Optimasi Kapasitas Sistem Energi Hibrid Berbasis Energi

SEMINAR NASIONAL TEKNOLOGI 2015
Institut Teknologi Nasional Malang
ISSN: 2407 – 7534
Optimasi Kapasitas Sistem Energi Hibrid Berbasis Energi
Terbarukan Untuk Perancangan Sistem Energi Hibrid
Di Kota Palu
I Gede Ryan Sandy 1, Sasongko Pramono Hadi2, Suharyanto3
1) Mahasiswa
Pasca Sarjana Jurusan Teknik Elektro dan Teknologi Informasi, UGM, Yogyakarta
Jurusan Teknik Elektro dan Teknologi Informasi, UGM, Yogyakarta
e-mail: 1) [email protected]
2) 3)Dosen
ABSTRAK
Kota Palu merupakan salah satu daerah berkembang di Indonesia yang sebagian besar
listriknya dihasilkan oleh pembangkit listrik yang memanfaatkan sumber energi konvensional,
Disisi lain, ketersediaan sumber energi konvensional yang semakin terbatas di alam membuat
berbagai upaya dilakukan untuk melakukan penghematan energi. Salah satu upaya yang dapat
dilakukan adalah dengan diversifikasi pembangkit listrik memanfaatkan sumber energi
terbarukan. Tujuan dari penelitian ini yaitu untuk melakukan optimasi kapasitas sistem energi
hibrid berbasis energi terbarukan matahari dan angin yang akan terkoneksi ke jaringan listrik
(grid connected), yang akan ditinjau dari kriteria net present cost (NPC), cost of energy (COE), dan
carbon emission intensity (CEI). Untuk mendapatkan kapasitas sistem yang optimal digunakan
metode particle swarm optimization (PSO), dengan memaksimalkan potensi energi terbarukan
matahari dan angin sesuai dengan kondisi klimatologi di kota Palu yang dapat memenuhi
kebutuhan beban. Dari hasil simulai diperoleh bahwa kapasitas sistem energi hibrid yang
optimal terdiri dari 2,70 MW panel surya, 149,51 MW turbin angin, 17,54 MWh baterai, dan
73,72 MW inverter dimana sistem ini memiliki total net present cost (NPC) sebesar US$
2.232.870.108 dan cost of energy (COE) sebesar US$ 0,347/kWh atau Rp. 4.164,00/kWh. COE dari
sistem energi hibrid ini lebih besar dari BPP listrik rata-rata pada tahun 2013 yaitu sebesar Rp.
1.380,00/kWh. Namun, dengan memanfaatkan energi terbarukan sebagai sumber energi listrik
untuk memenuhi kebutuhan listrik di kota Palu dapat menghemat konsumsi bahan bakar
sebesar sebesar 18,72% per tahun atau sebesar 18.658.145,75 liter jika dibandingkan dengan
tingkat pemakaian bahan bakar untuk pembangkit pada tahun 2013 di kota Palu dan juga dapat
menurunkan tingkat intensitas emisi karbon dioksida (CO2) sebesar 18,30%.
Kata kunci: Optimasi, Net present cost, Cost of energy, Emisi karbon dioksida, PSO
ABSTRACT
Palu city is one of develop city in Indonesia, most of the electricity generated by power plants
that utilize conventional energy sources, in other hand, availability of conventional energy sources
are increasingly limited in nature, making various efforts were made to save energy. One effort is
by diversification power generation utilizing renewable energy sources. The purpose of this study is
to optimize the capacity of the energy system based on renewable energy hybrid solar and wind
grid connected which will be reviewed on the criteria of net present cost (NPC), the cost of energy
(COE), and carbon emission intensity (CEI). To obtain the optimal system capacity will be used
particle swarm optimization (PSO) method to maximize the potential of renewable solar and wind
energy in accordance with the climatological conditions in Palu that can meet the load. The results
of simulations showed that the capacity of optimal hybrid energy system consisting of 2.70 MW of
solar panels, wind turbines 149.51 MW, 17.54 MWh battery, and 73.72 MW inverter, the system
has a total net present cost (NPC) of US $ 2.232.870.108 and the cost of energy (COE) of US $
0.347/kWh, or Rp. 4,164.00/kWh. COE of this hybrid energy system is greater than the average
electricity production costs in 2013 amounting to Rp. 1,380.00/kWh. However, by utilizing
renewable energy as a source of electrical energy to meet the loads in Palu city can save fuel
consumption by 18,72 per year or 18.658.145,75 liters when compared with the level of fuel
consumption for the power plant in 2013 in the Palu city and also can reduce carbon dioxide (CO2)
emissions intensity by 18,30%.
