BAB I PENDAHULUAN
1.1. Latar Belakang Masalah Generasi pertama dari pembangkit listrik menggunakan kincir air, dinamo, dan alternator. Tenaga air (hydropower) sebagai salah satu sumber energi yang dapat diperbarui (renewable energy) menjadi sumber energi listrik yang telah dibangun jauh sebelum ditemukannya mesin uap. Pada akhir abad ke-19, hydropower berkembang dengan digunakannya turbin, yang menandai lahirnya era industri pembangkitan listrik modern. Akan tetapi, generasi pertama dari pembangkit listrik untuk publik menggunakan mesin uap dan generator mesin disel. Pada awal tahun 1960, pembangkitan listrik telah berkembang dengan digunakannya turbin uap untuk pembakaran bahan bakar fosil. Pembangkit listrik dengan sistem pembakaran bahan bakar fosil merupakan jenis pembangkit listrik sistem thermal. Energi fosil bersama dengan hydropower menyediakan sebagian besar dari energi listrik global. Salah satu kelemahan pembangkit listrik sistem thermal adalah biaya bahan bakar fosil yang tinggi. Hal ini menjadi salah satu faktor berkembangnya eksploitasi energi alternatif, khususnya renewable energy. Selain hydropower, renewable energy yang sangat berkembang secara teknis dan ekonomis hingga abad ke-21 adalah energi angin. Perkembangan teknologi energi angin yang sangat pesat untuk pembangkitan listrik dipicu oleh pertimbangan biaya yang rendah dan ramah lingkungan. Biaya operasional pembangkit listrik sistem hydropower dan angin merupakan yang paling murah dibanding tipe pembangkit listrik lain, sebab tidak memerlukan biaya pembelian bahan bakar. Kekurangan terbesar dari bahan bakar fosil adalah terjadinya emisi karbon dioksida (CO2 ) dalam gas buangan hasil pembakaran batu bara. Tingginya emisi CO2 dalam gas buangan hasil pembakaran batu bara mendorong semakin berkem1
2 bangnya industri pembangkit listrik tenaga renewable energy. Terlepas dari energi angin sebagai sumber energi yang bersih, murah dan ramah lingkungan, energi angin merupakan renewable energy yang ketersediaannya tidak kontinu dan cenderung tidak menentu (bersifat intermittent). Akibatnya, pada waktu tertentu pembangkit listrik sistem energi angin tidak dapat memberikan supply energi listrik untuk memenuhi permintaan (demand) energi listrik konsumen yang bersifat kontinu. Sehingga, pembangkit listrik dengan sumber energi lain akan beroperasi untuk memberikan supply energi dan memenuhi demand energi listrik pada saat terjadi kekurangan maupun kekosongan supply energi listrik dari pembangkit listrik tenaga angin. Pengoperasian pembangkit listrik sistem thermal, hydropower, dan angin dalam suatu industri listrik diatur dalam jadwal operasional yang telah ditetapkan. Guna menekan biaya bahan bakar, industri pembangkit listrik dihadapkan pada masalah scheduling atau penjadwalan pengoperasian masing-masing tipe pembangkit listrik, yang merupakan masalah optimisasi, sebab penjadwalan yang optimal akan meminimumkan biaya bahan bakar. Penjadwalan pembangkit listrik sistem renewable energy air dan angin, serta sistem thermal memerlukan informasi hasil prediksi demand energi listrik yang akan dibangkitkan, cadangan energi listrik, volume air dalam waduk, serta kecepatan angin. Akan tetapi, hasil prediksi atau peramalan kemungkinan besar mengandung error. Error dipandang sebagai ketidakpastian dan ketidaktepatan (bersifat fuzziness). Demand energi listrik yang akan dibangkitkan, cadangan energi listrik, volume air dalam waduk, serta kecepatan angin merupakan jumlahan dari hasil peramalan dengan error di dalam hasil peramalan tersebut, sehingga dinyatakan dalam himpunan fuzzy. Oleh sebab itu, digunakan pendekatan optimisasi fuzzy dalam menyelesaikan masalah penjadwalan pembangkit listrik untuk ketiga tipe pembangkit listrik tersebut. Masalah optimisasi fuzzy dalam penjadwalan pembangkit listrik sistem renewable energy air dan angin, serta sistem thermal akan diselesaikan menggunakan
