Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPerencanaan pengembangan pembangkit listrik merupakan salah satu hal pentingyang menjadi bagian dari perencanaan sistem kelistrikan nasional selain perencanaankebutuhan beban. Permasalahan yang harus terjawab dalam suatu perencanaanpengembangan pembangkit adalah bagaimana suatu investasi akan bernilai optimumdengan berbagai kendala dan keterbatasan yang ada untuk memenuhi tingkat kehandalanyang diinginkan.Optimasi perencanaan pengembangan pembangkit yang digunakan dalampenelitian ini didasarkan atas minimum pembiayaan (least cost) yang dinyatakan terhadapnilai saat ini (present value) dengan tingkat kehandalan yang ditetapkan dan sejalandengan kebijakan pemerintah. Pembiayaan yang dimaksud adalah pembiayaanpembangkit yang terdiri atas biaya modal, operasi dan pemeliharaan, serta biaya bahanbakar. Metode penghitungan nilai optimasi yang digunakan adalah algoritma genetika,dimana dalam penelitian sebelumnya hasil pengujian simulasi menunjukkan nilai totalpembiayaan 0,7% lebih rendah apabila dibandingkan dengan model Zopplan.Hasil optimasi bauran kapasitas pembangkit Jawa Bali di tahun 2030 adalahPLTU Batubara 55.492 MW (60%), PLTGU Gas (16%) 14.831 MW, PLTG LNG 10.385MW (11%), PLT Hidro 7.196 MW (8%), dan PLTP 3.797 MW (4%). PLTU Minyak danPLTU Gas yang dianggap sebagai pembangkit eksisting masing-masing sebesar 407 MW(0,4%) dan 815 MW (0,9%). Hasil optimasi bauran energi listrik dari pembangkit JawaBali di tahun 2030 adalah PLTU Batubara 340.272 GWh, PLTGU Gas 54.730 GWh,PLTG LNG 18.356 GWh, PLT Hidro 22.059 GWh, PLTP 27.762 GWh, PLTU Minyak713 GWh dan PLTU Gas 1.429 GWh. Proyeksi emisi CO2 di tahun 2030 adalah sebesar348,8 juta ton, sedangkan di tahun 2020 sebesar 198,2 juta ton. Proyeksi emisi CO2 ditahun 2020 hasil optimasi Algen menunjukkan 7 juta ton lebih rendah apabiladibandingkan terhadap proyeksi dari RUPTL.

---

ABSTRACTPower generation expansion planning is one of an important thing that becamepart of the national electricity system planning, besides of the load forecasting. Problemthat must be answered in generation expansion planning is how an investment would beoptimum with several constraints and limitations, wether they are techno-economic factoror energy resources.Optimization of power generation in this study are based on least cost methodwhich stated in present value with a spesified level of reliability and in line withgovernment policy. Least cost are for capital cost, operation and maintenance cost, andfuel cost. The measurement of optimization?s value using the genetic algorithm, which inprevious studies test results demonstrate the value of total cost is 0,7% lower whencompared to Zopplan?s model.Optimization results for Jawa Bali generating capacity mix in 2030 was SteamCoal Power Plant 55,492 MW (60%), Gas Combined Cycle Power Plant 14,831 MW(16%), LNG Power Plant 10,385 MW (11%), Hydro 7196 MW (8%), and Geothermal3,797 MW (4%). Oil and Gas Steam Power Plant power plant is considered as existingpower plants amounted to 407 MW (0.4%) and 815 MW (0.9%). Optimization results ofelectrical generating energy mix for Java and Bali in 2030 was Coal Power Plant 340272 GWh, Gas Combined Cycle Power Plant 54 730 GWh, LNG Power Plant 18,356GWh, Hydro 22 059 GWh, Geothermal 27,762 GWh, Oil and Gas Steam Power plantare 713 GWh and 1,429 GWh. Projected CO2 emissions in 2030 amounted to 348.8million tons, while in 2020 amounted to 198.2 million tons. Projected CO2 emissions in2020 based on Algen?s optimization result shows 7 million tons lower when compared tothe projection of RUPTL (General Plan Electricity of Supply in Indonesia)."

