Electronic Theses and Dissertation

Ketersediaan energi listrik menjadi suatu keharusan pada jaman sekarang, sementara sumber daya energi fosil sebagai pembangkitannya sudah semakin menipis persediaannya, di sisi lain perkembangan kebutuhan terus meningkat sehingga perlu solusi untuk mulai memanfaatkan energi terbarukan. permasalahan lain adalah panjangnya jalur transmisi energi listrik konvensional ke beban sehingga memperbesar kemungkinan gangguan dan rugi-rugi jaringan. perkembangan teknologi mengarah ke smart grid yang harus ditopang dengan distributed generation (dg) yang mana melahirkan pembangkit-pembangkit kecil pada jaringan distribusi yang dalam hal ini mengutamakan pembangkit dari energi terbarukan. dg secara umum memiliki keuntungan ekonomi, teknis dan lingkungan, namun sebaliknya juga menimbulkan masalah apabila perencanaannya tidak tepat. pengoperasian sistem tenaga listrik saat ini sering mendekati batas stabilitas akibat pembebanan yang berat karena peningkatan kebutuhan, hal ini menyebabkan kemungkinan terjadinya gangguan sehingga kemungkinan terputusnya pelayanan semakin besar. penelitian ini menentukan letak, kapasitas dg dan pengaruh peningkatan beban pada jaringan distribusi agar didapatkan aliran daya optimal, peningkatan profil tegangan dan rugi-rugi daya minimum pada sistem distribusi dengan mengembangkan algoritma berbasis artificial intelligence algoritma genetik. pada beban normal untuk penyulang yang dikaji didapatkan letak dg optimal berturut-turut pada bus 18, 20 dan 32, dengan kapasitas masing masing 190 kw, 463 kw, dan 370 kw serta rugi-rugi daya adalah 9,9443 kw. penelitian juga menunjukkan untuk penyulang lainnya semakin besar jumlah dg dari 3 menjadi 4 maka semakin kecil rugi-rugi daya yaitu dari sebelumnya 6,3734 kw menjadi 5,6153 kw. rata-rata penurunan rugi-rugi dari beban ringan, normal dan berat didapatkan 80,3111 % dan pada pembebanan berat (1,6x) tegangan terendah adalah 0,9713 p.u. sehingga masih dalam batas toleransi. kata kunci: artificial intelligence, algoritma genetik, distributed generation, energi terbarukan, kebutuhan energi listrik, peningkatan beban, profil tegangan, rugi-rugi daya, smart grid

The availability of electrical energy is a necessity nowadays, while fossil energy resources for generating it are increasingly depleting, on the other hand, demand continues to increase so that a solution is needed to start utilizing renewable energy. Another problem is the length of the conventional electrical energy transmission line to the load, which increases the possibility of network disruption and losses. Technological developments lead to a smart grid which must be supported by Distributed Generation (DG), which gives birth to small generators in the distribution network, which in this case prioritizes generation from renewable energy. DG generally has economic, technical and environmental advantages, but on the contrary it also causes problems if the planning is not appropriate. The current operation of the electric power system often approaches the limit of stability due to heavy loading due to increasing demand, this causes the possibility of disruption so that the possibility of service interruption is greater. This research determines the location, capacity of DG and the effect of increasing the load on the distribution network to obtain optimal power flow, increased voltage profile and minimum power losses in the distribution system by developing an artificial intelligence-based genetic algorithm. Under normal load, the optimal DG location was found to be at buses 18, 20 and 32, with capacities of 190 kW, 463 kW, and 370 kW, respectively, and the power loss was 9.9443 kW. The study also showed that for the other feeder, the greater the number of DGs from 3 to 4, the smaller the power loss, from 6.3734 kW to 5.6153 kW.The average reduction in losses from light, normal and heavy loads was found to be 80.3111% and at heavy loading (1.6x) the lowest voltage was 0.9713 p.u. so it is still within tolerance limits. Keywords: artificial intelligence, genetic algorithm, Distributed Generation, renewable energy, electrical energy needs, increasing load, voltage profile, power losses, smart grid