Jaringan listrik saat ini semakin kompleks. Jika dahulu listrik umumnya mengalir dari pembangkit besar menuju konsumen, kini energi juga dapat berasal dari berbagai titik, seperti panel surya, turbin angin, baterai penyimpanan energi, hingga pembangkit terdistribusi. Perubahan ini membuat sistem kelistrikan menjadi lebih fleksibel, tetapi sekaligus lebih menantang untuk dioperasikan.
Semakin banyak sumber energi yang terhubung ke jaringan distribusi dapat menyebabkan perubahan arah aliran daya, fluktuasi tegangan, serta kebutuhan pengaturan jaringan yang lebih dinamis. Kondisi beban juga terus berubah sepanjang hari. Pertanyaannya, bagaimana jaringan listrik dapat menyesuaikan diri agar tetap stabil, andal, dan efisien?
Sebuah penelitian berjudul “Leveraging Quantum Swarm Optimization for Voltage Stability Enhancement in Distribution Networks Incorporating Distributed Energy Resources” mencoba menjawab persoalan tersebut dengan menggabungkan Dynamic Distribution Network Reconfiguration (DDNR) dan Quantum Binary Particle Swarm Optimization (QBPSO). Penelitian ini menguji pendekatan tersebut pada jaringan distribusi IEEE 33-bus yang dimodifikasi dengan Photovoltaic (PV), Wind Turbine (WT), Diesel Generator (DG), dan Battery Energy Storage System (BESS).
Mengapa jaringan listrik perlu dikonfigurasi ulang?
Jaringan distribusi memiliki sejumlah sakelar yang dapat membuka atau menutup jalur tertentu. Dengan mengubah posisi sakelar tersebut, jalur aliran listrik di dalam jaringan juga dapat berubah. Prinsipnya mirip dengan mengatur lalu lintas: ketika satu ruas mengalami kepadatan atau gangguan, kendaraan dapat dialihkan melalui jalur lain agar perjalanan tetap lancar.
Dalam sistem tenaga listrik, teknik ini dikenal sebagai Distribution Network Reconfiguration. Jika konfigurasi hanya ditentukan untuk satu kondisi operasi, pendekatan tersebut bersifat statis. Padahal, konsumsi listrik pada pagi hari berbeda dengan malam hari, produksi panel surya berubah mengikuti intensitas matahari, dan keluaran turbin angin bergantung pada kondisi angin.
Karena itu digunakan Dynamic Distribution Network Reconfiguration. Melalui DDNR, konfigurasi jaringan dapat disesuaikan pada interval waktu tertentu berdasarkan perubahan beban, pembangkitan energi terbarukan, maupun kondisi gangguan. Tujuannya adalah menjaga jaringan tetap berada pada kondisi operasi yang baik meskipun kondisi sistem terus berubah.
Kestabilan tegangan menjadi perhatian utama
Salah satu indikator penting dalam jaringan distribusi adalah tegangan. Peralatan listrik dirancang untuk bekerja pada rentang tegangan tertentu. Tegangan yang terlalu rendah atau terlalu tinggi dapat menurunkan kualitas pasokan, meningkatkan rugi-rugi, dan dalam kondisi tertentu mengganggu operasi sistem.
Penelitian ini menggunakan Voltage Stability Index atau VSI untuk mengevaluasi kestabilan tegangan jaringan. Secara sederhana, VSI menunjukkan seberapa aman kondisi tegangan pada suatu bagian jaringan. Selain itu, dihitung pula total deviasi VSI dari kondisi ideal. Semakin kecil nilai deviasi tersebut, semakin baik kestabilan tegangan jaringan secara keseluruhan.
Namun, jaringan yang stabil saja belum cukup. Operasinya juga harus ekonomis. Karena itu, proses optimasi mempertimbangkan biaya operasi yang mencakup biaya pembangkitan, load shedding, operasi switching, serta penalti apabila terjadi pelanggaran batas tegangan atau kapasitas saluran.
QBPSO: mencari konfigurasi jaringan terbaik
Jumlah kombinasi posisi sakelar pada jaringan distribusi dapat menjadi sangat banyak. Mencari seluruh kombinasi satu per satu tentu membutuhkan waktu dan komputasi yang besar. Di sinilah algoritma optimasi digunakan untuk mempercepat pencarian solusi terbaik.
Particle Swarm Optimization atau PSO merupakan algoritma yang terinspirasi dari perilaku kawanan, misalnya sekelompok burung yang mencari lokasi terbaik. Setiap kandidat solusi dianalogikan sebagai sebuah partikel yang bergerak berdasarkan pengalaman terbaiknya sendiri dan informasi solusi terbaik dari kelompok.
Pada penelitian ini digunakan pengembangan PSO yang disebut Quantum Binary Particle Swarm Optimization. Kata binary digunakan karena keputusan konfigurasi jaringan pada dasarnya dapat direpresentasikan sebagai dua kondisi, yaitu sakelar terbuka atau tertutup. Pendekatan quantum-inspired digunakan untuk memperluas kemampuan pencarian sehingga algoritma tidak terlalu cepat berhenti pada solusi lokal.
Setiap konfigurasi yang dihasilkan kemudian diperiksa menggunakan AC Optimal Power Flow (AC-OPF) melalui MATPOWER. Dengan demikian, solusi yang dipilih tidak hanya berdasarkan kombinasi sakelar, tetapi juga harus memenuhi kebutuhan teknis operasi sistem tenaga.
