ABSTRAK 1. Pendahuluan - E-Journal Universitas Bung Hatta
advertisement
PERHITUNGAN LOAD FORECAST PADA KAPASITAS FEEDER 20 KV (APLIKASI PT. PLN RAYON BELANTI PADANG) Riady Ilham.1, Ir. Yani Ridal, M.T.2 dan Mirza Zoni, ST, M.T.2 1) Mahasiswa dan 2)Dosen Jurusan Teknik Elektro, Fakultas Teknologi Industri, Universitas Bung Hatta Jl. Gajah Mada No.19 Kampus Proklamator III Padang, Sumatera Barat, Indonesia 2015 Email : Riady [email protected] ABSTRAK Listrik merupakan salah satu kebutuhan yang menyangkut kebutuhan hidup orang banyak. Penyaluran energi listrik harus dapat menjamin dalam jumlah yang cukup, harga yang wajar dan mutu yang baik. Dalam operasi sistem tenaga listrik diperlukan suatu peramalan beban listrik. Penelitian perkiraan beban (load forecast) di PT. PLN (Persero) Rayon Belanti Padang ini bertujuan untuk memperkirakan atau memprediksi laju pertumbuhan beban listrik dari tahun ke tahun pada masingmasing feeder yang ada di Rayon Belanti dan menghitung pertumbuhan beban listrik di masa yang akan datang. Metode yang digunakan pada load forecast ini adalah metode regresi linier. Untuk mempermudah perhitungan perkiraan beban maka digunakan software java 1.7.0. dugaan atau perkiraan beban listrik yang 1. Pendahuluan terjadi dimasa yang akan datang. Listrik satu Kebutuhan sistem listrik adalah beban kebutuhan yang menyangkut kebutuhan hidup pada terminal terima secara rata-rata dalam orang banyak. Penyaluran energi listrik harus suatu selang (interval) waktu tertentu. Beban dapat menjamin dalam jumlah yang cukup, tersebut bisa dalam satuan ampere, kilo harga yang wajar dan mutu yang baik. Dalam ampere, kilo watts, dan kilo volt ampere. operasi sistem tenaga listrik diperlukan suatu Pertumbuhan beban listrik pada jaringan peramalan beban listrik. Load Forecast sering distribusi akan meningkat sejalan dengan disebut perkembangan juga merupakan dengan salah peramalan beban. penduduk. Metode yang Peramalan pada dasarnya merupakan suatu digunakan pada Load Forecast adalah metode dugaan atau perkiraan tentang terjadinya suatu regresi linier yang direncanakan untuk masa kejadian atau peristiwa dimasa yang akan yang akan datang. datang. Ramalan dibidang tenaga elektrik pada Rayon Belanti merupakan rayon yang dasarnya merupakan ramalan beban listrik dan ada di kota Padang yang paling banyak kebutuhan energi listrik, keduanya sering konsumennya sehingga pertumbuhan beban di disebut dengan istilah Load Forecasting dan rayon Belanti sangat pesat, dan diperlukan demand. Jadi Load Forecast adalah suatu peramalan beban supaya bisa dipersiapkan rancangan agar tidak terjadinya kelebihan beban (over load). Rayon Belanti manajerial maupun dari segi operasional, oleh mendapatkan suplai energi listrik dari GIS karenanya perlu mendapat perhatian khusus. Simpang Haru dan GI Pauh Limo, tetapi dalam Perkiraaan di bidang tenaga elektrik pada penelitian ini penulis mengambil feeder yang dasarnya berasal dari GIS Simpang Haru berjumlah 15 energi elektrik dan ramalan beban tenaga feeder. elektrik. Keduanya sering disebut dengan merupakan perkiraan kebutuhan istilah demand and load forecasting. Hasil 2. Landasan Teori perkiraaan ini dipergunakan untuk membuat Beban sistem tenaga listrik merupakan rencana pemenuhan kebutuhan maupun