IES 2006 Politeknik Elektronika Negeri Surabaya - ITS

PSS Berbasis pada Fuzzy PID Optimal

untuk Stabilisasi Sistem Tenaga Listrik

Ermanu A. Hakim
1
, Mauridhi Heri PP
2
, Adi Suprijanto
3


Abstrak

PSS (Power system stabilizer) yang dirancang
berdasarkan kontroler PID-Fuzzy Optimal diusulkan
dalam makalah ini. PSS ini digunakan sebagai stabilizer
alternatif untuk meredam osilasi frekuensi rendah. PSS
Berdasarkan Fuzzy PID (Proporsional Integral
Derivative) Optimal (PSSFPIDO) menggunakan
masukan deviasi kecepatan putar untuk membangkitkan
sinyal kontrol tambahan bagi sistem eksitasi. PSSFPIDO
berbentuk kontroler diskrit hasil dari perpaduan
kontroler PID klasik dan logika fuzzy. Parameter
kontroler akan ditala menggunakan algoritma genetika
untuk mencapai hasil optimal. PSS yang diusulkan ini
telah menunjukkan secara efektif dapat melakukan
peredaman osilasi sistem secara optimal. Hal ini
ditunjukkan saat diterapkan pada sistem mesin tunggal-
rel tak berhingga.

key words Fuzzy Logic, Kontroler PID, Power system
stabilizer, algoritma genetika.

1. Pendahuluan
Sistem tenaga listrik merupakan sistem tak linear
yang kompleks dan sering kali muncul osilasi tenaga
listrik frekuensi rendah akibat peredaman yang tidak
memadai. Meskipun regulator tegangan otomatik yang
berkerja secara kontinyu dengan penguatan tinggi telah
membantu batas dinamika sistem tenaga listrik, namun
regulator ini juga menimbulkan peredaman negatif dan,
konsukensinya, menjadikan ketidakstabilan sistem.
Untuk menyelesaikan masalah ini, sinyal stabilisasi
tambahan diberikan kedalam sisem eksitasi. PSS (Power
System Stabilizer) menyediakan sinyal stabilisasi
tambahan dan digunakan secara luas untuk mengurangi
osilasi eketromekanik generator dan menangani stabilitas
menyeluruh bagi sistem tenaga listrik [1].
PSS konvensional didasarkan pada penggunaan
fungsi alih untuk model linear yang menggambarkan
generator pada titik operrasi tertentu. PSS ini telah
digunakan secara luas dan telah memperbaiki stabilitas
sistem tenaga listrik. Karena PSS konvensional
dirancang untuk titik operasi khusus dengan model
fungsi alih linear yang telah ditentukan, sering tidak
memberikan hasil yang memuaskan untuk kondisi kerja
yang lebih luas apalagi untuk peruabahan parameter
yang terus menerus.
Pada perkembangan terakhir, pendekatan
bardasarkan kecerdasan buatan telah diusulkan untuk
merancang PSS Adaptif yaitu pendekatan yang mema-
sukkan logika Fuzzy [2], [3], Neural-Network (NN) [1],
[4], dan algoritma genetika (GA) [7]. PSS berdasar
logika fuzzy telah menunjukkan potensi yang sangat
besar untuk peningkatan peredaman osilasi generator,
secara khusus ketika PSS ini dirancang berdasarkan
adaptiv yang ditala dengan neural network.
Dalam makalah ini, PSS berdasarkan PID fuzyy
optimal dikembangkan, yang menggunakan deviasi
kecepatan sebagai masukan kontroler fuzzy. PSS PID
Fuzzy menggunakan dua kontroler logika fuzzy
dipadukan dengan PID untuk membangkitkan sinyal
tambahan ke sistem eksitasi. Parameter kontroler ditala
menggunakan algoritma genetika untuk mendapatkan
performans yang optimum. Hasil simulasi mesin
tunggal-rel tak berhingga ditampilkan untuk
menunjukkan metode yang diusulkan.

