PENGATURAN DAYA PADA DOUBLY FED INDUCTION GENERATOR MENGGUNAKAN

TYPE-2 FUZZY PI CONTROLLER

Dedy Kurniawan - 2205100200
Bidang Studi Teknik Sistem Tenaga
Jurusan Teknik Elektro- FTI, Institut Teknologi Sepuluh Nopember, Surabaya

Abstrak - Tugas akhir ini membahas mengenai aplikasi
Type-2 Fuzzy PI Controller sebagai regulator daya pada
turbin angin tipe doubly fed induction generator (DFIG).
Kelebihan DFIG adalah mampu mengekstraksi energi
angin secara maksimal dan rotor dapat bekerja pada
kecepatan subsinkron maupun supersinkron. Pengaturan
daya pada DFIG dilakukan pada konverter di sisi rotor
dengan mengatur arus quadrature referensi berdasarkan
daya referensi yang dihasilkan oleh kurva karakteristik
pelacakan. Loop sistem pengaturan daya dilengkapi
dengan regulator daya Type-2 Fuzzy PI Controller untuk
mengoptimalkan daya listrik yang diekstraksi dan
mengkompensasi osilasi daya dan kecepatan rotor yang
terjadi saat terjadi gangguan. Pengujian metode kontrol
yang diusulkan dilakukan dengan simulasi pada software
Matlab Simpower dan berdasarkan hasil simulasi, regulator
daya Type-2 Fuzzy PI Controller mampu meningkatkan
performansi sistem.
Kata kunci : DFI G, Type-2 Fuzzy PI , Regulator
Daya,Turbin Angin


I. PENDAHULUAN

Tuntutan akan kebutuhan energi yang terbarukan dan
ramah lingkungan selalu naik dari tahun ke tahun. Salah
satu jenis energi terbarukan yang potensial digunakan
adalah energi angin. Agar dapat digunakan, energi angin
perlu diubah terlebih dahulu menjadi energi listrik
menggunakan generator. Beberapa tipe generator yang
digunakan pada turbin angin antara lain : Generator
induksi, generator sinkron dan generator DC.
Kecepatan angin cenderung tidak stabil, sehingga
apabila output generator induksi dihubungkan pada
jaringan akan menyebabkan transfer daya dan frekuensi
yang berubah-ubah. Permasalahan ini dapat diatasi dengan
memanfaatkan konverter yang ditempatkan diantara stator
dan jaringan yang berfungsi untuk mengatur transfer daya.
Agar generator dapat bekerja pada operasi dengan
kecepatan variable dengan daya konverter yang kecil maka
stator dihubungkan langsung ke jaringan sedangkan rotor
dihubungkan ke konverter. Bagian konverter hanya
mengendalikan 20%-30% dari total daya sehingga losses
pada bagian power elektronik lebih kecil. Generator jenis
ini disebut Doubly Fed Induction Generator (DFIG) [1].
Keuntungan dari Generator dengan kecepatan
variabel adalah mampu mengekstraksi daya angin untuk
dikonversi ke energi listrik meskipun, kecepatan turbin
angin dibawah kecepatan sinkron. Untuk itu perlu sebuah
regulator yang dapat mengoptimalkan ekstraksi energi
angin. Pada sistem standar, Proportional-Integral (PI)
Controller digunakan sebagai power regulator.
Dikarenakan sistem tenaga adalah sebuah sistem yang non-
linier, maka konvensional fixed-parameter dirasa kurang
adaptif pada range operasi secara keseluruhan. Fuzzy Logic
Controller adalah salah satu kontroler non linier dan tidak
terlalu sensitif terhadap topologi sistem, parameter dan
perubahan kondisi operasi seperti pada kontroler linier
konvensional. Beberapa penelitian menggunakan logika
fuzzy sebagai regulator daya[2,3,4].
Saat ini, logika fuzzy telah berkembang dan muncul
type-2 fuzzy logic system yang menghasilkan output yang
lebih presisi. Aplikasi type-2 fuzzy logic pada DFIG
diharapkan mampu menghasilkan performansi sistem yang
memuaskan.
Kontribusi yang diberikan oleh Tugas Akhir ini
adalah mendesain regulator daya menggunakan Type-2
Fuzzy PI Controller untuk meningkatkan performansi
sistem pada saat terjadi perubahan kecepatan angin dan
gangguan hubung singkat.
Struktur penulisan pada makalah ini terdiri dari empat
bab sebagai berikut :. Pada Bab II dibahas mengenai
pemodelan DFIG, Bab III dibahas mengenai Desain type-2
fuzzy PI pada DFIG, Bab IV dibahas mengenai hasil dan
analisis, Bab V berisi kesimpulan.


