DESAIN KONTROL OPTIMAL POWER SYSTEM STABILIZER (PSS) DAN
FLEXIBLE AC TRANSMISSION SYSTEM (FACTS) MENGGUNAKAN
CRAZINESS PARTICLE SWARM OPTIMIZATION (CRPSO) PADA SISTEM
INTERKONEKSI JAWA BALI 500 KV
Rifad Mubarak Bamatraf (2206 100 081)
Pembimbing : Prof. Dr. Ir. Imam Robandi, MT
Abstract— Nowadays there are a huge growth of po-
wer necessity in society. However it not followed
with the growth of power system to cover the need.
This condition force the power system to work in
their limit, make them easily to get unstable condition
during disturbance. Disturbance comes as a result of
power changes every time, and will produce oscilla-
tion in power system. The oscillation will grow and
make generator loss the synchronization and result in
system blackout. Power System Stabilizer (PSS)
coordinate with Flexible AC Transmission System
(FACTS) like Unified Power Flow Controller
(UPFC) proven to damp low frequency oscillation
better. In this paper, a research investigated tuning
method of PSS and UPFC using Craziness Particle
Swarm Optimization (CRPSO). From the research, it
found that using PSS and UPFC based CRPSO
reduce the settling time of frequency respon up to 9.2
seconds. This number is better than settling time of
PSS and UPFC based PSO which is 11.9 seconds or
system without PSS and UPFC which is 37.3
seconds.
Keywords: Stable, oscillation, PSS, UPFC, CRPSO
I. PENDAHULUAN
Kestabilan merupakan suatu kondisi yang pen-
ting diperhatikan dalam sistem tenaga listrik. Gang-
guan yang terjadi pada sistem dapat menyebabkan
kondisi tidak stabil. Terdapat dua jenis kestabilan
pada sistem tenaga listrik, yaitu kestabilan steady
state dan kestabilan transient [1-4]. Perubahan beban
yang dinamik pada sistem tenaga listrik memungkin-
kan sering terjadi osilasi pada sistem. Untuk mengata-
si permasalahan osilasi pada sistem tenaga listrik
dapat menggunakan peralatan PSS [3-14]. Hisham M.
Soliman [10] menemukan bahwa penerapan PSS pada
Single Machine Infinite Bus (SMIB) dapat mening-
katkan kestabilan dan menurunkan nilai overshoot
respon. Sidhartha Panda [14] menerapkan PSS untuk
berbagai kondisi beban dan menunjukkan hasil
signifikan dalam redaman yang dihasilkan.
Namun penggunaan PSS pada sistem tidak dapat
menghasilkan peredaman maksimal terhadap osilasi
yang terjadi di daerah interarea dalam sistem interko-
neksi [5,6]. Oleh karena itu, dibutuhkan penempatan
peralatan tambahan berupa FACTS yang dapat mem-
bantu menghasilkan redaman tambahan untuk menca-
pai kestabilan lebih cepat [5-9]. Li-Jun Cai [5,6]
menulis bahwa penambahan FACTS jenis TCSC
pada sistem multimachine dapat meningkatkan nilai
damping ratio dibandingkan hanya menggunakan
PSS untuk meredam osilasi. Abido [7] menyatakan
bahwa penggunaan PSS dan Thyristor Controlled