3 algoritma genetik (genetic algorithm) berdasarkan konsep pengambilan keputusan fuzzy (fuzzy decision). Algoritma genetik tergolong sebagai algoritma heuristik dan merupakan metode adaptif untuk pencarian solusi dalam masalah optimisasi. Algoritma genetik dapat melakukan pencarian solusi optimal dalam ruang pencarian yang langsung mengarah kepada ruang solusi, sehingga tidak memperluas ruang pencarian dan mempersingkat waktu yang dibutuhkan dalam pencarian solusi. Algoritma genetik dapat melakukan pencarian solusi terhadap seluruh masalah optimisasi dengan berbagai fungsi objektif, baik linear maupun non-linear. Penulisan tesis ini didasarkan pada paper yang ditulis oleh Liang dan Liao (2007) sebagai literatur utama mengenai penjadwalan pembangkit listrik sistem thermal, hydropower, angin, dan surya dengan pendekatan optimisasi fuzzy. Dalam paper tersebut, model penjadwalan pembangkit listrik diujikan terhadap 10 unit pembangkit listrik sistem thermal, 7 unit pembangkit listrik sistem hydropower, dan masing-masing 1 unit pembangkit listrik tenaga surya dan angin, dengan tujuan meminimalkan biaya bahan bakar. Penyelesaian masalah pembangkit listrik dalam paper tersebut menggunakan algoritma genetik dan diperoleh bahwa biaya bahan bakar biaya dan emisi CO2 dalam pembangkitan listrik yang melibatkan unit-unit pembangkit listrik sistem thermal, hydropower, angin, dan surya jauh lebih rendah dari biaya bahan bakar dan emisi CO2 dalam pembangkitan listrik yang hanya melibatkan unit-unit pembangkit listrik sistem thermal. Paper pendukung pada tesis ini adalah Liang dkk (2009) mengenai penjadwalan pembangkit listrik sistem thermal dan hydropower berdasarkan pada metode Lagrange dengan algoritma genetik. Oleh karena itu, Penulis tertarik untuk memodelkan masalah penjadwalan pembangkit listrik sistem thermal, hydropower, dan angin ke dalam model optimisasi dan melakukan pencarian solusi menggunakan algoritma genetik dengan konsep fuzzy decision yang bertujuan untuk meminimumkan biaya bahan bakar pada pembangkit listrik sistem thermal yang berbahan bakar batu bara dan bahan bakar minyak (BBM) dengan mempertimbangkasn emisi CO2 dalam gas buangan hasil pembakaran batu bara.
4
1.2. Perumusan Masalah Bedasarkan latar belakang yang telah diuraikan, permasalahan dalam penelitian ini dapat dirumuskan sebagai berikut: 1. Bagaimana proses pemodelan masalah penjadwalan pembangkit listrik sistem thermal, hydropower, dan angin ke dalam model optimisasi single objektif non-linear? 2. Bagaimana proses penyelesaian masalah optimisasi penjadwalan pembangkitan listrik sistem thermal, hydropower, dan angin menggunakan algoritma genetik dengan konsep fuzzy decision? 3. Bagaimana susunan jadwal pembangkitan listrik oleh pembangkit listrik sistem thermal, hydropower, dan angin sebagai pendekatan solusi optimal dalam pengujian model? 4. Bagaimana pengendalian emisi CO2 dalam gas buangan hasil pembakaran batu bara selama periode penjadwalan pembangkitan listrik? 5. Bagaimana tingkat efektifitas pembangkit listrik sistem energi angin dalam menurunkan biaya bahan bakar pembangkitan listrik? 6. Bagaimana performa dan stabilitas algoritma genetik yang telah disusun dalam pencarian pendekatan solusi optimal?