II. PEMODELAN DFIG

Doubly Fed Induction Generator adalah generator
distribusi yang terhubung dengan jaringan. Skema Single
Machine Infinite Bus (SMIB) untuk DFIG ditunjukkan
Gambar 2.1.
Susunan DFIG terdiri dari turbin angin (aerodinamik),
mesin induksi, konverter AC/DC/AC dan induktor kopling.


Gambar 2.1. Sistem DFIG

2.1. Turbin Angin (Aerodinamik)
Energi angin yang menyapu bilah rotor diubah menjdi
energi mekanik. Energi tersebut tidak dapat diekstraksi
seluruhnya oleh turbin karena turbin angin memiliki faktor
koefisien daya turbin yang dipengaruhi oleh desain turbin.
Daya mekanik yang diperoleh pada sebuah turbin
angin didefinisikan :
1
3
( , )
2
P Av C
m p
| =
(2.1)
dengan:
P
m
= daya mekanik turbin
= kerapatan udara
A = Area penangkapan angin
V = kecepatan angin
C
p
= koefisien daya turbin.

Nilai koefisien daya turbin adalah fungsi dari 2 buah
parameter, yakni , besar sudut angguk (pitch angle) dan ,
tip speed ratio. Nilai koefisien daya turbin dapat
didefinisikan:
5
2
( , ) ( )
1 3 4 6
C
C
i
C C C C e C
p
i

| |

= +
(2.2)

Nilai
i
pada persamaan didefinisikan oleh :

1 1 0.35
3
0.08
1
i
|
|
=
+
+
(2.3)

Dengan koefisien nilai C
1
=0.5176;C
2
=116;
C
3
=0.4;C
4
=5;C
5
=21;C
6
=0.0068[5].



Nilai Tip Speed Ratio diberikan oleh persamaan :
v
R
T T
e
=
.4)
dengan:

T
= kecepatan rotor
R
T
= jari-jari rotor.

Nilai maksimum koefisien daya turbin adalah 0.48
pada saat sudut angguk 0
o
.

2.2. Mesin Induksi
Mesin induksi yang digunakan pada DFIG adalah
mesin induksi tiga fasa dengan tipe rotor belit sehingga
memungkinkan pengaturan luar.
Pemodelan mesin induksi terdiri dari model elektrik
dan model mekanik. Pemodelan elektrik dinyatakan dalam
transformasi park (sumbu d-q). Dengan menyatakan model
elektrik dalam transformasi park, maka metode kontrol
menjadi lebih mudah karena komponen arus dan tegangan
tiga fasa yang dinyatakan dalam koordinat putar d-q dapat
dipisah antara pengaturan komponen daya aktif dan daya
reaktif. Proses ini dinamakan de-kopling.
Persamaan matematik model elektrik DFIG dapat
dinyatakan :
( )
( )
d
V R I
q s q q dr s s s
dt
d
V R I
q d d d s s s s s
dt
d
V R I
qr qr qr r r
dr
dt
d
V R I
r r qr
dr dr dr
dt
e
e
e e
e e
= + +
= +
= + +
= +
(2.5)
dengan:
R = tahanan
= fluks
= kecepatan sinkron

r
= kecepatan rotor.
Indeks s menyatakan stator, r menyatakan rotor, d
menyatakan sumbu direct dan q menyatakan sumbu
quadrature.
Model mekanik mesin induksi terdiri atas model ruang
keadaan (state space) orde dua dengan output berupa sudut
rotor dan kecepatan sudut rotor [7,8,9]. Persamaan
matematika model mekanik mesin induksi adalah
1
( )
2
d
T F T
m e m m
dt H
e e =

(2.6)
d
m m
dt
u e =

(2.7)
dengan:
H = konstanta inersia,
T
e
= torsi elektromekanik
T
m
= torsi mekanik
F = konstanta gesek

m
= sudut rotor.

