DSMC: Terobosan Evaluasi Keandalan Kabel Bawah Tanah di Era Beban Darurat

Dipublikasikan oleh Ririn Khoiriyah Ardianti

15 Mei 2025, 11.21

pexels.com

Pendahuluan

Dalam dunia kelistrikan modern, jaringan kabel bawah tanah memegang peran penting dalam mendistribusikan daya secara aman dan estetis, terutama di wilayah perkotaan. Namun, sistem ini kerap menghadapi tantangan dalam skenario beban darurat yang memaksa kabel untuk beroperasi melampaui kapasitas normal. Penelitian berjudul "Reliability Evaluation Method for Underground Cables Based on Double Sequence Monte Carlo Simulation" karya Jiaxing Zhang dan kolega hadir sebagai terobosan, menawarkan pendekatan kuantitatif baru yang menggabungkan analisis keandalan, penuaan termal, dan kebijakan operasional berbasis risiko.

Inti Konsep: Simulasi Monte Carlo Dua Lapisan

Metode yang dikembangkan dalam studi ini mengadopsi pendekatan Double Sequence Monte Carlo (DSMC), yang mencakup dua lapisan simulasi utama. Lapisan pertama (inner loop) mensimulasikan kegagalan dan pemulihan kabel akibat beban normal dan darurat, sedangkan lapisan kedua (outer loop) menganalisis efek jangka panjang dari akumulasi beban darurat terhadap umur teknis kabel.

Keunggulan metode ini terletak pada kemampuannya dalam menangani dua jenis risiko utama:

  1. Risiko desain kabel, yang dikontrol oleh parameter α (alpha).
  2. Risiko penuaan akibat beban darurat, dikendalikan oleh β (beta).

Parameter alpha mengukur kualitas awal desain kabel dan kondisi pemasangan, sedangkan beta merepresentasikan sejauh mana operator bersedia menerima degradasi performa kabel akibat paparan berulang terhadap beban lebih.

Mekanisme Kerja Simulasi

Simulasi dilakukan dengan mengacu pada jaringan IEEE 14-bus yang dimodifikasi, melibatkan karakteristik kabel nyata seperti konduktivitas, kedalaman penanaman, resistansi termal tanah, serta toleransi arus dalam berbagai skenario. Dalam tiap iterasi tahunan, sistem menilai:

  • Frekuensi pemadaman,
  • Durasi dan energi tak terlayani,
  • Probabilitas kegagalan kabel,
  • Tingkat keausan termal melalui model Arrhenius.

Melalui proses ini, model DSMC dapat menilai secara detail bagaimana beban darurat—baik jangka pendek (STE) maupun panjang (LTE)—berdampak pada kesehatan kabel, serta bagaimana hal itu menurunkan keandalan sistem distribusi secara keseluruhan.

Temuan Penting

Penelitian ini menemukan bahwa ketika parameter α dan β disetel ke nol—artinya tidak ada risiko tambahan dari desain atau penuaan—penggunaan beban darurat dapat menurunkan energi yang tidak tersalurkan hingga hampir 60% dibandingkan skenario dasar tanpa ER (emergency rating). Hal ini menunjukkan manfaat besar dari peningkatan fleksibilitas operasional.

Namun, ketika nilai α dan β ditingkatkan, manfaat ini mulai menurun. Sebagai contoh, saat α dan β mencapai nilai 30, tingkat kegagalan jaringan meningkat signifikan, sejalan dengan memburuknya kondisi kabel akibat penggunaan darurat berulang. Hal ini memperlihatkan bahwa meskipun strategi ER menjanjikan efisiensi, ia membawa trade-off besar dalam bentuk peningkatan risiko keandalan jangka panjang.

Studi Kasus: Kabel Kritis dan Validasi Dunia Nyata

Dalam uji coba jaringan, kabel-kabel tertentu—seperti C10, C11, dan C13—teridentifikasi sebagai komponen paling rentan. Mereka mengalami peningkatan drastis dalam durasi penggunaan darurat dan laju kegagalan tahunan. Misalnya, kabel C11 yang digunakan dalam beban darurat rata-rata 13,9 jam per tahun, mencatat tambahan satu kali lebih banyak kegagalan per tahun dibandingkan kabel yang tidak mengalami beban darurat.

Untuk memvalidasi akurasi model, penulis membandingkan hasil simulasi dengan data lapangan dari 12 kabel 10 kV di sistem Southern Power Grid, Tiongkok. Hasilnya memperlihatkan bahwa model ini cukup akurat dalam memprediksi probabilitas kegagalan berdasarkan riwayat beban dan usia kabel. Kabel yang tertanam langsung dan beroperasi dalam beban tinggi menunjukkan kecocokan signifikan antara simulasi dan data empiris.

Nilai Tambah dan Implikasi Industri

Model DSMC ini bukan hanya berperan sebagai alat analisis teknis, tetapi juga sebagai panduan strategis bagi operator jaringan. Dengan metrik seperti EDEL (durasi beban darurat) dan EFCF (frekuensi kegagalan kabel), perusahaan listrik dapat menetapkan prioritas pemeliharaan, memperkirakan kebutuhan investasi, serta mengatur jadwal penggantian kabel berdasarkan data risiko aktual, bukan asumsi statis.

Metode ini juga sangat relevan dengan tren industri seperti integrasi energi terbarukan dan urbanisasi cerdas. Dalam sistem kelistrikan modern yang kompleks, fleksibilitas menjadi kunci, namun harus dikompensasi dengan pemantauan cermat terhadap efek jangka panjang pada infrastruktur—dan di sinilah pendekatan DSMC sangat unggul.

Kritik dan Rekomendasi

Meski inovatif, pendekatan ini masih memiliki beberapa keterbatasan:

  • Nilai α dan β masih bersifat asumtif, bergantung pada pengalaman dan data lokal operator. Diperlukan kalibrasi berbasis data lapangan lebih luas.
  • Model belum sepenuhnya mempertimbangkan elemen seperti sambungan kabel dan terminal, yang dalam praktiknya justru sering menjadi titik lemah.

Untuk pengembangan lebih lanjut, penulis menyarankan integrasi dengan data real-time dari sistem monitoring cerdas atau IoT, serta penambahan model tanah yang lebih kompleks—seperti dampak pengeringan tanah terhadap isolasi kabel.

Kesimpulan

Penelitian ini berhasil menawarkan sebuah paradigma baru dalam menilai keandalan jaringan kabel bawah tanah di tengah kebutuhan akan fleksibilitas tinggi. Dengan menggabungkan pendekatan probabilistik, simulasi multi-tahun, dan pertimbangan penuaan termal, metode ini tidak hanya mendeteksi risiko, tetapi juga memberi kerangka kerja yang dapat ditindaklanjuti untuk pengelolaan aset kelistrikan jangka panjang.

Secara keseluruhan, model DSMC memberi solusi konkret atas dilema klasik di dunia kelistrikan: bagaimana meningkatkan fleksibilitas tanpa mengorbankan keandalan.

Sumber

Zhang, J., Wang, B., Ma, H., He, Y., Wang, H., & Zhang, H. (2025). Reliability Evaluation Method for Underground Cables Based on Double Sequence Monte Carlo Simulation. Processes, 13(505). https://doi.org/10.3390/pr13020505