Identifikasi Jenis Gangguan Pada Jaringan Distribusi Menggunakan Metode Artificial Neural Network

Abel Aditya Aryaguna, Dimas Okky Anggriawan, Suhariningsih Suhariningsih

Abstract


Berkembangnya kebutuhan masyarakat terhadap tenaga listrik saat ini meningkat pesat, sehingga perlindungan terhadap jaringan distribusi sangatlah penting untuk menjamin pelayanan tenaga listrik. Paper ini menyajikan algoritma yang diusulkan untuk identifikasi variasi tegangan durasi pendek. Artificial Neural Network (ANN) digunakan untuk mengidentifikasi 7 jenis varasi tegangan durasi pendek seperti sinyal normal, sag instantaneous, sag momentary, sag temporary, swell instantaneous, swell momentary, dan juga swell temporary. Simulasi untuk membangkitkan gangguan menggunakan software MATLAB Simulink yang telah disimulasikan dan mendapat nilai untuk input data ke ANN. Hasil algoritma yang diusulkan sangatlah efektif untuk identifikasi, dimana ANN dengan 5 x 5 neuron pada lapisan tersembunyi memiliki tingkat akurasi 100%.


Keywords


Jaringan Distribusi; Voltage Sag; Voltage Swell; Matlab Simulink; Artificial Neural Network; Identifikasi; Variasi Tegangan Durasi Pendek

Full Text:

PDF

References


I. M. Widiarsana, I. M. Mataram, and Y. P. Sudarmojo, “Identifikasi Jenis Gangguan pada Jaringan Transmisi Menggunakan Metode Jaring Syaraf Tiruan,†Maj. Ilm. Teknol. Elektro, vol. 17, no. 1, p. 1, 2018.

D. Irawan, “Klasifikasi Gangguan Pada Saluran Transmisi Menggunakan Jaringan Syaraf Tiruan Metode Kohonen,†E-Link J. Tek. Elektro dan Inform., vol. 1, no. 1, p. 1, 2018.

C. Zabo, M. Pujiantoro, and I. G. N. S. H, “Analisa pengaruh pemasangan pembangkit terdistribusi pada sistem jaringan distribusi terhadap voltage sag dengan pemodelan atp/emtp,†pp. 1–7.

IEEE Std 1159, IEEE Recommended Practice for Monitoring Electric Power Quality, vol. 2019. 2019.

M. S. Priyadarshini and M. Sushama, “Classification of short-duration voltage variations using wavelet decomposition based entropy criteria,†Proc. 2016 IEEE Int. Conf. Wirel. Commun. Signal Process. Networking, WiSPNET 2016, pp. 2192–2196, 2016.

A. T. Eko Suryo, W. Wijono, and B. Siswojo, “Analisis Kompensasi Tegangan Sag Dengan Kontrol Hysteresis Dan Ann Pada Gi Sengkaling Penyulang Pujon,†Transmisi, vol. 22, no. 3, pp. 73–79, 2020.

I. S. Association, Ieee Standard 1159 - 1995. 1995.

Y. Han, Y. Feng, P. Yang, L. Xu, Y. Xu, and F. Blaabjerg, “Cause, Classification of Voltage Sag, and Voltage Sag Emulators and Applications: A Comprehensive Overview,†IEEE Access, vol. 8, pp. 1922–1934, 2020.

D. O. Anggriawan et al., “Detection and identification of voltage variation events based on artificial neural network,†Int. Rev. Autom. Control, vol. 13, no. 5, pp. 224–230, 2020.

Y. Program, S. Pendidikan, I. Stkip, and P. Sumbar, “MEMPREDIKSI HASIL NILAI UN MENGGUNAKAN METODE,†2016.

T. Elektro, F. Teknik, U. N. Surabaya, and W. Aribowo, “PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN METODE FEED FORWARD BACKPROPAGATION NEURAL NETWORK Muhammad Permana Setya Gunawan Abstrak,†2015.

P. Patil, K. Muley, and R. Agrawal, “IDENTIFICATION OF POWER QUALITY DISTURBANCE USING NEURAL,†2019 3rd Int. Conf. Electron. Commun. Aerosp. Technol., pp. 990–996, 2019.




DOI: https://doi.org/10.35314/ise.v3i1.1954

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 INOVTEK - Seri Elektro

View My Stats