Penelitian ini menggunakan metode Ant Colony Optimization untuk mengoptimalkan operasi sistem kelistrikan 150 kV Sulbagsel dengan mempertimbangkan biaya pembangkit dan losses transmisi serta integrasi pembangkit listrik tenaga angin. Fungsi biaya dan batasan daya pembangkit termal diidentifikasi untuk menentukan biaya minimum operasi sistem. Hasil penelitian menunjukkan biaya operasi minimum yang dapat dicapai dengan metode ini.

1. Dynamic Optimal Power Flow Dengan
Memperhitungkan Intermittent Wind Turbine
Menggunakan Metode Ant Colony Optimization
Ratih puspita siwi
D032191015
Program Pascasarjana Teknik Elektro
Universitas Hasanuddin

2. DAFTAR ISI
PENDAHULUAN
I
II
III
IV
V
TINJAUAN PUSTAKA
METODE PENELITIAN
HASIL & PEMBAHASAN
KESIMPULAN & SARAN

3. PENDAHULUAN
I

4. Infographic Style
Dengan menggunakan wind turbine mampu
meminimalisir total biaya pembangkitan
agar lebih ekonomis dan terjangkau untuk
mengatasi sifat intermittentt energi
terbarukan tersebut
Metode ACO mampu melakukan optimasi
system interkoneksi 150 Kv Sulbagsel untuk
mengetahui biaya operasi minimum pada
system akibat intermittent wind turbine.
Kelebihan ACO menemukan solusi yang optimal
untuk semua permasalahan yang mempunyai
jumlah titik.
Kekurangan ACO adalah proses running
program ACO boros dalam penggunaan.
Jumlah permintaan energi listrik semakin
meningkat seiring dengan perkembangan jaman
menyebabkan penyedia dituntut untuk
menyediakan pasokan dalam jumlah yang cukup
DOPF bersifat fluktuakitf yang artinya beban yang tidak linear
atau berubah ubah disetiap detik.
LATAR BELAKANG

5. 01
Bagaimana memperhitungkan biaya ekonomis dengan
mempertimbangkan intermittent wind turbine?
Bagaimana menentukan biaya ekonomis dengan
memperhitungkan losses tranmisi?
Bagaimana penerapan Ant Colony Method untuk
pengoptimalan operasi sistem dengan integrasi wind turbine?
02
01
02
Untuk menentukan biaya yang ekonomis dengan
mempertimbangkan intermittentt wind turbine
Untuk menentukan biaya yang ekonomis dengan
memperhitungkan losses transmisi
Menentukan nilai dari pengoptimalan operasi sistem dengan
integrasi wind turbine menggunakan metode Ant Colony
Optimization
RUMUSAN MASALAH TUJUAN PENELITIAN
03
03

6. Manfaat Penelitian
1. Memberikan sumbangsih kepada akademis maupun praktisi mengenai optimal
power flow dengan memperhitungkan intermittentt wind turbine yang di
aplikasikan pada sistem kelistrikan Sulselrabar.
2. Menjadi literatur dalam hal meningkatkan keandalan sistem tenaga listrik.
3. Menjadi referensi ilmiah bagi para mahasiswa yang ingin meneliti topik
serupa.
MANFAAT PENELITIAN

7. Manfaat Penelitian
1. Sistem kelistrikan yang dikaji adalah sistem 150 kV Sulselbar.
2. Simulasi dilakukan dengan menggunakan metode Ant colony.
3. Pembagian daya yang dilakukan adalah daya aktif.
4. Pembangkit yang ditinjau adalah pembangkit yang dikelola oleh PT. PLN
(Persero).
BATASAN PENELITIAN

