Hasil Pencarian  ::  Simpan CSV :: Kembali

"Manajemen usaha penyediaan tenaga listrik merupakan hal yang kompleks. Salah satu hal yang penting dalam manajemen penyediaan tenaga listrik, khususnya dalam perencanaan adalah peramalan tenaga listrik di masa yang akan datang. Peramalan (forecasting) adalah suatu kegiatan atau usaha untuk memprediksi kondisi di masa yang akan datang dengan bantuan model untuk merepresentasikannya. Dalam membuat peramalan, keakuratan merupakan kriteria utama dalam menentukan metode peramalan. Dalam penelitian ini metode algoritma genetik digunakan untuk membuat peramalan beban tenaga listrik. Algoritma Genetik adalah algoritma pencarian yang meniru mekanisme evolusi dan genetik alam. Dalam proses peramalan, dilakukan optimasi parameter-parameter model dengan meminimalkan nilai mean square error (mse). Model peramalan yang dikembangkan dengan algoritma genetik dapat mendekati model sebenarnya. Parameter optimal model peramalan jangka panjang adalah A= 1.558, B1= 0.642, B2= 1.188, B3= -0.437, B4= -0.378, B5= -0.484, dan B6= 0.848, sedangkan untuk jangka menengah adalah adalah α= 0.6383 ,β=0, dan γ=0.8289. Laju pertumbuhan beban rata-rata hasil ramalan jangka panjang tahun 2008-2017 sekitar 6.9%. Peramalan beban jangka menengah memberikan hasil yang lebh baik jika dibandingkan dengan peramalan dari PLN P3B Jawa-Bali dengan jumlah selisih eror sebesar 0.44%.

---

Managing electricity energy supply is a complex task. The most important part of electricity supply management, particularly in utility planning is forecasting of the future electricity load. Forecasting is a process to predict future conditions usually achieved by constructing models on relative information and some assumptions. In making a electricity forecasting, accuracy is the primary criteria in selecting forecasting methods.

In this research, a genetic algorithm approach is proposed to build electricity load forecasting. Genetic algorithms are global search methods that mimic the methapor of natural evolution and genetic. Parameter optimization process have done by minimize mean square error (mse).

Load forecasting model using genetic algorithm gives model which is almost the same with actual data. Optimal parameters for long term model are: A= 1.558, B1= 0.642, B2= 1.188, B3= -0.437, B4= -0.378, B5= -0.484, dan B6= 0.848, for medium term model are: α= 0.6383 ,β=0, dan γ=0.8289. Annual growth rate for 2008-2017 using genetic algorithm model is about 6.9%. Medium term forecasting using genetic algorithm gives better result than PLN P3B Java-Bali forecasting with sum error difference about 0.44%."

