1 Pendahuluan

PT. Indonesia Power selaku operator pembangkitan listrik untuk wilayah Jawa-Bali, memiliki sejumlah unit bisnis PLTA yang berperan sebagai pemasok utama dalam menjaga ketersediaan listrik. Salah satu unit bisnis PLTA yang dimiliki oleh PT. Indonesia Power adalah Unit Bisnis Pembangkitan (UBP) Saguling dengan kapasitas pembangkitan sebesar 797.36 MW.

Untuk kondisi operasional, PLTA beroperasi berdasarkan permintaan kebutuhan daya yang diperoleh dari PT. PLN P3B (Penyaluran dan Pusat Pengaturan Beban). Oleh karena itu, salah satu keunggulan dari PLTA dibanding pengontrol lain adalah kemampuannya untuk berada dalam keadaan siap beroperasi (startup) dalam waktu yang singkat (orde menit). Selain fungsi utamanya sebagai penghasil daya, unit, ini juga berkontribusi dalam menjaga kestabilan frekuensi jaringan.

Agar dapat mentransimisikan tegangan ke dalam transmisi, PLTA harus memiliki frekuensi sistem yang besarnya sama dengan frekuensi jaringan. Proses pengaturan untuk mencapai nilai frekuensi yang bersesuaian dengan frekuensi jaringan, pada PLTA Saguling masih dilakukan secara manual.

Pengontrolan manual sangat bergantung pada ketelitian dan kecermatan operator dalam memonitoring pengontrol, dengan begitu memungkinkan terjadinya berbagai kesalahan serta ketidakakuratan pengontrolan. Hal ini ditunjukkan dengan masih terjadin ya lonjakan maksimum dan kesalahan saat tunak pada laju putaran turbin.

2 Sistem Pembangkit Listrik Tenaga Air PT. Indonesia Power UBP Saguling

2.1 Prinsip Kerja PLTA

Gambar 1 Skema PLTA

Air ditampung di bendungan yang menyebabkan air memiliki energi potensial yang besarmya tergantung dari kapasitas bendungan penampung air dan ketinggian permukaan air. Semakin banyak air yang bisa ditampung (dalam arti tinggi permukaan air), semakin besar pula energi potensial yang dapat dihasilkan.

Dari waduk, air dialirkan melalui pintu pengambil air atau saringan [1], yang pengaturannya dilakukan lewat pusat pengendali bendungan [2], selanjutnya masuk ke dalam terowongan tekan [3]. Sebelum memasuki pipa pesat [4], air itu harus melewati tangki pendatar [5] yang berfungsi untuk mengamankan pipa pesat, apabila terjadi tekanan mendadak/tekanan kejut saat katup utama [8] tertutup/ditutup seketika, pipa pesat ini memungkinkan adanya konversi energi dari energi potensial ke energi kinetik. Setelah katup utama [8] dibuka, aliran air memasuki rumah keong [6]. Aliran air lepas [9], dan selanjutnya dibuang ke saluran pembuangan [10]. Poros turbin yang berputar tadi dikopel dengan poros generator [11]. Oleh trafo utama [12], tegangan listrik itu dinaikkan dari 16.5 kV menjadi 500 kV. Kemudian aliran listrik bertegangan tinggi itu dikirim ke gardu induk melalui serandang

2.2 Prinsip Pengontrolan Pembangkit Listrik Tenaga Air

Sistem kontrol PLTA Saguling dibagi dalam dua tahap, tahap pertama yaitu pengontrolan pada kondisi start-up dan tahap berikutnya adalah pengontrolan saat sistem tersinkronisasi dengan jaringan.

Pada saat startup, pengontrolan ditunjukkan untuk menjaga putaran turbin pada putaran nominalnya yaitu sebesar 333 putaran per menit. Putaran turbin sebesar tersebut menghasilkan frekuensi sistem mencapai nilai sebesar 50 Hz. Setelah sistem mencapai nilai frekuensi tersebut, sistem telah siap untuk dilakukan pembebanan (siap tersinkronisasi dengan jaringan). Pada gambar 2 mengilustrasikan sistem pengontrolan pada UBP Saguling pada saat startup.

Gambar 2 Diagram blok sistem kontrol UBP Saguling

Setelah terhubung dengan jaringan transmisi, adanya pemakaian daya listrik oleh konsumen mengakibatkan terjadinya perubahan beban pada jaringan. Kejadian ini berpengaruh terhadap perubahan frekuensi sistem jala-jala listrik. Untuk mengatasi masalah tersebut, PT. PLN P3B selaku otoritas yang mengatur distirbusi pasokan listrik, mengirim informasi besar daya yang harus dibangkitkan oleh tiap pembangkit. Dengan adanya target daya baru tersebut, tiap pembangkit akan melakukan penyesuaian terhadap besar daya yang diminta. Disamping itu pembangkit juga harus menjaga frekuensi yang dihasilkan tetap pada kisaran 50 Hz. Besarnya daya dan frekuensi yang dihasilkan sistem pembangkit sendiri dipengaruhi oleh seberapa besar bukaan Guide Vane. Dengan demikian proses pengontrolan yang terjadi merupakan perlakuan aksi untuk buka-tutup Guide Vane. Untuk PLTA, besar beban yang harus dibangkitkan memiliki porsi yang lebih besar, karena PLTA memiliki respon sistem yang lebih cepat bila dibandingkan dengan pembangkit lain.