8. TINJAUAN PUSTAKA
II

9. OPTIMAL POWER FLOW
Persamaan matematika dalam
menyelesaikan aliran daya optimal adalah
sebagai berikut:
𝐹 𝑃
𝑔 =
𝑛
𝑛
= 1 𝑎𝑖𝑃𝑔𝑖
2
+ 𝑏𝑖𝑃𝑔𝑖 + 𝑐𝑖
Batas Pengiriman Ekonomi dalah sebagai berikut.
Batas keseimbangan daya:
𝑛=1
𝑛
𝑃𝑖 = 𝑃𝑑 + 𝑃𝐿
Rumus daya aktif optimal:
𝑃𝐺𝑎 − 𝑃𝐷𝑎 = 𝑉
𝑎
𝑛=1
𝑁𝐵
𝑉𝑏 𝐺𝑎𝑏 cos 𝜃𝑎 − 𝜃𝑏 + 𝐵𝑎𝑏 𝑠𝑖𝑛 𝜃𝑎 − 𝜃𝑏
Dimana:
𝐹 𝑃
𝑔 = Total generation costs
𝑎𝑖,𝑏𝑖,𝑐𝑖, = The coefficient of fuel costs
𝑃𝑑 = Power Load
𝑃𝐿, = Losses
𝐺𝑎𝑏,𝐵𝑎𝑏 = Admittance of line a,b
Secara umum, rugi rugi daya seperti pada rumus berikut:
𝑃𝐿 = 𝐼2
𝑅
Dimana:
𝑃𝐿 = Power losses
𝐼2
= current flowing on line (ampere)
𝑅 = resistance on line (ohm/ Ω)

10. Dimana:
𝑃𝐿 = Power losses
𝐼2
= current flowing on line (ampere)
𝑅 = resistance on line (ohm/ Ω)
PEMBANGKIT LISTRIK TENAGA BAYU
Perbedaan mendasar dari pembangkit listrik tenaga bayu yang ada di Sulawesi Selatan:
 PLTB TOLO:
a) Kapasitas : 60 MW
b) Wind turbine : 20 Unit
c) Tinggi tower : 132 m
d) Panjang baling-baling : 64 m
e) Total produksi : 142, 86 MWh
 PLTB SIDRAP
a) Kapasitas : 75 MW
b) Wind turbine : 30 Unit
c) Tinggi tower : 80 m
d) Panjang baling-baling : 57 m
e) Total produksi : 35.000 MWh

11. METODE ANT COLONY OPTIMIZATION
𝑠 𝑖, 𝑗 = 𝑎𝑟𝑔𝑚𝑎𝑥𝑗€𝑈𝑘((𝜏𝑖𝑗ռ𝑖𝑗β, q ≤ 𝑞0
𝑃𝑖𝑗, q ≤ 𝑞0
Pi,j=
𝜏𝑖𝑗 ռ𝑖𝑗 β
∑
𝑗
∈∪
𝑘
(
𝜏𝑖𝑗
)
ռ𝑖𝑗 β
dimana:
𝜏ij : Pheromone pada arc (i,j),
nij : Invers dari arc (i,j).
Uk : Himpunan simpul yang belum dikunjungi
semut ke-k yang berada pada simpul I
β : Sebuah parameter yang menentukan
hubungan antara pheromone dan informasi heuristik
dari fungsi biaya dengan nilai (β>0).
Q : Variable acak antara 0 dan 1 , qo parameter
yang menentukan tingkat eksploitasi dan eksplorasi
(0≤qo≤1).
Dimana Lg b adalah Panjang dari tour terbaik yang
dihasilkan oleh sekumpulan semut tersebut.
𝜏𝑖𝑗 ← 1 − 𝜌 𝜏𝑖𝑗 − 𝜌∆𝜏𝑖𝑗, 0 < 𝜌 < 1
Setelah semua semut telah melalui setiap simpul
maka besarnya jumlah pheromone akan berubah
berdasarkan persamaan global updating rule yang
ditunjukkan pada persamaan:
∆𝜏𝑖𝑗 =
1
Lg 𝑏
𝑈𝑛𝑡𝑢𝑘 (𝑖, 𝑗) ∈ 𝑔𝑙𝑜𝑏𝑎𝑙 − 𝑏𝑒𝑠𝑡 − 𝑡𝑜𝑢𝑟
Pemilihan simpul yang digunakan dalam bentuk metode Ant
Colony dirumuskan sebagai berikut:
Setiap kali membentuk tour, semut-semut tersebut akan melewati arc yang
ada dan mengubah besarnya pheromone. Hal ini ditunjukkan pada persamaan:
Setiap semut adalah agen sederhana yang memiliki karakteristik sebagai berikut [22]:
a. Semut memilih simpul yang akan dikunjungi dengan mempertimbangan probabilitas. Probabilitas di sini adalah sebuah fungsi
yang dipengaruhi oleh jarak simpul dan jumlah feromon yang terkandung dalam sebuah arc.
b. Agar semut tidak terjebak dalam path yang sama, kunjungan ke simpul yang sudah dikunjungi tidak diperbolehkan.
c. Semut meninggalkan sebuah trail di sebuah arc (i, j) yang dilewatinya.