"Pola beban sistem tenaga listrik yaitu pola permintaan beban puncak dan kurva lama beban (KLB) sangat berpengaruh dalam perencanaan pengembangan sistem pembangkitan jangka panjang. Pola beban tersebut mempengaruhi: nilai total biaya kumulanf pengembangan sxstem koniigurasn optnmum vanabel kandidat pembangkit, total tambahan kapasitas pembangkit terpasang, Jumlah energi yang diproduksi dan keandalan sistem (indeks LOLP (Loss Of Load Probability) & ENS (Energy Not Served)). Beberapa model telah digunakan untuk peramalan permintaan beban puncak dan untuk merepresentasikan KLB. KLB merupakan parameter yang sangat penting untuk analisis sistem ketenagalistrikan seperti estimasi biaya operasi sistem pembangkitan prediksi jumlah energi yang diproduksi dan untuk perhitungan tingkat keandalan. Dalam disertasi ini telah dikembangkan model peramalan beban puncak jangka panjang dan model KLB dengan menggunakan metode Jaringan Syaraf Tiruan (JST). Model yang dikembangkan mampu melakukan komputasi secara paralel melalul pembelajaran dari pola pola yang diajarkan sehingga mampu menemukan hubungan non-linear antara beban dan faktor-faktor ekonomi populasi, konsumsi energi listrik dan faktor faktor Iainnya serta dapat melakukan penyesuaian terhadap perubahan-perubahan yang terjadi. Model tersebut diaplikasikan pada sistem ketenagalistrikan Jawa-Madura-Bali (Jamali) dan hasil output peramalan beban puncak dan KLB nya digunakan sebagai masukan dalam optimasi perencanaan pengembangan sistem pembangkltan dengan program WASP (Wien Automatic System Planning). Selanjutnya dilakukan analisis keandalan sistem berdasarkan hasil optimasi. Untuk mengetahui keakuratan model yang dikembangkan maka output hasil dan model yang dikembangkan dibandingkan dengan model lain. Hasil ramalan beban puncak pada tahun 2025 dengan metode JST tidak berbeda jauh dengan model ekonometrik Simple E yang digunakan untuk Rencana Umum Ketenagalistrikan Nasional (Simple E-RUKN) yaitu masing-masing sebesar 57.030 MW dan 59.107 MW (perbedaannya sekitar 3,58%). Berdasarkan metode JST, laju pertumbuhan beban tahunan rata-rata sekitar 7,1 % selama periode tahun studi 2006-2025, sementara itu menurut Simple E-RUKN laju pertumbuhan diperkirakan sekitar 7,3%per tahun. Representasi pola model KLB-RJST yang dikembangkan lebih mendekati pola KLB-Aktual, dibandingkan dengan pola model KLB-Synder. Berdasarkan hasil analisis keandalan dalam optimasi perencanaan pengembangan sistem pembangkitan diperoleh kesimpulan bahwa perbedaan hasil perhitungan keandalan antara model KLB-JST dibandingkan pola KLB-Aktul mempunyai perbedaan yang relatif kecil (sekitar 0,94% untuk perbedaan LOLP dan 4,44% untuk perbedaan ENS). Untuk model proyeksi KLB berdasarkan metode JST, hasilnya cukup bagus.

---

Load pattern on the electricity system (i. e. demand pattern of peak load and load duration curve (LDC)) has an effect on the long term generating system expansion planning The load pattern affects of' cumulative total cost value of system development, optimum configuration of generating candidate variable, total addition of generating installed capacity amount of energy produced and system realibility (index of LOLP (Loss Of Load Probability) & ENS (Energy Not Served)) Several models have been used to forecast peak load demand and to express LDC An LDC is one of the most important parameters to analyze the electric power systems. It is used in estimating the operating cost of a power system predicting the amount of energy delivered by each unit, and calculating reliability measures. In this dissertation an intelligence model to forecast long-load and to express LDC using Artificial Neural Networks (ANN) method has been developed The model has ability to conduct parallel computing through training from taught patterns so that it is able to find non-linear relations between load economic thetors population electric energy consumption and other factors. The model can also conduct adjustment in response to any changes that happenes. The model is applied on the Jawa Madura Bali (Jamali) electricity system and the output result of the forecasted peak load and its LDC are used as input on the optimazation of expansion planning for electrical generating system using WASP (Wien Automatic System Planning) program. Hercinafter the system reliability is analyzed based on the optimization result. The developed model output is compared to other model output to verify the accuracy. The result of the forecasted peak load in 2025 by ANN method does not differ far from that of Simple E model used National Electricity General Planning (Simple E-NEGP) of which 57.030 MW and 59.107 MW respectively(its difference about 3,58%) Based in the ANN model, mean annual load growth rate is about 7,1% during study period of 2006-2025, meanwhile according to Simple E-NEGP, the growth rate is estimated about 7,3 % per year. The develop LDC model based on ANN approximates the actual-LDC, if compared to LDC model based on the Synder. Based on the reliability analysis on the optimization of generating system expansion planning, the reliability calculation result by LDC-ANN model is almost similar to LDC-Actual model (differs about 0,94% or LOLP and about 4,44% for ENS). Meanwhile for LDC projection based on ANN, the result is fine."