2. Model Kontroller Fuzzy PI/PD Minimum [5,6]
Berikut akan diuraikan model matematika untuk
perancangan kontroler fuzzy PID, termasuk fuzzifikasi,
aturan dasar, dan defuzzifikasi. Dalam perancangan ini
akan digunakan konfigurasi standar kontroler PD+I
karena mudah untuk diimplementasikan. Desain
kontroler PID terdisri atas dua bagian kontroler fuzzy
PD dan kontroler fuzzy I.

Gambar 1. Sistem kontrol PD+I

A. Penentuan kontroler fuzzy PD
Prinsip matematika dari keluaran kontroler
konvensional PD kontroler dalam kawasan frekuensi s
dari sistem dengan diagram balok yang diperlihatkan
gambar 1 adalah
(1) ) ( ) ( s E sK K u
c
d
c
P PD
+ =
dengan dan masing-masing adalah penguatan
proporsional dan derivatif konvensional, dan E(s) adalah
sinyal kesalahan penjejakan.
c
P
K
c
d
K
Dengan melakukan transformasi diskrit dengan
menerapkan transformasi bilinear

=
1
1 2
z
z
T
s
(2)
1
ProgramDoktor Institut Teknologi Sepuluh Nopember Surabaya
105
Staf Pengajar Univ.Muhammadiyah Malang
2
Staf Pengajar Institut Teknologi Sepuluh Nopember Surabaya
3
Staf Pengajar Institut Teknologi Sepuluh Nopember Surabaya
IES 2006 Politeknik Elektronika Negeri Surabaya - ITS
dengan T adalah periode sampling, diperoleh

) ( )
1
1
2
( ) (
1
1
z E
z
z T
K K z u
c
d
c
P PD

+ =
(3)
dengan membuat dan dan
kemudian melakukan transformasi z balik, kita dapatkan
e
p P
K K = T K K
e
p d
/ 2 =

)] ( ) ( [
)] ( ) ( [ ) ( ) (
T nT e nT e K
T nT e nT e K T nT u nT u
d
P PD PD
+
+ = +
(4)
dengan membagi persamaan (1) dengan T, dan
menggunakan n untuk maksud nT dan keadaan
sekarang, kita peroleh
) ( ) ( ) ( n r K n d K n u
d P PD
+ = (5)
dengan
T
n u n u
n u
PD PD
PD
) 1 ( ) (
) (
+
=

T
n e n e
n r
) 1 ( ) (
) (

=
T
n e n e
n d
) 1 ( ) (
) (
+
=
Kita dapat tulis kembali persamaan (5) sebagai
) ( ) 1 ( ) ( n u T n u n u
PD PD PD
+ = (6)
dengan mengganti suku dengan penguatan
aksi kontrol fuzzy kita dapatkan
) (n u T
PD

) ( ) 1 ( ) ( n u K n u n u
PD u PD PD
PD
+ =
(7)
dengan penguatan kontrol fuzzy
PD
u
K

B. Penentuan kontroler fuzzy I
Sementara itu kontroler I dalam sistem kontrol
PD+I seperti ditunjukkan gambar 1, memiliki e sebagai
masukan dan u
I
sebagai keluaran. Dalam kawasan
frekuensi s hubungan masukan keluaran diuraikan dalam
bentuk persamaan berikut
) ( ) ( s E
s
K
s u
e
i
I
= (8)
dengan adalah penguatan kontrol integral
konvensional dan E(s) adalah sinyal kesalahan. Dengan
menggunakan transformasi biliner yang sama terhadap
persamaan (8) diperoleh
e
i
K

) (
1
1
2
) (
1
1
z E K
z
z T
z u
e
i I

=
(9)
sehingga
) (
1
2
1
2
) (
1
1
z E
z
z T
K z u
e
i I

+ =

(10)
Oleh karena itu kita memiliki persamaan berikut
) 1 ( )] 1 ( ) ( [
2
) 1 ( ) ( + = n Te K n e n e
T K
n u n u
e
i
e
i
I I
(11)
dengan membagi persamaan (11) dengan T diperoleh
) ( ) 1 ( ) ( n Kr n e K n u
I I
+ = (12)
dengan dan , dan
e
i i
K K =
e
i
K T K ) 2 / ( =
T
n u n u
n u
I I
I
) 1 ( ) (
) (