SENATEK 2015 | Malang, 17 Januari 2015
368
SEMINAR NASIONAL TEKNOLOGI 2015
Institut Teknologi Nasional Malang
ISSN: 2407 – 7534
Keywords: Optimization, net present cost, cost of energy, carbon dioxide emissions, PSO
Pendahuluan
Kota Palu merupakan salah satu daerah yang sedang berkembang. Hal ini terlihat jelas dari
data pertumbuhan konsumsi listrik kota Palu pada tahun 2012 yang mencapai 20%, angka ini
adalah angka pertumbuhan tertinggi di Indonesia. Hal ini menunjukkan geliat pembangunan
ekonomi yang begitu pesat di kota Palu, Sulawesi Tengah [4]. Sektor ketenagalistrikan yang
merupakan bagian dari sektor energi, menjadi salah satu komponen utama dalam mendukung
pertumbuhan suatu daerah. Pertumbuhan ekonomi yang terjadi di berbagai sektor tersebut
diharapkan dapat membantu meningkatkan taraf kesejahteraan masyarakat. Namun,
pemadaman listrik masih sering terjadi di kota Palu. Hal ini merupakan salah satu faktor
penghambat kemajuan ekonomi di kota Palu.
Data statistik PLN pada akhir tahun 2013 menyatakan bahwa sebagian besar pembangkit
di Indonesia masih menggunakan sumber energi konvensional yang berasal dari fosil, seperti
batubara dan minyak bumi [18]. Begitu pula dengan kota Palu, berdasarkan data dari PLN
wilayah SULUTENGGO cabang Palu hampir sebagian besar listrik dihasilkan oleh pembangkit
listrik konvensional. Disisi lain, ketersediaan sumber energi konvensional yang semakin terbatas
di alam [5] membuat berbagai upaya dilakukan untuk melakukan penghematan energi. Salah
satu upaya yang dapat dilakukan adalah upaya diversifikasi pembangkit tenaga listrik dengan
mengembangkan sistem energi hibrid, memanfaatkan sumber energi terbarukan mengingat
Indonesia memiliki potensial energi terbarukan yang melimpah [1]. Sistem energi hibrid
merupakan kombinasi dari satu atau beberapa sistem energi terbarukan, sistem penyimpanan
energi, peralatan untuk pengkondisian daya dan pengontrol. Dalam beberapa dekade terakhir
sistem energi hibrid menjadi pusat perhatian di dunia karena fleksibilitas dalam pemilihan
sumber daya energi dan ukuran sistem yang berhubungan dengan penerapan yang lebih
ekonomis, memiliki kehandalan dan bebas dari ancaman bahaya dibandingkan dengan sistem
pembangkit energi konvensional [14].
Berbagai penelitian mengenai analisis sistem energi hibrid baik sistem stand alone maupun
grid connected diberbagai wilayah di dunia dan dengan menggunakan berbagai metode telah
banyak dilakukan sebelumnya. Morea et al. [10] melakukan evaluasi off grid sistem energi hibrid
photovoltaic (PV)-angin dengan mengembangkan expert system (ES) untuk telekomunikasi di
Italia dan negara-negara lain di daerah mediterania, D. Xu dan L. Kang [8] dengan
menggunakan metode ant colony optimization (ACO) juga melakukan optimasi pada sistem off
grid energi terbarukan PV-angin di wilayah Boston, Massachusetts. Bansal et al. [2] dengan
menggunakan metode algoritma biogeography based optimization (BBO) melakukan evaluasi
untuk mengoptimalkan ukuran/sizing komponen dan strategi operasional dengan meminimalkan
total biaya dari small autonomous hybrid power system (SAHPS), sambil menjamin ketersediaan
energi di daerah Jaipur, Rajasthan, India. Algoritma genetik (GA) digunakan oleh Gupta et al.
[16] untuk memprediksi koefisien ukuran yang optimal dari sistem energi hibrid angin/PV di
daerah terpencil Jaipur, Rajasthan, India. Metode particle swarm optimization (PSO) digunakan
oleh S.M.M. Tafreshi dan S.M. Hakimi [17] untuk mengoptimalkan ukuran dari sistem stand
alone energi hibrid di area perumahan yang diasumsikan memiliki populasi 800 orang, dimana
setiap orang memproduksi sampah 600 gram dalam sehari yang berarti bahwa hidrogen yang
dihasilkan dari sampah tersebut konstan setiap harinya, Fard et al. [11] juga menggunakan
metode PSO untuk mengoptimasi PV/FC/UC grid connected dengan mempertimbangkan kontrol
frekuensi di daerah Ganje, barat laut Iran, dan Bansal et al. [3] menggunakan meta particle
swarm optimization (MPSO) untuk optimasi sistem hibrid di daerah Jaipur, Rajasthan, India,
Pada penelitian ini akan dilakukan optimasi kapasitas sistem energi hibrid grid connected
berbasis energi terbarukan matahari dan angin dengan menggunakan metode particle swarm
optimization (PSO), memaksimalkan potensi energi terbarukan matahari dan angin sesuai
dengan kondisi klimatologi kota Palu yang dapat memenuhi kebutuhan beban, yang akan
ditinjau dari kriteria net present cost (NPC), cost of energy (COE), dan intensitas emisi karbon
dioksida (CO2).
