Moch Harun Arrosyid.1, Ir. Anang Tjahjono , MT2, Ainur Rofiq Nansur, ST, MT2
Mahasiswa Politeknik Elektronika Negeri Surabaya-ITS1
Dosen Politeknik Elektronika Negeri Surabaya-ITS2
Email:harun_semangat@yahoo.com
Abstrak
Over Current Relay (OCR) bekerja dengan membaca masukan berupa besaran arus
kemudian membandingankan dengan nilai setting, apabila nilai arus yang terbaca oleh rele
melebihi nilai setting, maka rele akan mengirim perintah trip (lepas) kepada Pemutus Tenaga
(PMT) atau Circuit Breaker (CB) setelah tunda waktu yang diterapkan pada setting.
OCR dengan karakteristik inverse sangat bermanfaat untuk mengamankan overload /
beban lebih, karena bekerja dengan waktu tunda yang tergantung dari besarnya arus secara
terbalik (inverse time), makin besar arus makin kecil waktu tundanya. Kurva karakteristik
inverse pada OCR sesuai dengan standar IEC ada 4 jenis, yaitu : standard inverse (SI), very
inverse (VI), extreme inverse (EI), long time inverse (LTI), yang dapat dipilih (menggunakan
persamaan standar IEC), namun sering sekali pengguna memerlukan kurva karakteristik yang
tidak standard yang memang dibutuhkan, pada proyek akhir ini telah berhasil dibuat OCR
dengan menerapkan kemampuan belajar Adaptive Neuro Fuzzy Interference System (ANFIS)
untuk membuat kurva karakteristik sesuai keinginan pengguna.
Personal Computer (PC) digunakan sebagai sarana untuk menggambar kurva
karakteristik yang dikehendaki, kemudian dilakukan inisialisasi serta learning hingga sesuai
dengan kurva yang diinginkan, dan parameter hasil learning yang telah dilakukan di PC
dikirim ke Microcontroller sebagai parameter running yang dirancang sebagai OCR.
Perangkat OCR yang berhasil dibuat mempunyai dua pilihan penggunaan kurva
karakteristik yakni dengan menggunakan kurva karakteristik standard (4 jenis kurva) atau
didisain sendiri oleh user (pemodelannya menggunakan ANFIS dengan jumlah Membership
Function=5, dan epoch ke-10 menghasilkan error = 1.60E-21) sesuai dengan beban yang
ingin diamankan dari gangguan beban lebih.
Kata Kunci : Over Current Relay, karakteristik inverse, ANFIS, Circuit Breaker
BAB I
PENDAHULUAN
1
TEORI PENUNJANG ANFIS
OVER CURRENT RELAY (OCR) Adaptive Neuro Fuzzy Inference System
Over Current Relay (OCR) atau relay (ANFIS) merupakan kombinasi Artificial
pengaman arus lebih adalah suatu alat yang Neural Network dan Fuzzy Inference
mendeteksi besaran arus yang melalui suatu System, yang menggunakan model inferensi
jaringan dengan bantuan trafo arus, apabila Sugeno. Untuk memudahkan dalam
nilai arus yang terbaca oleh relay melebihi menjelaskan arsitektur ANFIS, di sini
nilai setting, maka relay akan mengirim diasumsikan fuzzy inference system hanya
perintah trip (lepas) kepada Pemutus Tenaga mempunyai dua input, x dan y. Serta satu
(PMT) atau Circuit Breaker (CB) setelah output yang dilambangkan z. Pada model
tunda waktu yang diterapkan pada setting. sugeno orde satu, himpunan aturan
Harga atau besaran yang boleh melewatinya menggunakan kombinasi linier dari input –
disebut dengan setting. input yang ada dapat diekspresikan sebagai:
2
Layer 2 : Dinotasikan π. Setiap node pada menggunakan hybrid supervised method
layer ini berfungsi untuk menghitung yang berbasis pada dua metode, yaitu least –
kekuatan aktivasi (firing strength) pada squares dan gradient descent.
setiap rule sebagai product dari semua input Pada arah maju (forward), parameter
yang masuk. premis dibuat tetap. Dengan menggunakan
w1= µA1(x) AND µB1 (y) metode Least Square Estimator (LSE),
w2= µA2(x) AND µB2 (y) parameter konsekuen diperbaiki berdasarkan
pasangan data pada training set. Metode LSE
Layer 3 : Dilambangkan dengan N. Setiap dapat diterapkan karena parameter
node pada lapisan ini bersifat non- adaptif konsekuen yang diperbaiki bersifat linier.
yang berfungsi hanya untuk menghitung Setelah parameter konsekuen diperoleh, data
rasio antara firing strength pada rule ke-i masukan dilewatkan jaringan adaptif
terhadap total firing strength dari semua rule kembali dan hasil keluaran jaringan adaptif
: ini dibandingkan dengan keluaran yang
wi diharapkan (target).
O3, i = wi′ = , i = 1,2. Pada arah mundur (backward),
1+ 2
parameter konsekuen dibuat tetap.