=

T
n e n e
n r
) 1 ( ) (
) (

=

dengan membuat sebagai penguatan kontrol fuzzy,
sebagimana kita lakukan untuk kontroler fuzzy PD
seperti diuraikan diatas, maka kita dapatkan
I
u
K
) ( ) 1 ( ) ( n u K n u n u
I u I I
I
+ = (13)

C. Kombinasi kontroler fuzzy PD+I
Kontroler fuzzy PD+I keseluruhan diperoleh
menggunakan penjumlahan aljabar diperoleh
) ( ) 1 (
) ( ) 1 (
) ( ) ( ) (
n u K n u
n u K n u
n u n u n u
I u I
PD U PD
I PD PID
I
PD
+ +
+ =
+ =
(14)
Persamaan ini akan disebut sebagai aturan kontrol fuzzy
PD+I.
1
z
-1
z
-1
z
-1
K
z
-1
1/T
z
-1
K
d
1/T
K
uI
K
uPD
K
i
K
p
Kontroler PD Fuzzy
Kontroler I Fuzzy
1
d(n)
e(n)
e(n)
r(n)
r(n)

Gambar 2. Diagram blok Kontroler PID Fuzzy

3. Fuzzifikasi, Aturan Dasar dan Defuzzifikasi
Kita telah memiliki prosedur standar perancangan
kontroler fuzzy yang terdiri atas fuzzifikasi, penetapan
aturan dasar kontrol dan defuzzifikasi [5,6,7].
1. Fuzzifikasi
Kita akan menjadikan fuzzy komponen sistem
kontrol PD+I pada masing-masing komponen dan
kemudian menggabungkan aturan kontrol fuzzy yang
diinginkan pada tiap komponen, dengan mengambil
pertimbangan aturan kontrol fuzzy PD+I keseluruhan.
Dengan cara sama dengan kontroler fuzzy PD, fungsi
keanggotaan masukan dan keluaran komponen PD
diperlihatkan gambar 3 dan 4.


Gambar 3. Fungsi anggota masukan untuk
komponen PD


106
IES 2006 Politeknik Elektronika Negeri Surabaya - ITS

Gambar 4. Fungsi keanggotaan keluaran untuk
komponen PD

Gambar 5. Fungsi keanggotan masukan untuk
komponen I

Gambar 6. Fungsi keanggotaan keluaran untuk
komponen I
Kontroler fuzzy PD memiliki dua masukan : sinyal
kesalahan rata-rata d(n) dan tingkat perubahan sinyal
kesalahan r(n). Kontroler fuzzy PD memiliki keluaran
tunggal yang ditandai dengan u
PD
(n) seperti
ditunjukkan gambar 2.
Kontroler I memiliki dua masukan : sinyal
kesalahan tertunda e(n-1) dan tingkat perubahan sinyal
kesalahan r(n). Fungsi keanggotaan masukan dan
keluaran untuk kontroler fuzzy I seperti diperlihatkan
gambar 5 dan gambar 6.

2. Aturan Kontrol Fuzzy
Dengan menggunakan fungsi keanggotan tersebut diatas,
aturan kontrol berikut ditetapkan untuk kontroler fuzzy
PD
(R1) IF d=d.n AND r=r.n THEN PD-output=o.z
(R2) IF d=d.n AND r=r.p THEN PD-output=o.n
(R3) IF d=d.p AND r=r.n THEN PD-output=o.p
(R4) IF d=d.p AND r=r.p THEN PD-output=o.z
Dalam aturan ini, e :=sp y adalah kesalahan, dengan
sp adalah titik setel, adalah tingkat perubahan
kesalahan, keluaran PD adalah kontrol PD fuzzy
u
y e & & =
PD
(n), d.p maksudnya kesalahan positif dan o.p
maksudnya keluaran positif dst. Terakhir, AND
adalah logika Zadeh. AND didefinisikan dengan
(AB)=min{
A
,
B
}. B
Dengan cara yang sama, dari fungsi keanggotaan
kontroler I fuzzy, aturan kontrol berikut digunakan
untuk komponen I, dengan e(n-1) adalah sinyal
kesalahan tunda.
(R5) IF e(n-1)=e.n AND r=r.n THEN I-output=o.n
(R6) IF e(n-1)=e.n AND r=r.p THEN I-output=o.z
(R7) IF e(n-1)=e.p AND r=r.n THEN I-output=o.z
(R8) IF e(n-1)=e.p AND r=r.p THEN I-output=o.p
Dalam aturan diatas, I-output) adalah keluaran kontrol I
fuzzy u
I
(n), dan istilah yang lain didefinisikan sama
denan komponen PD.
Delapan aturan ini secara bersama-sama
menghasilkan aksi kontrol untuk aturan kontrol PD=I
fuzzy.