SENATEK 2015 | Malang, 17 Januari 2015
369
SEMINAR NASIONAL TEKNOLOGI 2015
Institut Teknologi Nasional Malang
ISSN: 2407 – 7534
Metode Penelitian
A. Profil Lokasi
Secara administratif, kota Palu adalah ibu kota provinsi Sulawesi Tengah, yang dibagi
dalam delapan kecamatan dan 45 kelurahan dengan estimasi jumlah penduduk pada tahun 2013
berjumlah 356.299 jiwa. Kota Palu memiliki luas wilayah 395,06 km2, berada pada kawasan
dataran lembah Palu dan teluk Palu dengan panjang garis pantai 1.112 km yang secara
astronomis terletak antara 0º,36”‐0º,56” lintang selatan dan 119º,45”‐121º,1” bujur timur, tepat
berada di bawah garis khatulistiwa dengan ketinggian 0‐700 meter dari permukaan laut [21].
Kondisi Kelistrikan Kota Palu
Kebutuhan listrik masyarakat di kota Palu sebagian besar disuplai oleh pembangkit listrik
tenaga diesel (PLTD) dan pembangkit listrik tenaga uap (PLTU) [21]. Berdasarakan data dari PT.
PLN wilayah SULUTTENGGO cabang Palu, dalam periode lima tahun dari tahun 2009 hingga
2013, kapasitas terpasang di kota Palu rata-rata mengalami peningkatan sekitar 11,14% per
tahunnya seperti yang ditunjukkan pada Tabel 1.
Tabel 1. Kapasitas terpasang dan konsumsi bahan bakar pembangkit di kota Palu
Tahun
Terpasang (kW)
Pemakaian Bahan Bakar (Liter)
2009
73.700
43.231.090
2010
100.700
57.571.412
2011
103.700
76.639.688
2012
144.440
93.522.143
2013
125.240
99.669.582
Sumber : PT. PLN (persero) wilayah SULUTTENGGO cabang Palu
Peningkatan kapasitas terpasang pembangkit untuk mensuplai listrik di kota Palu secara
tidak langsung berpengaruh terhadap kenaikan konsumsi bahan bakar untuk mensuplai
pembangkit yang ada, berdasarkan Tabel 1, dalam kurun waktu lima tahun dari tahun 2009
hingga 2013, konsumsi bahan bakar untuk mensuplai pembangkit terus mengalami peningkatan
rata-rata sekitar 18,5% per tahunnya.
Gambar 1. Profil beban harian wilayah kota Palu
Sumber : PT. PLN (persero) wilayah SULUTTENGGO cabang Palu
Beban harian di kota Palu rata-rata sekitar 53,5 MW per jam tiap harinya dengan beban
puncak mencapai 83,18 MW yang terjadi pada pukul 18.00 – 19.00 WITA seperti yang
diperlihatkan pada Gambar 1. Pada penelitian ini profil beban harian ditambahkan presentase
sebesar 10%. Hal ini mempertimbangkan terjadinya kenaikan beban sebesar 10%.
Ketersediaan Energi Matahari
Kota palu memiliki rata-rata radiasi sinar matahari tahunan sekitar 5,45 kWh/m2/hari
dengan variasi antara 4,9–6 kWh/m2/hari dengan rata-rata radiasi sinar matahari per jam tiap
bulannya diperlihatkan pada Gambar 2 [15] dengan radiasi sinar matahari tertinggi rata-rata
mencapai 729,00795 W/m2 yaitu pada pukul 12.00.
SENATEK 2015 | Malang, 17 Januari 2015
370
SEMINAR NASIONAL TEKNOLOGI 2015
Institut Teknologi Nasional Malang
ISSN: 2407 – 7534
Gambar 2. Rata-rata radiasi sinar matahari per jam
Ketersediaan Energi Angin
Kota Palu yang terletak di sepanjang pinggiran teluk Palu memiliki potensi energi angin
yang hampir tersedia sepanjang hari. Data stasiun meteorologi mutiara Palu dalam kurun waktu
lima tahun dari 2009 hingga 2013, kota Palu memiliki kecepatan angin yang relatif konstan
sepanjang tahun sekitar 2,06 m/s dengan rata-rata per tahun di kota Palu memiliki suhu udara
sekitar 27,60C, tekanan udara 1.010,2 mb, dan arah angin terbanyak berasal dari arah utara
yaitu dari arah teluk Palu seperti diperlihatkan pada Gambar 3.
Gambar 3. Rata-rata suhu udara dan tekanan udara
Sumber : Stasiun meteorologi Mutiara Palu
Alimuddin Sam dan Daud Patabang [6] menyatakan bahwa kecepatan angin di kota Palu
yang dapat dimanfaatkan untuk memutar turbin sebagai sumber energi listrik yaitu antara
pukul 11.00 hingga 15.00 WITA dengan rata-rata kecepatan angin berkisar antara 3 hingga 9,5
m/s. Profil kecepatan angin per jam pada penelitian ini diasumsikan bahwa dari pukul 11.00
hingga 15.00, kecepatan angin merupakan data hasil pengukuran [6] sedangkan untuk waktuwaktu lainnya menggunakan kecepatan angin rata-rata kota Palu yang diperoleh dari stasiun
meteorologi Mutiara Palu seperti yang terlihat pada Gambar 4.