Layer 4 : Setiap node pada lapisan ini Kesalahan (error) antara keluaran jaringan
bersifat adaptif sebagai fungsi : adaptif dan target dipropagasikan balik
O4,i= wi’.fi=wi’(pi.x+qi.y+ri) menggunakan gradient descent untuk
Dimana wi’ adalah output dari layer 3 dan memperbarui parameter premis. Satu tahap
(pix+qiy+ri) adalah himpunan parameter pembelajaran maju – mundur ini dinamakan
pada fuzzy model sugeno orde satu. satu epoch.
3
Untuk mengaktifkan suatu Timer kita Perancangan dan Pembuatan Alat
harus mengeset register - register yang Mikrokontroller
berhubungan dengan Timer. Sebagai contoh Mikrokontroller yang digunakan adalah
pada ATMega 128, pada Timer1 merupakan Atmega 128. Pada gambar 3 menunjukkan
Timer 16 bit, Pengaturan Timer 1 dilakukan minimum system yang dibuat dengan
melalui register TCCR1A dan TCCR1B, dan konfigurasi port yang digunakan.
register yg biasa digunakan untuk menset
nilai Timer1 adalah register TCNT. Rumus
yang digunakan adalah :
4
Perancangan Software
START
Baca arus
Gambar 7. Rangkaian Sensor Arus
ACS712ELCTR-20A-T dan pengkondisi sinyal Check Overload
6
Proses inisialisasi premis
(Fuzzy Clustering Mean)
program perhitungan waktu pemutusan CB,
ditunjukkan pada gambar 3.15.
Tentukan :
Jumlah Cluster (C)
Pembobot (w)
Maksimum Iterasi (MaxItr)
Program Check Overload
Toleransi Error (Eps)
N
DE < Eps atau
Iterasi > maxItr ?
var 1 * tds
t _ pemutusan _ CB
( I _ Load / I _ set ) var 2 1
ACS ACS712ELCTR-20A-T.
No. IL (A) Vout Sensor Arus (ACS) (V) Running OCR dengan karakteristik very
1 0 2.22 inverse dengan arus lebih yang berubah –
2 0.5 2.42 ubah
3 1 2.56
4 2 2.65 Tabel 3. Data Arus beban lebih berubah – ubah
mulai 3.32A sampai 2.27A pada OCR dengan
5 3 2.7 karakteristik very inverse pada data base.
6 4 2.75
Is IL IL t_cb
7 5 2.8 (A) (A) /Is t_run t_cb now inv tds alarm
8 5.4 2.85 1 3.32 3.32 0 5.81 5.81 2 1 0
9 5.8 2.9
1 3.11 3.11 2.98 6.39 3.4 2 1 0
10 6 2.93
1 2.77 2.77 3.58 7.58 4 2 1 0
11 6.4 3.02
1 2.27 2.27 4.17 10.54 6.37 2 1 0
12 7 3.06
13 7.4 3.11 1 0 0 10.54 10.54 0 2 1 1
14 7.8 3.16 1 0 0 0 0 0 2 1 0
15 8 3.21 Pada tabel 3 menunjukkan data yang
tersimpan dalam database, terjadi arus beban
Running OCR dengan karakteristik lebih yang berubah –ubah, yaitu dimulai dari
normal inverse dengan arus lebih yang 3.32A sampai dengan 2.27A hal ini juga
berubah – ubah akan mempengaruhi nilai waktu pemutusan
8
CB, dan timer yang sedang berjalan, pada Pada tabel 5 menunjukkan data yang
OCR dengan karakteristik very inverse. tersimpan dalam database, terjadi arus beban
lebih yang berubah –ubah, yaitu dimulai dari
Running OCR dengan karakteristik extremelly 3.94A sampai dengan 2.27A hal ini juga akan
inverse dengan arus lebih yang berubah - ubah
mempengaruhi nilai waktu pemutusan CB,
Tabel 4. Data Arus beban lebih berubah – ubah mulai dan timer yang sedang berjalan, pada OCR
3.94A sampai 2.94A pada OCR dengan karakteristik dengan karakteristik long time inverse.
extremelly inverse pada data base.
Is IL IL t_cb Pemodelan kurva karakteristik inverse OCR
(A) (A) /Is t_run t_cb now inv tds alarm menggunakan ANFIS
1 3.94 3.94 0 5.49 5.49 3 1 0 User menggambarkan melalui picture
1 3.82 3.82 1.81 5.88 4.07 3 1 0 box data, menggunakan mouse, sesuai
1 3.9 3.9 2.41 5.61 3.2 3 1 0 dengan kebutuhan. Nilai maksimal
1 3.27 3.27 3.01 8.2 5.18 3 1 0
perbandingan arus beban dengan arus
setting, dibatasi sampai 2. Dan nilai
1 3.23 3.23 3.6 8.43 4.82 3 1 0
maksimal waktu pemutusan CB di batasi
1 3.11 3.11 4.21 9.2 4.98 3 1 0
sampai 100s. pada gambar 17. menunjukkan
1 2.98 2.98 8.45 10.09 1.64 3 1 0
salah satu contoh kurva yang telah dibuat
1 2.94 2.94 9.05 10.41 1.36 3 1 0 oleh user. Setelah menggambar, user perlu
1 0 0 10.41 10.41 0 3 1 1 melakukan sample data untuk training
1 0 0 0 0 0 3 1 0 dengan menekan tombol Capture. Gambar
18. menunjukan sample data yang diambil.