Phase Shifter (TCPS) dapat meningkatkan nilai ei-
genvalue sistem setelah mengalami gangguan. Ada-
pun jenis FACTS yang dipergunakan dalam pemode-
lan untuk Tugas Akhir ini adalah UPFC. UPFC meru-
pakan jenis FACTS yang paling handal, dapat me-
ngatur impedansi jaring transmisi, tegangan terminal,
dan sudut tegangan [10,15-17,21-24]. Ahad Kazemi
[21,22] menulis bahwa dibandingkan peralatan
FACTS yang lain UPFC memberikan performansi
terbaik untuk mengatur aliran daya aktif dan reaktif
dan meredam mode osilasi lokal maupun mode osilasi
interarea.
Kesalahan koordinasi dalam penggunaan UPFC
dan PSS tidak dapat menghasilkan redaman yang
maksimal [5,6]. Agar dihasilkan koordinasi yang
tepat dan optimal dapat digunakan metode optimasi
untuk menala parameter PSS dan UPFC. Salah satu
metode pencarian nilai optimal yang dapat digunakan
adalah Particle Swarm Optimization (PSO) [11-20].
PSO adalah metode pencarian nilai optimal berbasis
populasi (swarm) yang terinspirasi oleh pola
pencarian makanan burung dan ikan [11-20].
Algoritma PSO kemudian disempurnakan menjadi
Craziness Particle Swarm Optimization (CRPSO).
V. Mukherjee [19] menyatakan bahwa penggunaan
CRPSO dalam mengoptimasi fuzzy PID kontroler
pada Automatik Voltage Regulator (AVR) membe-
rikan hasil yang lebih baik daripada menggunakan
GA. Menurut Krishna T. Chaturvedi [20] penerapan
CRPSO pada economic dispath menghasilkan biaya
yang lebih rendah dibandingkan PSO dan GA.
Dalam Tugas Akhir dianalisis pengaruh penalaan
parameter PSS dan UPFC dengan CRPSO terhadap
kestabilan dinamik sistem pada sistem kelistrikan
Jawa Bali 500 kV. Hasil simulasi akan menunjukkan
perbandingan respon plant terhadap sistem tanpa PSS
dan UPFC, menggunakan PSS dan UPFC penalaan
PSO, dan penalaan CRPSO.
II. PEMODELAN SISTEM
Sistem yang diteliti pada Tugas Akhir ini terdiri
dari 20 bus dengan 7 bus generator, PSS dipasang
pada setiap generator, dan UPFC terpasang pada
jaring transmisi antara bus 8 dan 9. Single line
diagram sistem ditampilkan pada Gambar 1 [9].
Sistem dimodelkan liniear untuk mempelajari respon
sistem terhadap gangguan.
 20 1
medan pada generator. Diagram blok dari exciter
ditampilkan pada Gambar 2 berikut [10].
VR max
Cilegon
17 G
15
16
Suralaya
18 19
Vt KA E fd
PSS 1 TA s
Cawang
Kembangan
Vref VR min
Bekasi
Gambar 2. Diagram Blok Exciter
PSS 4 Cibinong
Gandul
C. PEMODELAN GOVERNOR
G 3
14 2
PSS
Governor merupakan pengendali yang berfungsi
G untuk mengatur nilai torsi mekanik Tm yang menjadi
Saguling
G
masukan dari generator [10]. Governor pada PLTA
Cibatu Muara Tawar
Cirata 11
9 7
mengatur besar ketinggian katup yang mempengaruhi
PSS
13
12
G aliran air dari pipa air menuju turbin air. Sedangkan
9
pada PLTU governor berperan untuk mengatur
Gresik
PSS
PSS ketinggian katup yang mempengaruhi semburan uap
Krian

