Pendahuluan
Di tengah transisi global menuju energi bersih, integrasi pembangkit listrik tenaga angin ke dalam jaringan listrik menjadi perhatian utama. Meski ramah lingkungan, variabilitas output angin menimbulkan tantangan besar terhadap keandalan sistem tenaga listrik. Untuk itu, penyimpanan energi (energy storage system/ESS) hadir sebagai solusi penyangga. Namun, bagaimana mengukur keandalan sistem kompleks yang menggabungkan sumber daya fluktuatif ini?
Dalam paper “Multi-Angle Reliability Evaluation of Grid-Connected Wind Farms with Energy Storage Based on Latin Hypercube Important Sampling” (Yang et al., 2023), penulis memperkenalkan pendekatan baru yang memadukan dua metode statistik—Latin Hypercube Sampling (LHS) dan Importance Sampling (IS)—ke dalam satu metode evaluasi yang disebut Latin Hypercube Important Sampling (LHIS). Metode ini diklaim meningkatkan akurasi sekaligus efisiensi waktu evaluasi keandalan sistem tenaga listrik berbasis angin dan penyimpanan energi.
Mengapa LHIS Penting?
Evaluasi keandalan jaringan tenaga listrik tradisional cenderung menggunakan metode analitik. Namun, meningkatnya kompleksitas sistem akibat integrasi energi terbarukan mendorong penggunaan metode simulasi berbasis Monte Carlo. Meskipun akurat, metode Monte Carlo klasik memerlukan waktu komputasi yang tinggi karena ukuran sampel yang besar.
LHIS hadir sebagai solusi dengan memadukan:
- LHS: meningkatkan keterwakilan sampel melalui stratifikasi.
- IS: menurunkan varian estimasi dengan mengoptimalkan distribusi probabilitas.
Kombinasi ini bertujuan untuk menghasilkan estimasi keandalan yang lebih cepat dan akurat dengan jumlah sampel lebih sedikit.
Model dan Pendekatan Evaluasi
Model Output Wind Farm
Paper ini menggunakan distribusi Weibull untuk memodelkan variasi kecepatan angin—suatu pendekatan umum dalam studi energi angin karena kemampuannya menangkap karakteristik statistik kecepatan angin di lokasi nyata. Output daya turbin dihitung berdasarkan hubungan kecepatan angin terhadap batas minimum (cut-in), kecepatan nominal (rated), dan maksimum (cut-out).
Strategi Charge-Discharge ESS
Dua strategi disimulasikan:
- Strategi 1: ESS mengisi daya saat kelebihan daya dari turbin angin dan mengosongkan daya saat defisit daya.
- Strategi 2: ESS hanya mengosongkan daya jika daya gabungan turbin dan pembangkit konvensional masih tidak mencukupi.
Analisis menunjukkan bahwa strategi 2 memberikan reliabilitas lebih tinggi karena ESS lebih siap saat kondisi kritis.
Evaluasi Keandalan Multi-Sudut
Penulis mengusulkan dua indikator utama:
- RCRI (Risk-Cost Reliability Index): mencakup risiko pemotongan beban, kelebihan daya di saluran, dan deviasi tegangan.
- WSGIEB (Wind Storage Generation Interrupted Energy Benefit): mengukur kontribusi tambahan reliabilitas setelah integrasi ESS.
Analisis Simulasi dan Temuan Penting
Performa Metode LHIS Dibandingkan dengan Lainnya
Menggunakan sistem uji IEEE-RTS79, LHIS dibandingkan dengan metode LHS dan IM-IS. Hasilnya:
- Kecepatan Evaluasi:
- LHIS: 5–6 detik
- LHS: 9–10 detik
- IM-IS: 11–12 detik
- Akurasi Evaluasi (standar deviasi & ekspektasi):
- LHIS mempertahankan error <3%
- LHS & IM-IS memiliki error >4% pada skenario kompleks
Artinya, LHIS 47% lebih cepat dan 33% lebih akurat dibanding metode IM-IS.
Insight tambahan: Dalam sistem tenaga modern yang mendekati 60% energi terbarukan (high permeability), efisiensi metode evaluasi seperti LHIS menjadi krusial agar tidak membebani pusat kontrol atau sistem manajemen energi real-time.
