PENGGUNAAN BACKPROPAGATION NEURAL NETWORK PADA

RELAY JARAK UNTUK MENDETEKSI GANGGUAN PADA

JARINGAN TRANSMISI

Ibnu Hajar
*)

*
)
Staf Pengajar Jurusan Teknik Elektro, Politeknik Negeri Medan


Abstrak
Relay jarak digunakan untuk mengamankan jaringan transmisi dari gangguan hubung singkat, biasanya
dirancang dengan range setting yang tetap. Jika impedansi jaringan transmisi yang akan diamankan tidak
berada derange setting impedansi relay jarak, maka relay tidak bias bekerja. Penggunaan backpropagation
neural network pada relay jarak untuk mendeteksi gangguan dengan mengenali pola-pola bentuk gelombang
tegangan dan arus. Prinsip dari backpropagation neural network pada aplikasi relay jarak adalah maping
untuk mengenali bentuk gelombang tegangan dan arus. Backpropagation neural network deprogram secara
terpadu menggunakan algoritma generalized delta rule (GDR) untuk mengenali pola-pola bentuk gelombang
tegangan dan arus pada kondisi saluran transmisi terganggu, dengan menggunakan tegangan dan arus phasa
sebagai input, output backpropagation neural network dalam hal ini adalah keputusan trip/tidak trip. Jika hasil
maping bernilai antara 0,5-1 maka relay jarak akan memberikan sinyal pada CB untuk trip. Relay jarak tidak
memberi sinyal untuk trip pada CB jika hasil maping bernilai 0-0,49.

Kata-kata kunci: Relay Jarak, Sistem Tenaga Listrik, Backpropagation Neural Network


1. Pendahuluan
Perlindungan saluran transmisi mempunyai
peran penting dalam perlindungan sistem daya
listrik, karena saluran transmisi merupakan sarana
penting suatu jaringan yang menghubungkan
stasiun Pembangkit Tenaga Listrik dengan pusat
beban. Rentangan jaringan transmisi cukup
panjang, sehingga sangat rentan terhadap gangguan
yang terjadi dalam system daya listrik. Salah satu
gangguan yang terjadi adalah hubung singkat, baik
hubung singkat antar-phasa maupun phasa dengan
tanah. Apabila gangguan tersebut berlangsung
lama, maka akan mempengaruhi sistem yang lain,
di antaranya adalah: kestabilan daya berkurang,
peralatan yang berada setelah gengguan akan rusak,
karena arus yang lewat besar, arus phasa tak
seimbang, tegangan jala-jala akan turun.
Pada umumnya perlindungan saluran transmisi
tenaga listrik menggunakan sistem proteksi dengan
relay jarak. Relay jarak dapat memberikan indikasi
daerah terjadinya gangguan. Relay jarak digunakan
untuk mengamankan saluran transmisi dari
gangguan dalam zona proteksinya. Kerja relay
jarak adalah berdasarkan perbandingan arus
gangguan yang dirasakan oleh relay terhadap
tegangan di mana relay jarak dipasang. Nilai
perbandingan antara tegangan dan arus adalah:
( )
f
f
f
Z
I
V
= tersebut dibandingkan dengan
impedansi saluran transmisi (Z
L
) yang diamankan.
Jika Z
f
< Z
L
relay jarak akan bekerja. Umumnya
relay jarak dirancang dengan range setting
impedansi tertentu yang tetap. Jika impedansi
saluran transmisi yang diamankan tidak berada
dalam range setting impedansi relay jarak, maka
konfigurasi saluran transmisi harus diubah agar
besar impedansi saluran transmisi berada dalam
range setting impedansi relay jarak. Dalam
merancang sistem proteksi perlu
mempertimbangkan karakteristik relay yang ada di
pasaran. Keterbatan range setting impedansi dapat
dihilangkan dengan menggunakan Backpropagation
Neural Network dalam mendeteksi gangguan.
Penggunaan Backpropagation Neural Networ pada
relay jarak adalah untuk mendeteksi gangguan
tidak mempunyai keterbatan range setting
impedansi, karena cara kerjanya berbeda dengan
relay jarak konvensional, yaitu dengan cara
memprogram bagian Neural Network dari relay
jarak dengan data-data saluran transmisi yang akan
diamankan.




Jurnal Teknik SI METRI KA Vol. 4 No. 2 Agustus 2005: 352 355
357
2. Tinjauan Pustaka

2.1 Cara Kerja Relay Jarak
Prinsip dasar kerja relay jarak adalah
membandingkan arus gangguan yang dirasakannya
terhadap tegangan di mana relay tersebut dipasang.
Dengan membandingkan kedua harga tersebut,
Impedansi saluran transmisi dari lokasi relay
sampai titik/lokasi gangguan dapat diukur. Jika
nilai perbandingan lebih kecil dari impedansi
saluran yang diamankan maka relay bekerja dengan
memberi sinyal kepada trip coil CB sehingga CB
memutuskan saluran yang mengalami gangguan
tersebut.

