing kromosom menukar

informasi menggunakan operator dari natural genetika untuk

menghasilkan solusi yang lebih baik.

'$s berbeda dari optimasi lainnya

dan prosedur pencarian dalam empat

cara C pertama, ia bekerja dengan

coding parameter set, bukan

parameter itu sendiri. Oleh karena itu

, '$s dengan mudah dapat

menangani integer atau /ariabeldiskrit. 2edua, ia mencari dalam

populasi dari poin, tidak satu titik.

Oleh karena itu, '$s dapat

memberikan solusi global optimal.

2etiga, penggunaan '$s hanya

untuk fungsi informasi objektif,

bukan turunan atau pengetahuan

tambahan lainnya. Oleh karena itu,

dapat menangani dengan fungsi non

smooth, non continue dan

nondifferentiable yang ada dalam

masalah optimasi practical.

$khirnya, '$s menggunakan aturan

transisi probabilistik, aturan tidak

deterministik, meskipun '$s

tampaknya menjadi metode yang

baik untuk memecahkan

masalah optimasi, kadangkadang



solusi diperoleh dari '$s hanya

solusi optimum global yang dekat.

(.$ P&&ra)a GA utuk O)t"'a*

P+&r F*+

$lgoritma 'enetika sederhana

adalah prosedur berulang, yang

mempertahankan ukuran konstan

dari solusi kandidat. -asingmasing

iteration step, (pembangkit) tiga

operator genetik (reproduksi,crosso/er, dan mutasi) yang

dilakukan untuk menghasilkan

populasi baru (offspring), dan

kromosom dari populasi baru

die/aluasi melalui nilai fitness, yang

terkait dengan fungsi biaya.

8erdasarkan genetik operator dan

e/aluasi, populasi solusi calon yang

lebih baik terbentuk. >ika tujuan pencarian belum tercapai, sekali lagi

'$ menciptakan offspring string

melalui tiga operator dan proses ini

dilanjutkan sampai tujuan pencarian

dicapai. -akalah ini sekarang

menggambarkan rincian dalam

mempekerjakan '$ sederhana untuk

memecahkan masalah power flow

optimal.

(.$.# C+" a D&!+"

Kr+'+s+'

'$s tampil dengan kumpulanstring biner bukan parameter sendiri.Penelitian ini menggunakan kode

biner. Di sini kekuatan set pembangkit aktif sistem n 9 bus(P'&, P', P',....P'7) akandikodekan sebagai string biner (@ dan&) dengan panjang 1&,1 , ...... , 1n.etiap parameter P'i memiliki batas

atas bi (p'i maks) dan batas bawah ai(p'i min). Pilihan 1&, 1, ......, 1n

untuk parameter yang berkaitandengan resolusi dan ditentukan olehdesainer dalam ruang pencarian.Dalam metode ini, panjang bit 8i danBesolusi yang sesuai Bi dikaitkanoleh,

(&5)

!al ini mengubah set P'i menjadi

string biner yang disebut kromosomdengan panjang U1i dan kemudianruang pencarian harus dieksplorasi.1angkah pertama dari setiap '$adalah untuk menghasilkan populasiinitial. ebuah string biner panjang 1yang terkait dengan masingmasinganggota (indi/idu). tring inimerupakan solusi dari masalah.empel dari populasi initial inimenciptakan populasi intimidate.

(.$.$ O)&rat+r G&&t"k / Cr+ss+0&r

*ni adalah operator genetik utama, yang membahas daerah barudalam ruang pencarian. #rosso/er

bertanggung jawab atas struktur rekombinasi (pertukaran informasiantara kromosom) dan kecepatankon/ergensi dari '$ dan ini

biasanya diterapkan dengan probabilitas tinggi (@,? @,4).