"Tarif dinamis saat ini telah menjadi tren di negara-negara maju khususnya di bidang ketenagalistrikan. Tarif tetap (flat tariff) pada konsumen listrik menyebabkan kurang optimalnya biaya penyediaan listrik. Di Indonesia kelompok konsumen tertinggi kedua setelah industri adalah rumah tangga yaitu sebesar 37,6 % dari konsumsi total energi listrik. Sehingga secara alamiah kurva beban cenderung mendekati kurva kebutuhan rumah tangga. Pada sistem Jawa Madura Bali, beban puncak pelanggan rumah tangga terjadi pada saat yang sama dengan beban puncak pada sistem. Sehingga jika terjadi load shifting pada beban rumah tangga akan mempunyai dampak yang besar bagi sistem. Beban puncak dipikul oleh pembangkit dengan biaya operasional yang mahal. Dengan adanya pengurangan beban puncak diharapkan terjadi efisiensi sistem yang signifikan. Tesis ini mengembangan metode penentuan skema kombinasi tarif dinamis TOU (Time Of Use) dan CPP (Critical Peak Pricing) dengan berdasarkan revenue neutrality. Skema tersebut disimulasikan pada pelanggan rumah tangga di sistem Jawa Madura Bali. Dari beberapa skenario, hasil penerapan skema ini menunjukkan peningkatan efisiensi biaya pokok penyediaan listrik secara total di sistem Jawa Madura Bali.

---

The current dynamic tariff has become a trend in developed countries, especially in the electricity sector. Flat tariffs on electricity consumers cause the cost of electricity to be less optimal. In Indonesia, the second highest consumer group after industry is household, which is 37,6 % of total electricity consumption. So naturally the load curve tends to approach the curve of household needs. In the Java Madura Bali system, the peak load of a household customer occurs at the same time as the peak load on the system. If any load shifting of the electricity consumption of the household is happen it will have a big impact on the system. The peak load is borne by the power plant with expensive operational costs. With the reduction of peak load, significant system efficiency is expected. This thesis develope a method of determination of a dynamic tariff combination scheme, TOU (Time Of Use) and CPP (Critical Peak Pricing) with revenue neutrality. The scheme is simulated to household customers in the Java Bali Madura system. From several scenarios, the results of the implementation of this scheme show increasing of the total cost efficiency of electricity supply in the Java Madura Bali system."

"Pemerintah Indonesia menargetkan dapat mencapai Net-Zero Emission (NZE) di sektor energi pada tahun 2060 atau lebih cepat dengan mengoptimalkan pemanfaatan sumber daya energi baru dan terbarukan (EBT), terutama yang berasal dari variable renewable energy (VRE). Kondisi sistem tenaga listrik Jawa, Madura, Bali (Jamali) yang saat ini masih didominasi oleh pembangkit listrik berbasis fosil telah memberikan tantangan dalam upaya transisi ke energi bersih. Di samping itu, karakteristik intermittency yang dimiliki oleh pembangkit VRE berpotensi meningkatkan ketidakpastian di sisi pasokan energi dan tekanan pada pengoperasian pembangkit termal. Salah satu solusi untuk mengatasi kendala intermittency dari pembangkit VRE adalah sistem Jamali harus dibuat fleksibel. Pada penelitian ini, dilakukan analisis terhadap fleksibilitas sistem Jamali untuk tahun 2030, 2040, dan 2050 dengan bantuan perangkat lunak IRENA Flextool, dengan tujuan mengevaluasi kemampuan sistem JAMALI dalam mengakomodasi integrasi pembangkit VRE yang masif di tahun 2030, 2040, dan 2050. Perangkat lunak beroperasi dengan prinsip economic load dispatch untuk memperoleh kondisi generation dispatch yang optimum dengan biaya operasi semurah mungkin. Dari hasil analisis, sistem Jamali tahun 2030 diperkirakan memiliki kemampuan fleksibilitas yang memadai untuk mengakomodasi integrasi VRE dengan presentase sebesar 5%. Sistem Jamali tahun 2040 juga diperkirakan memiliki kemampuan fleksibilitas yang cukup memadai untuk mengakomodasi integrasi VRE sebesar 36,97% dari total kapasitas terpasang pembangkit di tahun tersebut. Sedangkan sistem Jamali tahun 2050 diperkirakan memiliki kemampuan fleksibilitas yang tidak memadai untuk mengakomodasi integrasi VRE sebesar 51,95%. Hal ini disebabkan pada tahun 2050, sistem mengalami kehilangan beban sebesar 109,79 TWh dan pembatasan kapasitas VRE sebesar 706,69 MW.