2. 2 Komponen Relay
Komponen utama relay jarak adalah komparator
yang berfungsi untuk membandingkan impedansi
gangguan dengan setting impedansi dari relay. Ada
dua jenis komparator:
- Komparator amplitude
- Komparator sudut phasa

Sub komponen dari relay jarak adalah elemen
perasa gangguan yang berguna untuk mendeteksi
secara langsung gangguan yang terjadi. Elemen
perasa gangguan berfungsi untuk:
- Secara langsung maupun tidak langsung
mengatur switch pengukurnya pada tegangan
atau arus sesuai dengan jenis gangguan serta
phasa yang terganggu.
- Menentukan arah lokasi gangguan dan
mencegah masuknya impedansi beban.

2. 3 Syarat-Syarat Relay Pengaman
Agar sistem pengamanan saluran transmisi
dapat bekerja dengan baik apabila terjadi gangguan
sesuai dengan ketentuan yang berlaku, maka syarat-
syarat berikut harus dipenuhi antara lain:
a. Cepat
Relay harus cepat bereaksi/bekerja bila system
mengalami gangguan. Kecepatan bereaksi dari
relay adalah pada saat relay mulai merasakan
gangguan sampai dengan pelaksanaan pelepasan
circuit breaker (CB) karena perintah dari relay
tersebut. Waktu bereaksi ini harus diusahakan
secepat mungkin sehingga dapat dihindari
kerusakan pada alat serta membatasi daerah
yang mengalami gangguan. Mengingat suatu
sistem tenaga mempunyai batas-batas stabilitas,
mungkin gangguan sistem bersifat sementara,
maka relay yang semestinya bekerja denga
cepat perlu diperlambat (time delay), seperti
yang ditunjukan melalui persamaan berikut:
cb p op
t t t =
di mana:
top = total waktu yang diperlukan untuk
memutuskan hubungan
tp = waktu unit relay beroperasi
tcb = waktu yang dibutuhkan untuk pelepasan
CB
Umumnya top sekitar 0,1 detik, kerja peralatan
pengaman sudah dianggap baik.
b. Selektif
Kecermatan dalam memilih pengadaan
pengaman, hal ini menyangkut koordinasi
pengamanan dari sistem secara keseluruhan.
Untuk mendapatkan keandalan yang tinggi,
maka relay pengaman harus mempunyai
kemampuan selektif yang tinggi, dengan
demikian segala sesuatu tindakan akan tepat dan
akibat gangguan dapat dikurangi sekecil
mungkin.
c. Sensitif
Relay harus bekerja dengan kepekaan yang
tinggi, harus cukup sensitif terhadap gangguan
di daerahnya, meskipun ganggauan yang terjadi
kecil relay tetap meresponsnya.
d. Reliability
Keandalan relay dilihat dari jumlahnya bekerja
mengamankan daerahnya terhadap gangguan
yang terjadi. Keandalan relay dikatakan baik,
jika mempunyai harga
90%-99%. Keandalan relay dapat dibedakan
menurut:
-Dependability : relay harus dapat diandalkan
setiap saat
- Security : tidak boleh bekerja bila belum
saatnya bekerja
e. Sederhana
Makin sederhana sistem relay semakin baik,
karena setiap peralatan relay memungkinkan
mengalami kerusakan. Dengan demikian
memungkinkan untuk memperkecil terjadinya
kerusakan.
f. Ekonomis
Dengan tidak mengabaikan persyaratan minimal
yang harus dimiliki oleh relay, dipilih harga
relay yang relatif murah.

2.4 Aplikasi Backpropagation Neural Network
pada Relay
Kerja ini diharapkan dapat mengindentifikasi
lokasi gangguan pada saluran sebesar 80% dari
panjang saluran tersebut. Magnitude tegangan dan
arus phasa yang dijadikan sebagai input. Untuk
memperoleh magnitude dan sudut phasa dari
gelombang digunakan filter discrete fourier
transform (DFT) setengah gelombang. Dengan
masukan ini diharapkan dapat membedakan antara
gangguan yang terjadi di 80% panjang saluran
transmisi dan gangguan yang terjadi diluar daerah
proteksi.
Penggunaan Backpropagation Neural Network(Ibnu Hajar)
358
Jurnal Teknik SI METRI KA Vol. 4 No. 2 Agustus 2005: 356 359
359
G
ambar 1: Arsitektur neural network yang
digunakan

Sebagai keluaran dari neural network adalah
keputusan apakah gangguan itu terjadi di daerah
proteksinya (diberi nilai 0) atau diluar daerah
proteksinya (diberi nilai 1). Komponen relay jarak
menggunakan neural network hampir sama dengan
relay jarak konvensional, hanya bagian komparator
diganti dengan neural network.


3. Metodologi
Dalam menggunakan Backpropagation Neural
Network pada relay jarak, untuk mendeteksi
gangguan dilakukan langkah sebagai berikut:
1. Menentukan Arsitektur Neural Network
Struktur backpropagation terdiri dari tiga
lapisan yang terhubung penuh (full connected),
yaitu: input layer, hidden layer dan output
layer.