2romosom dari kedua induk terpilihmemiliki dikombinasikan untuk membentuk kromosom baru yangmewarisi segmen informasi yangdisimpan dalam kromosom induk.tring yang akan menyeberangini dipilih sesuai dengan nilai merekamenggunakan roulette wheel.Dengan demikian, string dengan skor yang lebih besar memiliki lebih

banyak kesempatan untuk

digabungkan dengan string lain



karena semua salinan dalam roulettememiliki probabilitas yang sama

untuk dipilih. 8anyak skemacrosso/er, seperti singgle

point, multipoint, atau uniform#rosso/er. inggle point #rosso/er yang akan digunakan dalam

penelitian kami.

(.$.( O)&rat+r G&&t"k / Mutat"+

-utasi digunakan baik untuk menghindari kon/ergensi prematur dari populasi (yang dapat

menyebabkan kon/ergensi ke lokal, bukan dari global, optimum) danuntuk menyempurnakan solusi.Operator mutasi telah didefinisikanoleh nilai random bit berubah dalamstring yang dipilih dengankemungkinan perubahan rendah.Dalam studi ini, operator mutasitelah diterapkan dengan relatif

probabilitas kecil (@,@@@&@,@@&)untuk setiap bit dari kromosom.Proses mutasi sampel ditunjukanseperti di bawah ini.

(.$.1 O)&rat+r G&&t"k /

R&)r+u!t"+

Beproduksi didasarkan pada prinsip sur/i/al dari fittest. *nimerupakan operator yangmemperoleh jumlah salinan solusitetap sesuai dengan nilai fitnessmereka. >ika skor meningkat, maka

jumlah salinan juga meningkat.ebuah nilai skor terkait dengansolusi yang diberikan sesuai dengan

jarak dari solusi optimal (jarak dekatuntuk solusi optimal yang berarti

skor lebih tinggi).

(.$.2 S+*us" F"t&ss +3 Ca"at&

a Fus" B"a4a Fungsi biaya telahdidefinisikan sebagai C

(&) :ntuk meminimalkan F(0)setara dengan mendapatkan nilaifitness maksimal dalam proses

pencarian. 2romosom yang memiliki

fungsi biaya lebih rendah harusdiberi nilai fitness yang lebih besar.%ujuan OPF harus diubah untuk memaksimalkan nilai fitness untuk digunakan dalam simulasi roulettewheel. Fungsi fitness digunakansebagai berikut C

Dimana # adalah konstan M Fi(P'i)adalah biaya karakteristik generator i, w j adalah bobotFaktor kesetaraan dan kendalaketidaksetaraan j M Penalty j adalahfungsi penalti untuk kesetaraan dankendala ketidaksetaraan jM h j (0,t)

adalah pelanggaran terhadapkesetaraan dan ketidaksetaraankendala jika positif, (.) ! adalah!ea/iside (langkah) fungsiM 7cadalah jumlah kesetaraandan kendala ketidaksetaraan.

Fungsi fitness telahdiprogram sedemikian rupa dalam-atlab .& sehingga itu terlebihdahulu harus memenuhi semuakendala ketidaksetaraan dengan

hea/ily penaliGing.



Dengan menggunakan komponendi atas, prosedur '$ standar untuk

menyelesaikan masalah OPFditunjukkan pada 'ambar &.

'ambar &C Flowchart $lgoritma 'enetikaederhana untuk OPF

1. CONTOH, SIMULASI DAN

HASIL

1.# S"st&' Bus IEEE-#1

2inerja yang diusulkan

dengan metodologi telah dinilaimelalui hasil yang diperoleh dengan*+++& 8us seperti yangditunjukkan pada gambar (1ihat1ampiran) dengan &6 sirkuit dan generator. 'enerator dan data sirkuittelah diberikan dalam %abel $&(1ihat 1ampiran). ebuah link dcterhubung antara bus& dan bus &. Bating dari kon/erter

pada bus & dan & adalah &,@ p.u.