---

The integration of variable renewable energy (VRE) into the JAMALI power system, characterized by intermittency and high uncertainty, has the potential to disrupt reliability and increase the operational complexity of the power system. These challenges can be mitigated if the power systems possess adequate flexibility. An analysis of the flexibility of the JAMALI power system is carried out to assess power system flexibility due to the increasing share of VRE in the JAMALI power system, phased as follows 5% in 2030, 37% in 2040, and 52% in 2050. The analysis is performed with the assistance of the IRENA FlexTool, running on the principle of economic dispatch. Based on the analysis results, it is observed that the greater the share of VRE in the JAMALI power system the lower the power system’s flexibility. This is evidenced by a VRE curtailment of 706.62 MW and a loss of load of 109.79 TWh in the JAMALI power system in 2050."

"Penelitian tesis ini mengusulkan metode data mining untuk peramalan beban listrik jangka pendek dengan menggunakan kombinasi wavelet transform dan algoritma group method of data handling (WGMDH). Wavelet transform digunakan untuk mendekomposisi dan menganalisis sinyal beban listrik yang memiliki tren dan berfungsi sebagai proses penyaringan untuk meningkatkan kualitas data sebelum dilakukan peramalan menggunakan GMDH. Metode diuji pada data beban listrik yang terdapat pada sistem ketenagalistrikan Sumatera. Kinerja metode yang diusulkan dibandingkan dengan metode GMDH tanpa kombinasi wavelet dan metode koefisien. Metode yang diusulkan dapat memperbaiki akurasi peramalan beban listrik jangka pendek dibandingkan dengan model GMDH tanpa wavelet dan metode koefisien, yaitu menghasilkan MAPE lebih kecil dari 2%.

---

This thesis proposes a method of data mining for short-term load forecasting using a combination of wavelet transform and group methods of data handling (WGMDH). The wavelet transform is used to decompose, analyze and filter the signals trend of the electrical load to generate electricity load data into a higher quality before forecasting using GMDH. The proposed method is tested on the datasets of the power system of Sumatera. The performance of the proposed method compared with the GMDH method without the combination of wavelet transform and coefficient method. The proposed method can improve the accuracy in short-term load forecasting rather than GMDH without wavelet and coefficient method, the MAPE result is less than 2%."

"Ratifikasi United Nation Framework Convention on Climate Change (UNFCCC) dan Protokol Kyoto oleh Pemerintah Indonesia melalui Undang-Undang Nomor 6/1994 dan Undang-Undang Nomor 17/2004 memberikan peluang bagi Indonesia untuk dapat berpartisipasi dalam upaya dunia mengatasi masalah perubahan iklim akibat pemanasan global. Perwujudan dari partisipasi tersebut antara lain dengan terlibat dalam Clean Development Mechanism (CDM) di sektor energi melalui pengembangan pembangkit listrik tenaga panas bumi (PLTP) di sistem ketenagalistrikan Jawa-Madura-Bali (JAMALI). Tulisan ini menentukan kelayakan suatu PLTP untuk dijadikan proyek CDM dengan membandingkan IRR dari suatu PLTP dengan MARR-nya. Hasil analisis pada tulisan ini menghasilkan kesimpulan bahwa PLTP yang paling layak dikembangkan adalah PLTP Salak Tahap I dengan kapasitas 165 MW.

---

Ratification of UNFCCC and Kyoto Protocol by the Government of Indonesia trough Law Number 6/1994 and Law Number 17/2004 give the opportunity to Indonesia to participate with the world effort in solving the climate change problems caused by global warming. The form of that participation is by being involved on the Clean Development Mechanism (CDM) in energy sector trough the development of geothermal power plant in Jawa-Madura-Bali (JAMALI) power system. This writing determines the feasibility of geothermal power plant to be proposed as a CDM project by compare its IRR and MARR. The analysis resulted that Salak Phase I geothermal power plant is the most feasible to develop."