Gambar 4. Kecepatan Angin per jam
B. Komponen Sistem energi Hibrid
Panel Surya
Daya yang dihasilkan dari panel surya (
berikut [11]:
) dapat dinyatakan dengan persamaan sebagai
(1)
SENATEK 2015 | Malang, 17 Januari 2015
371
SEMINAR NASIONAL TEKNOLOGI 2015
Institut Teknologi Nasional Malang
ISSN: 2407 – 7534
dimana
: efisiensi panel surya,
: banyaknya panel surya,
: luas bidang dari modul panel
surya yang digunakan (m2), dan
: radiasi sinar matahari (W/m2). Pada penelitian ini panel
surya yang digunakan memiliki kapasitas daya 100 W dengan dimensi panel surya 1200 X 670 X
50 mm dan efisiensi modul 15%. Biaya modal untuk satu unit panel surya yaitu US$ 2000/kW,
biaya pengganti US$ 1800/kW, biaya operasi dan perawatan US$ 0 [7] dengan masa pakai panel
surya 25 tahun.
Turbin angin
Turbin angin akan menghasilkan daya jika kecepatan angin lebih dari kecepatan cut in
turbin (
) dan tidak akan menghasilkan daya jika kecepatan angin berada dibawah
kecepatan cut in dan diatas kecepatan cut out (
sistem pembangkit angin (
Energi yang dihasilkan oleh
) dapat dihitung dengan persamaan
[3]
:
(2)
Dengan daya
dari turbin yang dihasilkan pada rating kecepatan angin
dengan persamaan :
turbin didapat
,
dimana
(3)
: koefisien daya dari turbin angin (konstanta betz = 16/27 = 59,3%),
turbin angin (m2),
: rating kecepatan angin turbin angin (m/s), dan
(kg/m3), Kerapatan Udara
: bentangan
: massa jenis udara
dapat dihitung dengan persamaan :
,
(4)
dimana : tekanan udara (Pascal (pa)), 1 mb = 100 pa), : konstanta gas (287,05 J/kgK), dan :
suhu udara (Kelvin (K)). Turbin angin yang digunakan memiliki kapasitas daya 10 kW dengan
rating kecepatan angin turbin angin
10 m/s, kecepatan cut in
2 m/s, dan kecepatan cut
out
18 m/s. Biaya modal untuk satu unit turbin angin yaitu US$ 495/kW, biaya pengganti
US$ 8,8/kW, biaya operasi dan perawatan US$ 1,3/kW/tahun [20] dengan masa pakai turbin
angin 25 tahun.
Baterai
Energi pada baterai selalu dijaga agar selalu berada pada batasannya, dimana batasan pada
baterai yaitu:
,
(5)
,
,
dimana
: energi minimum baterai, dan
discharge dari baterai,
(7)
: energi maksimum baterai,
: state of charge baterai,
(6)
: depth of
: kapasitas nominal baterai dan
SENATEK 2015 | Malang, 17 Januari 2015
372
:
SEMINAR NASIONAL TEKNOLOGI 2015
Institut Teknologi Nasional Malang
ISSN: 2407 – 7534
tegangan baterai. Baterai yang digunakan pada penelitian ini yaitu baterai dengan kapasitas
225 Ah, tegangan baterai 6 V, SOC baterai 95%, DOD baterai 80% dan efisiensi baterai 85%.
Biaya modal baterai yaitu US$ 75/kWh, biaya pengganti US$ 75/unit, biaya operasi dan
perawatan US$ 2/unit/tahun [7] dengan masa pakai baterai 10 tahun.
Inverter
Inverter yang digunakan merupakan bidirectional converter (inverter–rectifier) memiliki
kapasitas 15 kW dengan efisiensi inverter 97% dan efisiensi rectifier 96%. Biaya modal untuk
satu unit baterai yaitu US$ 900/kW, biaya pengganti US$ dan biaya operasi dan perawatan US$
0 [7] dengan masa pakai inverter 25 tahun.
Jaringan Listrik dan Emisi
Sistem dengan menggunakan sumber energi hibrid dapat memberikan pengaruh terhadap
jaringan listrik yang ada. Kelebihan energi yang dihasilkan oleh panel surya dan turbin angin
setelah proses pengecasan baterai dapat disuplai ke jaringan listrik yang ada sedangkan pada
kondisi energi yang dihasilkan oleh panel surya dan turbin angin tidak dapat mencukupi
permintaan beban, maka kekurangan energi listrik akan disuplai oleh jaringan listrik.
Berdasarkan Peraturan Menteri Energi dan Sumber Daya Mineral Nomor 4 Tahun 2012
mengenai harga pembelian tenaga listrik oleh PT. PLN (Persero) dari pembangkit listrik yang
menggunakan energi terbarukan skala kecil dan menengah atau kelebihan tenaga listrik
(
) yaitu sebesar Rp. 1.004,00/kWh x F, dimana untuk wilayah kota Palu yang termasuk
dalam wilayah Sulawesi memiliki faktor insentif (F) 1,2 sehingga besarnya harga beli jaringan
listrik di kota Palu sebesar Rp. 1.204,80/kWh atau setara US$ 0,1004/kWh dan harga beli listrik
dari jaringan listrik (
) berdasarkan Peraturan Menteri Energi dan Sumber Daya Mineral
Nomor 19 Tahun 2014 yaitu sebesar Rp. 1.650,00/kWh atau setara US$ 0,1375/kWh (asumsi kurs
US$ 1 = Rp. 12.000,00).