Bandung Maduracan Ungaran

6
PSS dari ketel uap. Bentuk diagram blok dari Governor
G 5
ditampilkan pada Gambar 3 [4].
UPFC 10
8
G d 1 Tm
Grati Kg
Tgs 1

Pedan Kediri Paiton GSC

Gambar 1. Single Line Diagram Sistem Interkoneksi
Jawa Bali 500 kV Gambar 3. Diagram Blok Governor

A. PEMODELAN GENERATOR SINKRON D. PEMODELAN POWER SYSTEM

Pemodelan liniear generator sinkron diperlukan STABILLIZER
untuk menganalisa efek dari perubahan daya terhadap PSS digunakan untuk menghasilkan komponen
respon frekuensi maupun sudut rotor. Dengan redaman tambahan dengan memproduksi torsi elektris
menggunakan Transformasi Park maka generator yang sesuai dengan deviasi pada kecepatan rotor [3].
sinkron dapat dimodelkan kedalam persamaan Metode desain PSS secara umum melibatkan frekuen-
matematis dan dilinearisasi pada Persamaan 1 [3]. si respon yang berdasarkan pada konsep peningkatan
r 0 0 L
redaman torsi. Blok diagram dari PSS terdapat pada
0 q Gambar 4 [10].
vd
0 r 0 0
vF F
0 0 r 0 wi s w 1 s A 1 s B
Vs
0 D K STAB
L kM kM r
1 s w 1 s C 1 s D
vq 0 d 0 F 0 D
0 0 0 0 0 Gambar 4. Diagram Blok PSS
Tm L i kM i kM i kM i
q0 d q0 F q0 D q0 Q d0
0 3 3 3 3
E. PEMODELAN UNIFIED POWER FLOW
0 0 0 0 CONTROLLER
UPFC memiliki dua konverter dengan kapasitor
0 kM Q q0 0
id DC sebagai link. Satu konverter terhubung shunt
0 0 0
iF terhadap sistem melalui transformator sedangkan
0 0 0
iD yang lain terhubung seri terhadap sistem dengan
0 0
d0 iq menggunakan transformator. Kapasitor berfungsi
rQ 0 0 menyuplai tegangan secara langsung untuk kerja dari
iQ
kM Q id 0 konverter dan sebagai penyimpan energi. Konverter
D 0
3 seri berfungsi sebagai penguat untuk menginjeksikan
0 1 0 magnitude tegangan kontrol dan sudut phasa secara
Ld kM F kM D 0 0 0 0 id seri terhadap jaring transmisi. Sedangkan konverter
kM F LF MR 0 0 0 0 iF shunt berfungsi sebagai exciter yang merubah
kM D MR LD 0 0 0 0 iD magnitude arus kontrol dan sudut phasa pada sistem.
0 0 0 Lq kM Q 0 0 iq Untuk mengamati model injeksi UPFC terhadap
0 0 0 kM Q LQ 0 0 iQ jaring transmisi, dengan mempertimbangkan kompo-
0 0 0 0 0 j 0  nen seri dari UPFC maka dapat dimodelkan pada
0 0 0 0 0 0 1 
(1) Gambar 5 berikut [21,22].
Vi Vse Vi ' Vj
B. PEMODELAN EXCITER jxs
Peralatan eksitasi merupakan suatu bagian dari
I se
sistem yang berfungsi untuk mengatur variabel output
generator, misal tegangan, arus, dan faktor daya [4]. Gambar 5. Model Injeksi UPFC
Variabel ini akan diatur melalui perubahan fluks
Komponen UPFC yang terhubung seri pada line (15)
menginjeksikan tegangan yang disimbolkan , yang
(16)
dapat dikontrol pada magnitude dan fasa sesuai
Metode optimasi CRPSO digunakan untuk menala
dengan Persamaan 2 [21-24].
parameter Kpss pada PSS, Kpp dan Kip pada UPFC
(2)
sehingga menghasilkan nilai CDI minimum dari
Dengan dan . Besar
sistem.
apparent power yang disupply oleh sumber tegangan
seri dari UPFC dinyatakan pada Persamaan 3. B. CRAZINESS PARTICLE SWARM
(3) OPTIMIZATION
Metode optimasi yang digunakan dalam penalaan
Model pengaturan aliran daya pada UPFC
parameter PSS maupun UPFC adalah pengembangan
ditampilkan pada Gambar 6 sebagai berikut [21,22].
dari PSO yang disebut CRPSO. PSO diperkenalkan
Vi Vj oleh Kennedy and Eberhard pada 1995 [9-12]. Pada
jxs PSO setiap kandidat disebar dalam ruang permasala-
han dan bergerak berdasarkan konsep particle velo-
Psi jQsi Psj jQsj city untuk memperoleh hasil yang optimal. Diagram
alur CRPSO ditampilkan pada Gambar 7 berikut.
START
Gambar 6. Model Injeksi Daya pada UPFC
Berdasarkan pada injeksi daya pada Persamaan (4), Inisialisasi Current
Position dan
mempertimbangkan arah aliran daya pada Gambar 8, Velocity Partikel