1.3. Tujuan dan Manfaat Penelitian Tujuan yang ingin dicapai dalam penelitian ini adalah sebagai berikut: 1. Memahami proses pemodelan masalah penjadwalan pembangkit listrik sistem thermal, hydropower, dan angin ke dalam model matematika optimisasi single objektif non-linear. 2. Memahami proses penyelesaian masalah optimisasi penjadwalan pembangkit listrik sistem thermal, hydropower, dan angin menggunakan algoritma genetik
5 dengan konsep fuzzy decision. 3. Memperoleh jadwal pembangkitan listrik yang optimal sebagai pendekatan solusi optimal dalam pengujian model penjadwalan pembangkit listrik sistem thermal, hydropower, dan angin. 4. Mengendalikan emisi CO2 dalam gas buangan hasil pembakaran batu bara selama pembangkitan listrik. 5. Mengetahui tingkat efektifitas pembangkit listrik sistem energi angin dalam menurunkan biaya bahan bakar pembangkitan listrik. 6. Mengetahui performa dan stabilitas algoritma genetik yang telah disusun dalam pencarian pendekatan solusi optimal. Manfaat dari penelitian ini adalah sebagai berikut: 1. Secara umum penelitian ini diharapkan dapat menambah referensi dan sumbangan ilmu pengetahuan dalam bidang matematika terapan dan teknik elektronika, khususnya dalam bidang optimisasi, penerapan teori fuzzy, algoritma genetik dan masalah penjadwalan pembangkit listrik, serta teknologi pembangkitan listrik. 2. Masalah penjadwalan pembangkit listrik dengan pendekatan optimisasi fuzzy dalam penelitian ini dan penerapan algoritma genetik sebagai alat untuk menyelesaikan masalah tersebut diharapkan dapat membantu pembaca untuk menyelesaikan permasalahan dalam kehidupan nyata yang memiliki prinsip yang sama dengan model-model yang disusun dalam tesis ini. 3. Secara khusus penelitian ini diharapkan dapat memberikan informasi kepada PT. PLN (Persero) beserta Departemen Energi dan Sumber Daya Mineral mengenai penyusunan jadwal pembangkit listrik sistem thermal, hydropower, dan angin dengan pengendalian emisi CO2 dalam gas buangan dan penyelesaiannya menggunakan algoritma genetik berdasarkan konsep fuzzy decision.
6
1.4. Tinjauan Pustaka Dalam penyusunan rumusan model optimisasi penjadwalan pembangkit listrik sistem thermal, hydropower, dan angin, dibutuhkan informasi terkait sistem dan teknologi ketiga tipe pembangkit listrik tersebut. Informasi-informasi ini diperlukan dalam identifikasi masalah dan diperoleh dari buku Paul Breeze (2014). Informasiinformasi lebih mengenai masalah penjadwalan pembangkit listrik diperoleh dari buku Allen J. Wood dkk (2013), Andr´as Pr´ekopa dkk (2014), serta buku Jo˜ao P. S. Catal˜ao (2012). Penyusunan model matematika untuk masalah penjadwalan pembangkit listrik sistem thermal, hydropower, dan angin dengan pendekatan optimisasi fuzzy didasarkan pada paper utama dalam tesis ini, yaitu Ruey-Hsun Liang dan Jian-Hao Liao (2007) serta paper pendukung Ruey-Hsun Liang, Ming-Huei Ke, dan Yie-Tone Chen (2013). Paper pendukung lain yang digunakan dalam penyusunan model matematika masalah penjadwalan pembangkit listrik sistem thermal, hydropower, dan angin adalah Trivedi dkk (2013), Pathom Attaviriyanupap dkk (2004), J. Xie, X. Wei, Y. Lu, dan D. Gan (2010), Esteban Gil dkk (2003), A. A. El Desouky dkk (2001), Ruey-Hsun Liang dan Y. Y. Hsu (1993), H.-C. Chang dan P.