2. Program Secara Terpadu
Backpropagation Neural Network diprogram
secara terpadu (supervised) dengan
menggunakan Algoritma Generalized Delta
Rule (GDR) dengan Langkah sebagai berikut:
a. Inisialisasi iterasi N = 1
b. Inisialisasi matriks bobot Wij dengan
bilangan random, atau nilai yang diperoleh
sebelumnya.
c. Masukan pola input dan hitung respons
jaringan neural network.
d. Hitung error output menggunakan rumus
berikut:


( )
N
o t
E


=
2

di mana: t = target output.
o = keluaran dari neural network.
e. Jika E Et (threshold) atau N Nmax, stop
program.
Hitung output neuron dengan rumus:
( ) (x f o t .
0
= )
di mana:
f(x) = turunan fungsi sigmoid.
x = input neuron, total output dari hidden
layer yang terkoreksi.
f. Hitung keluaran hidden layer, dengan rumus:
( )

=
nj n n
h
j
w x f . .

di mana:
n = jumlah neuron pada output layer.
w
nj
= bobot koneksi dari neuron j ke
neuron n.
n = keluaran dari neuron ouput.
g. Update matrik bobot w
ij
dengan rumus:
( ) ( ) n w o n w
ji j j ji
= . . . 1 di
mana:
= laju pembelajaran (learning rate).
= parameter momentum.
oj = output neuron I yang masuk ke
neuron j
j = keluaran dari neuron hidden.
h. Naikan harga N, kembali kelangkah c.
hingga langkah e. terpenuhi.
Program dilakukan sampai error melampaui
ambang toleransi atau jumlah program telah
mencapai harga yang telah ditentukan.
Setelah program selesai dilakukan dengan
ambang toleransi terpenuhi, matriks bobot
W
ji
dipakai untuk mendeteksi gangguan
yang terjadi di saluran transmisi.

3. Pengujian Hasil Program Terpadu
Dilakukan dengan menggunakan data yang
dipakai pada saat program terpadu, jika
menghasilkan keluaran yang benar, maka proses
berhasil.

4. Memproses Data Input
Program neural network akan berlangsung lebih
efisien dan efektif bila data-data input berada
pada suatu range tertentu. Untuk itu data input
aktual yang berupa sinyal yang berada dalam
time domain diubah ke frekuensi domain dan
dijadikan fungsi diskrit. Hasilnya dinormalisasi
agar berada dalam satu range yang dipilih.
Range yang dipilih adalah range 0 sampai 1,
karena yang paling banyak dipakai, yang
diperoleh dengan melakukan langkah berikut :
a. Data awal dinormalisasi dengan rumus:

X X
Y
i
i

=
di mana:
Xi = data ke-i.
X = rata-rata data.
= standar deviasi data.
b. Hasil dari normalisasi dimampatkan dengan
fungsi sigmaid dengan rumus :
Dan W. Patterson, 1995. Artificial Neural
Networks, Theory and Applications, Prentice
Hall
( )
1
1
1
1
Y
e
Y f

+
=

R.T. Lythall C, 1992. The J & P Swictgear Book,
Butterworths, London
4. Memperoses Data Output
Hasil dari output layer masih berupa data dalam
range 0 sampai 1. Output dari Backpropagation
Neural Network adalah deteksi gangguan, maka
nilai berada dalam interval 0 0,499 berarti
gangguan berada dalam zona proteksinya. Jika nilai
berada dalam interval 0,5 1,0 berarti gangguan
terjadi diluar zona proteksinya.
Wiliam D. Stevenson , 1996. Analisis Sistem
Tenaga Listrik, Erlangga, Jakarta


5. Diagram Sistem Tenaga Listrik
Untuk merealisasikan Backpropagation Neural
Network pada relay jarak untuk mendeteksi
gangguan yang terjadi digunakan simulasi
gangguan saluran transmisi seperti yang terlihat
pada gambar di bawah.


Gambar 2 : Saluran transmisi yang digunakan
untuk studi bakpropagation neural network

Dari saluran transmisi tersebut disimulasikan
terjadinya gangguan di sepanjang saluran. Jenis
gangguan yang disimulasikan adalah:
1. Gangguan satu phasa ke tanah
2. Gangguan antar phasa
3. Gangguan dua phasa ke tanah
4. Gangguan tiga phasa.

Dari hasil simulasi gangguan dibuat data untuk
memprogram backpropagation neural network.
Sedangkan data targetnya adalah 0 (bila gangguan
berada dalam daerah proteksi) dan 1 (bila gangguan
berada diluar daerah proteksinya).


6. Kesimpulan
Penggunaan backpropagation neural network
pada relay jarak untuk mendeteksi gangguan,
ternyata dapat mengenali daerah proteksinya. Relay
jarak dengan bacpropagation neural network dalam
operasinya lebih presisi karena prosesnya
elektronik (digital).
Kondisi lain adalah apabila kondisi saluran
transmisi yang diamankan mengalami perubahan,
maka backpropagation neural network pada relay
jarak perlu diprogram lagi.
Daftar Pustaka
A.G. Phadke and J.S. Yhop, 1988. Computer
Relaying for Power System, John Wiley and
Sons
Penggunaan Backpropagation Neural Network(Ibnu Hajar)
360