12. Power Flow and Dynamic Optimal Power Flow
Including Wind Farms
-
Gonggui Chen
- Metode optimal multiperiod stokastik (SMP-OPF)
Abbas Rabbie
- Ant Colony Optimization
Gu Ping
- menggunakan pemrograman kuadratik (QP) berbasis
Matlab
Rony Seto W.
Stochastic Multiperiod OPF Model of Power Systems
With HVDC-Connected Intermittent Wind Power
Generation
Adaptive Ant Colony Optimization Algorithm
Dynamic Optimal Power Flow with Gheotermal Power Plant
under Take or Pay Energy Contrac
Analysis and Comparison Among Ant System; Ant
Colony System and Max-Min Ant System With
Different Parameters Setting
Distributed Probabilistic ATC Assessment by Optimality Conditions
Decomposition and LHS Considering Intermittent Wind Power
Generation
Ant System (AS), Max Min Ant System (MMAS), Ant
Colony System (ACS)
Renu Jangra
Optimality condition decomposition (OCD) dan Latin
hypercube sampling (LHS)
Nelson Fabia Avila
STATE OF THE ART
Menggunakan Shuffled frog leaping algorithm
(SFLA) dan Particle swarm optimization (PSO)

13. Effects of wind power intermittency on generation and
emissions
-
Reid Dorsey-Palmeter
- Wind power-photovoltaic-thermal generator-hydro
pumped storage-battery (WPTHB)
Shiwei Xia
Improved Particle Swarm Optimization
(IPSO) dan Lagrange.
A M Ilyas, A suyuti, I C Gunadin, A Siswanto
Multitime Scale Coordinated Scheduling for the
Combined System of Wind Power, Photovoltaic,
Thermal Generator, Hydro Pumped Storage, and
Batteries
Optimal Power Flow the Sulselrabar 150 KV system before
and after the penetration of wind power plants
considering power loss and generation costs
STATE OF THE ART
Jenis intermittency pembangkit angin dikaitkan dengan
pergeseran ke arah pembangkitan gas alam dan
penurunan emisi CO2

14. METODE PENELITIAN
III

15. Bagan Alur
Penelitian
Mulai
Mengumpulkan data system interkoneksi 150 kV Sulbagsel
Melakukan studi DOPF dengan
mempertimbangkan losses transmisi
menggunakan metode load flow
Analisis menggunakan metode ACO
Biaya pembangkit
minimum
Studi literatur
Hasil minimum
Selesai
Ya
Tidak

16. Bagan Alur
Metode ACO
Mulai
Konstruksi Graf ACO
1
Inisialisasi kontruksi semut
Konstruksi solusi dengan
semut
Pemilihan simpul
semut
Apakah sudah
simpul terakhir?
1
Ya
Tidak
Local updating rule
Global Updating rule
Penguapan Feromon
Stopping
kriteria
terpenuhi
Selesai
Ya
Tidak