7ilai tegangan untuk semua bus telahdibatasi antara @,4? dan &,@?. Fungsi

biaya bahan bakar untuk generator dinyatakan sebagai ( fi ai P'i N biP'i N ci) di (JK-Lh) dan

permintaan di bus ditunjukkan pada%abel $ (1ihat 1ampiran).emua nilainilai telah ditunjukkanoleh p.u. !asil yang diperolehdengan metodologi ditampilkan

pada %abel &.

%abel &C !asil '$OPF dan Perbandingandengan -etode OPF %radisional

%egangan dari beberapa bus

didapat dengan solusi terbaik

'$OPF telah menunjukkan

peningkatan dibandingkan dengan

metode 7ewton. elain itu, jumlah

biaya pembangkitan yang diperolehsolusi '$OPF rendah.

1.$ M+"3"kas" S"st&' Bus

IEEE - (5

istem ini terdiri dari 5

generator dan jalur transmisi

seperti yang ditunjukkan pada

gambar (1ihat 1ampiran). ebuahlink dc terhubung antara bus & dan

bus 6. Bating kon/erter di bus & dan

6 adalah &,@ p.u. 8atas atas dan

bawah (daya nyata) untuk semua

generator telah ditunjukkan pada

%abel 8&. elain itu, batas atas dan

bawah (daya reaktif ) untuk semua

generator adalah @. I E'i I @,.

7ilai tegangan untuk semua bus telah



dibatasi antara @,4? dan &,@? . Fungsi

biaya bahan bakar untuk generator

dinyatakan sebagai

(fi ai N bi P'i P'i N ci) di (JK-Lh)

dan permintaan di berbagai bus

ditunjukkan pada %abel #& . emua

nilainilai telah ditunjukkan dalam

p.u. :ntuk sistem ini ada V

kendala kesetaraan sesuai dengan

masingmasing daya reaktif dan

keseimbangan dari bus tanpa

'enerator, dan sekitar kendalakesetaraan % sesuai dengan @

pasang tegangan, V 5 pasang

output pembangkit dan satu pasang

masingmasing dari jalur aliran atas

dan batas bawah. %abel

menunjukkan hasil untuk '$OPF

dan -etode 7ewton.

%abel C !asil OPFC '$ dan 7ewton -etode

!asil mengindikasi bahwa tegangan

profil pada beberapa bus telah

ditingkatkan dengan solusi '$OPFdibandingkan dengan

-etode OPF 7ewton. elain itu,total biaya pembangkitan oleh'$OPF lebih rendah dibandingkandengan metode 7ewton OPF.

1.( 6ar"a 4ata 155 k7 ar"

Ma8aras8tra Stat& E*&!tr"0"t4

Tras'"s"+ C+')a" L"'"t&

9MSETCL:, I"a

ektor listrik *ndia telahtumbuh dari &.5 -L pada tahun

&4 menjadi &.@5& -L pada @-aret @@6. ektor ini telahditandai dengan permintaankekurangan pasokan /isW/is. :ntuk meningkatkan kinerja techno 9 finansial sektor ini, Departemen%enaga Pemerintah *ndiamemberlakukan +lectricity $ct pada@@ dan inisiatif kebijakanselanjutnya untuk menguraikancounter dari kerangka yang cocok untuk pengembangan keseluruhan

pasar listrik. Pada transmisi listrik,grid *ndia telah dibagi menjadi limasub daerah grid. -asingmasingmemiliki jumlah sub grid konstituendibentuk oleh jaringan negara danutilitas swasta. emua sub grid dan

jaringan telah terhubunguntuk membentuk grid nasional

@@k". :tilitas -aharashtra memilikikapasitas terpasang terbesar &?.?6@-L di *ndia. Pada tahun @@?,termasuk pembangkit, %ransmisi danPerusahaan Distribusi. Pada sektor transmisi merasa kekurangan karenain/estasi yang dibuat di masa lalurendah. *nfrastruktur transmisiterdiri dari X ?@@ k" !"D# , @@k", @ k", & k" , &&@ k" , &@@

k", 55 k" lines, 65 gardu +!",



dan ?55 ckt km lines dengan jumlah kapasitas transformasi .&56

-"$. tudi ini membahas jaringannyata dari @@ k" Perusahaan%ransmisi 1istrik 7egara-aharashtraditunjukkan pada gambar (1ihat1ampiran). *ni terdiri dari &4 intrastate dan inter state bus ( 8!*1Y,2handwa, DB", 8DB"%, %arapur,8O*B dan $%PB).Permintaan riil dan data generator ditunjukkan pada %abel #& dan #