2.3. Konverter AC/DC/AC
Konverter daya dapat mensuplai tegangan dan
frekuensi yang dibutuhkan, baik pada rotor maupun pada
jaringan. Konfigurasi konverter daya terdiri atas tiga
bagian, yakni konverter bagian stator, konverter bagian
rotor dan sebuah kapasitor DC link .
Ke Rotor Ke Jaringan
Cont Cont Cont
Cont Cont Cont
Cont
Cont
Cont
Cont
Cont
Cont

Gambar 2.2. Konverter AC/DC/AC

Konverter bagian rotor adalah konverter sumber
tegangan yang menginjeksi tegangan AC sebesar frekuensi
slip. Konverter jaringan adalah konverter sumber tegangan
yang berfungsi untuk menjaga tegangan DC agar stabil.
Persamaan daya pada Kapasitor DC Link dapat
dinyatakan :
1
2
2
dW
d
dc
C V P P
gc rc
dc
dt dt
= =
(2.8)
Maka tegangan yang dihasilkan pada kapasi-tor DC
Link dapat dinyatakan :
1
V I dt
dc dc
C
=
}
(2.9)
Dengan :
C = kapasitas kapasitor
P
gc
= daya pada konverter jaringan
P
rc
= daya pada konverter rotor

2.4. Induktor Kopling
Induktor kopling berfungsi untuk meng-hubungkan
antara konverter dengan jaringan. Rangkaian induktor
kopling terdiri dari induktansi L dan resistansi R.
Persamaan matematik induktor kopling dapat dinyatakan :

dI
d
V V RI L I L
q
dg dgc d
dt
dI
q
V V RI L I L
qg qgc q
d
dt
e
e
= +
= +
(2.10)

2.5. Metode Kontrol DFIG
Sistem Kontrol pada DFIG terdiri atas tiga bagian,
yakni pengaturan pada konverter rotor, pengaturan pada
konverter jaringan dan pengaturan sudut angguk (pitch
angle).
Fungsi utama konverter jaringan adalah untuk menjaga
tegangan DC pada kapasitor berada pada nilai konstan
yang sudah ditetapkan, sedangkan fungsi konverter rotor
adalah untuk mengatur daya aktif yang dibangkitkan, dan
daya reaktif atau tegangan terminal generator.
Daya aktif diatur untuk mengikuti kurva karakteristik
pelacakan (tracking characteristic curve). Kurva
karakteristik pelacakan pada turbin berupa kurva ABCD
yang berhimpitan pada kurva karakteristik daya mekanik-
kecepatan turbin. Kurva karakteristik pelacakan
diilustrasikan pada Gambar 2.3.

Gambar 2.3. Kurva karakteristik pelacakan

Kurva karakteristik pelacakan didefinisikan oleh 4 titik
yakni A, B, C dan D. Dari kecepatan nol sampai dengan
kecepatan pada titik A, daya referensi bernilai nol. Antara
titik A dan titik B, karakteristik pelacakan berupa sebuah
garis lurus menanjak, kecepatan B harus lebih besar dari
kecepatan A. Antara titik B dan titik C, karakteristik
pelacakan berupa lokus daya maksimum pada masing-
masing kecepatan turbin. Karakteristik pelacakan antara
titik C dan titik D berupa garis lurus. Daya pada titik D
bernilai 1 pu dan kecepatan pada titik D lebih besar
daripada kecepatan pada titik C. Diatas titik D, daya
referensi bernilai konstan, yakni sebesar 1 pu.
Untuk mendapatkan nilai daya referensi berdasarkan
kuva karakteistik pelacakan, diperlukan data kecepatan
turbin yang didapatkan dengan pengukuran secara
langsung.
Pada saat terjadi gangguan hubung singkat, terdapat
selisih antara daya referensi dengan penjumlahan antara
total daya terbangkit dan rugi daya. Selisih daya ini
dikompensasi oleh regulator daya agar total daya yang
diekstraksi optimal.

Output regulator daya berupa arus rotor sumbu-q
referensi, I
qr_ref
. Komponen arus ini menghasilkan torsi
elektromekanik T
em
.