mengasumsikan tidak terdapat losses pada UPFC

sehingga PSHUNT = PSERI maka liniearisasi persamaan Fungsi Objektif

aliran daya aktif dan reaktif yang pada bus i dan j

Update
dapat dinyatakan sebagai berikut. Weight

Update
(4) Velocity

(5) Update
Position

(6) Update
Individual Best

(7) Update Global

Best
Pada UPFC ditambahkan kontroler Proportional dan
TIDAK
Integrator untuk mengatur nilai dan berdasarkan Iterasi
Maks
pada deviasi daya aktif (Preff-P) dan daya reaktif YA
(Qreff-Q) yang keduanya dinyatakan sebagai error
STOP
pada saluran transmisi. Rumusan kontroler PI yang
Gambar 7. Diagram Alur CRPSO
ditambahkan pada UPFC dinyatakan pada persamaan
Konsep PSO dapat dirumuskan dalam Persamaan
sebagai berikut [21-22].
(17) dan (18) sebagai berikut.
(8)
Update velocity partikel:
(9)
(10) (17)
(11) Update position partikel:
(18)
III. METODE Kelemahan dari PSO konvensional adalah kecende-
rungan untuk mencapai konvergensi prematur [10].
A. PROSES OPTIMISASI Kondisi ini menyebabkan solusi yang diperoleh
Untuk mengamati respon sistem terhadap merupakan lokal optimum. Ketika menggunakan
penggunaan PSS dan UPFC, maka model linier dari CRPSO terdapat perubahan pada fungsi update
sistem dikombinasi dengan model linier PSS dan velocity yang memungkinkan partikel bergerak diluar
UPFC dalam sebuah Persamaan state space (12) dan aturan velocity pada suatu iterasi tertentu. Iterasi ini
(13). ditentukan oleh sebuah probabilitas yang disebut
(12) crazy particle. Nilai crazy particle dipengaruhi oleh
(13) perubahan weight yang terjadi disetiap iterasi seperti
Dari matriks A diatas, nilai eigenvalue sistem dapat ditampilkan pada Persamaan (19) dan (20) berikut.
diamati dan memberikan informasi apakah sistem Particle updates weight:
stabil atau tidak. Melalui hasil eigenvalue maka
(19)
performansi sistem dapat diamati melalui persamaan
Comprehensive Damping Index (CDI) yang ditam- (20)
pilkan pada Persamaan (14), (15) dan (16) berikut.
(14)
Perubahan yang terjadi pada update velocity Tabel 3. Eigenvalue Pada Mode Osilasi Lokal (*e+002)
berdasarkan pada nilai Pcraz ditampilkan pada No PSS, No PSS dan UPFC PSS dan UPFC
UPFC Berbasis PSO Berbasis CRPSO
Persamaan (21) sebagai berikut.
-1.4051 + 0.1081i -1.3977 + 0.1054i -1.3973 + 0.1056i
(21) -0.0124 + 0.0888i -0.0841 + 0.1102i -0.0779 + 0.1106i
-0.0094 + 0.1010i -0.0443 + 0.1251i -0.0464 + 0.0785i
-0.0061 + 0.0727i -0.0067 + 0.0691i -0.0074 + 0.0692i
IV. SIMULASI DAN ANALISIS
-0.0092 + 0.1048i -0.0332 + 0.0716i -0.0334 + 0.0625i
Hasil dari simulasi Tugas Akhir ini ditunjukkan Tabel 4. Eigenvalue Pada Mode Osilasi Interarea
pada nilai eigenvalue kritis sistem, eigenvalue pada No PSS, No PSS dan UPFC PSS dan UPFC
mode osilasi lokal dan interarea untuk sistem tanpa UPFC Berbasis PSO Berbasis CRPSO
PSS-UPFC dan sistem dengan PSS-UPFC yang ditala -0.1889 + 2.0064i -0.6067 + 2.2348i -0.6540 + 2.2319i
dengan PSO dan CRPSO. Penalaan dilakukan terha-
dap parameter gain dari 7 PSS, gain proportional dan Dari hasil eigenvalue kritis terlihat bahwa penalaan
integrator pada kontroler UPFC. Hasil penalaan para- PSO dan CRPSO dapat memperbaiki enam dari tujuh
meter PSS dengan PSO dan CRPSO ditampilkan pada kondisi eigenvalue, dan CRPSO menunjukkan perfor-
Tabel 1 berikut. mansi yang lebih baik dibandingkan PSO untuk mem-
Tabel 1. Hasil Penalaan Parameter Parameter PSS dan UPFC perbaiki lima kondisi eigenvalue. Untuk kondisi
Parameter PSO CRPSO eigenvalue pada mode osilasi lokal dan interarea
Suralaya 3.6193 4.2945 CRPSO juga menunjukkan perbaikan performansi