Bagaimana sistem diuji?
Pengujian dilakukan menggunakan modified IEEE 33-bus radial distribution system. Jaringan ini dilengkapi dengan PV, WT, DG, dan BESS sehingga dapat merepresentasikan sistem distribusi modern yang terintegrasi dengan berbagai sumber energi terdistribusi.
Profil beban selama 24 jam digunakan agar perubahan kebutuhan listrik sepanjang hari dapat direpresentasikan. Penelitian juga memberikan gangguan pada salah satu bagian jaringan dengan meningkatkan resistansi saluran sebesar 20% dan reaktansi sebesar 10%. Kondisi tersebut digunakan untuk menggambarkan degradasi jaringan akibat gangguan maupun penuaan infrastruktur.
Apa yang ditemukan?
Hasil simulasi menunjukkan bahwa konfigurasi jaringan menggunakan QBPSO mampu memperbaiki kinerja sistem. Pada kondisi awal, total biaya operasi tercatat sebesar 3.346,47 USD. Setelah penerapan DDNR dengan QBPSO, biaya tersebut turun menjadi sekitar 2.314,11 USD.
Perubahan yang lebih menonjol terlihat pada aspek keandalan. Pada kondisi awal, active load shedding mencapai 429,405 kW. Setelah optimasi dengan QBPSO, nilainya turun menjadi hanya 0,000896 kW. Reactive load shedding juga turun dari 303,300 kVAR menjadi 0,00521 kVAR. Dengan kata lain, kebutuhan pengurangan beban pada skenario simulasi hampir sepenuhnya dapat dieliminasi.
Perbaikan juga terjadi pada kestabilan tegangan. Nilai total ΔVSI turun dari 50,638 menjadi 39,25087. Ketika dibandingkan dengan Binary Particle Swarm Optimization konvensional, biaya operasi QBPSO hampir sama. BPSO menghasilkan biaya sekitar 2.313,89 USD, sedangkan QBPSO sekitar 2.314,11 USD.
Artinya, keunggulan utama QBPSO bukan pada penghematan biaya dibanding BPSO, melainkan pada performa teknis. Nilai ΔVSI dengan BPSO sebesar 39,65633, sedangkan QBPSO menghasilkan 39,25087, disertai load shedding yang lebih kecil. Hasil ini menunjukkan peningkatan kestabilan tegangan dan keandalan jaringan.
Jaringan listrik masa depan harus lebih adaptif
Hasil penelitian ini menunjukkan bahwa integrasi energi terbarukan tidak cukup hanya dengan memasang lebih banyak panel surya, turbin angin, atau baterai. Jaringan listrik juga harus mampu menyesuaikan cara operasinya terhadap perubahan kondisi yang terjadi.
Ketika beban meningkat, produksi energi terbarukan berubah, baterai melakukan pengisian atau pelepasan energi, maupun terjadi gangguan pada saluran, konfigurasi jaringan mungkin perlu diubah agar listrik tetap dapat disalurkan dengan aman. DDNR memungkinkan perubahan konfigurasi tersebut dilakukan secara dinamis, sedangkan algoritma seperti QBPSO membantu menentukan kombinasi sakelar yang memberikan kondisi operasi terbaik.
Tantangan berikutnya
Penelitian ini menggunakan sistem IEEE 33-bus sebagai jaringan pengujian. Kondisi jaringan distribusi sebenarnya tentu dapat jauh lebih kompleks, dengan jumlah bus yang lebih besar, beban tidak seimbang antar-fasa, penetrasi energi terbarukan yang berubah cepat, serta ketidakpastian produksi dan konsumsi energi.
Karena itu, penelitian selanjutnya perlu menguji metode ini pada jaringan yang lebih besar dan lebih realistis. Pengujian statistik juga penting. Penelitian berikutnya diarahkan pada sedikitnya 30 kali pengujian independen, perbandingan dengan lebih banyak algoritma metaheuristik, serta evaluasi pada jaringan distribusi yang lebih besar dan berpotensi tidak seimbang.
Penutup
Perkembangan energi terbarukan membuat jaringan distribusi listrik semakin dinamis. Jaringan masa depan tidak hanya membutuhkan pembangkit yang lebih bersih, tetapi juga sistem operasi yang mampu beradaptasi secara cepat terhadap perubahan kondisi.
Penelitian ini menunjukkan bahwa kombinasi Dynamic Distribution Network Reconfiguration, AC Optimal Power Flow, dan Quantum Binary Particle Swarm Optimization dapat digunakan untuk mencari konfigurasi jaringan yang lebih stabil dan andal. Hasil simulasi memperlihatkan bahwa load shedding dapat hampir dihilangkan, kestabilan tegangan meningkat, dan biaya operasi tetap dapat ditekan.
Dengan pendekatan seperti ini, jaringan listrik masa depan dapat berkembang dari sistem yang hanya menyalurkan energi menjadi smart grid yang mampu menyesuaikan konfigurasi operasinya berdasarkan kondisi jaringan.
PENULIS: Aji Akbar Firdaus
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://doi.org/10.48084/etasr.15577
Putra, D. F. U., Firdaus, A. A., Wibowo, R. S., Ariyani, N. K., & Kusuma, V. A. (2026). Leveraging Quantum Swarm Optimization for Voltage Stability Enhancement in Distribution Networks Incorporating Distributed Energy Resources. Engineering, Technology & Applied Science Research, 16(2), 33058–33064. https://doi.org/10.48084/etasr.15577