Untuk jaringan sistem kota Palu, intensitas emisi karbon jaringan listrik diasumsikan sama
dengan faktor emisi sistem interkoneksi Minahasa-Kotamobagu yaitu 0,6 ton CO2-eq/MWh [9].
C. Optimasi Sistem Energi Hibrid
Particle Swarm Optimization
PSO adalah sebuah algoritma yang sangat sederhana yang efektif untuk mengoptimalkan
berbagai fungsi [12]. Dibandingkan dengan metode lainnya, algoritma PSO lebih sederhana dan
memiliki hasil yang optimal dengan waktu komputasi yang relatif cepat. Algoritma PSO meniru
perilaku sosial dari dinamika gerak kawanan burung atau ikan. Perilaku sosial terdiri dari
tindakan individu dan pengaruh dari individu-individu lain dalam suatu kelompok, dimana
partikel menunjukkan individu dalam suatu kawanan. Setiap individu atau partikel berperilaku
secara terdistribusi dengan cara menggunakan kecerdasannya (intelligence) sendiri dan juga
dipengaruhi perilaku kelompok kolektifnya. Solusi ditemukan dengan menggunakan nilai
terbaik dari individual search points (pbest) dan nilai terbaik dari informasi yang dibagi oleh
kelompok (gbest). Vector kecepatan
yang diproyeksikan dalam sumbu koordinat orthogonal
j-th dalam ruang n-dimensi dapat dinyatakan dengan persamaan [13]:
,
dimana
: bobot inertia,
,
ukuran swarm (1, 2, …., n),
iterasi
: koefisien akselerasi,
(8)
: angka acak merata dalam kisaran [0,1],
: banyaknya iterasi, dan
:
: kandidat solusi partikel/swarm pada
terhadap koordinat orthogonal j-th. Faktor bobot inersia untuk kecepatan partikel
didefinisikan oleh pendekatan bobot inersia sebagai berikut :
,
SENATEK 2015 | Malang, 17 Januari 2015
(9)
373
SEMINAR NASIONAL TEKNOLOGI 2015
Institut Teknologi Nasional Malang
ISSN: 2407 – 7534
dimana
: jumlah maksimum iterasi, : iterasi, dan
,
: batas atas dan bawah dari
faktor bobot inersia. Faktor bobot inersia digunakan untuk mengontrol dampak dari adanya
velocity pada setiap partikel. Tiap partikel dinyatakan dengan persamaan :
(10)
Fungsi Objektif dan Batasan Sistem
Pada sistem yang direncanakan dipertimbangkan tiga kondisi pada sistem, yaitu :
1. Daya yang dihasilkan oleh sistem energi hibrid (
) sama dengan daya yang dibutuhkan oleh
beban (
). Pada kondisi ini daya yang dihasilkan oleh sistem energi hibrid diprioritaskan
untuk mensuplai beban.
2. Daya yang dihasilkan oleh sistem energi hibrid (
beban (
)lebih dari daya yang dibutuhkan oleh
). Pada kondisi ini, kelebihan energi akan digunakan untuk melakukan
pengecasan pada baterai. Pada kondisi ini jika energi pada baterai setelah dilakukan
pengecasan lebih dari energi maksimum baterai maka kelebihan daya akan diberikan oleh
sistem ke jaringan dan energi pada baterai akan berada pada kondisi maksimum. Daya
sistem energi hibrid yang diberikan ke jaringan dapat diperoleh dengan persamaan :
.
3. Daya yang dihasilkan oleh sistem energi hibrid (
(11)
) kurang dari daya yang dibutuhkan oleh
beban (
). Pada kondisi ini terdapat dua situasi, yaitu :
a. Energi dari sistem energi hibrid dan energi pada baterai dapat memenuhi permintaan
beban.
b. Energi dari sistem energi hibrid dan energi pada baterai tidak dapat memenuhi
permintaan beban. Pada kondisi ini energi pada baterai akan mencapai kondisi
minimum
dan jaringan listrik akan memenuhi kekurangan daya untuk
mensuplai permintaan beban.
.
(12)
Optimasi pada penelitian dilakukan untuk menghasilkan kapasitas dari sistem energi hibrid
yang optimal sesuai dengan kondisi klimatologi kota Palu yang dapat memenuhi kebutuhan
beban dengan tujuan untuk meminimalkan biaya net total masa kini (net present cost, NPC) dari
keseluruhan komponen dari sistem energi hibrid (
) dengan mempertimbangkan biaya
modal, pengganti, dan biaya operasi dan perawatan (O&M) dari setiap komponen sistem energi
hibrid.