Muaratawar 40.2869 22.7627
Cirata 3.0721 3.0097
yang signifikan. Pada mode osilasi lokal eigenvalue
PSS sistem tanpa PSS maupun UPFC -0.0061 + 0.0727i
Saguling 11.0727 10.8756
(Kpss)
Paiton 14.2550 17.7475 dan damping ratio 0.0834. Penalaan PSS dan UPFC
Grati 3.0015 3.1230 melalui PSO meningkatan damping ratio 0.0968 dan
Gresik 30.9228 29.7099
Kp1 1.3207 1.0905
melalui CRPSO mencapai 0.1058 sehingga eigenva-
Kp2 1.3849 3.0000 lue diperbaiki menjadi -0.0070 ± 0.0690i. Dengan
UPFC
Ki1 0.0051 0.0091 damping ratio ≥ 0.1 maka kondisi eigenvalue sudah
Ki2 0.0028 0.0028 tidak kritis.
Penggunaan CRPSO juga berdampak signifikan
pada mode osilasi interarea sehingga terjadi perbaik-
kan kondisi damping ratio menjadi 0,281 lebih baik
dibandingkan 0.262 pada penalaan PSO dan 0.0937
pada sistem tanpa PSS dan UPFC sehingga terjadi
pergeseran eigenvalue menjadi -0.6540+2.2319 Un-
tuk perbandingan penggunaan UPFC dan tanpa UPFC
terhadap eigenvalue mode osilasi lokal dan interarea
ditampilkan pada Tabel 5.
Tabel 5. Perbandingan PSS dan PSS-UPFC
pada Eigenvalue Mode Osilasi Lokal dan Interarea
Mode PSS PSS dan UPFC
Osilasi Berbasis CRPSO Berbasis CRPSO
Lokal -1.3970 + 0.1080i -1.3973 + 0.1056i
(*e+002)
-0.0777 + 0.1106i -0.0779 + 0.1106i
-0.0464 + 0.0786i -0.0464 + 0.0785i
Gambar 8. Grafik Konvergensi PSO dan CRPSO
-0.0074 + 0.0690i -0.0074 + 0.0692i
Gambar 8 menunjukkan Kurva konvergensi PSO -0.0336 + 0.0625i -0.0334 + 0.0625i
dan CRPSO dalam penalaan parameter PSS dan Interarea -0.6273 + 2.1958i -0.6540 + 2.2319i
UPFC. Grafik konvergensi menunjukkan bahwa
CRPSO mencapai konvergensi lebih cepat dibanding-
Pemasangan UPFC tidak berpengaruh terhadap per-
kan dengan PSO. Hasil penerapan PSS dan UPFC
baikkan kondisi eigenvalue mode osilasi lokal. Seba-
yang ditala dengan CRPSO maupun PSO secara
liknya perbaikan terlihat pada eigenvalue mode
signifikan dapat memperbaiki kondisi eigenvalue
interarea yang bergeser dari -0.6273 + 2.1958i
kritis, eigenvalue mode osilasi lokal dan interarea
menjadi -0.6540 + 2.2319i. Kondisi ini disebabkan
pada sistem sistem dibandingkan kondisi sistem tanpa
pemasangan UPFC meningkatkan damping ratio dari
menggunakan PSS dan UPFC. Sebagaimana 0.2747 menjadi 0.2821.
ditampilkan pada Tabel 2, 3, dan 4.
Tabel 2. Eigenvalue Kritis Sistem (*e+002)
Selain pengamatan pada nilai eigenvalue,
No PSS, No PSS dan UPFC PSS dan UPFC respon frekuensi dan sudut rotor pada masing-masing
UPFC Berbasis PSO Berbasis CRPSO pembangkit juga diamati terhadap penalaan PSO
-0.0779 ± 5.4777i -0.0700 ± 5.4830i -0.0650 ± 5.4850i maupun CRPSO. Pada Tabel 6 ditampilkan nilai
-0.1648 ± 4.8427i -0.1560 ± 4.8592i -0.1563 ± 4.8486i overshoot dan settling time dari respon frekuensi
-0.1183 ± 4.4690i -0.1181 ± 4.4723i -0.1199 ± 4.4740i
-0.0688 ± 4.0616i -0.0729 ± 4.0631i -0.0743 ± 4.0624i terhadap berbagai model penalaan.
-0.0282 ± 3.8923i -0.0283 ± 3.8924i -0.0284 ± 3.8927i
-0.0061 ± 0.0727i -0.0067 ± 0.0691i -0.0070 ± 0.0690i
-0.1395 ± 2.4238i -0.1398 ± 0.0105i -0.1397 ± 0.0106i
 Tabel 6. Overshoot dan settling time Respon Frekuensi
No PSS PSS-UPFC
PSS-UPFC
No UPFC CRPSO
Respon PSO (pu)
(pu)
Frek
Frek Time Frek Time Frek Time
(pu) (det) (pu) (det) (pu) (det)
Surala- 0.0220 29,4 0,0052 22,5 0,0045 18,1
ya
Muara- 0.0120 34,0 0,0000 25,1 0,0000 18,5
tawar
Cirata 0.0120 34,0 0,0080 26,4 0,0075 26,7
Sagu- 0.0200 32,4 0,0110 17,6 0,0105 21,0
ling
Paiton 0.0100 37,3 0,0022 29,2 0,0018 25,0
Grati 0.0098 37,3 0.0102 11.9 0.0082 9,2
Gresik 0.0090 37,3 0.0002 33,4 0.0000 25,0