pemakaian tenaga listrik dari para pelanggan pengembangan penyediaan tenaga elektrik listrik. Oleh karena itu, besar kecilnya beban setiap saat secara cukup dan baik serta terus beserta menerus (Daman Suswanto, 2003). perubahannya tergantung pada kebutuhan para pelanggan akan tenaga listrik. Tidak ada perhitungan yang akurat mengenai berapa besarnya beban sistem, yang bisa dilakukan hanyalah membuat perkiraan beban. Dalam pengoperasian sistem tenaga listrik harus selalu diusahakan agar daya yang dibangkitkan sama dengan beban sistem. Peramalan pada dasarnya merupakan suatu dugaan atau perkiraan tentang terjadinya suatu kejadian atau peristiwa dimasa yang akan datang. Ramalan dibidang tenaga elektrik pada dasarnya merupakan ramalan beban listrik dan kebutuhan energi listrik, keduanya sering disebut dengan istilah load forecasting dan demand. Hasil peramalan ini dipergunakan 2.1. Forecasting (Perkiraan) Forecasting adalah peramalan atau perkiraan mengenai sesuatu yang belum terjadi. Perkiraan merupakan suatu proses memprediksi secara sistematis tentang sesuatu yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahannya antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Prakiraan tidak harus memberikan listrik setiap saat secara cukup dan baik serta terus menerus. Maka masalah perkiraan beban merupakan masalah yang sangat menentukan bagi perusahaan listrik baik dari segi jawaban secara pasti tentang kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan terjadi. Prakiraan untuk membuat rencana pemenuhan kebutuhan maupun pengembangan penyediaan tenaga (selisih merupakan penggunaan data masa lalu dari sebuah variabel atau kumpulan nilainya variabel dimasa untuk yang mengestimasi akan datang. Memprakirakan atau memprediksi kebutuhan energi listrik untuk masa yang akan datang merupakan pekerjaan yang tidak mudah karena harus mempertimbangkan berbagai faktor yang sangat mempengaruhi kebutuhan yang energi di masa yang akan datang. Prakiraan kecenderungan peningkatan beban listrik pada atau prediksi disebut juga peramalan (forecast) tahun-tahun yang pada dasarnya merupakan dugaan atau peramalan beban listrik pada masa yang akan prakiraan mengenai peristiwa di masa yang datang sangat dibutuhkan untuk suatu analisa akan datang. pengembangan/penambahan Maka dalam pengembangan akan datang dengan sebelumnya. melihat Dalam hal ini kapasitas sistem tenaga listrik sangat diperlukan waktu pembangkit, sistem transmisi dan distribusi pembangunan yang sangat cermat dan tepat. bagi pelayanan pada konsumen. Untuk meramalkan beban suatu sistem tenaga listrik, 2.2. Jenis Peramalan Beban Pada umumnya terlebih dahulu harus ditentukan karakteristik / peramalan atau perkiraan dapat di bedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat penyusunannya kecenderungan dan pertumbuhan beban sistem tenaga listrik tersebut. 2.4. Langkah-Langkah Peramalan maka peramalan dapat dibedakan atas dua macam, yaitu: Kualitas atau mutu dari hasil peramalan yang disusun sangat ditentukan oleh proses pelaksanaan penyusunannya. 