Studi Kasus: Node Kritis dan Kapasitas Optimal
1. Lokasi Koneksi Wind Farm dan ESS
Node 15 terbukti sebagai titik optimal—RCRI-nya mendekati level risiko yang bisa diabaikan, sementara WSGIEB menunjukkan peningkatan nyata pada keandalan. Sebaliknya, Node 2 dan Node 18 justru meningkatkan risiko dan menghasilkan WSGIEB negatif.
Komentar praktis: Temuan ini penting bagi operator sistem (TSO) yang mempertimbangkan integrasi energi terbarukan berbasis lokasi.
2. Kapasitas Wind Farm yang Efisien
Dengan ESS sebesar 350 MW:
- Peningkatan kapasitas turbin angin dari 100 MW → 500 MW meningkatkan WSGIEB.
- Melebihi 500 MW justru menurunkan WSGIEB dan meningkatkan RCRI.
Implikasi industri: Over-penyediaan energi terbarukan tanpa mempertimbangkan kapasitas penyimpanan menghasilkan “penurunan marjinal” reliabilitas—menunjukkan pentingnya keseimbangan kapasitas.
3. Kapasitas ESS yang Efektif
Dengan kapasitas turbin angin tetap di 450 MW:
- Penambahan ESS hingga 400 MW meningkatkan reliabilitas.
- Di atas 400 MW, RCRI tidak banyak berubah, WSGIEB malah sedikit turun.
Kesimpulan strategis: Terdapat titik jenuh kapasitas ESS, di mana peningkatan tidak sebanding dengan manfaat keandalan tambahan.
Kritik & Perbandingan
Kelebihan Utama Paper:
- Pendekatan LHIS sangat relevan untuk sistem tenaga terbarukan modern.
- Evaluasi dilakukan secara multi-angle, mempertimbangkan tidak hanya kemungkinan kegagalan tetapi juga severity dampaknya.
- Indeks RCRI dan WSGIEB memberikan perspektif menyeluruh (kuantitatif dan kualitas dampak).
Kekurangan Potensial:
- Belum banyak studi validasi di sistem tenaga aktual (real-world grid).
- Sensitivitas hasil terhadap perubahan parameter cuaca ekstrem belum dieksplorasi secara mendalam.
Dibandingkan Penelitian Sebelumnya:
Penelitian oleh Tómasson et al. (2018) dan Cai et al. (2019) fokus pada IS dan optimisasi distribusi probabilitas. Namun mereka tidak menggabungkan pendekatan stratifikasi dan optimalisasi distribusi secara simultan. Pendekatan LHIS menjadi keunggulan kompetitif dalam konteks ini.
Dampak Praktis dan Masa Depan
Penelitian ini sangat aplikatif bagi:
- Operator jaringan listrik untuk menyusun strategi penyebaran ESS dan wind farm.
- Perencana energi nasional dalam merancang Rencana Usaha Penyediaan Tenaga Listrik (RUPTL) yang mempertimbangkan aspek keandalan, bukan hanya kapasitas.
- Pengembang sistem SCADA/EMS untuk mengintegrasikan metode LHIS ke sistem prediktif.
Saran untuk Studi Lanjutan:
- Validasi LHIS pada sistem riil seperti jaringan provinsi atau microgrid.
- Penggabungan dengan pembelajaran mesin (AI) untuk prediksi kondisi operasional masa depan.
- Evaluasi skenario multi-hazard seperti angin ekstrem dan beban puncak bersamaan.
Kesimpulan
Dengan LHIS, evaluasi keandalan sistem tenaga berbasis angin dan penyimpanan energi bisa dilakukan secara lebih cepat, akurat, dan holistik. Paper ini memberikan kontribusi penting terhadap pengembangan metode evaluasi modern di era transisi energi. Pendekatan multi-sudut dan indikator kustom menjadikan penelitian ini sangat relevan untuk menjawab tantangan sistem tenaga masa depan yang penuh ketidakpastian.
Sumber:
Yang, W., Zhang, Y., Wang, Y., Liang, K., Zhao, H., & Yang, A. (2023). Multi-Angle Reliability Evaluation of Grid-Connected Wind Farms with Energy Storage Based on Latin Hypercube Important Sampling. Energies, 16(18), 6427. https://doi.org/10.3390/en16186427