Terlihat perbaikan respon frekuensi untuk seluruh

pembangkit melalui penerapan PSS dan UPFC pada
Gambar 11. Respon Sudut Rotor
sistem. Sebagai contoh pada PLTU Suralaya penggu-
Untuk membandingkan respon frekuensi PLTU
naan CRPSO dalam penalaan PSS dan UPFC dapat
suralaya dengan UPFC dan tanpa UPFC ditampilkan
menurunkan overshoot respon menjadi 0,0045 pu le-
pada Tabel 7 dan Gambar 12 berikut.
bih rendah dibandingkan penalaan PSO yaitu 0,0052 Tabel 7. Overshoot dan Settling Time
dan sistem tanpa PSS dan UPFC yaitu 0,0220. Untuk Respon Frekuensi Dengan dan Tanpa UPFC
settling time dari respon frekuensi juga mengalami PSS-UPFC PSS-UPFC
percepatan dari 29,4 detik untuk sistem tanpa PSS CRPSO (pu) CRPSO (pu)
Pembangkit
dan UPFC menjadi 22,5 untuk penalaan PSO pada Frek Time Frek Time
(pu) (det) (pu) (det)
PSS dan UPFC, dan menjadi 18,1 untuk penalaan Suralaya 0,0049 16,5 0,0045 18,1
melalui CRPSO. Untuk tampilan respon frekuensi Muaratawar 0,0000 22,5 0,0000 18,5
dan sudut rotor PLTU Suralaya ditampilkan pada Cirata 0,0068 24,6 0,0075 26,7
Gambar 9,10 dan 11 berikut. Saguling 0,0100 22,0 0,0105 21,0
Paiton 0,0016 29,3 0,0018 25,0
Grati 0,0100 15,6 0.0082 9,2
Gresik 0.0002 32,1 0.0000 25,0

Gambar 9. Respon Frekuensi PLTU Suralaya

Gambar 12. Respon Frekuensi Dengan dan Tanpa UPFC

Hasil overshoot dan settling time dari repon frekuensi
menunjukkan bahwa secara umum CRPSO dapat
memperbaiki performansi dalam penalaan PSS
maupun UPFC dibandingkan PSO konvensional.
Untuk respon PLTU Suralaya hasil yang signifikan
terhadap penurunan overshoot dari 0,0049 pu menjadi
0,0045 pu. Sedangkan untuk time settling respon
untuk PLTU Suralaya dan PLTA Cirata penggunaan
UPFC tidak menunjukkan percepatan, namun untuk
lima pembangkit lainnya penggunaan UPFC dapat
mempercepat time settling respon frekuensi dan
memperkecil overshoot.