(1ihat 1ampiran). 7ilai tegangansemua bus telah dibatasi antara @,45dan &,@. 2endala power flow aktif intrastate pada saluran transmisiterletak antara @.? dan @.?, danuntuk saluran inter state adalah &,@dan &,@. Data untuk jarinagan X ?@@k" !"D# yang terhubung antara#!DP:B ke Padge dapat dilihat

pada %abel #. emua nilainilaiditunjukkan dalam p.u. #!DP:B diambil sebagai referensi bus. $daV&5 kendala kesetaraan yang sesuaidengan keseimbangan daya nyatadan reaktif masingmasing dari bustanpa generator, dan 6 kendalaketidaksetaraan dari pasangtegangan, V&& pasang output

pembangkit dan satu pasang masingmasing dari jalur aliran atas dan

batas bawah. !asil yang diperoleh

dengan metodologi yang diberikantelah ditunjukkan pada %abel .

%abel C @@ k", -+%#1, *ndiaC hasil dan

perbandingan '$OPF dengan metode OPFtradisional

%egangan pada beberapa busdengan solusi '$OPF telahmeningkat dibandingkan denganmetode tradisional OPF. elain itu,

biaya pembangkitan secara garis besar rendah dibandingkan denganmetode 7ewton OPF.

2. E7ALUASI KINER6A

+/aluasi kinerja $#D# berbasis'$OPF dan metode OPF tradisionaltelah diuji dengan mengacu pada

parameter yang diberikan dalam%abel dan %abel ?. -etode 7ewtonmenggunakan sedikit iterasi untuk melakukan OPF untuk uji sistem dan

jaringan nyata -+%#1. Laktueksekusi program tergantung padakesetaraan dan ketidaksetaraan

kendala yang ditangani dengan



metodologi.2euntungan dari metode

7ewton adalah hasil OPF diperolehdalam satu kali saja. 2inerja

parameter untuk '$ berbasis $#D#OPF untuk berbagai sistem pengujiandan jaringan nyata diperlihatkan pada%abel 6. 7amun, waktu eksekusi

program ber/ariasi dari sistem yanglebih kecil ke sistem yang lebih besar dan tergantung pada jumlah iterasiyang ditetapkanawalnya untuk mendapatkan hasil

OPF terbaik.

%abel C 7ewton Parameter K kinerja terbaikPower Flow Optimal

Ta(le )! *araeter+kinerja Guntuk *F ter(aik

;. KESIMPULAN Penelitian ini membahas $#

D# berbasis solusi power flowoptimal '$ yang dapat diterapkanuntuk sistem tenaga dengan ukuranyang berbeda. -etode ini jugamenggunakan keuntungan technokomersial dari metode power flow

tradisional yang optimal. -etode

'$OPF menghindari aliran bebanawal seperti yang diterbitkan dalam

literatur lain. kema ini lebih efektif untuk situasi jaringan nyata dalammengembangkan suatu negara.$khirnya, hasil yang diperoleh olehskema ini cukup sebanding denganmetodologi OPF tradisional .