"Seiring bertambahnya jumlah pelanggan listrik di Indonesia menjadikan persentase kerugian dari susut non-teknis pada Perusahaan Listrik Negara (PLN) semakin besar tiap tahunnya yang menyebabkan berkurangnya keuntungan. Berbagai upaya telah dilakukan oleh PLN dengan membentuk tim Penertiban Pemakaian Tenaga Listrik (P2TL) berdasarkan informasi indikasi pencurian dan kelainan maupun pemilihan manual pada pelanggan pascabayar. Namun upaya yang dilakukan PLN sejauh ini masih belum efektif dalam penentuan Target Operasi (TO) karena membutuhkan waktu yang lama dengan hasil akurasi yang kecil. Tujuan dari penelitian ini adalah untuk menganalisis efektivitas dari data pemakaian listrik (kWh) pelanggan dalam pemodelan machine learning menggunakan algoritma Extreme Gradient Boosting (XGBoost) menggunakan metode feature engineering dan hyperparameter tuning. Hasil dari penelitian ini membuktikan bahwa penggunaan riwayat pemakaian listrik efektif dalam pemodelan hingga tingkat akurasi mencapai 80% pada penggunaan data jam nyala dan 82% pada penggunaan data gabungan jam nyala dengan metode statistik dan bantuan hyperparameter tuning. Dengan hasil ini dapat membantu PLN untuk menentukan TO pada pelanggan pascabayar dengan lebih mudah dan efisien menggunakan teknologi machine learning.

---

As the number of electricity customers in Indonesia increases, the percentage of non-technical losses in PLN (Perusahaan Listrik Negara) has been growing every year, leading to a decrease in profits. Various efforts have been made by PLN through the establishment of the Penertiban Pemakaian Tenaga Listrik (P2TL) team based on indications of theft or abnormalities and manual selection of postpaid customers. However, PLN's efforts so far have been ineffective in determining the Operational Target (TO) due to the long time required and low accuracy. The aim of this research is to analyze the effectiveness of customer electricity usage data (kWh) in machine learning modeling using the Extreme Gradient Boosting (XGBoost) algorithm with feature engineering and hyperparameter tuning methods. The results of this study demonstrate that the use of electricity usage history is effective in modeling, achieving an accuracy rate of 80% when using on/off hours data and 82% when using a combination of on/off hours data with statistical methods and the assistance of hyperparameter tuning. These findings can assist PLN in determining the TO for postpaid customers more easily and efficiently using machine learning technology."

"Ketidakadilan dalam menyediakan tarif listrik dengan metode tarif flat listrik saat ini mendorong keinginan untuk mengubah pola desain skenario tarif, yaitu penetapan harga dinamis. Harga dinamis telah diuji di beberapa negara barat dengan berbagai jenis skenario. Namun, untuk Indonesia sendiri, penetapan harga dinamis belum familiar di sektor listrik. Berangkat dari masalah tarif untuk penyediaan biaya dasar pembangkit yang bervariasi setiap waktu dan pola penggunaan beban listrik, skenario penetapan harga dinamis dirancang sedemikian rupa sehingga sesuai dengan karakteristik di Indonesia. Dalam studi ini, kita akan membahas rancangan skenario penetapan harga dinamis berdasarkan beban rumah tangga dan generator di Java Madura Bali System. Desain skenario tarif yang digunakan adalah kombinasi dari Critical Peak Pricing (CPP) dan Time-of-Use (TOU), di mana CPP hanya berlaku dalam 132 jam selama satu tahun tergantung pada penggunaan PLTG sedangkan untuk hari lain skenario TOU akan digunakan dengan jadwal puncak dan di luar puncak ditentukan berdasarkan karakteristik beban perumahan. Setelah skenario desain penetapan harga dinamis, maka dicoba untuk disuntikkan ke dalam biaya real estat untuk menganalisis perbandingan biaya listrik ketika menggunakan tarif tetap dan penetapan harga dinamis dan pengurangan penggunaan beban pada waktu puncak dan dampak dari pengurangan konsumsi listrik di tanaman di sistem Jawa Madura Bali.

