Rekonfigurasi Jaringan Tegangan Menengah Untuk Penurunan Rugi Daya Dan Jatuh Tegangan Menggunakan Algoritma Hyper Cube Ant Colony

Abstract

Sistem distribusi tenaga listrik berperan penting dalam kelistrikan di setiap negara. Distribusi tenaga listrik berawal dari pembangkit dan berakhir pada penggunaan tenaga listrik baik industri maupun konsumen, sehingga pendistribusian terkait tenaga listrik harus bersifat efektif, efisien, serta dapat diandalkan. Jatuh tegangan maupun rugi-rugi daya adalah permasalahan yang pasti dijumpai pada setiap sistem distribusi tenaga listrik. Jatuh tegangan sering menjadi penyebab suatu komponen kelistrikan mengalami kerusakan, sedangkan rugi-rugi daya (losses) sering menjadi penyebab suatu kerugian dalam pendistribusian daya listrik. Salah satu usaha agar didapatkan penurunan rugi daya dan jatuh tegangan adalah dengan rekonfigurasi saluran jaringan tegangan menengah pada sistem distribusi, dengan harapan sesuai ketentuan kelistrikan yang berlaku di Indonesia. Pada penelitian ini rekonfigurasi dilakukan menggunakan salah satu kecerdasan buatan dengan tipe Artificial Swarm Intelligence (ASI) dengan model Hyper-Cube Ant Colony Optimization (HC-ACO). Data yang diperoleh berasal dari simulasi PT PLN (Persero) UP3 Pamekasan menyebutkan bahwa sesuai kondisi lapangan rugirugi daya pada Gardu distribusi Pahlawan rata-rata yaitu 511,4 kW dan jatuh tegangan bernilai rata-rata 0,40 kV. Gardu distribusi Pahlawan memiliki cabang penyulang yang digunakan, yaitu penyulang KA528, KA600, dan KA690. Dalam melakukan rekonfigurasi jaringan, diperlukan data-data terkait dengan jaringan hingga saluran yang digunakan sehingga didapatkan pengambilan keputusan untuk rekonfigurasi yang akurat. Pada simulasi sebelum dilakukan rekonfigurasi, rugi-rugi daya didapatkan sebesar 0,5114 + j0,5904 MVA dan jatuh tegangan sebesar 400 Volt. Kemudian setelah optimasi menggunakan ACO rugi-rugi daya dan jatuh tegangan direduksi hingga 45,3 kW dan konsumsi daya reaktif berkurang sebesar 45,5 kVAR. Pembebanan pada ketiga transformator menggunakan metode HC-ACO cenderung mengalami kestabilan ketika dibandingkan dengan metode PLN yaitu pada transformator KA528 berkurang sebesar 9,53%, KA600 bertambah sebesar 29,75%, dan KA690 bertambah sebesar 18,33%. Simulasi menunjukkan bahwa optimisasi metode yang diusulkan yaitu menggunakan Hyper Cube Framework lebih cepat mengalami konvergensi sebesar ±90% dari metode pembanding menggunakan metode ACO.