Arus I
qr
yang didapatkan melalui pengukuran
dibandingkan dengan I
qr_ref.
Error yang dihasilkan
direduksi menjadi nol dengan menggunakan regulator arus.
Output dari regulator arus ini adalah tegangan V
qr
yang
dibangkitkan oleh konverter rotor
.
Gambar 2.4 bagian
bawah menunjukkan loop sistem kontrol daya aktif.
Selain dapat digunakan untuk mengatur daya aktif,
konverter rotor juga dapat digunakan untuk mengatur besar
tegangan atau daya reaktif yang diserap/dihasilkan. Mode
regulasi VAR dan tegangan tidak dapat digunakan
bersama-sama.
Sistem kontrol yang lain, yakni kontrol sudut angguk
berfungsi untuk membatasi daya mekanik yang diekstraksi
turbin pada saat kecepatan angin melebihi kecepatan
nominal sehingga kecepatan rotor berada pada titik D pada
kurva karakteristik pelacakan.

Kurva
Pelacakan

, ,
s r gc
I I I
Rugi Daya
Pengukuran
Daya
+
-
-
r
e
r
e
V
I
Regulator
Daya
P_ref
P_los
P_meas
Iq_ref
+
-
Regulator
Arus
Vq
Pengukuran
Arus
r
I Iq
Gambar 2.4. Sistem kontrol daya aktif


III. DESAIN TYPE-2 FUZZY PI PADA DFIG

Fuzzy logic controller adalah sistem kontrol nonlinier
dan dapat menghasilkan hasil kontrol yang baik jika
didesain dengan benar sesuai dengan pengalaman dan
pengetahuan terhadap karakteristik sistem.
Type-2 fuzzy logic memiliki kesamaan proses dengan
fuzzy logic tipe-1 yakni fuzzifikasi, basis pengetahuan,
sistem inferensi dan defuzifikasi. Perbedaan type-2 fuzzy
logic dengan fuzzy logic tipe-1 terletak pada metode
fuzzifikasi dan defuzzifikasi.
Pada proses fuzzifikasi, fungsi keanggotaan dari
masing-masing himpunan fuzzy dibagi menjadi upper
membership function (UMF) dan lower membership
function (LMF). Sedangkan pada proses defuzzifikasi,
diperlukan proses tipe reduksi untuk mengubah himpunan
fuzzy menjadi bilangan.
Type-2 Fuzzy PI Controller (T2FPIC) diaplikasikan
sebagai regulator daya pada loop sistem kontrol konverter
di sisi rotor.

Kurva
Pelacakan

, ,
s r gc
I I I
Rugi Daya
Pengukuran
Daya
+
-
-
r
e
r
e
V
I
Type-2 Fuzzy
PI
P_ref
P_los
P_meas
Iq_ref
Gambar 3.1. Skema kontrol Type-2 Fuzzy PI pada konverter rotor

Input dari blok Type-2 Fuzzy PI Controller adalah
error daya dan perubahan error daya. Error daya adalahi
selisih antara daya referensi yang dihasilkan oleh kurva
karakteristik pelacakan (tracking characteristic) dengan
penjumlahan antara daya terukur dan rugi daya.
Output dari Type-2 Fuzzy PI Controller adalah arus
sumbu quadrature (q-axis) referensi, I
q_ref
. I
q_ref
selanjutnya
diumpankan pada regulator arus (current regulator)
sehingga menghasilkan tegangan sumbu q referensi, V
qr_ref

yang diumpankan oleh konverter rotor menuju rotor.
Gambar detail blok Type-2 Fuzzy PI ditunjukkan oleh
Gambar 2.6.

+
-
1
Z

s
o
|
+
+
( ) e t
( ) de t
( ) U t i
K
p
K
Type-2 Fuzzy
Gambar 2.6. Detail Type-2 Fuzzy PI Controller

Fungsi keanggotaan input terdiri dari 4 fungsi
keanggotaan yang ditunjukkan pada Gambar 2.7,
sedangkan fungsi keanggotaan output terdiri dari 7 fungsi
keanggotaan dan ditunjukkan Gambar 2.8.
0
I N_BN
(x)
I N_SN
I N_SP I N_BP
1.66 1 0.33 -0.33 -1 -1.66
I N_BP_UMF
I N_BP_LMF
1
Gambar 3.2. Fungsi keanggotaan input

0
O_BN
(x)
O_SN
O_SP O_BP
0.33 -0.33 -1 -1.33
O_MN
-0.66
O_MP
0.66 1 1.33
X
Gambar 3.3. Fungsi keanggotaan output

Setelah fuzzifikasi dilanjutkan dengan proses
inferensi. Pada Tugas Akhir ini proses inferensi
menggunakan metode min-max mandani. Aturan yang
digunakan didefinisikan pada Tabel 3.1 dengan sedikit
modifikasi, pada masing masing rule, operasi fuzzy terbagi
dua, yakni operasi bagian UMF dan LMF.

