PLTB Tolo 2, Jaringan Cerdas, dan Peran AI di Transisi Energi

Pembangkit Angin Saja Nggak Cukup: Pelajaran dari PLTB Tolo 2

Banyak orang mengira kunci transisi energi terbarukan adalah membangun sebanyak mungkin pembangkit baru. Tambah PLTB, PLTS, beres. Sayangnya, realitas di lapangan jauh lebih rumit.

PLTB Tolo 2 di Sulawesi Selatan adalah contoh yang pas untuk dibahas akhir tahun 2025 ini. Proyek ini direncanakan mulai konstruksi akhir tahun depan sebagai pengembangan dari PLTB Tolo 1 yang sudah beroperasi sejak 2019. Kapasitas anginnya besar, teknologinya matang, investornya ada. Tapi ada satu hal krusial yang sering tertinggal: kesiapan jaringan transmisi.

Dalam seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan” ini, kita pakai kasus Tolo 2 sebagai kacamata untuk membahas satu isu penting: sinkronisasi pembangunan pembangkit, jaringan transmisi, dan kecerdasan sistem (termasuk AI) agar listrik hijau yang sudah susah payah dibangun benar-benar terpakai, bukan cuma jadi angka di laporan.

Kenapa PLTB Tolo 2 Penting untuk Bauran Energi Indonesia?

PLTB Tolo bukan proyek kecil. Tolo 1 saja sudah punya kapasitas 71 MW dengan 20 turbin angin, masing-masing setinggi 133 meter dengan baling-baling 63 meter. Dengan kecepatan angin sekitar 6–8 m/s, Tolo 1 jadi salah satu tulang punggung energi bayu di Indonesia, setelah PLTB Sidrap.

Tolo 2 akan menambah pasokan listrik hijau ke sistem Sulawesi Selatan. Dari sisi bauran energi, ini langkah strategis karena:

• Membantu mengurangi porsi PLTU batu bara di sistem kelistrikan regional
• Menambah kapasitas energi terbarukan yang utility-scale (bukan cuma proyek pilot)
• Memberi sinyal ke investor bahwa Indonesia masih serius mengembangkan energi terbarukan skala besar

Namun, seperti yang sering diingatkan IESR melalui CEO-nya, Fabby Tumiwa, bukan cuma pembangkit yang perlu dipikirkan, tapi juga jaringan yang menghubungkan pembangkit ke beban.

"Kalau jaringan tidak siap saat pembangkit selesai dibangun, listrik yang dihasilkan tidak bisa dimanfaatkan optimal." – Fabby Tumiwa

Ini bukan teori. Di beberapa negara, sudah ada kasus pembangkit energi terbarukan yang curtailment (dipaksa menurunkan produksi) hanya karena jaringan tidak sanggup menampung.

Masalah Utama: Pembangkit Selesai, Jaringan Belum Jadi

Inti persoalannya sederhana: pembangkit dan transmisi punya ritme waktu pembangunan yang beda.

• Pembangunan PLTB seperti Tolo 2 biasanya makan waktu sekitar 3–4 tahun
• Pembangunan jaringan transmisi dan gardu induk baru bisa lebih lama, terutama karena perizinan lahan dan proses pengadaan

Artinya, kalau perencanaan tidak sinkron, skenarionya bisa jadi seperti ini:

1. PLTB selesai tepat waktu, siap operasi
2. Jaringan transmisi yang menghubungkan ke sistem kelistrikan utama belum selesai
3. Turbin angin harus menunggu, atau beroperasi di bawah kapasitas karena bottleneck jaringan
4. Investor kecewa, PLN dan pemerintah kena tekanan, publik bertanya-tanya kenapa listrik hijau tidak dimanfaatkan maksimal

Di tengah target dekarbonisasi dan komitmen iklim, skenario seperti ini adalah kemewahan yang Indonesia tidak bisa lagi miliki.

Dampak Finansial dan Sistemik

Keterlambatan sinkronisasi pembangkit–jaringan bukan cuma isu teknis. Dampaknya bisa sangat konkret:

• Kerugian finansial untuk pengembang karena pendapatan tertunda
• Kenaikan biaya sistem karena sistem tetap bergantung pada pembangkit fosil
• Penurunan kepercayaan investor untuk proyek energi terbarukan berikutnya
• Konsekuensi terhadap target bauran energi terbarukan nasional yang makin sulit dikejar

Di titik ini, kita perlu jujur:

Sebagian besar negara yang sukses mengintegrasikan energi terbarukan selalu menempatkan jaringan sebagai prioritas yang sama pentingnya dengan pembangkit.

