Deteksi Jarak Lokasi Gangguan Pada Saluran Transmisi 500 Kv Cilegon Baru - Cibinong Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS)

Muhamad Otong, Alimuddin Alimuddin, Chandra Arief

Abstract


Pada saluran transmisi diperlukan metode deteksi lokasi gangguan yang akurat dan cepat untuk mengurangi waktu pencarian, sehingga mempercepat proses perbaikan. Dengan menggunakan kombinasi metode Transformasi Park dan Adaptive Neuro Fuzzy Inference System (ANFIS), dapat dideteksi jarak lokasi gangguan secara langsung setelah terjadinya gangguan dengan cara menganalisa gelombang berjalan pada saluran transmisi. Saat terjadi gangguan, akan menyebabkan timbulnya gelombang berjalan yang berupa tegangan dan arus. Tegangan dan arus ini akan ditransformasikan oleh transformasi park pada kedua ujung saluran untuk mendapatkan waktu kedatangan gelombang berjalan, yang mana terdapat perbedaan waktu pada tiap ujung saluran dikarenakan adanya perbedaan jarak yang ada. Perbedaan waktu ini akan di input kedalam ANFIS untuk mendapatkan jarak lokasi gangguan. Dengan membandingkan jumlah nilai keanggotaan dan pemilihan input, maka diperoleh desain ANFIS terbaik adalah dengan jumlah nilai keanggotaan (MF) 5 serta input perbedaan waktu ∆tV dan ∆tI (V dan I) dengan nilai Mean Absolute Error (MAE) sebesar 1,33.

Keywords


Deteksi lokasi gangguan, Saluran transmisi, Gelombang berjalan, Transformasi park, ANFIS.

Full Text:

PDF

References


Singh, Manohar. dan Maheshwari. (2011). Transmission Line Fault Detection and Classification. Prosiding Emerging Trends in Electrical and Computer Technology (ICETECT).

Saha, Jan. dkk. (2010). Fault Location on Power Networks. Springer.

Lopes, F. V. dkk. (2011). Fault Location on Transmission Lines Based on Travelling Waves. Jurnal International Conference on Power Systems Transients (IPST).

Toliyat, Hamid A. dan Campbell, Steven G. (2004). DSP-Based Electromechanical Motion Control. Departement of Electrical Engineering Texas A and M University.

Lopes, F. V. dkk. (2013). A Traveling-Wave Detection Method Based on Park’s Transformation for Fault Locators. Jurnal IEEE Transaction on Power Delivery Vol. 28, No. 23.

Rozieanshah, Rhobi. (2007). Penentuan Lokasi Gangguan Hubung Singkat Pada Saluran Transmisi Menggunakan Transformasi Wavelet. Tugas Akhir Jurusan Teknik Elektro Insititut Teknologi Bandung.

Indrabayu. dkk. (2012). Prediksi Curah Hujan Dengan Jaringan Syaraf Tiruan. Prosiding Universitas Hasanuddin.

Ahmed, A. A. Masrur. dkk. (2015). Application of Adaptive Neuro Fuzzy Inference System (ANFIS) to Estimate The Biochemical Oxygen Deman (BOD) of Surma River. Jurnal King Saud University.

Muda, Galih Jatra. (2014). Analisis Estimasi Lokasi Gangguan Hubung Singkat Pada Saluran Transmisi dengan Menggunakan Metode Gelombang Berjalan. Tugas Akhir Jurusan Teknik Elektro Universitas Indonesia.

Wahyu, Febrianto. (2013). Deteksi Gangguan pada Saluran Transmisi menggunakan Wavelet dan Discriminant Analysis. Tugas Akhir Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember.

Budi, Anggi S. (2013). Deteksi Lokasi Gangguan pada Saluran Transmisi menggunakan Gelombang Berjalan dan Transformasi Park. Tugas Akhir Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember.

Kusumadewi, Sri. dan Hartati, Sri. (2010). Neuro Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha Ilmu.

Elbaset, Adel A. dan Hiyama, Takashi. (2009). Fault Detection and Classification in Transmission Lines Using ANFIS. Jurnal IEEJ Transactions on Industry Applications.

Alimuddin. dkk. (2012). Temperature Control System in Closed House for Broilers Based on ANFIS. Jurnal TELKOMNIKA Vol. 10, No. 1, pp. 75-82.

Arafiyah, Ria. dan Alimuddin. (2010). Prediction of Price of Local Fruits in Jakarta With ANFIS. Jurnal AFIFTA International Conference.




DOI: http://dx.doi.org/10.36055/setrum.v6i1.1851

Refbacks

  • There are currently no refbacks.