Tabel 3.1. Aturan Fuzzy
e\de BN SN SP BP
BN BN MN SN Z
SN MN SN Z SP
SP SN Z SP MP
BP Z SP MP BP

Hasil operasi fuzzy didefuzzifikasi menggunakan
metode centroid yang dirumuskan oleh Karnik dan Mendel
dan dikenal sebagai Algoritma Karnik-Mendel.
Susunan sederhana algoritma Karnik Mendel terdiri
dari tiga tahap, menentukan centroid kiri, menentukan
centroid kanan, dan terakhir adalah menentukan centroid.

A. Penentuan C
r

1.Inisialisasi
i

1
( ) ( ) , 1,...,
2
i i i A
A
x x i N u
(
= + =


Kemudian hitung:
1
1
' ( ,..., )
N
i i
i
i N
N
i
x
C C
u
u u
u
=
= =

2. Cari nilai k (1 k N-1) sehingga
1
'
k k
x C x
+
s s
3. Hitung
1 1
1 1
( ) ( )
''
( ) ( )
k N
i i i i A
A i i k
k N
i i A
A i i k
x x x x
C
x x


= = +
= = +
+
=
+



Jika C=C, maka C
r
=C. Jika tidak kembali ke
langkah 2
B. Penentuan C
l

Hampir sama dengan mencari centroid kanan, dengan
nilai C :
1 1
1 1
( ) ( )
''
( ) ( )
k N
i i i i A
A i i k
k N
i i A
A i i k
x x x x
C
x x


= = +
= = +
+
=
+



C. Penentuan C(centroid)
2
l r
C C
C
+
=


IV. HASIL DAN ANALISIS

Pengujian performansi metode kontrol Type-2 Fuzzy
Proportional Integral (T2FPI) Controller dilakukan dengan
mengimplementasikan pada MATLAB simpower dengan
Plant berupa Pembangkit Tenaga Angin berdaya total 9
MW, terdiri atas 6 turbin angin DFIG dengan daya dengan
tegangan nominal 575 Volt. PLTB dihubungkan ke
jaringan distribusi 25 kV kemudian mengirimkan daya ke
jaringan tegangan transmisi 120 kV

DFIG
575V 25kV 120kV 25kV

Gambar 4.1. Test Sistem

Pengujian pertama adalah untuk mendapat-kan respon
sistem pada saat terjadi perubahan kecepatan angin.
Kecepatan angin naik mulai dari 8 m/s s.d 14 m/s dalam
waktu 6 detik. Kontrol yang diusulkan, yakni T2FPIC
dibandingkan dengan kontrol Fuzzy PI dan PI
konvensional. Respon kecepatan turbin ditunjukkan oleh
Gambar 4.2. Daya yang dihasilkan oleh DFIG ditunjukkan
oleg Gambar 4.3.


Gambar 4.2. Respon kecepatan rotor (perubahan angin)


Respon 4.3. Respon daya aktif (perubahan angin)

Pengujian kedua dilakukan dengan memberikan
gangguan hubung singkat pada bus 25 kV selama 4 siklus.
Sistem yang diuji dalam keadaan mantap (steady state)
menghasilkan daya nominal 8.78 MW. Respon kecepatan
rotor terhadap gangguan ditunjukkan oleh Gambar 4.4,
sedangkan respon daya aktif yang dibangkitkan
ditunjukkan oleh Gambar 4.5.


