Pendahuluan: Keandalan Sistem Distribusi Listrik sebagai Kebutuhan Vital
Dalam era elektrifikasi yang semakin masif, keandalan sistem distribusi listrik bukan lagi sekadar indikator kinerja teknis, tetapi fondasi dari stabilitas ekonomi dan sosial. Studi berjudul "Historical and Monte Carlo Simulation-Based Reliability Assessment of Power Distribution Systems" oleh Mohammed Wadi dan rekan-rekannya, yang diterbitkan dalam Sigma Journal of Engineering and Natural Sciences (2020), menghadirkan pendekatan terintegrasi antara penilaian historis dan simulasi Monte Carlo (MCS) dalam menilai keandalan jaringan distribusi listrik milik BEDAS di Istanbul, Turki.
BEDAS, sebagai salah satu operator distribusi terbesar di Turki, melayani hampir 5 juta pelanggan. Studi ini berfokus pada empat feeder dalam sistem 34,5 kV milik BEDAS yang membentang antara gardu induk Levent dan Cendere. Tujuannya: mengukur indeks keandalan sistem, menilai perbedaan antara pendekatan historis dan simulatif, serta menawarkan wawasan perbaikan strategis.
Metodologi: Kombinasi Historis dan Simulasi Stokastik
Pendekatan Historis
Penilaian historis dilakukan dengan menganalisis data gangguan sistem dari tahun 2012–2014. Beberapa indeks keandalan utama yang dihitung meliputi:
- SAIFI (frekuensi gangguan rata-rata)
- SAIDI (durasi gangguan rata-rata)
- CAIDI (durasi rata-rata per gangguan)
- ASAI (ketersediaan sistem)
- AENS (energi tak terpasok per pelanggan)
Hasil historis menunjukkan bahwa Feeder 83F5 memiliki performa terburuk dengan SAIFI sebesar 0,4679 (2012) dan SAIDI sebesar 0,4952 jam/pelanggan/tahun. Sebaliknya, Feeder 83F8 terbukti paling andal, dengan SAIFI hanya 0,0305 dan SAIDI 0,0285 di tahun yang sama.
Simulasi Monte Carlo
Metode MCS menggunakan distribusi eksponensial untuk memodelkan waktu antar gangguan (TTF) dan waktu perbaikan (TTR). Dengan ratusan ribu iterasi tahunan, simulasi ini menghasilkan estimasi indeks keandalan berdasarkan kemungkinan acak kegagalan dan perbaikan di seluruh komponen jaringan.
Komponen utama yang dimodelkan meliputi:
- Jalur distribusi 34,5 kV dan 0,4 kV
- Transformator distribusi
- Pemutus sirkuit (CB)
Data input diambil dari histori dan digunakan untuk menghasilkan distribusi probabilitas kegagalan dan waktu pemulihan.
Temuan Penting: Membandingkan Dua Dunia
Hasil Historis vs Hasil MCS:
- SAIFI: 0,165 (historis) vs 0,1163 (MCS)
- SAIDI: 0,168 jam (historis) vs 0,4382 jam (MCS)
- CAIDI: 1,017 jam/gangguan (historis) vs 3,767 (MCS)
- ASAI: 0,999923 (historis) vs 0,999569 (MCS)
- AENS: 0,42 kWh/pelanggan (historis) vs 0,25 (MCS)
Perbedaan signifikan pada CAIDI dijelaskan oleh sensitivitas tinggi terhadap perubahan SAIFI dan SAIDI. Sementara perbedaan pada ASAI dan AENS relatif kecil dan masih dalam batas kewajaran.
Analisis Tambahan dan Studi Kasus: Kenapa Perbedaan Terjadi?
- Durasi Data Historis yang Pendek: Data historis hanya mencakup 3 tahun (2012–2014), di bawah rekomendasi 5–10 tahun untuk membangun distribusi statistik yang valid.
- Asumsi Simulasi: MCS mengasumsikan perangkat proteksi dan saklar berfungsi 100%, yang dalam kenyataan mungkin tidak selalu terjadi.
- Distribusi Beban dan Jarak Feeder: Feeder dengan panjang jalur dan jumlah pelanggan tinggi lebih rentan terhadap gangguan.
Sebagai contoh, Feeder 83F5 yang memiliki SAIFI tertinggi, juga memiliki beban puncak yang signifikan serta jarak jalur yang lebih panjang, memperbesar kemungkinan kegagalan.
Implikasi untuk Industri dan Rekomendasi Praktis
Penelitian ini memberikan sejumlah rekomendasi konkret yang dapat diadopsi operator jaringan listrik:
- Digitalisasi pelaporan gangguan untuk meningkatkan akurasi dan ketepatan data.
- Pelatihan teknisi untuk dokumentasi kegagalan secara sistematis.
- Penggantian saklar manual dengan saklar otomatis untuk mempercepat waktu restorasi.
- Pemasangan insulator anti-burung dan perlindungan anti-tikus pada trafo distribusi.
Dalam konteks global, pendekatan seperti ini sangat relevan untuk kota-kota besar yang menghadapi pertumbuhan beban dan urbanisasi cepat. Jakarta, misalnya, dapat mengadopsi model ini untuk sistem distribusi PLN yang kerap mengalami gangguan saat cuaca ekstrem.
Kritik dan Ruang Pengembangan
Studi ini menunjukkan ketelitian tinggi dalam pengumpulan dan analisis data. Namun, beberapa aspek bisa ditingkatkan:
- Distribusi statistik: Hanya menggunakan distribusi eksponensial, padahal distribusi Weibull atau log-normal bisa memberikan hasil lebih realistis.
- Keterbatasan temporal: Simulasi berbasis data 3 tahun terlalu pendek untuk membangun model yang tahan uji jangka panjang.
- Faktor eksternal: Gangguan akibat cuaca ekstrem atau sabotase tidak dimasukkan ke dalam model.
Kesimpulan: Kombinasi Historis dan Simulatif untuk Keputusan yang Lebih Baik
Menggabungkan penilaian historis dan simulasi Monte Carlo adalah pendekatan yang kuat dalam mengevaluasi keandalan sistem distribusi listrik. Studi kasus BEDAS Istanbul menunjukkan bagaimana metode ini bisa diterapkan secara praktis untuk mengidentifikasi titik lemah jaringan dan merancang solusi peningkatan.
Dengan data yang cukup dan pengembangan model yang lebih matang, metode ini bisa menjadi bagian penting dari strategi perencanaan dan pemeliharaan infrastruktur energi yang lebih cerdas dan tangguh.
Sumber:
Wadi, M., Baysal, M., Shobole, A., & Tur, M. R. Historical and Monte Carlo Simulation-Based Reliability Assessment of Power Distribution Systems. Sigma Journal of Engineering and Natural Sciences, 38(3), 1527–1540, 2020. https://doi.org/10.14744/sigma.2020.00027