3. Defuzzifikasi
Dalam langkah fuzzifikasi untuk kontroler baik PD
fuzzy maupun I fuzzy, umumnya menggunakan formula
pusat massa diterapkan untuk defuzifikasi kontrol
pertambahan bagi aturan kontrol fuzzy persamaan (13)
seperti ditunjukkan persamaan berikut:

keluaran} anggota nilai {
keluaran} anggota nilai masukan x anggota nilai {
) (

= n u


Untuk kontroler PD, nilai jangkauan dari dua
masukan, kesalahan dan tngkat perubahan kesalahan,
secara aktual dibagi dalam 10 daerah kombinasi
masukan yang berdekatan (IC) seperti ditunjukkan
dalam gambar 7. Aturan kontrol untuk kontroler PD
(R1)-(R4), dengan fungsi keanggotaan dan daerah IC
bersama-sama, digunakan untuk menguji aturan kontrol
fuzzy bagi tiap daerah.

IC-H IC-D IC-D IC-G
IC-B IC-B
IC-E
IC-A IC-A
IC-C
IC-A IC-A
IC-E
IC-B IC-B
IC-C
IC-J IC-F IC-F IC-I

Gambar 7. Daerah nilai kombinasi masukan kontroler
fuzzy PD dan I

Sekarang dengan menerapkan nilai o.p =L, o.n=-L,
o.z=0, dan dengan menggunakan formulasi garis lurus
berikut yang diperoleh dari geometri gambar 7 :

L
L n r K
n r
L
L n r K
p r
L
L n d K
n d
L
L n d K
p d
d
d
P
P
2
) (
.
2
) (
.
2
) (
.
2
) (
.
+
=
+
=
+
=
+
=
(15)
diperoleh 9 formulasi untuk 10 daerah IC berikut

107
IES 2006 Politeknik Elektronika Negeri Surabaya - ITS
I IC dalam
H IC dalam
J G, IC dalam 0
F IC dalam ] ) ( [
E IC dalam ] ) ( [
D IC dalam ] ) ( [
C IC dalam ] ) ( [
B IC dalam
] ) ( 2 [ 2
)] ( ) ( [
A IC dalam
] ) ( 2 [ 2
)] ( ) ( [
) (
2
1
2
1
2
1
2
1
L
L
L n r K
L n r K
L n r K
L n r K
n d K L
n r K n d K L
n d K L
n r K n d K L
n u
P
d
P
d
P
d P
P
d P
PD
=
=
=
+ =
=
=
+ =


=

=
(16)
Dengan cara yang sama, defuzifikasi kontroler I
menggunakan prosedur yang sama seperti diuraikan
diatas untuk komponen PD, kecuali sinyal masukan
dalam kasus ini yang berbeda. Kombinasi IC dua
masukan ini disusun kedalam 10 daerah yang sama,
seperti ditunjukkan dalam gambar 7.
Dengan menerapkan nilai o.p=L, o.n=-L, o.z=0, dan
formulasi garis lurus berikut diperoleh secera geometri
berikut :

L
L n Kr
n r
L
L n Kr
p r
L
L n e K
n e
L
L n e K
p e
P
P
2
) (
.
2
) (
.
2
) 1 (
.
2
) 1 (
.
+
=
+
=
+
=
+
=
(17)
diperoleh 9 formulasi untuk 10 daerah IC berikut
I IC dalam
H IC dalam
J G, IC dalam 0
F IC dalam ] ) ( [
E IC dalam ] ) ( [
D IC dalam ] ) ( [
C IC dalam ] ) ( [
B IC dalam
] ) ( 2 [ 2
)] ( ) 1 ( [
A IC dalam
] ) 1 ( 2 [ 2
)] ( ) 1 ( [
) (
2
1
2
1
2
1
2
1
L
L
L n r K
L n Kr
L n r K
L n Kr
n r K L
n Kr n e K L
n e K L
n Kr n e K L
n u
i
i
i
i
i
PD
=
=
=
+ =
=
=
+ =