3 Teori Dasar

3.1 Jaringan Syaraf Tiruan Adaline

Sistem Jaringan Syaraf Tiruan (JST) merupakan suatu sistem yan g memodelkan cara kerja jaringan syaraf manusia sebagai suatu sistem dinamik nonlinier kontinu yang diharapkan dapat meniru mekanisme otak dan menimbulkan perilaku cerdas. Jaringan ini terdiri dari banyak simpul (node) pemroses yang dianalogikan dengan neuron pada otak. Proses matematis yang ada dalam jaringan ini juga merupakan pendekatan pada cara kerja otak dan memiliki kemampuan belajar dari pengalaman. JST Adaline merupakan salah satu struktur JST yang memiliki fungsi aktivitasi berupa fungsi identitas . Fungsi kriteria JST Adaline merupakan fungsi kesalahan kuadrat terkecil atau Least of Squarred Error (LSE).

Gambar 3 JST Adaline

Parameter-parameter pada simpul adaptif akan terus diperbaharui dengan menggunakan suatu aturan pembekalan. Pembelajaran parameter-parameter yang ada di dalam simpulsimpul inilah yang akan mempengaruhi kinerja dari JST Adaline. Sistem yang dilakukan identifikasi diasumsikan orde satu dengan waktu tunda. Berdasarkan apriori knowledge ini maka dapat dibentuk struktur JST Adaline untuk identifikasi, seperti diperlihatkan pada Gambar 4.

Gambar 4 Struktur JST untuk identifikasi turbin unit satu

Model yang didapatkan berdasarkan fungsi alih, sesuai dengan persamaan (1).

\[H(z) = \frac{-0.027z + 0.045}{z^2 - 1.6z + 0.6}\] (1)

4 Simulasi dan Analisis

4.1 Identifikasi Sistem

Identifikasi akan dilakukan secara offline dengan menggunakan data yang telah diakusisi sebelumnya. Telah diakusisi 2250 data masukan dan keluaran saat PLTA Saguling beroperasi sedang beroperasi. Waktu cacah pengambilan data adalah 0.1 detik.

Proses identifikasi dilakukan dengan menggunakan JST. Sistem diasumsikan orde satu, dan dengan waktu tunda sebesar empat detik. Berdasarkan apriori knowledge ini maka dapat dibentuk struktur JST untuk identifikasi, yang ditunjukkan pada Gambar 5.

Gambar 5 Grafik hasil pembelajaran model NNARX kontrol turbin

Gambar 6 Grafik hasil validasi model NNARX kontrol turbin

Hasil proses identifikasi sistem dapat dilihat pada Tabel 1.

Tabel 1 Hasil Pemodelan Putaran

4.2 Sistem Kontrol

Gambar 7 Aksi sinyal kontrol JST vs Aksi sinyal kontrol manual

Gambar 8 Respon sinyal kontrol JST vs Respon sinyal kontrol manual

Gambar 9 Grafik kesalahan

5 Kesimpulan

Dari pengujian yang dilakukan pada penelitian ini, dapat disimpulkan:

• 1. Telah dihasilkan model untuk sistem turbin dengan satu masukan yaitu bukaan Guide Vane dan satu keluaran yaitu putaran turbin. Hal ini ditunjukkan dengan model persamaan fungsi alih berikut seperti pada persamaan (1)
• 2. Nilai RMSE pemodelan berbasis JST Adaline yang dikembangkan dalam penelitian ini sebesar 0.26%.
• 3. Pengontrol JST Adaline mampu menghilangkan lonjakan maksimum dan kesalahan saat tunak dari laju putaran turbin.

6 Daftar Pustaka

• [1] Arismunandar, W. 2004. Penggerak Mula Turbin. Bandung: Penerbit ITB.
• [2] Anonymous. (2009). Deskripsi Indonesia Power UBP Saguling. (Online). Tersedia: http://www.indonesiapower.co.id [Februari, 2009]
• [3] Zuhal. 1991. Dasar Tenaga Listrik. Bandung: Penerbit ITB.
• [4] Soderstrom, Torsten dan Stoica, Peter. 1989. System Identification . Marylands Avenue: Prentice Hall International (UK) Ltd.
• [5] Sontag, E. D. 1993. Some Topics in Neural Networks and Control, Report Number LS93-02.
• [6] Department of Mathematics : Rutgers University, New Burnswick,
• [7] Anonymous, ADALINE (Jaringan Syaraf Tiruan), Departemen Teknik Elektro, Institut Teknologi Bandung, Bandung, 2005
• [8] Kung, Y.S. 1993. Digital Neural Networks. New Jersey: Prentice-Hall International Editions
• [9] Norgaard, M. O.,Ravn, N.K., Poulsen dan Hansen, L.K.. 2000. Neural Networks for Modelling and Control of Dynamic Sistem. London: Springer-Verlag
• [10]Ogata, K. 2002. Modern Control Engineering 4th edition. New Jersey: Prentice-Hall.