17. HASIL & PEMBAHASAN
IV

18. Adapun fungsi biaya bahan bakar dan Batasan daya masing-masing
pembangkit termal ditunjukan pada Table 4.1 dan 4.2.
Tabel 4. 1. Fungsi Biaya Pembangkit Termal System Interkoneksi 150 kV Sulseltrabar
Unit Bus Fungsi Biaya (Rp/ Jam) x 1000
1 -4.7539e-15 + 427.78P1 - 1.0608e-10
5 0 + 24.69P5 + 0
6 0 + 24.69P6 + 0
8 0 + 1730.5P8 + 0
10 0 + 24.69P10 + 0
16 0 + 1586.3P16 0
17 6.346e-15 + 432.75P17 - 1.9212e-10
18 6.346e-15 + 432.75P18 + 1.9212e-10
19 6.346e-15 + 432.75P19 + 1.9212e-10
29 0 + 0P29 + 0
34 0 + 8P34 + 0
43 -2.4144e-14 + 427.4P43 - 1.1182e-11
45 0 + 0P45 + 0
46 0 + 8P46 + 0
49 0 + 8P49 + 0
52 -2.4144e-14 + 427.4P52 - 1.1182e-11
60 0 + 0P60 + 0
62 0 + 16.61P62 + 0
63 0 + 16.61P63 + 0
75 -2.4144e-14 + 427.4P75 - 1.1182e-11

19. Tabel 4. 2. Batasan Daya Pembangkit Termal System Interkoneksi 150 KV Penelitian
Sulseltrabar
Nama Bus Pmax (Mw) Pmin (Mw)
BAKARU #1 63 31.5
BAKARU #2 63 31.5
BILI #1 6 3
BILI #2 14.1 7.05
PLTM SAWITTO 1.7 0.85
PLTU BARRU #1 50 25
PLTU BARRU #2 50 25
PLTU PUNAGAYA #1 125 62.5
PLTU PUNAGAYA #2 125 62.5
PLTD MITSUBISHI #1 12.6 6.3
PLTD MITSUBISHI #2 12.6 6.3
SWD #1 12.4 6.2
SWD #2 12.4 6.2
PLTG GE #1 33.4 16.7
PLTG GE #2 33.4 16.7
PLTA POSO 1 UNIT #1 30 15
PLTA POSO 1 UNIT #2 30 15
PLTA POSO 1 UNIT #3 30 15
PLTA POSO 1 UNIT #4 30 15
PLTA POSO 2 UNIT #1 65 32.5
PLTA POSO 2 UNIT #2 65 32.5
PLTA POSO 2 UNIT #3 65 32.5
PLTA TANGKA #1 6.5 3.25
PLTA TANGKA #2 3.5 1.75
PLTA MALEA 0 0
PLTM SIMBUANGSITEBA 7.5 3.75
PLTG GT#11 42.5 21.25
PLTG GT#12 42.5 21.25
PLTGU ST#18 50 25
PLTG GT#21 60 30
PLTG GT#22 60 30
PLTU JENEPONTO #2 100 50
PLTU JENEPONTO EXPN #1 100 50
PLTU JENEPONTO EXPN #2 100 50
PLTU MAMUJU #1 25 12.5
PLTU MAMUJU #2 25 12.5
PLTD SUPPA 62.5 31.25
PLTB SIDRAP 75 37.5
PLTB TOLO 60 30
PLTD SILAE 44.2 22.1
PLTU NII TANSA #1 12 6
PLTU NII TANSA #2 12 6
PLTU NII TANSA #3 12 6
PLTMG NII TANASA #1 9.8 4.9
PLTMG NII TANASA #2 9.8 4.9
PLTMG NII TANASA #3 9.8 4.9
PLTMG NII TANASA #4 9.8 4.9
PLTMG NII TANASA #5 9.8 4.9
PLTMG NII TANASA #6 9.8 4.9
PLTU MORAMO #1 50 25
PLTU MORAMO #2 50 25

20. Simulasi yang diajukan
a. Simulasi 1: Simulasi Pembangkitan 24 Jam Berdasarkan Data Real
b. Simulasi 2: Optimasi Pembangkitan 24 Jam Menggunakan Metode Ant Colony