=

+
=
(18)
Konstanta K yang mengalikan sinyal r(n) digunakan
sebagai parameter umum. Meskipun konstanta ini
digunakan sebagai penguatan kontrol, namun nilainya
ditetapkan sama dengan satu untuk semua percobaan
untuk menyederhanakan perancangan dengan
mengurangi satu parameter kontrol. Juga, konstanta L >
0 dipilih dan ditetapkan setelah ditentukan.



4. Optimisasi Penguatan Kontrol berdasarkan
Algoritma Genetika [7,8,9]
Prinsip dasar dari Algoritma Genetika (AG) pertama
kali diusulkan oleh Holland. AG diilhami dari
mekanisme seleksi alam, dimana individu yang kuat
akan menjadi pemenang dalam lingkungan yang
berkompetisi. AG menggunakan analogi langsung dari
evolusi alam ini.
AG percaya bahwa solusi dari persoalan adalah
sebuah individu dan dapat digambarkan oleh sejumlah
parameter. Parameter ini dianggap sebagai gen-gen dari
kromosom. Nilai positif, biasanya disebut sebagai nilai
fitness, digunakan untuk menggambarkan tingkat
kedekatan yang baik dari kromosom terhadap
persoalan yang akan berhubungan dengan nilai
tujuannya.
Melalui evolusi genetika, kromosom yang paling
cocok memiliki kecenderungan menghasilkan solusi
terbaik dari masalah. Awlanya, sekumpulan populasi
kromosom diberikan secara sembarang. Pada tiap siklus
operasi genetika yang dissebut sebagai proses evolusi,
satu kelompok kromosom ini, biasa disebut sebagai
parent , dipilih melalui rutin pemilihan proporsinasi
fitness. Gen dari parent dicampur dan digabung ulang
untuk produksi pada kelahiran berikutnya. Proses
evolusi ini diharapkan muncul kromosom terbaik, dan
selanjutnya memiliki kesempatan tertinggi untuk hidup
pada kelahiran berikutnya, bertanding pada mekanisme
pencocokan berikut.
Siklus evolusi diulangi sampai kriteria terminasi
yang diinginkan telah tercapai. Kriteria dapat juga dibuat
berdasarkan jumlah siklus evolusi, atau banyaknya
variasi individual antara pembangkitan yang berbeda,
atau nilai fitness yang ditentukan.

A. Penggambaran Kromosom
Mengacu pada bagian III, terdapat tujuh parameter
kontrol {K, K, K, L, K, K, K} yang ditentukan untuk
kontroler PID fuzzy optimal. Oleh karena itu, kromosom
I dapat didefinisikan sebagai
I ={K
P
, K
D,
K
I
, L, K
uI
, K
PD
, K}
dengan penggambaran bilangan-nyata.
B. Performans Indeks (Fitness Function)
Indeks performans yang digunakan untuk optimasi
adalah didefinisikan
(19)

=
0
2
)] ( [ dt t t J
C. Struktur Algoritma Genetika
Langkah sekuen untuk pencarian solusi optimal bagi
paramater stabilizer PSS PID optimal menggunakan AG
diperlihatkan seperti gambar 8.

108
IES 2006 Politeknik Elektronika Negeri Surabaya - ITS

Gambar 8. Alur komputasi AG

. Model Sistem
an simulasi, digunakan sistem tenaga
listri
t d q
o o
= +
= + [ ] (sin cos )

(20)
5
Untuk keperlu
k mesin tunggal-rel tak berhingga [11],[12]. Model
sistem tenaga listrik sederhana dapat tersusun atas satu
mesin dengan beban lokal terhubung rel-takhingga
melewati saluran transmisi seperti diperlihatkan oleh
gambar 5. Gambar fasor yang berhubungan dengan
gambar 5 diperlihatkan pada gambar 6. Arus dan
tegangan sistem serta tegangan rel takhingga ditulis

i i ji
v v
d q
= +

jv
fasor v v j

Gambar 9 Model mesin tunggal-rel tek berhingga

rsamaan dasar dari sebuah mesin serempak adalah

Pe
persamaan tegangan d-q Park berikut
v r i p
d a d d q
= +
v r i p
v r i p
q a q q d
f f f f
= + +
= +