1. Peramalan subjektif yaitu peramalan Peramalan yang baik adalah peramalan yang yang di dasarkan atas perasaan atau dilakukan dengan mengikuti langkah-langkah intuisi orang yang menyusunnnya. atau prosedur penyusunan yang baik. Pada Dalam atau dasarnya tiga langkah peramalan yang penting yang yaitu: hal “judgement” ini dari pandangan orang menyusun sangat baik tidaknya hasil 1. Menganalisa data yang lalu, tahap ini peramalan tersebut. berguna untuk pola yang terjadi dimasa 2. Peramalan objektif peramalan yang d lalu. Analisa ini dilakukan dengan dasarkan atas dasar data yang relevan membuat tabulasi data maka dapat pada masa lalu dengan menggunakan diketahui pola data tersebut. teknik – teknik dan metode dalam penganalisaan data tersebut. 2.3. Load Forecast Load forecast sering disebut juga 2. Menentukan digunakan. metode pola Masing-masing yang metode akan memberikan hasil peramalan yang berbeda dimana metode peramalan dengan peramalan beban. Load forecast adalah yang baik suatu perkiraan besarnya beban listrik diwaktu menghasilkan ada metode yang penyimpangan antar hasil peramalan dengan nilai kenyataan 2.5.1. Regresi Linear Sederhana Regresi Linear Sederhana adalah sekecil mungkin. metode statistik yang berfungsi untuk menguji 3. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan dan mempertimbangkan adanya beberapa faktor perubahan . sejauh mana hubungan sebab akibat antara variabel faktor penyebab (X) terhadap variabel akibatnya. Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini : faktor-faktor perubahan tersebut antara π = π + ππ lain terdiri dari perubahan kebijakankebijakan yang mungkin terjadi, termasuk dengan kebijakan pemerintah. Dimana : Y : Variabel Response atau Variabel Akibat Proyeksi adalah adanya suatu kecendrungan sesuatu hal yang masih belum diketahui dan (Dependent) X : Variabel Predictor atau Variabel Faktor mempunyai nilai pada masa akan datang yang merukan petunjuk tentang jumlah sesuatu pada masa akan datang. Penyebab (Independent) a : konstanta b : koefisien regresi (kemiringan); besaran Response 2.5. Regresi Linear Model regresi linear beberapa variabel menurut bentuk hubungan persamaan linear eksplisit. Persamaan linear ditimbulkan oleh Predictor. merupakan analisis statistika yang memodelkan hubungan yang Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini : π= ∑π. ∑π 2 − ∑π. ∑ππ π. ∑π 2 − (∑π)2 bentuk eksplisit adalah persamaan linear yang menempatkan suatu peubah secara tunggal π = π.∑πΏπ−∑πΏ.∑π π.∑πΏπ −(∑πΏ)π pada salah satu persamaan. Analisis model regresi linear dapat dibedakan menjadi 2 (dua) jenis berdasarkan jumlah variabel bebasnya, yaitu : 1. Regresi linear dengan 1 variabel bebas (Regresi Linear Sederhana). langkah–langkah dalam melakukan analisis regresi linear sederhana : 1. Tentukan tujuan dari melakukan analisis regresi linear sederhana. 2. Identifikasikan variabel faktor penyebab (Predictor) 2. Regresi linear dengan > 1 variabel bebas (Regresi Linear Berganda). dan variabel (Response). 3. Lakukan pengumpulan data. akibat 4. Hitung X², Y², XY dan total dari masing Dalam pembuatan perkiraan beban – masingnya. listrik ini, bersumber dari data PT. PLN 5. Hitung a dan b berdasarkan rumus (Persero) Area Padang, seperti tabel dibawah diatas. ini adalah data arus beban puncak dari tahun 6. Buatkan model persamaan regresi linear 2011-2014 untuk masing-masing feeder : sederhana. 7. Lakukan prediksi atau peramalan NO Nama Penyulang terhadap variabel faktor penyebab atau 1 variabel akibat. 