Gambar 10. Perbandingan Respon Frekuensi

PSS-UPFC ditala PSO dan CRPSO
 V. KESIMPULAN DAN SARAN
A. KESIMPULAN
Dari hasil simulasi yang dilakukan terdapat
perbaikan pada lima dari tujuh eigenvalue kritis, dan
empat eigenvalue menunjukkan hasil penalaan
CRPSO lebih baik dibandingkan PSO. Eigenvalue
mode interarea juga menunjukkan perbaikan signifi-
kan terhadap penggunaan CRPSO. Penerapan
CRPSO mempercepat settling time respon variasi
frekuensi untuk seluruh pembangkit. Lima respon
frekuensi pembangkit menunjukkan hasil yang lebih
baik dibandingkan metode PSO.
B. SARAN
Penerapan PSS dan UPFC sebagai peralatan
peredam osilasi sebaiknya juga diuji untuk kondisi
gangguan transien. Penalaan PSS dan UPFC dapat
diuji dengan metode optimisasi lain untuk mengamati
perbandingan dengan metode CRPSO yang digu-
nakan.
APPENDIKS
Variabel PSO dan CRPSO
Jumlah Burung=20; Jumlah Iterasi=50; Weight (PSO)=0,6;
Weight Min (CRPSO)=0,4; Weight Maks (CRPSO)=0,4;
Acceleration 1 & 2=0.3; Jumlah Variabel=11;
Variabel PSS dan UPFC
Batas Atas Kpss=50; Batas Bawah Kpss=3; Batas Atas
KppUpfc=2; Batas Bawah KppUpfc=1; Batas Atas
KipUpfc=0,01; Batas Bawah KipUpfc= 0,001
REFERENSI
[1]. Hadi Saadat, Power System Analysis, Mc.Graw Hill,
Singapore, 2004.
[2]. P.M Anderson, A.A Fouad, Power System Control and
Stability, The IOWA State University Press, IOWA, 1977.
[3]. Prabha Kundur, Power System Stability and Control,
McGraw-Hill, 1994.
[4]. Imam Robandi, Modern Power System Control, Andi Offset,
Yogyakarta, 2009.
[5]. Li Jun Cai and Istvan Erlich, Simultaneous Cordinated
Tuning of PSS and FACTS Controllers in Large Power
System, IEEE Transactions on Power System, Vol. 20 No.1,
February 2005.
[6]. Li Jun Cai, Robust Coordinated Control Of FACTS Devices
in Large Power System, Logos Verlag, Berlin, 2004.
[7]. M.A. Abido and Y.L. Abdel-Magid, Analysis And Design of
Power System Stabilizers and FACTS Based Stabilizers Using
Genetic Algorithms, 14th PSCC, Sevilla, 24-28 Juni 2002.
[8]. Hendrik Maryono, Imam Robandi, Marwan Rosyadi,
Koordinasi Penalaan Parameter PSS dan TCSC pada Sistem
Tenaga Listrik Dua Mesin Manggunakan AIS, Proceeding of
7th Seminar On IntelligentTechnology and Its Applications
(SITIA), Surabaya, 2 Mei 2006.
[9]. Hendrik Maryono, Koordinasi Power System Stabilizer (PSS)
dan Thyristor Controlled Series Capasitor (TCSC) Damping
Controller Menggunakan Artificial Immune System (AIS) Via
Clonal Selection, Buku Tugas Akhir Jurusan Teknik Elektro
ITS, 2006.
[10]. Imam Robandi, Desain Sistem Tenaga Modern : Optimisasi,
Logika Fuzzy, Algoritma Genetika, Penerbit Andi,
Yogyakarta, 2006.
[11]. Hisham M. Soliman, Ehab H.E. Bayoumi, Mohamed F.
Hassan, PSO-Based Power System Stabilizer For Minimal
Overshoot And Control Constraints, Journal of Electrical
Engineering 59, No. 3 Pages 153-159, 2008.
[12]. Ermanu A. Hakim, Adi Soeprijanto, Mauridhi H.P, PSS
Design Based on PD and PI Fuzzy Controller by Particle
Swarm Optimization, Proceedings of International
Conference on Electrical Engineering and Informatics Institut
Teknologi bandung, Indonesia, 2007.
[13]. A.M El-Zonkoly, A.A Khalil and N.M Ahmied, Optimal
Tunning of Lead-Lag and Fuzzy Logic Power System
Stabilizers Using Particle Swarm Optimization, Expert