REFRENSI

./0 M& 1ounes, M& 2ahli and (delhake-3oridak, 4Optimal Power Flow Based on

Hybrid Geneti Algorit!m5, 6ournal o7 In7oration S'ien'e and Engineering 89,pp&/:;/-/:/<, 8;;=&

.80 nastasios G& >akirt?is, *andel N& >iskas , @hristo7oros E& Aouas , , and Vasilios

*etridis , "Optimal Power Flow by #n!aned

Geneti Algorit!m5, IEEE Transa'tions on*o#erSystes, Vol& /=, No& 8, pp& 88B-89<,May8;;8&

.90 I& G& Caousis, &G& >akirt?is, and *&S&Cokopouloset, $Network Constrained

#onomi Dispat! %sing &eal'Coded Geneti

Algorit!m$, IEEE Transa'tions on *o#erSystes, Vol& /:, No& /, Fe(ruary 8;;9&

.D0 C& *apaleopoulos, @& F& Iparato, and F&F&

u, 4 (arge'sale optimal power )low* #))ets

o) initiali+ation deopling and disreti+ation,5IEEE Transa'tions on *o#er Systes.,Vol& D,pp& =D:=)B, May /B:B&

.)0 H& & Coel, & F& Tinney, 4Optimal

Power Flow -oltions, IEEE Transa'tions onpo#erapparatus and systes, Vol& *S-:=, No&/;,pp& /:<<-/:=<, 'to(er /B<:&

.<0 3& 1& ee, 1&M& *ark, and 6&& rti?, 4 A%nited

Approa! to Optimal &eal and &eati/e Power

Dispat!, IEEE Transa'tions on *o#erSystes, Vol& *S-/;D, p& //D=-//)9,May/B:)&

.=0 M& Sasson, 4 Non linear Programming

-oltions )or load )low, minimm loss, and

eonomi dispat!ing problems, IEEE Transa'tions on *o#er pparatus and

Systes,Vol& *S-::, No& D, pril /B<B&

.:0 T& >ouktir, M& >elka'ei, 3& Aehar,4Optimal

power )low sing modi)ied gradient met!od,



*ro'eeding I@EJ8;;;, U&S&T&ran,lgeria,

Vol& 8, p& D9<-DD8, /9-/) Nove(er

8;;;&.B0 Tarek >ouktir, inda Sliani, M&>elka'ei, 4 A Geneti Algorit!m )or -ol/ing t!e Optimal

Power Flow Problem5, eonardo 6ournal o7 S'ien'es, Issue D, pp& DD-):, 6anuary-

6une8;;D&

./;0 H& & Coel, 4Optimal power dispat!,5IEEE Transa'tions on *o#er pparatusandSystes, Vol& *SB9, pp& :8;-:9;, /B=D&

.//0 & lsa', 6& >right, M& *rais, and >& Stott,4 Frt!er de/elopments in (P'based optimal

power )low,5 IEEE Transa'tions on *o#erSystes, Vol& ), pp& <B=-=//, /BB;&

./80 6& Nanda, C& *& 3othari, and S& @&Srivatava,

4 New optimal power'dispat! algorit!m sing

Flet!er0s 1adrati programming met!od ,5 in Proeedings o) t!e 2## , Vol& /9<, pp& /)9-/</,/B:B&

./90 C& I& Sun, >& shley, >& >re#er, &Hughes,

and & F& Tinney, 4Optimal power )low by

Newton approa!,5 IEEE Transa'tions on*o#er pparatus and Systes., Vol& *S-/;9,pp& 8:<D8::;, /B:D&

./D0 H& ei, H& Sasaki, 6& 3u(oka#a, and 2& 1okoyaa, 4 An interior point nonlinear

programming )or optimal power )low problemswit! a no/el data strtre,5 IEEE Transa'tions on *o#er Systes, Vol& /9,pp&:=;:==, ugust /BB:&

./)0 G& & Torres and V& H& Kuintana, 4 An

interiorpoint

met!od )or nonlinear optimal power )low

sing /oltage retanglar oordinates,5 IEEE Transa'tions on *o#er Systes, Vol& /9,pp&/8///8/:, Nove(er /BB:&

./<0 6& & Mooh, M& E& El-Ha#ary, and 2&dapa,

4 A re/iew o) seleted optimal power )low

literatre to 3445,5 IEEE Transa'tions on*o#er Systes, pt& I and II, Vol& /D, pp&B<///, Fe(ruary /BBB&