-H. Chen (1998). Penyusunan model matematika untuk masalah penjadwalan pembangkit listrik yang merupakan masalah optimisasi memerlukan dasar teori optimisasi yang meliputi formulasi fungsi objektif dan kendala, yang diperoleh dari buku Mokhtar S. Bazaraa, Hanif D. Sherali, dan C. M. Shetty (2006), Olvi Mangasarian (1994), serta buku A. L. Peressini dkk(1988). Dalam formulasi fungsi biaya bahan bakar sebagai fungsi objektif , acuan yang digunakan adalah buku Wood dkk (2013), Pr´ekopa dkk (2014), serta buku Catal˜ao (2012). Formulasi fungsi objektif dalam masalah ini menghasilkan suatu fungsi objektif non-linear dengan beberapa kendala pertidaksamaan dan kendala persamaan yang non-linear, sehingga memerlukan dasar teori mengenai program non-linear yang diambil dari buku Mangasarian (1994), Masatoshi Sakawa (1993), serta Peressini dkk (1988). Fungsi objektif beserta beberapa kendala yang bersifat fuzziness dalam mas-
7 alah optimisasi penjadwalan pembangkit listrik direpresentasikan dalam fungsi keanggotaan himpunan fuzzy, sehingga menjadi masalah optimisasi fuzzy. Dasar teori mengenai himpunan fuzzy diambil dari paper Lotfi A. Zadeh (1965), buku Masatoshi Sakawa (1993), dan buku Zimmermann (2001). Selanjutnya, konsep-konsep yang diperoleh dari referensi-referensi di atas digabungkan untuk mencari solusi optimal dari masalah penjadwalan pembangkit listrik dengan pendekatan optimisasi fuzzy menggunakan algoritma genetik. Algortima genetik digunakan untuk menyelesaikan masalah ini didasarkan pada konsep fuzzy decision. Dasar teori mengenai algoritma genetik diambil dari buku Chong dan Zak (2008), Masatoshi Sakawa (2002), Mitsuo Gen dan Runwei Cheng (1997), Mitsuo Gen dan Runwei Cheng (2000), serta David E. Goldberg (1989). Dasar teori mengenai fuzzy decision diambil dari buku Masatoshi Sakawa (1993).
1.5. Metode Penelitian Pada tesis ini dibahas mengenasi penyelesaian masalah penjadwalan pembangkit listrik sistem thermal, hydropower, dan angin sebagai masalah optimisasi yang selanjutnya melibatkan transformasi fungsi objektif dan kendala-kendala ke dalam fungsi keanggotaan dari himpunan fuzzy, sehingga menjadi masalah optimisasi fuzzy, yang selanjutnya diselesaikan menggunakan algoritma genetik dengan konsep fuzzy decision. Metode penelitian yang digunakan dalam penulisan tesis ini adalah studi literatur dan penelitian ini dibagi dalam empat tahap. Tahap pertama adalah penyusunan rumusan model optimisasi untuk masalah penjadwalan pembangkit listrik. Tahap ini diawali dengan mengumpulkan informasi mengenai pembangkitan listrik, yang meliputi tipe-tipe pembangkit listrik sistem thermal, hydropower, dan angin, teknologi yang digunakan pada ketiga tipe pembangkit listrik tersebut, bahan bakar dan sumber energi pada pembangkit listrik sistem thermal, hydropower, dan angin, kelebihan dan kekurangan dari ketiga tipe pembangkit listrik tersebut, dampak emisi CO2 dalam gas buangan dari pembangkitan listrik, keseimbangan energi listrik, serta biaya bahan bakar dalam pembangki-