---

The injustice in providing electricity rates with the current flat electricity tariff method encourages the desire to change the design pattern of tariff scenarios, namely dynamic pricing. Dynamic pricing has been tested in several western countries with various types of scenarios. However, for Indonesia itself, dynamic pricing is not yet familiar in the electricity sector. Departing from the problem of tariffs for supply of basic costs of plants that vary each time and usage patterns of electric loads dynamic pricing scenarios are designed in such a way that they match the characteristics in Indonesia.

In this study, we will discuss the design of dynamic pricing scenarios based on household and generator loads in the Java Madura Bali System. The tariff scenario design used is a combination of Critical Peak Pricing (CPP) and Time-of-Use (TOU), where CPP is only valid in 132 hours for one year depending on the use of PLTG while for other days the TOU scenario will be used with peak schedules and off-peak is determined based on the characteristics of the housing load.

After the scenario design dynamic pricing is made, then it is attempted to be injected into real estate costs to analyze the comparison of electricity costs when using flat tariffs and dynamic pricing and reduction in load usage at peak times and the impact of reducing electricity consumption in plants in the Java Madura Bali system."

"Dalam perencanaan operasi harian, diperlukan perkiraan beban beberapa waktu kedepan sebagai dasar penentuan strategi pembangkit. Saat ini belum dibentuk suatu model matematis yang dapat digunakan untuk melakukan perkiraan beban listrik secara akurat. Untuk itu pada penelitian kali ini akan disusun model matematis yang dapat melakukan peramalan beban secara akurat. Metode yang digunakan pada penelitian ini untuk melakukan peramalan beban listrik di Jawa-Bali adalah dengan menggunakan Feed Forward Neural Networks dan Bayesian Neural Networks. Hasil dari pengolahan data yang telah dilakukan diperoleh hasil bahwa peramalan dengan Feed Forward Neural Networks memberikan hasil peramalan yang lebih baik untuk rentang waktu 1 minggu kedepan, sedangkan untuk melakukan ramalan 1 ? 2 hari kedepan Bayesian Neural Networks memberikan hasil yang lebih akurat.

---

In the daily operations planning, required load estimates as a basis for determining the generating strategy. Currently a mathematical model that can be used to perform accurately estimate the electric load has not been established. Therefore in the present study will be developed a mathematical model that can perform load forecasting accurately. The method used in this study to to forecast electricity load in Java-Bali is by using Feed Forward Neural Networks and Bayesian Neural Networks. The results shows forecasting with Feed Forward Neural Networks provide better forecasting results for a span of 1 week ahead, while to do a forecast 1-2 days ahead of Bayesian Neural Networks provide more accurate results."