./=0 G& Tognola and 2& >a'her, 4%nlimited point

algorit!m )or OPF problems,5 IEEE Transa'tions on *o#er Systes, Vol& /D,pp&/;D</;)D, ugust /BBB&

./:0 & @hen, H& Su?uki, and 3& 3atou, 4 6ean

)ield

t!eory )or optimal power )low,5 IEEE Transa'tions on *o#er Systes, Vol& /8,pp&/D://D:<, Nov& /BB=&

./B0 & @hen, S& Mato(a, H& Ina(e, and T&ka(e,

4-rrogate onstraint met!od )or optimal power

)low,5 IEEE Transa'tions on *o#erSystes,Vol& /9, pp& /;:D/;:B, ugust /BB:&

.8;0 & & ai, 6& T& Ma, 2& 1okoyaa, and M&Ahao,4 2mpro/ed geneti algorit!ms )or optimal power

)low nder bot! normal and ontingent

operation states,5 Ele'tri' *o#er EnergySyste, Vol& /B, no& ), pp& 8:=8B8,/BB=&

.8/0 T& Nunonda and U& C& nnakkage,4Optimal

power dispat! in mltinode eletriity market

sing geneti algorit!m,5 Ele'ri' *o#erSyste2esear'h., vol& DB, pp& 8//88;, /BBB&

.880 M& M& El-Saada#i, 4 A Geneti'Based

Approa!

For -ol/ing Optimal Power Flow Problem5,

Mansoura Engineering 6ournal, LME6, Vol&8B,No& 8, 6une 8;;D&

.890 C& alters, G& She(le, $Geneti Algorit!m

-oltion )or #onomi Dispat! wit! Val/e

Point (oading$ , IEEE Transa'tions on *o#erSystes, Vol&:, No&9, ugust /BB9&

.8D0 C& E& Gold(erg, 4Geneti Algorit!ms in

-ear!,Optimi+ation and 6a!ine (earning, ddisonesley *u(lishing @opany, /B:B&

.8)0 6& 1uryevi'h, 3& *& ong, 4 #/oltionary

Programming Based Optimal Power Flow

Algorit!m, IEEE Transa'tion on *o#erSystes, Vol& /D, No& D, Nove(er /BBB&

.8<0 uonan @hen, Hideki Su?uki, Tsunehisa

a'hi,and 1ukihiro Shiura, 4Components o) Nodal

Pries )or #letri Power -ystems5, IEEE Transa'tions on *o#er Systes, Vol& /=,No& /,pp D/-DB, 8;;8&

.8=0 @& N& u, S& S& @hen, @& M& ng, "7!e

2norporation o) HVDC #1ations in Optimal

Power Flow 6et!ods sing -e1ential 8adrati Programming 7e!ni1es5, IEEE Transa'tions on *o#er Systes, Vol& 9,No&9,pp /;;)-/;//, ugust /B::&

.8:0 *andya 3&S&, 6oshi S& 3&, 4 A sr/ey o)

Optimal

Power Flow 6et!ods5, 6ournal o7 Theoreti'al

and pplied In7oration Te'hnology, ppD);-

D):, 8;;:&



LAMPIRAN

A) Bus S"st&' IEEE-#1



'ambar C Diagram garis *+++& 8us istem

Ta(le /! >us data dari IEEE-/D >us siste



B: S"st&' Bus IEEE-(5

'ambar C Diagram garis dari sistem bus modified *+++@

C: 155 k7 MSETCL, I"a

Ta(le @/! D;; kV MSET@! Ceand Cata L*U



'ambar C @@ k" -+%#1, *ndia

Ta(le @8! D;; kV MSET@! Generator Cata L*U and Ceand Cata



Ta(le @9! Cata! 6aringan );;kV @HC*U2-*CGE HVC@

algoritma genetika indo

Documents