Indonesia perlu bergerak ke arah yang sama, dengan satu alat bantu kuat yang sebelumnya belum banyak dimanfaatkan: Artificial Intelligence (AI).

Di Mana AI Masuk? Dari Perencanaan Hingga Operasi Jaringan

Sinkronisasi antara pembangunan PLTB dan jaringan transmisi itu sangat bergantung pada kualitas perencanaan sistem dan kemampuan prediksi. Di sinilah AI mulai mengubah permainan.

1. Perencanaan Sistem: Dari Spreadsheet ke Model Prediktif

Selama ini, banyak perencanaan kelistrikan masih mengandalkan pendekatan statis dan asumsi rata-rata. Padahal, untuk pembangkit variabel seperti angin dan surya, pola produksinya sangat dinamis.

AI bisa membantu dengan:

• Prediksi sumber daya angin berbasis data historis dan cuaca hingga resolusi jam-jaman
• Simulasi skenario bauran energi: berapa banyak kapasitas PLTB/PLTS yang bisa masuk ke satu sistem sebelum jaringan butuh upgrade
• Identifikasi titik lemah jaringan (bottleneck) lebih dini, sehingga rencana pembangunan transmisi bisa di-fast track

Untuk kasus seperti PLTB Tolo 2, AI dapat mensimulasikan:

• Output energi angin harian dan musiman
• Dampaknya terhadap aliran daya di jaringan Sulawesi Selatan
• Kapan dan di titik mana jaringan mulai kelebihan beban

Hasilnya: perencana tidak lagi “meraba-raba”, tapi punya basis data kuat untuk memutuskan kapan dan di mana transmisi baru harus dibangun.

2. Optimasi Operasi Jaringan: Menampung Sebanyak Mungkin Energi Terbarukan

Saat PLTB Tolo 2 nanti beroperasi, tantangannya bergeser menjadi: bagaimana sistem menyerap produksi listrik angin sebanyak mungkin tanpa mengorbankan keandalan.

AI untuk sistem tenaga (sering disebut AI for grid optimization) bisa:

• Mengatur dispatch pembangkit secara real-time berdasarkan kondisi beban dan produksi angin
• Memprediksi lonjakan atau penurunan beban sehingga sistem siap menyeimbangkan pasokan
• Mengurangi curtailment PLTB dengan mengoptimalkan operasi pembangkit lain (misalnya menurunkan output PLTU saat angin kuat)

Di beberapa negara, algoritma reinforcement learning sudah digunakan di pusat kendali sistem (dispatch center) untuk mengatur ratusan pembangkit sekaligus. Indonesia tidak perlu menyalip semua sekaligus, tapi setidaknya mulai memasukkan AI dalam desain modernisasi sistem kontrol dan SCADA.

3. Integrasi dengan Smart Metering dan Respons Permintaan

Satu poin yang sering terlewat: sinkronisasi bukan cuma antara pembangkit dan jaringan transmisi, tapi juga dengan sisi konsumsi (demand side).

Dengan smart meter dan AI, perusahaan listrik bisa:

• Melihat pola konsumsi listrik pelanggan industri dan rumah tangga secara real-time
• Menawarkan skema tarif waktu-pakai (time-of-use) yang mendorong konsumsi saat energi terbarukan melimpah
• Mengaktifkan program demand response sederhana, misalnya menggeser operasi beban besar di jam-jam angin kencang

Kalau ini diterapkan di sistem yang menampung PLTB Tolo 1 dan Tolo 2, beban bisa diarahkan untuk “mengikuti” ketersediaan energi angin, bukan sebaliknya.

Strategi Sinkronisasi: Kombinasi Kebijakan, Teknologi, dan Data

Sinkronisasi pembangkit dan jaringan bukan sesuatu yang selesai hanya dengan satu kebijakan. Butuh paket strategi yang konsisten.

1. Menyusun Integrated Resource and Grid Planning Berbasis Data

Indonesia perlu bergerak ke arah perencanaan sistem tenaga yang terintegrasi: pembangkit, transmisi, distribusi, dan demand side dalam satu model.

Peran AI di sini:

• Menggabungkan data konsumsi, potensi angin, potensi surya, dan kondisi jaringan
• Menjalankan ribuan skenario sampai ditemukan kombinasi paling efisien
• Menghasilkan peta prioritas investasi: mana pembangkit yang masuk duluan, mana transmisi yang harus dikebut

Ini akan membantu pemerintah, PLN, dan pengembang swasta mengambil keputusan investasi yang lebih presisi.