(21)
J ika resistansi jangkar dan turunan fluks bocor
iabaikan, maka persamaan (21) m d enjadi

Ukuran
Po
v
d q
= (22)
pulasi awal
v
q d
= (23)
Sedangkan dari gambar diagram fasor gambar 5,
tegangan ini adalah
Evaluasi Fungsi
Tujuan

v x i
d q
v E x i
q q d d
q
=
=
' '
Dari keadaan terminal seper
(24)
ti terlihat pada gambar 4
dapat diperoleh persamaan berikut
Penentuan
Fitness
v G jB
v v
R jX
i
t
t o
( ) + +

+
= (25)
Seleksi, Crossover,
Mutasi

Melahirkan
Gambar 10 Diagram fasor tegangan

Bila persamaan (25) ditulis dalam bentuk tegangan dan
arus komponen d-q persamaan (21) akan diperoleh a an
iperole
k
d h bentuk persamaan
( )( )
( ) ( sin cos )
v jv G jB
v jv v jv
R jX
d q d q
i ji + + +
d q o o
+ +
+
(26)
atau
= +


( )( )( ) ( ) v jv G jB R X v jv ( sin cos ) j v jv
R jX
i ji
d q d q o o
d q
+ + + + + +
+
= +

(
engan mngganti
27)
d e
( )( ) G jB R jX A jA + + = +
1 2

gan

den
A GR BX A GX BR
1 2
= = + ;
persamaan (22) dapat ditulis sebagai
) jv A jA v jv i R jX
d q o o d q
( ) v ji ( ) ( sin cos ) ( )( + + + = + +
1 2

(28)
( )
A v A v j v A v A v
j i R i X
d q o q d o
q d
1 2 1 2
atau
( s v in ) ( cos )
( ) i R i X
d q
+ + =
+ +

(29)
terlihat pada persamaan (24) bahwa

v A v A v i R i X
v A v A v i R i X
d q o d q
q d o q d
1 2
1 2
=
+ = +
sin
cos

aan (25) ke
s
in
+ + =
+ + = +
1 2 1

i
E v
A E v
d q
d q
d
q
q o
q o
+

=

+

1 2
2 1
1
2
'
'
'
( )
cos
sin

(32)

(30)
dengan memasukkan v
d
dan v
q
persam
persamaan (30) akan diperoleh
( )
(31)
( ) co
( ) ( ) s
' '
' '
X A x i R A x i A E v
R A x i X A x i A E v
d d q q q o
d d q q q o 2 1 2
atau
X A x R A x i A +
'
R A x X A x
generasi individu
Terminasi

109
IES 2006 Politeknik Elektronika Negeri Surabaya - ITS

dengan mendefinisikan

X X A x X X A x
R R A x R R A x
q d
d q
1 1 2 1
1 2 2 2


+ +

;
;
'
'


(33)
aka persamaan (27) ditulis
i
E v
A E v
q
q o
q o 1 1
1
2

=

+

'
'
cos
sin

sehingga
m

X R i A
d 2 2

R X

(34)
i X R A E v
d q o

2 2
1
1
'
i

(35) R X A E v
R R
X R
R X
A E v
A E v
q q o
q o
q o

1 1 2
1 2 1 2
1 2
1 2
1
2
1
'
'
'
cos
sin
cos
sin

dengan linearisasi i
d
dan i
q
masing-masing terh
dan v diperoleh

Y
d
Y
E
q
F
d
F
G
d
G
v
o

'

(36)

