Laporkan Masalah

Optimisasi Penempatan dan Alokasi Kapasitas Electric Vehicle Charging Station pada Jaringan Distribusi Menggunakan Weighted K-Means dan Particle Swarm Optimization untuk Meminimalkan Rugi-Rugi Daya Berbasis Simulasi

Erwin Yulianto, Ir. Candra Febri Nugraha, S.T., M.Eng.

2026 | Tugas Akhir | D4 TEKNOLOGI REKAYASA ELEKTRO

Peningkatan penggunaan kendaraan listrik Electric Vehicle (EV) di Indonesia mendorong kebutuhan infrastruktur pengisian daya yang memadai, khususnya Stasiun Pengisian Kendaraan Listrik Umum (SPKLU) atau Electric Vehicle Charging Station (EVCS). Integrasi EVCS ke dalam sistem distribusi tenaga listrik berpotensi meningkatkan rugi-rugi daya, menurunkan profil tegangan, serta meningkatkan pembebanan saluran dan transformator apabila penempatan dan kapasitasnya tidak direncanakan secara optimal. Oleh karena itu, penelitian ini bertujuan menentukan lokasi dan alokasi kapasitas EVCS yang optimal pada sistem distribusi dengan memenuhi batas operasional jaringan. Metode yang digunakan adalah kombinasi Weighted K-Means dan Particle Swarm Optimization (PSO).  Weighted K-Means digunakan untuk mengidentifikasi kandidat lokasi EVCS berdasarkan karakteristik dan pembobotan lokasi, sedangkan PSO digunakan untuk menentukan alokasi kapasitas EVCS dengan fungsi objektif meminimalkan rugi-rugi daya serta mempertimbangkan batas tegangan bus, pembebanan saluran, dan pembebanan transformator. Pengujian dilakukan pada sistem distribusi IEEE 33 Bus yang dimodifikasi menggunakan DIgSILENT PowerFactory dengan skenario penetrasi EV sebesar 5%, 10%, dan 15% terhadap total beban sistem 3,715 MW dan rugi-rugi daya 0,139 MW. Hasil penelitian menunjukkan metode Weighted K-Means mengidentifikasi delapan kandidat lokasi potensial EVCS, yaitu pada bus BB28, BB17, BB2, BB15, BB21, BB5, BB27, dan BB22. Selanjutnya, PSO berhasil mengalokasikan kapasitas EVCS 0,186-0,557 MW dengan rugi-rugi daya sistem 0,1465-0,1681 MW. Seluruh parameter operasi sistem memenuhi batas yang diizinkan. Pengujian robustness menghasilkan standar deviasi 0,000915 MW dan CV 0,581%, menunjukkan PSO mampu menghasilkan solusi yang stabil dan konsisten. Hasil penelitian menunjukkan kombinasi Weighted K-Means dan PSO dapat digunakan untuk menentukan lokasi dan alokasi kapasitas EVCS pada sistem distribusi.

The increasing adoption of Electric Vehicles (EVs) in Indonesia has driven the demand for adequate charging infrastructure, particularly Electric Vehicle Charging Stations (EVCSs). The integration of EVCSs into distribution power systems may increase power losses, degrade voltage profiles, and increase line and transformer loading if their placement and capacities are not properly planned. Therefore, this study aims to determine the optimal locations and capacity allocation of EVCSs while satisfying network operating constraints. The proposed method combines Weighted K-Means and Particle Swarm Optimization (PSO). Weighted K-Means identifies candidate EVCS locations based on location characteristics and weighting factors, whereas PSO determines EVCS capacity allocation by minimizing power losses while considering bus voltage, line loading, and transformer loading constraints. The method is evaluated on a modified IEEE 33-bus distribution system using DIgSILENT PowerFactory under EV penetration levels of 5%, 10%, and 15% of the total system load of 3.715 MW with an initial power loss of 0.139 MW. The results show that Weighted K-Means identifies eight potential EVCS locations at buses BB28, BB17, BB2, BB15, BB21, BB5, BB27, and BB22. PSO allocates EVCS capacities ranging from 0.186 to 0.557 MW, resulting in system power losses of 0.1465–0.1681 MW. All operating parameters remain within allowable limits. The robustness evaluation yields a standard deviation of 0.000915 MW and a coefficient of variation of 0.581%, indicating that PSO produces stable and consistent solutions. These results demonstrate that the proposed method effectively determines EVCS locations and capacity allocation in distribution systems.

Kata Kunci : Stasiun Pengisian Kendaraan Listrik Umum (SPKLU), Weighted K-Means, Particle Swarm Optimization (PSO), Rugi-Rugi Daya, Sistem Distribusi

  1. D4-2026-492654-abstract.pdf  
  2. D4-2026-492654-bibliography.pdf  
  3. D4-2026-492654-tableofcontent.pdf  
  4. D4-2026-492654-title.pdf