2. Menetapkan Aturan Waktu Pembangunan yang Sinkron

Regulasi proyek energi terbarukan perlu menempatkan persyaratan kesiapan jaringan sebagai bagian evaluasi, bukan urusan belakangan.

Contoh mekanisme:

• Setiap Power Purchase Agreement (PPA) PLTB/PLTS skala besar harus disertai rencana jaringan yang jelas
• Ada milestone bersama antara proyek pembangkit dan proyek transmisi
• Penggunaan AI untuk memvalidasi bahwa jaringan yang direncanakan benar-benar cukup menampung output pembangkit

Dengan begitu, risiko proyek pembangkit selesai duluan tapi jaringan terlambat bisa ditekan.

3. Membangun Pusat Data dan Tim Analitik Energi

AI tidak akan bekerja kalau datanya berantakan atau tercecer. Perusahaan energi dan pembuat kebijakan butuh:

• Pusat data kelistrikan yang menyimpan data beban, produksi, gangguan, hingga data cuaca
• Tim analitik energi yang paham sistem tenaga dan data science sekaligus
• Kolaborasi dengan kampus dan startup lokal untuk mengembangkan model AI yang relevan dengan konteks Indonesia

Saya cukup yakin, perusahaan energi yang lebih dulu serius di area ini akan punya keunggulan kompetitif besar 3–5 tahun ke depan.

Apa Artinya Bagi Perusahaan Energi di Indonesia?

Kalau Anda berada di PLN, IPP, perusahaan migas yang lagi transisi ke energi terbarukan, atau pengembang proyek, kasus PLTB Tolo 2 memberi beberapa pelajaran praktis.

Pertanyaan Kunci yang Perlu Mulai Dijawab Sekarang

1. Apakah rencana pembangkit terbarukan Anda sudah punya peta transmisi yang jelas?
2. Apakah tim Anda sudah menggunakan model prediktif untuk memperkirakan output angin/surya dan dampaknya pada jaringan?
3. Sejauh mana Anda sudah memanfaatkan data operasional untuk pengambilan keputusan?
4. Apakah ada strategi untuk mengintegrasikan smart metering dan respons permintaan dengan masuknya energi terbarukan baru?

Kalau sebagian besar jawabannya masih “belum” atau “nanti saja”, ada ruang besar untuk mulai.

Langkah Awal yang Realistis

Beberapa langkah yang cukup realistis diambil dalam 6–12 bulan ke depan:

• Memulai pilot project analitik AI untuk prediksi output angin/surya dan beban sistem
• Mengintegrasikan data operasi pembangkit dan jaringan dalam satu data lake sederhana
• Bekerja sama dengan konsultan atau tim internal untuk menyusun rencana pengembangan jaringan berbasis skenario
• Menyiapkan peta jalan smart metering di wilayah yang memiliki konsentrasi tinggi energi terbarukan

Tidak perlu langsung mengubah seluruh sistem nasional. Mulai dari satu sistem kelistrikan (misalnya Sulselrabar untuk konteks Tolo) sudah cukup untuk menunjukkan manfaat.

Menatap ke Depan: Dari Tolo 2 ke Sistem Energi yang Cerdas

PLTB Tolo 2 sedang disiapkan sebagai tambahan kapasitas angin yang penting di Sulawesi Selatan. Kalau pembangunan pembangkit dan jaringan transmisi disinkronkan dengan baik, proyek ini bisa jadi contoh bagaimana energi terbarukan, jaringan yang kuat, dan AI bekerja bersama.

Seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan” pada dasarnya berangkat dari satu premis:

Transisi energi yang berhasil bukan hanya soal menambah pembangkit hijau, tapi menciptakan sistem yang cerdas, terencana, dan responsif.

Kasus Tolo 2 mengingatkan bahwa hambatan terbesar sering kali bukan teknologi turbin atau jumlah modal, tapi koordinasi, data, dan perencanaan jangka panjang. Di area inilah AI bisa memberikan nilai nyata – dari mengurangi risiko investasi, mempercepat integrasi energi terbarukan, sampai memastikan setiap megawatt yang dibangun benar-benar memberi manfaat ke masyarakat.

Kalau Anda sedang merancang strategi energi untuk 3–10 tahun ke depan, ini saat yang pas untuk bertanya: apakah perencanaan pembangkit, jaringan, dan kecerdasan sistem kita sudah berjalan seiring?

---

Jika Anda ingin mendalami bagaimana AI bisa diterapkan konkret di jaringan listrik, integrasi energi terbarukan, prediksi beban, dan smart metering, Anda akan menemukan bahasan lanjutan di artikel lain dalam seri ini.