X X
=
adap E
q
'
,
o

i
d
i
q q q q

dengan
Y A X
d
(
1
A R z
Y A R A X z
z X X R R
q

)
( )
1 2 2
2
1 1 2 2
2
2
1 2 1 2

+
+

n

(37)
sedangka
F
F
v
z
X R
R X
G

G
z
R X
X R
d
q
o
o
d
q
o
o

2
1 2
1 2
2
2 1
2 1
1
sin
cos
sin
cos

(38)
aan mesin serempak yang lain ad

o

Persam alah
p
o
=
Persamaan torsi untuk sistem adalah
(39)
Mp D T T
m e
+ = (40)
Sedangkan
T P i v i v
e e
= (41)
q q d d
+
(16) kedalam
persamaan (36) diperoleh
q q q q d
= +
' '
( ) (42)
engan linearisasi T ini terhadap i an i d

x x i E x x i
i
i
q d qo qo q d
d
= +

( ) ( )
' ' '
(43)
8)
diperoleh

o

i
F F
Y Y
G G
x x i
E x x i
qo
d q
d q
d q
q d qo
qo q d do
2
0

( )
( )
' '
dengan memasukka persamaan (38), persamaan
(35) menjadi

o

(45)
Diagram blok dalam bentuk alih-ragam Laplace untuk
persamaan (17) diperlihatkan gambar 7.
Dengan memasukkan persamaan
T
e
i E x x i i
d
D
e d q
T x x i i E x x i i
e q d qo d qo q d do q
= + + ( ) [ ( ) ]
' ' '
d ihasilkan
[ ] do
q

dengan memasukkan persamaan (31) ke persamaan (3
T K K E C v
e q
= + +
1 2 1

'
(44)
dengan
K
1
0
K
C
1

'

n
T
e
Mp D T K K E C v
m q
+ =
1 2 1
'

Gambar 11 Diagram blok sistem mekanis
Persamaan tegangan-dalam adalah
( ) ( )
' ' '
1+ =
do q f d d d
p E E x x i (46)
dengan memasukkan i
d
dari persamaan (31) kedalam
persamaan (41) diperoleh

' '
o d d
E p = +
(47)
dengan mengalih-ragam Laplace pers
v G x x F x x E ) ( ) (
' '

(48)
atau
]
q do
v G + )[ (
' '
q d d d fd
F E Y x x E +
) 1 (
amaan ini
diperoleh

d d d
E s Y x x = + + ] ) ( 1 [
' ' '

o d d d d d d fd
q do

K
' 3 (49)
E
s K
E K C v
q
do
fd o '
( ) =
+

3
4 2
1

engan

d

K x x
K x x F
C x x G
d d d
d d d
d d d
3
4
2
1 1 = +
=
=
[ ( )
( )
( )
'
'
'

Y ]
ram blok yang menggambarkan tegangan m
an (44) diperlihatkan gambar 12.
Diag edan
persama


Gambar 12. Diagram balok tegangan medan

Sedangkan persamaan tegangan terminal dalam bentuk
linear adalah

v
v
v
v
v
v
v
t
do
to
d
qo
to
q
= +

(50)
dari persamaan (20), persamaan (45) dapat ditulis
v
v
i
v
i
v
E
t
d do
to
d
d qo
to
q
qo
to
q
= +
'
(51)
x v
x v v
'

110
IES 2006 Politeknik Elektronika Negeri Surabaya - ITS
dengan memasukk ersamaan ()
diperoleh
an persamaan (31) ke p
(52)
dengan


v K K E C v
t q o
= + +
5 6 3

'

K
K
C
v
Y Y
G G
x v
qo
to
d q
to
q do
6
v
F F
x v
v
v
d q
d q
d qo
to
5
3
0
0

'

iagram blok untuk tegangan term al per
tkan gambar 12.

D in samaan (22)
diperliha

Gambar 12. Diagram blok persamaan tegangan-
terminal
Untuk sistem eksitasi type-1 sebagaimana gambar 13.

Gambar 13. Sistem eksitasi type-1

Maka diagram balok model sistem tenaga listrik mesin
tunggal-rel tak berhingga diperlihatkan gambar 11.


Gambar 14. Diagram balok sistem mesin tunggal-rel
takberhingga

6. Hasil Simulasi

Sedang proses pengujian !

