INDEKS PENILAIAN KEAMANAN N-1 DALAM KEAMANAN SISTEM TENAGA LISTRIK PADA ENERGI TERBARUKAN ANGIN

Pengembangan sistem tenaga listrik dengan penetrasi tinggi energi
terbarukan, khususnya tenaga angin, menghadirkan tantangan dalam penilaian
keamanan statis, terutama dalam menghadapi skenario kontingensi N-1. Dalam
penelitian ini, metode Dual Discriminator Generative Adversarial Network
(D2GAN) digunakan untuk menghasilkan skenario energi angin yang realistis
berdasarkan data historis dan parameter operasional jaringan pada sistem uji IEEE
14 bus. Deep Convolutional Neural Network (DCNN) diterapkan untuk
menghitung indeks keamanan statis (Perfromance Index Security) yang digunakan
dalam evaluasi kondisi operasi jaringan setelah terjadinya pemadaman saluran
(Line Outage). DCNN dilatih untuk memetakan variasi beban, tegangan bus, dan
pemadaman jalur menjadi indeks keamanan statis N-1 yang akurat dan cepat.
Hasilnya menunjukkan bahwa D2GAN berhasil menghasilkan skenario daya angin
dengan rata-rata kesalahan absolut di bawah 1 MW dan persentase error umumnya
di bawah 5%. Model ini juga mampu mengikuti tren daya aktual dengan baik,
meskipun sedikit meredam fluktuasi ekstrem. seluruh cabang memiliki nilai
Performance Index Composite (PIC) sebesar 1, yang menunjukkan bahwa sistem
berada dalam status alarm. Menurut kriteria yang telah ditentukan, nilai PIC yang
berada pada rentang 0 < PIC ≤ 1 menunjukkan adanya potensi ketegangan atau
gangguan yang perlu diperhatikan, meskipun kondisi sistem belum mencapai status
yang tidak aman. Dengan nilai PIC yang konsisten sebesar 1 di setiap cabang,
sistem tersebut tidak berada dalam keadaan kritis (PIC > 1), tetapi tetap perlu
diwaspadai untuk mencegah gangguan yang lebih besar. Dalam perbandingan
model, D2GAN menunjukkan MAE lebih rendah (0.360097) dibandingkan DCNN
(0.367629), dengan perbedaan yang kecil, mengindikasikan bahwa kedua model
memiliki akurasi prediksi yang baik.
Kata Kunci : Penilaian Keamanan Statis N-1, Energi Terbarukan, Tenaga Angin,
Dual Discriminator GAN (D2GAN), Deep Convolutional Neural
Network (DCNN), Sistem Tenaga Listrik, IEEE 14-bus