Gambar 4.4. Respon kecepatan rotor (gangguan)


Gambar 4.5. Respon daya aktif (gangguan)

Pada saat terjadi kenaikan angin, perbaikan respon
oleh T2FPIC yang terjadi cukup kecil, baik untuk
kecepatan rotor maupun daya aktif yang dihasilkan.
Penyebab kecilnya pengaruh perbaikan respon ini
disebabkan karena nilai penguatan kontrol PI pembanding
yang diberikan oleh Matlab sudah cukup optimal untuk
bekerja pada perubahan-perubahan kecil.
Sementara itu, pada saat terjadi gangguan 3 fasa pada
bus 25 kV, perbaikan respon yang terjadi cukup signifikan.
Data respon kecepatan rotor dan respon daya aktif
disajikan pada Tabel 4.1 dan Tabel 4.2.

Tabel 4.1. Respon kecepatan rotor (gangguan)
Metode
control
Steady
state
y
max
(pu)
y
min
(pu)
Settling
time
(det)
PI 1.2115 1.217 1.2102 1.60
Type-1
Fuzzy
1.2115 1.2172 1.2104 1.50
Type-2
Fuzzy
1.2115 1.217 1.2104 1.50

Tabel 4.2. Respon daya aktif (gangguan)
Metode
control
Steady
state
y
max
(MW)
Settling
time
(det)
PI 8.7828 9.8650 0.75
Type-1
Fuzzy
8.7828 9.5574 0.56
Type-2
Fuzzy
8.7828 9.3945 0.56


V. KESIMPULAN

Dengan menganalisis hasil simulasi, diperoleh
kesimpulan bahwa penggunaan metode kontrol T2 Fuzzy
PI sebagai regulator daya dapat meningkatkan performansi
sistem pada saat terjadi gangguan hubung singkat, yakni
respon kecepatan rotor dan daya aktif .Sementara itu untuk
perbaikan performansi ekstraksi daya pada saat terjadi
perubahan kecepatan angin pengaruhnya kecil.


APENDIKS

A. Parameter DFIG
Daya nominal=9MW;
Faktor daya =0.9
Tegangan nominal =575V
Data stator [Rs Lls ] =[0.00706 pu 0.171 pu]
Data stator [Rr Llr] =[0.005 pu 0.156 pu]
Induktansi bersama =2.9 pu;
Momen inersia =0.4 detik;
Koefisien gesek =0.01 pu;
pasang kutub=3;
Induktor kopling [L R]= [0.15 pu 0.0015 pu]
Tegangan DC=1200V;
Kapasitor C=60mF;
Regulator tegangan [Kp Ki] = [1.25 300]
Regulator Daya [Kp Ki] =[1 100]
Regulator DC [Kp Ki] = [0.002 0.0005]
Regulator arus konv rotor [Kp Ki] = [0.3 8]
Regulator arus konv jaringan [Kp Ki]=[1 100]
Droop Xs=0.02 pu