21. SIMULASI 1 BERDASARKAN DATA REAL
Tabel 4. 3. Hasil Simulasi System Interkoneksi 150 Kv Sulseltrabar
Pembangkit Berdasarkan Data Real (Sebelum Optimasi)
Pukul Losses Total Beban (MW) Total Pembangkitan (MW) Total Biaya Rp/Jam (x1000)
01.00 16.625 973.18 989.804 Rp. 298.469
02.00 15.277 890.01 905.286 Rp. 286.782
03.00 14.213 854.46 868.872 Rp. 274.131
04.00 20.155 902.77 922.924 Rp. 304.721
05.00 17.641 908.67 926.31 Rp. 299.031
06.00 17.647 929.93 947.575 Rp. 300.584
07.00 16.858 916.69 933.547 Rp. 296.690
08.00 19.312 964.03 983.34 Rp. 322.646
09.00 19.37 1019.64 1039.009 Rp. 341.882
10.00 16.736 1031.84 1048.575 Rp. 328.364
11.00 21.121 1122.28 1143.4 Rp. 374.354
12.00 24.858 1183.5 1208.358 Rp. 392.097
13.00 19.053 1104.2 1123.253 Rp. 357.735
14.00 21.13 1142.4 1163.529 Rp. 373.640
15.00 24.788 1187.87 1212.657 Rp. 413.714
16.00 24.251 1141.88 1166.13 Rp. 409.849
17.00 21.928 1126.01 1147.937 Rp. 407.466
18.00 33.316 1244.23 1277.544 Rp. 455.230
19.00 18.211 1202.16 1220.37 Rp. 413.643
20.00 50.373 1370.36 1420.732 Rp. 521.008
21.00 16.966 1151.47 1168.434 Rp. 432.943
22.00 40.544 1252.95 1293.492 Rp. 503.062
23.00 30.072 1166.18 1196.251 Rp. 459. 846

22. SIMULASI 1 BERDASARKAN DATA REAL
Grafik Sebelum Optimasi

23. SIMULASI 2 MENGGUNAKAN METODE ACO
Tabel 4. 4. Hasil Simulasi Optimasi Ekonomis Pembangkit System
Interkoneksi 150 kV Sulseltrabar Selama 24 jam Menggunakan
Metode Ant Colony Optimization
Pukul Losses Total Beban (MW) Total Pembangkitan (MW) Total Biaya Rp/Jam (x1000)
01.00 14.871 973.18 988.051 Rp. 252.469
02.00 13.631 890.01 903.641 Rp. 210.841
03.00 14.526 854.46 868.986 Rp. 208.015
04.00 13.499 902.77 916.269 Rp. 223.365
05.00 12.574 908.67 921.244 Rp. 224.099
06.00 12.883 929.93 942.813 Rp. 239.022
07.00 12.597 916.69 929.287 Rp. 223.548
08.00 13.732 964.03 977.762 Rp. 250.646
09.00 21.969 1019.64 1041.609 Rp. 273.177
10.00 21.974 1031.84 1053.814 Rp. 274.980
11.00 13.879 1122.28 1136.159 Rp. 336.163
12.00 22.871 1183.5 1206.371 Rp. 345.805
13.00 24.439 1104.2 1128.639 Rp. 328.242
14.00 24.67 1142.4 1167.07 Rp. 337.107
15.00 19.623 1187.87 1207.493 Rp. 347.371
16.00 18.134 1141.88 1160.014 Rp. 328.286
17.00 17.177 1126.01 1143.187 Rp. 325.205
18.00 21.605 1244.23 1265.835 Rp. 370.576
19.00 22.579 1202.16 1224.739 Rp. 349.707
20.00 29.425 1370.36 1399.785 Rp. 427.589
21.00 23.65 1151.47 1175.12 Rp. 350.971
22.00 20.778 1252.95 1273.728 Rp. 394.766
23.00 21.836 1166.18 1188.016 Rp. 359.780

24. SIMULASI 2 MENGGUNAKAN METODE ACO
Grafik biaya pembangkitan system interkoneksi 150 kV SULBAGSEL
Menggunakan Metode ACO
Grafik Tour Ant Colony