(21)
dimana
: biaya net total masa kini dari sistem PLTS,
: biaya net total masa kini dari
sistem PLT Bayu,
: biaya net total masa kini dari baterai,
dari inverter,
: total biaya penjualan energi ke jaringan, dan
pembelian energi dari jaringan.
dan
: biaya net total masa kini
: total biaya
dapat diperoleh dengan persamaan
[11]:
,
(22)
,
(23)
Biaya dari komponen sistem energi hibrid (panel surya, turbin angin, baterai dan inverter)
SENATEK 2015 | Malang, 17 Januari 2015
374
SEMINAR NASIONAL TEKNOLOGI 2015
Institut Teknologi Nasional Malang
ISSN: 2407 – 7534
(
) dapat dihitung dengan persamaan sebagai berikut :
,
biaya tahunan (
(24)
) dari masing-masing komponen hibrid dapat dihitung dengan persamaan :
,
dengan
(25)
: jumlah optimal dari masing-masing komponen sistem hibrid,
masing-masing komponen sistem hibrid,
: biaya modal dari
: biaya pengganti dari masing-masing komponen
sistem hibrid,
:n biaya operasi dan perawatan dari masing-masing komponen sistem
hibrid, CRF : faktor pemulihan modal yang bisa didapatkan dengan menggunakan rumus
sebagai berikut :
,
(26)
’
dimana
: komponen sistem hibrid,
(tahun) = 25 tahun,
(27)
: tingkat suku bunga (%) = 7,5%,
: masa dari sistem
: masa pakai komponen sistem energi hibrid, dan nilai
diperoleh dengan
persamaan :
.
(28)
Untuk menghitung biaya energi dari sistem energi hibrid (cost of energy (COE)) dengan
persamaan :
,
(29)
dimana
: energi listrik yang dimanfaatkan oleh beban per tahun dan
: kelebihan
energi listrik yang dijual ke jaringan listrik.
Emisi gas CO2 mempunyai kontribusi terbesar terhadap pemanasan global, sehingga tinjauan
hanya dilakukan terhadap emisi CO2 [19]. Total intensitas emisi karbon (
sistem energi hibrid dapat dihitung dengan persamaan :
) yang dihasilkan
,
dimana
(30)
: intensitas karbon dari komponen sistem energi hibrid (panel surya, Turbin angin
dan jaringan listrik) dan
: fraction masing-masing komponen sistem energi hibrid pada
keseluruhan sistem. Sistem panel surya rata-rata memiliki intensitas karbon 48 g CO2-eq/kWh
dan turbin angin memiliki intensitas karbon rata-rata 12 g CO2-eq/kWh [22].
Dalam melakukan optimasi dengan menggunakan PSO masing-masing komponen sistem
mempunyai batasan agar dapat menghasilkan jumlah komponen dari sistem energi hibrid yang
optimal, yaitu :
,
dimana
,
dan
, dan
,
merupakan jumlah optimal dari komponen sistem energi hibrid yaitu
panel surya, turbin angin, dan baterai, dan
,
, dan
merupakan jumlah
maksimal dari komponen sistem energi hibrid yaitu panel surya, turbin angin, dan baterai.
SENATEK 2015 | Malang, 17 Januari 2015
375
SEMINAR NASIONAL TEKNOLOGI 2015
Institut Teknologi Nasional Malang
ISSN: 2407 – 7534
Hasil dan Pembahasan
Optimasi kapasitas sistem energi hibrid dengan menggunakan PSO disimulasikan di
software MATLAB. Simulasi dilakukan untuk jangka waktu satu tahun (
) dengan
jumlah populasi PSO
, dan koefisien akselerasi
. Dari hasil simulasi
diperoleh kapasitas dari sistem energi hibrid yang optimal seperti yang diperlihatkan pada Tabel
2.
Tabel 2. Hasil optimasi kapasitas sistem energi hibrid
Kapasitas panel surya (MW)
2,70 (26.980 × 0,1 kW)
Kapasitas Turbin Angin (MW)
149,51 (14951 × 10 kW)
Kapasitas baterai bank (MWh)
17,54 (12.991 × 1,35 kWh)
Kapasitas inverter (MW)
73,72
Dengan total kebutuhan beban di kota Palu mencapai 514.029,50 Mwh/tahun, tingkat
kontribusi jaringan listrik PLN mencapai 81,28%, sistem panel surya sebesar 1,08%, sistem
turbin angin sebesar 16.87%, dan baterai sebesar 0,77% seperti yang diperlihatkan pada tabel 3.
Kelebihan energi dari sistem energi hibrid yang dapat dijual ke jaringan listrik PLN yaitu
sebesar 104.163,02 MWh/tahun.
Tabel 3. Suplai energi listrik dari masing-masing komponen sistem energi hibrid
Energi yang disuplai oleh sistem panel surya (MWh)
5.539,93
Energi yang disuplai oleh sistem turbin angin (MWh)
86.713,85
Energi yang disuplai oleh baterai (MWh)
3.958,41
Energi yang disuplai oleh jaringan listrik (MWh)
417.817,31
Dari hasil simulasi dengan jangka waktu satu tahun, rata-rata daya yang dibangkitkan tiap
jamnya oleh sistem panel surya sebesar 0,65 MW, sistem turbin angin sebesar 18,24 MW, dan
jaringan listrik sebesar 47,70 MW dengan rata-rata kelebihan daya yang dihasilkan sebesar 7,16
MW tiap jamnya. Gambar 5 memperlihatkan daya yang dibangkitkan oleh masing-masing
komponen sistem hibrid untuk jangka waktu satu hari.