2.5.2. Regresi Linear Berganda Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Persamaan regresi linear berganda sebagai berikut : 2 3 4 5 6 7 8 9 Y = a + b1X1+ b2X2+…..+ bnXn 10 Dimana : Y: Variabel dependen (nilai yang diprediksikan) 11 12 13 14 15 Ex. Feeder GH GOR H.Agus Salim Wahidin Cokroaminoto Jati Matahari RSUP Marapalam Metro Ex Feeder GH Imam Bonjol II Ex Feeder GH Imam Bonjol I (PL I) BRI GH Kandis II Sudirman Sutan Syahrir GH Kandis I 2011 Arus Beban (A) 2012 2013 2014 140,00 230,00 210,00 177,10 83,94 91,18 95,89 19,97 77,79 256,20 60,00 96,00 92,95 161,00 48,00 107,00 261,00 162,00 59,00 88,00 233,00 112,00 129,00 284,00 154,00 54,00 85,00 150,00 24,00 90,91 230,00 256,20 216,00 274,00 295,00 280,00 207,10 209,00 229,00 264,00 66,00 160,00 192,20 160,20 294,00 92,95 319,20 198,00 198,00 308,00 336,00 321,00 300,00 269,00 300,00 66,00 308,20 197,00 292,20 334,00 X1 dan X2 : Variabel independen. Dari salah satu data beban feeder b1 dan b2: Koefisien regresi (nilai yaitu exp. feeder GH GOR H. Agus Salim peningkatan ataupun penurunan). yang ada di Rayon Belanti seperti pada tabel diatas, kemudian dibuat model matematisnya 2.4. Data Dalam melakukan studi perkiraan beban listrik perbulan pada PT. PLN (persero) Rayon Belanti yang menggunakan analisis regresi linier pemakaian beban listrik di masa lalu, yang nanti akan diperoleh suatu perkiraan beban listrik pada masing-masing feeder yang ada di Rayon Belanti. yang akan dimasukkan kedalam program java. Gambar hasil proyeksi menggunakan 2.6. Daftar Pustaka pemograman java untuk menghitung laju 1. pertumbuhan beban listrik. Marsudi, Ir. Djiteng, 2006, Operasi Sistem Tenaga, Edisi Pertama, Yogyakarta. 2.5. Kesimpulan 2. Pabla A.S, 1991, Sistem Distribusi Daya 1. Jangka waktu feeder yang paling lama Listrik, Edisi Kedua, Jakarta, Penerbit dibebani adalah exp. feeder GH kandis Erlangga. II. Exp. feeder GH Kandis II dengan 3. Aldi Riski, “Pengaruh Penambahan konduktor A3C 240 mm2 panjang Jaringan Terhadap Drop Tegangan Pada saluran 5,3 kms arus beban berdasarkan Sutm 20 Kv Feeder Kersik Tuo Rayon drop tegangan 10%, diperoleh arus Kersik Tuo Kabupaten Kerinci”, Institut beban 1057,61A sedangkan berdasarkan Teknologi Padang, Padang, 2013. katalog konduktor A3C, kemampuan 4. Makridakis, S. dan Wheelwright, S.C. hantar arus (KHA) adalah 585 A. (1999). Dengan kemampuan hantar arus (KHA) Peramalan. Jakarta: Erlangga. 585 A maka diprediksi waktu over load 5. yaitu 613 tahun. dibebani adalah feeder GH kandis II. GH Kandis II dengan konduktor A3C 240 mm2 panjang saluran 5,3 kms arus beban berdasarkan drop tegangan 10%, sedangkan arus dan Aplikasi http://www.pln.co.id/blog/tarif-tenagalistrik/ 2. Jangka waktu feeder yang paling lama diperoleh Metode beban 1057,61 berdasarkan A katalog konduktor A3C, kemampuan hantar arus (KHA) adalah 585 A. Dengan kemampuan hantar arus (KHA) 585 A maka diprediksi waktu over load yaitu 613 tahun. 3. Arus beban tertinggi adalah pada feeder GH. Kandis I yaitu 1688,36 A dan arus beban terendah adalah pada feeder Marapalam yaitu 438,04 A. 6. Janis, vinie, Perencanaan sistem distribusi 20 kV Siau 2020, Univ. Samratu langi, 2013, Manado. 7. Noviarny parmadiyanti, Pengembangan kelistrikan daerah, Univ. Diponegoro, Semarang.