"Sistem Jawa Madura Bali adalah sistem interkoneksi terbesar di Indonesia yang memiliki pangsa pasar energi listrik di kisaran 70% dari total pasar energi listrik di Indonesia, penjualan listrik meningkat dari 125,49 Tera Watt Hour pada semester I tahun 2021 menjadi 133,87 Tera Watt Hour pada semester I tahun 2022, untuk menjaga neraca daya dan mendukung tumbuhnya konsumsi energi listrik terdapat penambahan pembangkit. Pembangkit listrik tersebar sesuai dengan Rencana Usaha Penyediaan Tenaga Listrik (RUPTL). Penelitian bertujuan mengantisipasi kenaikan short curcuit level baik satu fasa ke tanah maupun tiga fasa yang terukur di Gardu Induk Tegangan Ekstra Tinggi sebagai dampak masuknya pembangkit - pembangkit tenaga listrik, agar angka short circuit level tersebut dibawah 40 kilo Ampere sesuai dengan standar rating peralatan tegangan ekstra tinggi sehingga dapat menghindarkan PT. PLN (Persero) untuk mengganti semua peralatan di sistem transmisi 500 kilo Volt di Jawa Madura dan Bali yang dapat berdampak besar pada keuangan perusahaan. Penelitian ini memodelkan sistem eksisting dengan aplikasi Digsilent, kemudian memetakan kontingensi N-1 dan perhitungan short circuit level satu fasa ke tanah dan 3 fasa setelah masuknya pembangkit listrik tersebar di sistem Jawa Madura Bali dalam periode tahun 2023 sampai dengan 2028 dengan hasil akhir mendapatkan jenis fault current limmiter dan lokasi optimal pemasangannya. Pemasangan fault current limiter diharapkan dapat menurunkan 5% angka short circuit level 3 Fasa dan 1 Fasa ke tanah sehingga tidak diperlukan penggantian peralatan transmisi dan gardu induk dengan rating 40 kA dan sistem 500 kV Jawa Madura Bali dapat beroperasi dengan andal saat masuknya pembangkit listrik tersebar di sistem Jawa Madura Bali. Dengan mengacu pada kondisi sistem saat ini dan rencana proyeksi sistem berdasarkan RUPTL, dari hasil simulasi pemasangan FCL statis pada tahun 2024 pada ruas SUTET tersebar diperoleh hasil penurunan short circuit level pada beberapa GITET. Pada GITET Gandul, Saguling, dan Cirata penurunan arus hubung singkat bahkan melewati batas nilai breaking capacity peralatan terkecil. Sehingga dengan penurunan tersebut, akan diperoleh penghematan sebesar Rp 72.842.032.302 apabila dibandingkan dengan biaya uprating peralatan pada 3 GITET tersebut. Simulasi pada tahun 2028 dengan pemasangan 5 FCL tersebar menunjukkan bahwa terdapat penurunan arus hubung singkat pada GITET Priok dan Jawa 7 di bawah 40 kA, namun tidak terdapat penghematan apabila dibandingan dengan biaya uprating peralatan di 2 GITET tersebut.

---

The Java Madura Bali system is the largest interconnection system in Indonesia which has a market share of electrical energy in the range of 70% of the total electrical energy market in Indonesia, electricity sales increased from 125.49 Tera Watt Hour in the first semester of 2021 to 133.87 Tera Watt Hour in the first semester of 2022, to maintain the power balance and support the growth of electrical energy consumption there are additional power plants distributed in accordance with the Rencana Usaha Penyediaan Tenaga Listrik (RUPTL). This study aims to anticipate the increase in short circuit levels, both single-phase to ground and three-phase, measured at Extra High Voltage substations, as a consequence of the entry of new power plants. The goal is to keep these short circuit levels below 40 kiloamperes, in line with the standard ratings of Extra High Voltage equipment, thereby avoiding PT PLN (Persero) from having to replace all transmission equipment in the 500 kilo Volt system in Java, Madura, and Bali, which could have significant financial implications for the company. The research models the existing system using Digsilent Power Factory Software, then mapping N-1 contingencies and calculates the single-phase to ground and three-phase short circuit levels after the entry of dispersed power plants in the Java Madura Bali System from 2023 to 2028. The final outcome identifies the type of fault current limiter and the optimal locations for their installation.  Installation of the Fault Current Limiter is expected to reduce the three-phase Short Circuit Level and single-phase to ground by 5%, there is no need for transmission equipment replacement to 40 kA rating. This ensures the reliable operation of the 500 kV Java Madura Bali system upon the entry of new power plants into the system. Based on the current system and projection plan based on the RUPTL, simulation of  the installation of static FCLs in 2024  show a decrease in short circuit levels at several GITETs At GITETs Gandul, Saguling, and Cirata, the short circuit current decreases below the breaking capacity limit of the smallest equipment. Therefore, with this reduction, savings of Rp 72,842,032,302 can be achieved compared to the cost of upgrading equipment at these 3 GITETs. Simulations for 2028 with the installation of 5 static FCLs show a decrease in short circuit current at GITETs Priok and Jawa 7 below 40 kA, but there are no savings compared to the cost of equipment upgrading at these 2 GITETs."