Gambar 5. Rata-rata produksi listrik per bulan dari sistem energi hibrid
Hasil optimasi kapasitas sistem energi hibrid dengan menggunakan metode PSO
menghasilkan total NPC sebesar US$ 2.232.870.108 seperti terlihat pada Gambar 6, dengan total
biaya tahunan yaitu sebesar US$ 200.288.448,30, dan berdasarkan perbandingan antara total
biaya tahunan dengan total konsumsi energi dan kelebihan energi dari sistem energi hibrid
diperoleh nilai COE atau harga energi listrik per kWh dari sistem energi hibrid ini sebesar US$
0,347/kWh.
Gambar 6. Total NPC hasil optimasi PSO
Gambar 7(a) memperlihatkan variasi energi pada baterai tiap jamnya selama setahun yang
SENATEK 2015 | Malang, 17 Januari 2015
376
SEMINAR NASIONAL TEKNOLOGI 2015
Institut Teknologi Nasional Malang
ISSN: 2407 – 7534
menunjukkan adanya proses pengisian dan pengosongan baterai namun, selama beroperasi
terlihat bahwa energi pada baterai dijaga agar selalu berada pada batasan energi minimum
baterai sebesar 3,51 MWh dan energi maksimum baterai sebesar 16,66 MWh. Gambar 7(b)
memperlihatkan energi listrik yang dijual ke jaringan listrik selama setahun ketika energi yang
dihasilkan oleh sistem energi hibrid lebih dari energi listrik yang dibutuhkan oleh beban, dan
Gambar 7(c) memperlihatkan suplai energi listrik oleh jaringan listrik selama setahun ketika
energi yang dihasilkan oleh sistem energi hibrid tidak mencukupi kebutuhan beban.
(a). Variasi energi pada baterai
(b). penjualan energi listrik ke jaringan listrik
(c). suplai energi listrik oleh jaringan listrik
Gambar 7. Hasil Simulasi
Dari hasil optimasi ini dapat diketahui bahwa dengan memanfaatkan potensi energi
terbarukan surya dan angin di kota Palu, tingkat konsumsi bahan bakar dapat dihemat sebesar
18,72% tiap tahunnya. Sistem jaringan listrik kota Palu yang memiliki intensitas emisi karbon
sebesar 600 g CO2-eq/kWh, dengan memanfaatkan sumber energi terbarukan sebagai sumber
energi listrik diperoleh intensitas emisi karbon dari sistem energi hibrid yaitu sebesar 490,22 g
CO2-eq/kWh. Nilai intensitas emisi karbon dari sistem energi hibrid ini turun sebesar 18,30%
dari intensitas emisi karbon jaringan listrik kota Palu.
Kesimpulan
Penelitian ini menyajikan optimasi kapasitas sistem energi hibrid grid connected yang
optimal dengan menggunakan metode particle swarm optimization (PSO) memaksimalkan
potensi energi terbarukan matahari dan angin sesuai dengan kondisi klimatologi kota Palu yang
dapat memenuhi kebutuhan beban yang akan ditinjau dari kriteria net present cost (NPC), cost of
energy (COE), dan carbon emission intensity (CEI).
Dari hasil simulai diperoleh bahwa kapasitas sistem energi hibrid yang optimal terdiri dari
2,70 MW panel surya, 149,51 MW turbin angin, 17,54 MWh baterai, dan 73,72 MW inverter
dimana sistem ini memiliki total net present cost (NPC) sebesar US$ 2.232.870.108 dan cost of
energy (COE) sebesar US$ 0,347/kWh atau Rp. 4.164,00/kWh. Biaya COE dari sistem energi
hibrid ini ini lebih besar dari BPP listrik rata-rata pada tahun 2013 yaitu sebesar Rp. 1.380,00.
Namun, dengan memanfaatkan energi terbarukan sebagai sumber energi listrik untuk
memenuhi kebutuhan listrik di kota Palu dapat menghemat konsumsi bahan bakar sebesar
sebesar 18,72% pertahun atau sebesar 18.658.145,75 liter jika dibandingkan dengan tingkat
pemakaian bahan bakar untuk pembangkit pada tahun 2013 di kota Palu, dan terkait dengan
masalah lingkungan akibat emisi karbon, sistem energi hibrid tersebut dapat menurunkan
SENATEK 2015 | Malang, 17 Januari 2015
377
SEMINAR NASIONAL TEKNOLOGI 2015
Institut Teknologi Nasional Malang
ISSN: 2407 – 7534
intensitas emisi karbon dioksida (CO2) sebesar 18,30% jika dibandingkan dengan intensitas emisi
karbon dioksida dari sistem pembangkit listrik yang ada di kota Palu.
Daftar Pustaka
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
A. Reinders, H. Velhuis, and A. Susandi, Development of Grid-Connected PV systems for Remote Electrification in
Indonesia, 37th IEEE Photovoltaic Specialist Conference (PVSC), Seattle(WA), June 2013,pp. 2420 – 2425.