25. SIMULASI 2 MENGGUNAKAN METODE ACO
Grafik Setelah Optimasi

26. Tabel 4. 5. Perbandingan sebelum optimasi dan setelah
optimasi pembangkit menggunakan metode ant colony
Pukul
Sebelum Optimasi Setelah Optimasi
Losses Total Beban
Total
Pembangkitan
Biaya
Losses Total Beban
Total
Pembangkitan
Biaya
Rp/Jam (x1000) Rp/Jam (x1000)
01.00 16.625 973.18 989.804 Rp. 298.469 14.871 973.18 988.051 Rp. 252.469
02.00 15.277 890.01 905.286 Rp. 286.782 13.631 890.01 903.641 Rp. 210.841
03.00 14.213 854.46 868.872 Rp. 274.131 14.526 854.46 868.986 Rp. 208.015
04.00 20.155 902.77 922.924 Rp. 304.721 13.499 902.77 916.269 Rp. 223.365
05.00 17.641 908.67 926.31 Rp. 299.031 12.574 908.67 921.244 Rp. 224.099
06.00 17.647 929.93 947.575 Rp. 300.584 12.883 929.93 942.813 Rp. 239.022
07.00 16.858 916.69 933.547 Rp. 296.690 12.597 916.69 929.287 Rp. 223.548
08.00 19.312 964.03 983.34 Rp. 322.646 13.732 964.03 977.762 Rp. 250.646
09.00 19.37 1019.64 1039.009 Rp. 341.882 21.969 1019.64 1041.609 Rp. 273.177
10.00 16.736 1031.84 1048.575 Rp. 328.364 21.974 1031.84 1053.814 Rp. 274.980
11.00 21.121 1122.28 1143.4 Rp. 374.354 13.879 1122.28 1136.159 Rp. 336.163
12.00 24.858 1183.5 1208.358 Rp. 392.097 22.871 1183.5 1206.371 Rp. 345.805
13.00 19.053 1104.2 1123.253 Rp. 357.735 24.439 1104.2 1128.639 Rp. 328.242
14.00 21.13 1142.4 1163.529 Rp. 373.640 24.67 1142.4 1167.07 Rp. 337.107
15.00 24.788 1187.87 1212.657 Rp. 413.714 19.623 1187.87 1207.493 Rp. 347.371
16.00 24.251 1141.88 1166.13 Rp. 409.849 18.134 1141.88 1160.014 Rp. 328.286
17.00 21.928 1126.01 1147.937 Rp. 407.466 17.177 1126.01 1143.187 Rp. 325.205
18.00 33.316 1244.23 1277.544 Rp. 455.230 21.605 1244.23 1265.835 Rp. 370.576
19.00 18.211 1202.16 1220.37 Rp. 413.643 22.579 1202.16 1224.739 Rp. 349.707
20.00 50.373 1370.36 1420.732 Rp. 521.008 29.425 1370.36 1399.785 Rp. 427.589
21.00 16.966 1151.47 1168.434 Rp. 432.943 23.65 1151.47 1175.12 Rp. 350.971

27. KESIMPULAN & SARAN
V

28. KESIMPULAN
1. Dalam penelitian ini, wind power plant digunakan untuk mengakomodasi kebutuhan listrik
masyarakat dengan menggunakan prinsip konversi dan menggunakan sumber daya alam
yang dapat diperbarui yaitu angin. Aliran daya yang optimal mencakup berbagai variabel
pengoptimalan seperti keseimbangan daya dan batas kapasitas generator. Metode yang
dapat digunakan untuk DOPF memperhitungkan intermittent wind turbine adalah metode ant
colony, hasil simulasi Dynamic Optimal Power Flow dengan mempertimbangkan intermittent
wind turbine metode ant colony dapat memberikan hasil penjadwalan ekonomis pembangkitan
dengan biaya murah yang dilakukan dalam waktu 24 jam.

29. 2. Dari hasil simulasi biaya rata-rata pembangkitan yang diperoleh dari biaya real
system sebelum mengoptimasi dalam waktu 24 jam sebesar Rp. 375,507,792 dan
setelah mengoptimasi dengan menggunakan metode ant colony dalam waktu 24
jam sebesar Rp.304,824,000. sehingga dalam waktu 24 jam metode ant colony
optimization dapat mereduksi biaya pembangkitan sebesar Rp. 70,683,792 atau
18,82%.
3. Metode ant colony optimization memberikan solusi optimasi ekonomis yang
lebih baik dibandingkan dengan data rill system 150 kV Sulseltrabar.

30. 1. Metode Ant Colony Optimization (ACO) yang digunakan dalam penelitian ini
masih memerlukan penelitian dan pengembangan yang lebih lanjut sehingga
menghasilkan hasil yang lebih baik.
SARAN

31. TERIMA KASIH