System with Aplication 36, Issue 2 Part1 Pages 2097-2106,
Elsevier, March 2007.
[14]. Sidharta Panda and N.P. Padhy, Robust Power System
Stabilizer Design Using Particle Swarm Optimization
Technique, International Journal of Electrical System Science
and Engineering 1, No.1, 2008.
[15]. H. Shayeghi, H.A. Shayanfar, S. Jalilzadeh, A.Safari, A PSO
Based Unified Power Flow Controller for Damping of Power
System Oscillations, Energy Conversation and Management
50, Pages 2583-2592, Elshavier, 2009.
[16]. H. Shayeghi, H.A. Shayanfar, S. Jalilzadeh, A.Safari, Design
of Output Feedback UPFC Controller for Damping of
Electromechanical Oscillations Using PSO, Energy
Conversion and Management 50, Pages 2554-2561, Elsevier,
2009.
[17]. Ali. T. Al-Awami, Y.L. Abdel-Magid, M.A. Abido, A
Particle Swarm Based Approach of Power System Stability
Enhancement With Unified Power Flow Controller, Electrical
Power and Energy Systems 29, Pages 251-259, Elsevier,
2007.
[18]. James Kennedy, Russell Eberhart, Particle Swarm
Optimization, IEEE, 1995.
[19]. V.Mukherjee and S.P.Goshal, Intelligent Particle Swarm
Optimized Fuzzy PID Controller for AVR System, Electrical
Power System Research, Elsevier, 2007.
[20]. Krishna Teerth Chaturvedi, Manjaree Pandit, Laxmi
Srivastava, Particle Swarm Optimization with Crazy Particle
for Nonconvex Economic Dispath, Applied Soft Computing
Journal, 2008.
[21]. Ahad Kazemi, Mahmoud Vakili Sohrforouzani, Power
System Damping Using Fuzzy Controlled FACTS Devices,
Electrical Power and Energy Systems 28, Pages 349-357,
Elsevier 2006.
[22]. A. Kazemi, M.R. Shadmesgaran, Extended Supplementary
Controller of UPFC to Improve Damping Inter-Area
Oscillations Considering Inertia Coefficient, International
Journal of Energy Issue 1, Vol.2, 2008.
[23]. Ch. Chengaiah, G.V. Marutheswar, and R.V.S. Satyanaraya,
Control Setting of Unified Power Flow Controller Trough
Load Flow Calculation, ARPN Journal of Engineering and
Applied Sciences 3 No.6, December 2008.
[24]. Mehmet Tumay, A. Mete Vural, Analysis and Modeling of
Unified Power Flow Controller: Modification of Newton-
Raphson Algorithm and User-Defined Modelling Approach
for power Flow Studies, The Arabian Journal for Science
Engineering 29, No 2B, October 2004.
[25]. Agus Junaidi, Perbaikan Stabilitas Dinamis Sistem 500kV
Jawa-Bali Menggunakan Pengembangan Unified Power
Flow Controller (UPFC), Buku Tesis Jurusan Teknik Elektro
ITS, 2004.
RIWAYAT HIDUP
Penulis dilahirkan di kota Makassar ibuko-
ta Provinsi Sulawesi Selatan pada tanggal
26 Januari 1988. Merupakan sulung dari
empat bersaudara putra pasangan Ir. Said
Bamatraf dan Ir. Sri Mawar Said, MT.
Penulis memulai pendidikan di SD Negeri
09 Belakang Balok, Bukittinggi (1994),
melanjutkan pendidikan di SMP Negeri 6
Makassar (1999) dan SMA Negeri 17
Makassar (2003). Pada Tahun 2006 penulis
diterima sebagai mahasiswa Teknik Elektro Institut Teknologi Se-
puluh Nopember Surabaya. Penulis aktif dalam berbagai organisasi
antara lain OSIS SMA Negeri 17 Makassar dan dua tahun menjadi
fungsionaris Himpunan Mahasiswa Teknik Elektro sebagai staff
(2007/2008) maupun sebagai kordinator sie (2008/2009) pada
Departemen Pendidikan dan Kesejahteraan Mahasiswa.