A.K. Bansal, R. Kumar, and R.A. Gupta, Economic Analysis and Power Management of a Small
Autonomous Hybrid Power System (SAHPS) Using Biogeography Based Optimization (BBO)
Algorithm, IEEE Transactions on Smart Grid., vol. 4, no. 1, , March 2013, pp. 638 – 648.
A.K. Bansal, R.A. Gupta, and R. Kumar, Optimization of hybrid PV/wind energy system using Meta
Particle Swarm Optimization (MPSO) , in International Conference on Power Electronics (IICPE), 2010
India , New Delhi, 2011, pp. 1 - 7.
Administrator. PLN targetkan rasio elektrifikasi Sulawesi Tengah 70%, 2013, retrieved from
http://www.esdm.go.id on 18 Desember 2013.
Ai Bin et al., Computer aided design for PV/Wind hybrid system, in Proceeding of 3rd World Conference on
Photovoltaic Energy Conversion, vol. 3, Osaka, Japan, May 2003, pp. 2411-2414.
Alimuddin Sam dan Daud Patabang, Studi Potensi Energi
Angin Di Kota Palu
Untuk
Membangkitkan Energi Listrik, Jurnal SMARTEK, Vol. 3, No. 1, Februari 2005, pp. 21-26.
Bidisha Roy, Dr. Ashoke Kumar Basu, and Dr. Subrata Paul, Techno-economic feasibility analysis of a
grid connected solar photovoltaic power system for a residential load, 1st International Conference on
Automation, Control, Energy and Systems (ACES),2014 , Hooghy, February 2014, pp. 1-5.
Daming Xu and Longyun Kang, Ant Colony Optimization of Off-grid Renewable Energy Systems, in
35th Internationa Telecommunications Energy Conference 'Smart Power and Efficiency' (INTELEC),
Proceedings of 2013, Hamburg, Germany, 2013, pp. 1 - 6.
Divisi Mekanisme Perdagangan Karbon, Pembaharuan faktor emisi sistem interkoneksi tenaga listrik,
retrieved from http://pasarkarbon.dnpi.go.id on 3 November 2014.
F. Morea et al., Life cycle cost evaluation of off-grid PV-wind hybrid power systems, in 29th
International Telecommunications Energy Conference, 2007. INTELEC 2007, Rome, 2007, pp. 439 - 441.
H.H. Fard, S.M.M. Tafreshi, and S.M. Hakimi, Optimization of grid-connected microgrid consisting of
PV/FC/UC with considered frequency control, in Turkish Journal of Electrical Engineering & Computer
Sciences., Turki, 2013.
J. Kennedy and R. Eberhart, Particle swarm optimization, in IEEE International Conference on Neural
Networks, 1995. Proceedings., vol.4, Perth, WA, 1995, pp. 1942 - 1948.
K. Yasuda, A. Ide, and N. Iwasaki, Adaptive particle swarm optimization, in IEEE International
Conference on Systems, Man and Cybernetics, 2003., vol. 151, 2003, pp. 1554 - 1559.
M.H. Nehrir et al., A Review of Hybrid Renewable/Alternative Energy Systems for Electric Power
Generation: Configurations, Control, and Applications, IEEE Transactions on Sustainable Energy, vol.
2, no. 4, October 2011, pp. 392 - 403.
Nasa Atmospheric Science Data Center, retrieved from http://eosweb.larc.nasa.gov/sse/ on 17 Maret
2014.
R.A. Gupta, R. Kumar, and A.K. Bansal, Economic analysis and design of stand-alone
wind/photovoltaic hybrid energy system using Genetic algorithm, in International Conference on
Computing, Communication and Applications (ICCCA), 2012 , Dindigul, Tamilnadu , 2012, pp. 1 - 6.
S.M.M. Tafreshi and S.M. Hakimi, Optimal sizing of a stand-alone hybrid power system via particle
swarm optimization (PSO), in International Power Engineering Conference, 2007. IPEC 2007.,
Singapore, 2007, pp. 960 - 965.
Sekretariat perusahaan PT. PLN (persero), Statistik PLN 2013, Sekretariat perusahaan PT. PLN (persero),
Jakarta, Mei, 2014.
Sitti Hamnah Ahsan, Potensi Mitigasi Emisi CO2 Sistem Hibrida PV/Baterai/Genset : Studi Kasus Di
TPA Bontang Lestari Kota Bontang, Mulawarman Scientifie, Vol. 11, No. 2, Oktober 2012.
T.Suhartanto, T. Haryono, Suharyanto, Analisis Kinerja Sistem Pembangkit Listrik Tenaga Hibrid
(Angin dan Surya) di Pantai Baru Pandan Simo Bantul Yogyakarta, Thesis, Jurusan Teknik Elektro
dan Teknologi Informasi, Universitas Gadjah Mada, 2013.
Tim penyusun publikasi kota Palu, Kota Palu dalam Angka 2013, Badan Perencanaan Pembangunan
Daerah dan Penanaman Modal dan Badan Pusat Statistik Kota Palu, Palu, Sulawesi Tengah, 2014.
Working Group III-Mitigation of Climate Change, Annex III: Technology-specific Cost and Performance
Parameters, IPCC (Intergovernmental Panel on Climate Change), 2014.
SENATEK 2015 | Malang, 17 Januari 2015
378