B. Parameter Type-2 Fuzzy PI Controller
=20; =500;
DAFTAR PUSTAKA

[1] Andreas Petersson,Analysis, Modelling and Control of
Doubly-Fed Induction Generator for Wind Turbines,
Chalmers University of Technology, Gteborg, 2005
[2] Wei Qiao, G.K. Venayagamoorthy, Ronald
Harley,Design of Optimal PI Controllers for Doubly
Fed Induction Generators Driven by Wind Turbines
Using Particle Swarm Optimization, International
Joint Conference on Neural Network, Vancouver, July,
2006
[3] V. Calderaro,V.Galdi,A. Picollo, P. Siano, A fuzzy
controller for maximum energy extraction from
variable speed wind power generation systems,
ScienceDirect Electric Power System Research 78 p.
1109-1118, 2008.
[4] S. Mishra, Y. Mishra,Fangxing Li, Z.Y. Dong, TS-
fuzzy controlled DFIG based Wind Energy
Conversion System, IEEE Xplore,Oktober, 2009
[5] Siegfried Heier, "Grid Integration of Wind Energy
Conversion Systems" John Wiley & Sons Ltd, 1998.
[6] Mukund R. Patel, Wind and Solar Power System,
CRC Press, New York, 1999
[7] Akhmatov, "Variable-Speed Wind Turbines with
Doubly-Fed Induction Generators, Part I: Modelling in
Dynamic Simulation Tools",Wind Engineering
Volume 26, No.2,2002
[8] R.Pena, Clare, Asher, "Doubly fed induction generator
using back-to-back PWM converters and its
application to variable-speed wind-energy generation,"
IEEE Proc.-Electr. Power Appl., Vol. 143, No. 3, May
1996
[9] Nicholas W. Miller, Juan J. Sanchez-Gasca, William
W. Price, Robert W. Delmerico, "Dynamic Modeling
Of Ge 1.5 And 3.6 Mw Wind Turbine-Generators For
Stability Simulations," GE Power Systems Energy
Consulting, IEEE WTG Modeling Panel, Session July
2003.
[10]Era Purwanto, M. Ashary, Subagio, Mauridhi Herry,
Pengembangan Inverter Fuzzy Logic Control Untuk
Pengendalian Motor Induksi Sebagai Penggerak Mobil
Listrik Dengan Metoda Vector Kontrol, Makara,
Teknologi, Volume 12, No. 1: 1-6, April 2008: 1-6
[11]J.Chatelain,Machine lectriques Tome 2, Presses
polytechniques romandes,Reli, 1983
[12]Lesenne,.Notelet,Sguier,Introductionlectrotechniq
ue approfondie, Universit des Sciences et
Techniques de Lille, Paris, 1981.
[13]El-Sattar, Saad, Shams El-Dein, Dynamic response of
doubly fed induction generator variable speed wind
turbine under fault, ScienceDirect Power System 78
p. 1240-1246,2008
[14]Sri Kusumadewi,Analisis & Desain system Fuzzy
Menggunakan Toolbox Matlab,Graha
Ilmu,Yogyakarta, 2002.
[15] K.S.Tang, Kim Fung Man, Guanrong Chen and Sam
Kwong, An Optimal Fuzzy PID Controller,IEEE
Transactions on Industrial Electronic Vol 48
No.4,0278-0046,2001.
[16]Jerry M. Mendel, Robert I.Bob John, Type-2 Fuzzy
Sets Made Simple, IEEE, April, 2002.
[17]Jerry M.Mendel, Feilong Liu, Super-Exponential
Convergence of the KarnikMendel Algorithms for
Computing the Centroid of an Interval Type-2 Fuzzy
Set, IEEE, April 2007
[18] Imam Robandi, and Bedy Kharisma. Design of
Interval Type-2 Fuzzy Logic Based Power System
Stabilizer, PWASET Volume 31, ISSN 1307-6884.
2008.
[19] Qilian Liangand, Jerry M. Mendel, Interval Type-2
Fuzzy Logic System Theory and Design, IEEE,
Oktober, 2000.


RIWAYAT HIDUP
Dedy Kurniawan dilahirkan di
Kabupaten Purbalingga, 13 September
1986. Penulis adalah putra kedua dari dua
bersaudara pasangan Darimoyo dan
Sunarti.
Penulis memulai kegiatan
akademisnya di SD Dawuhan 2 dan SLTPN 1 Purbalingga.
Setelah itu penulis melanjutkan studinya di SMA Taruna
Nusantara Magelang. Tahun 2005, penulis melanjutkan
program sarjana di Jurusan Teknik Elektro Institut
Teknologi Sepuluh Nopember Surabaya melalui jalur
SPMB.
Mulai tahun 2008 penulis aktif sebagai member
laboratorium operasi dan kontrol sistem tenaga listrik
(power system simulation and control). Bersama dengan
beberapa member PSOC, penulis telah menelurkan
beberapa paper yang dipublikasikan di seminar nasional,
yakni :
1. Optimal PI Controller pada LFC menggunakan Self
Organizing Genetic Algorithm, Prosiding Seminar
Nasional Matematika, 30 Januari 2010,UMM.
2. Sistem AVR berbasis Type-2 Fuzzy PI, Prosiding
Seminar Nasional Matematika, 6 Februari 2010, UI.
3. Desain PI Controller pada LFC menggunakan Genetic
Algorithm, Prosiding Seminar Nasional Matematika, 6
Februari 2010, UI.
Pada bulan Juni 2010 penulis mengikuti seminar dan
ujian Tugas Akhir di Bidang Studi Teknik Sistem Tenaga
Jurusan Teknik Elektro FTI ITS Surabaya sebagai salah
satu syarat untuk memperoleh gelar Sarjana Teknik
Elektro.