"ABSTRAKPerubahan iklim global dan kenaikan jumlah penduduk di perkotaan merupakan salah satu isu yang memberi dampak kepada energi dan kebijakan lingkungan terkait emisi GRK. Permasalahan yang dihadapi di kota BSD Serpong yaitu semakin tingginya kebutuhan energi listrik, gas, dan bahan bakar yang bergantung pada infrastruktur sistem energi nasional, dimana sistem masih mengandalkan energi fosil dan tidakterintegrasi antar jaringan energi. Oleh karena itu, penelitian ini bertujuan untuk memperoleh sistem integrasi pembangkit terdistribusi dan jaringan tenaga listrik yang meminimalkan biaya terendah dan berdampak kepada penurunan emisi GRK dengan menggunakan perangkat lunak LEAP 20.1.7. Hasil optimasi berupa desain sistem energi cerdas yang meliputi bauran teknologi pembangkit energi terbarukan sebesar 55% di tahun 2030 untuk skenario MIT dan MIT RUED. Portofolio teknologi terdiri dari MSW insinerasi, CCHP turbin gas, solar PV atap, dan munculnya kendaraan listrik (BEV) mulai 2020. Sedangkan penyimpan energi (baterai Li-Ion) muncul pada skenariomitigasi non-constraint mulai tahun 2025. Biaya produksi pembangkit untuk seluruh skenario mitigasi berkisar dari 7-16 cent$/kWh dari 2018-2030. Pada 2030, penurunan emisi GRK sekitar 11-12%, dimana nilai emisi karbon pada skenario dasar BAU sebesar 520 ribu t/CO2e menjadi 464 ribu t/CO2e pada skenario MIT dan MIT RUED serta 456ribu t/CO2e pada skenario MIT NC dan MIT RUED NC.

---

ABSTRACTGlobal climate change and urban population growth are challenges for energy and environmental regulation of GHG emission. Problem arises in BSD, Serpong is the increasing demand for electricity, gas and fuel which depended on national energy system infrastructure, while it still relies on fossil energy and not mutually integrated between energy networks. This study aims to obtain integration of distributedgeneration to power grid with the result of least cost and low carbon emission, which is done by LEAP 20.1.7. The result is obtained include technology mix of BSD smart energy system which the RE penetration is around 55% in scenario MIT and MIT RUED. It shows integration of power grid and generation mix of solar PV rooftop, biomass MSW incineration, gas turbine Combined Cooling Heating Power (CCHP), and electric vehicle (BEV) also started chosen in 2020. In 2025, Li-Ion battery is chosen in mitigation non-constraint scenario. Range of LCOE for overall mitigation scenario is around 7-16 cent$/kWh in 2018-2030. In 2030, GHG emission reduction achieved 11-12%, from 520 thousand t/CO2e in baseline scenario to 464 thousand t/CO2e inscenario MIT and MIT RUED and 456 thousand t/CO2e in scenario MIT NC and MIT RUED NC."

"Energi listrik merupakan energi yang sudah tidak bisa dipisahkan dari kehidupan manusia. Kebutuhan energi listrik akan terus meningkat seiring dengan perkembangan zaman. Dalam pembangkitan energi listrik dibutuhkan pengonversian energi lain menjadi energi listrik dimana untuk membangkitkan energi listrik dibutuhkan sumber daya alam seperti batu bara. Batu bara dipilih karena selain harganya murah, pembangkitnya juga memiliki efisiensi yang cukup tinggi namun berdampak pada lingkungan. Selain itu seiring dengan pertumbuhan beban, biaya produksi tenaga listrik juga semakin meningkat. Oleh sebab itu, dibutuhkan optimasi biaya operasi pembangkit agar didapatkan pembebanan yang optimal sehingga biaya yang dikeluarkan seefisien mungkin dan harga listrik menjadi tidak terlalu mahal. Pada perencanaan pembebanan sebenarnya, biaya operasi pembangkit dalam satu hari yang dikeluarkan sebesar Rp 18.384.345.566 dengan biaya bahan bakar sebesar Rp 561,118/kWH. Sedangkan dengan optimasi biaya operasi pembangkit dengan menggunakan metode lagrange, didapat biaya operasi pembangkit dalam satu hari sebesar Rp 18.350.617.781 dan biaya bahan bakar sebesar Rp 560,068/kWH. Dengan melakukan optimasi biaya operasi pembangkit dengan metode lagrange, pengeluaran biaya operasi pembangkit dapat dihemat sebesar Rp 33.727.785 dan biaya bahan bakar sebesar Rp 1,05/kWH.

---

Nowadays, Electricity is one of the most important energy for human being which cannot be separated from the human life. The needs of electricity is increasing by the time goes. Another form of energy should be converted to produce the electricity and a coal is needed to produce the electricity as the fuel for the power plant. Coal is chosen as the fuel because it has low cost and high eficiency but has a bad impact for the environment. As the load grows, both the cost of electricity production and needs of the natural resoursces is increasing too. Though, the optimization of power plant production cost is needed to obtain optimal loading each power plant and get the efficient cost so the elctricity prices turn to be lower than before. In the real plan of power plant loading, the production cost is Rp Rp 18.384.345.566 a day and the fuel cost is Rp 561,118 kWH. On the other hand, the production cost with lagrange method opimization is Rp 18.350.617.781 a day and the fuel cost is Rp 560,068 kWH. Using the optimalization of electricity production cost with lagrange method Rp 33.727.785 has saved from the real plan planning and also save Rp 1,05 kWH in the fuel cost."