8 tan listrik. Informasi yang diperoleh digunakan dalam melalukan identifikasi masalah lalu menyusun formulasi model. Dalam menyusun rumusan model, dipelajari beberapa konsep-konsep mendasar dalam program non-linear. Setelah formulasi model terbentuk, tahap kedua adalah transformasi model optimisasi masalah penjadwalan pembangkit listrik menjadi model optimisasi fuzzy. Transformasi ini dilakukan dengan menyusun beberapa fungsi keanggotaan yang merepresentasikan fungsi objektif beserta beberapa kendala. Dalam menyusun model optimisasi fuzzy masalah penjadwalan pembangkit listrik, perlu beberapa konsep-konsep mendasar mengenai teori himpunan fuzzy, yang mencakup himpunan, fungsi keanggotaan, operasi-operasi pada himpunan fuzzy, serta program non-linear fuzzy. Tahap ketiga adalah menyusun algoritma genetik untuk menyelesaikan model optimisasi fuzzy masalah penjadwalan pembangkit listrik yang telah disusun. Algoritma genetik disusun berdasarkan konsep fuzzy decision. Penyusunan algortima genetik meliputi ditentukannya representasi genetik atau pemilihan pengkodean kromosom, banyaknya individu dalam satu populasi, panjang kromosom, banyaknya generasi, serta probabilitas perkawinan silang dan mutasi, formulasi fungsi evaluasi, pemilihan metode reproduksi, pemilihan metode perkawinan silang dan mutasi, serta ditentukannya kriteria berhenti. Oleh karena itu, dilakukan pembelajaran mengenai konsep dasar algoritma genetik yang mencakup seluruh informasi yang dibutuhkan dalam penyusunan algortima genetik beserta konsep mengenai fuzzy decision. Tahap keempat adalah melakukan pengujian terhadap model yang telah disusun dengan algoritma genetik. Model yang telah disusun diujikan dalam masalah penjadwalan pembangkit listrik jangka pendek dan jangka menengah. Proses diakhiri dengan pengujian simulasi untuk menguji performa dan stabilitas algoritma genetik yang telah disusun dalam pencarian pendekatan solusi optimal.
9
1.6. Sistematika Penulisan Pada penulisan Tesis I ini, penulis menggunakan sistematika sebagai berikut. BAB I PENDAHULUAN Bab ini menjelaskan tentang latar belakang, perumusan masalah tujuan dan manfaat penulisan, tinjauan pustaka, metode penelitian, serta sistematika penulisan. BAB II DASAR TEORI Bab ini memuat penjelasan mengenai perkembangan pembangkitan listrik, emisi CO2 dalam gas buangan akibat pembangkitan listrik, pembangkit listrik sistem energi pembakaran batu bara, pembangkit listrik sistem mesin disel, pembangkit listrik sistem energi air, pembangkit listrik sistem energi angin, keseimbangan energi listrik, penjadwalan pembangkitan listrik, program nonlinear single objektif, himpunan fuzzy, operasi pada himpunan fuzzy, keputusan fuzzy, program non-linear fuzzy single objektif, algoritma heuristik, serta penjelasan mengenai algoritma genetik. BAB III PEMODELAN MASALAH PEJADWALAN PEMBANGKIT LISTRIK SISTEM THERMAL, HYDROPOWER, DAN ANGIN Dalam bab ini dibahas mengenai proses pemodelan masalah penjadwalan pembangkit listrik sistem thermal, sistem hydropower, dan sistem energi angin, yang dimulai dari identifikasi masalah, penyusunan model optimisasi, dan penyusunan model optimisasi fuzzy. Bab ini juga berisi penyusunan algoritma genetik untuk menyelesaikan masalah penjadwalan pembangkit listrik sistem thermal, sistem hydropower, dan angin. BAB IV PENGUJIAN MODEL PEJADWALAN PEMBANGKIT LISTRIK SISTEM THERMAL, HYDROPOWER, DAN ANGIN Bab ini membahas proses pengujian model optimisasi penjadwalan pembangkit listrik sistem thermal, sistem hydropower, dan angin yan telah disusun
10 menggunakan algoritma genetik, yang meliputi pengujian model penjadwalan jangka pendek dan jangka menengah. BAB IV PENUTUP Bab ini berisi kesimpulan-kesimpulan yang memuat rangkuman hasil penelitian dan saran bagi penelitian selanjutnya.