Gambar 15. Tangg sin tunggal-rel tak
ntuk perubahan T
m
=0,5 pu
asil simulasi telah menunjukkan bahwa kontroler PSS
ID ya alternatif bagi
nanga trik. Hal ini

k .
osilasi dalam sistem tenaga
menggunakan kontroler PID yang
ol-18, Febuary,
[4]
[5]
[6]
[7]
apan sistem me
berhingga u
H
P ng diusulkan dapat menjadi
nan osilasi sistem tenaga lis pe
diperlihatkan dari redaman yang dilakukan oleh
ontroler dibandingkan dengan sistem tanpa PSS
an Kp dan Kd yang cocok pada kontroler Pemilih Fuzzy
PID untuk masukan daya listrik dan deviasi kecepatan
akan menghasilkan redaman osilasi yang bervariasi.
Studi lanjutan perlu dilakukan untuk menala Kp dan Kd
dengan metode tertentu.

7. Kesimpulan
Perancangan PSS PID optimal yang diusulkan
menunjukkan hasil peredaman yang efektif dan optimal
sehingga PSS dapat menjadi stabilizer alternatif untuk
menangani peredaman
listrik. PSS ini
dipadukan dengan logika fuzzy. Pemilihan parameter
PID (K
P
, K
D,
K
I
, L, K
uI
, K
PD
, K ) dilakukan
menggunakan algoritma genetika dengan fungsi fitness
berupa indeks performans. Dengan pemilihan ini dapat
menghasilkan redaman osilasi deviasi kecepatan yang
sangat efektif dan optimal. Hasil simulasi terhadap
sistem tenaga listrik mesin tunggal-rel tak berhingga
telah menunjukkan kemampuan stabilizer ini untuk
peredaman osilasi frekuensi rendah dan menjadi
alternatif bagi stabilizer konvensional.

Daftar Pustaka
[1] Ruhua You, Hassan J.E, and M. Hasyem N, An
Onlaine Adaptive Neoro-Fuzzy Power System
Stabilizer for Multimachine System, IEEE
Transaction On Power System V
2002
[2] D.Z. Fang, Yang Xiaodong, T.S.Chung and
K.P.Wong,Adaptive Fuzzy Logic SVC Damping
Controller Using Strategy of Oscillation Energy
Descent, IEEE Transaction On Power System Vol-
12, No 3 August, 2004
D.Men [3] niti, A.Burgio, etc, Damping Oscillation
Improvement by Fuzzy Power System Stabilizers
tuned by Genetic algorithms, 14
th
PSCC, Sevilla,
24-28 J une 2002
D.K. Chaturvedi and O.P. Malik, Generalized
Neuron-Based Adaptive PSS for Multimachine
Environment, IEEE Transaction On Power System
Vol-20, No. 1,Febuary, 2005
Hu, B.-G, and H. Ying, , Review of Fuzzy PID
Control Techniques and Some Important Issues,
Acta Automatica Sinaca (in Chinese), 4:567-584,
2001
Lu, J .-L., G.-R. Chen, and H. Ying, , Predictive
Fuzzy PID Control: Theory, Design and
Simulation, Information Sciences, 137:157-187,
2001
Tang K. S., Kim Fung Man, Guanrong Chen, and
Sam Kwong, An Optimal Fuzzy PID Controller,
IEEE Transactions On Industrial Electronics, Vol.
48, No. 4, August 2001

111
IES 2006 Politeknik Elektronika Negeri Surabaya - ITS
[8]
e Controller based on the Accumulated
[9]
Power System Stabilizer,
[10]
nternational, 1996
Vol PAS-93, July/August
[12]
ersity
Chin-Chin Lin, A Gain-adjusted Fuzzy PI/PD
Adaptiv
Genetic Algorithm, IEEE International Conference
on Fuzzy Systems, 2005
Dubey, M, Pankaj Gupta, Design of Genetic-
Algorithm Based Robust
IJ CI Vol. 2 No. 1 2005
Chin-Teng Lin and George Lee,Neural Fuzzy
Systems: A Neoro-Fuzzy Synergism to Intelgent
Systems , Prentice-Hall I
[11] Moussa H. A.M. & Y.N.Yu, Dyanamic Interaction
of Multimachine Power System and Excitation
Control, IEEE Transc.,
1974
Anderson, P.M. & A.A Fouad, Power System
Control And Stability, The Iowa State Univ
Press, Iowa, 1977.

112