Pada tabel 4 menunjukkan data yang
tersimpan dalam database, terjadi arus beban
lebih yang berubah –ubah, yaitu dimulai dari
3.94A sampai dengan 2.94A hal ini juga
akan mempengaruhi nilai waktu pemutusan
CB, dan timer yang sedang berjalan, pada
OCR dengan karakteristik extremelly
inverse.
Running OCR dengan karakteristik long time
inverse dengan arus lebih yang berubah - ubah
Gambar 17. Contoh kurva karakteristik inverse yang
Tabel 5. Data Arus beban lebih berubah – ubah mulai dibuat oleh user melalui picture box menggunakan mouse.
3.94A sampai 2.27A pada OCR dengan karakteristik
long time inverse pada data base.
Is IL IL t_cb
(A) (A) /Is t_run t_cb now inv tds alarm
1 3.61 3.61 7.18 45.94 38.75 4 1 0 Gambar 18. Pengambilan sample data untuk data
training pada ANFIS.
1 3.57 3.57 7.78 46.68 38.9 4 1 0
9
function, masih memberikan error 1.60E-21 standar IEC) memberikan kurva yang sama
pada epoh terakir, yaitu iterasi ke 10. dengan kurva yang dikehendaki. Dan pemodelan
kurva karakteristik inverse pada OCR
Tabel 6. Perbandingan error dari jumlah membership menggunakan ANFIS (yang didisain oleh user)
function. memberikan error yang sangat kecil, yaitu
MF 2 buah 3 buah 4 buah 5 buah E=1.60E-21, dengan parameter ANFIS (masukan
Lonceng,
BETA =1buah, keluaran=1buah, membership
Error 112.322246848 19.818368109 11.731161240 1.60E-21 function=5buah, rule=5buah pada epoch ke 10).
epoh 10 10 10 10 Batasan arus (IL/IS) yang menjadi masukan pada
ANFIS adalah 2, dan data yang disample adalah
Untuk hasil akhir, keluaran ANFIS 10buah, karena bila masukan arus diatas 2
dibandingkan dengan target training, pada (sebagai contoh IL/IS=5) dan data sample lebih
gambar 4.18, keluaran ANFIS berupa banyak, maka jumlah membership functionnya
juga harus ditambah, agar error yang diberikan
lingkaran merah, dan target training berupa cukup kecil.
lingkaran biru.
SARAN
Sebaiknya untuk manajemen program, dalam
melakukan pembacaan arus beban, tampilan di
LCD dan pengiriman data ke komputer,
dilakukan secara periodik sehingga dapat
membantu untuk menghasilkan kinerja yang
lebih stabil.
Karena komputer menerima secara periodik,
maka ada kemungkinan jalur komunikasi di
komputer error, oleh karena itu perlu dibuat
program untuk me-refresh jalur komunikasi,
yaitu dengan menutup jalur komunikasi,
Gambar 18. Perbandingan Keluaran ANFIS dengan kemudian membukanya kembali.
target training (menggunakan 5 rule). Untuk pengembangan lebih lanjut, batasan arus
yang menjadi masukan ANFIS dapat diperluas,
Running OCR dengan karakteristik inverse hasil dan data sample dari data training dapat
pemodelan ANFIS diperbanyak, sehingga keluaran ANFIS lebih
OCR dengan karakteristik inverse mode optimal.
ANFIS, dan arus setting 1A. saat PB start/stop
ditekan, maka sistem ON dan sensor arus DAFTAR PUSTAKA
membaca nilai arus beban. Pada tabel 7 [1] ”Datasheet OVERCURRENT PROTECTION
menunjukkan data yang tersimpan pada RELAYS”, CKR Series.
database, saat arus beban lebih 1.33A dan tcb [2] Heru Dibyo Laksono, M. Nasir Sonni
36.72 s untuk OCR dengan karakteristik inverse “PERANCANGAN DAN IMPLEMENTASI
mode ANFIS. RELAY ARUS LEBIH SESAAT BERBASIS
MICROCONTROLLER”. Jurusan Teknik
Tabel 7. Data pada database saat arus lebih 1.33A Elektro, Univeristas Andalas Padang Sumatera
dan tcb 36.72s. Barat. September 2007.
Is IL IL t_cb [3] Hossein Kazemi Karegar, Hossein Askarian
(A) (A) /Is t_run t_cb now inv tds alarm
Abyaneh,Majid Al-Dabbagh “A flexible
1 1.33 1.33 0 36.72 36.72 5 1 0 approach for overcurrent relay characteristics
1 0 0 36.72 36.72 0 5 1 1 simulation”. The Department of Electrical and
Computer Systems Engineering, Monash
1 0 0 0 0 0 5 1 0
University, Australia. May 2003.
[4] M. Geethanjali, S. Mary Raja Slochanal “A
KESIMPULAN
combined adaptive network and fuzzy inference
Dengan menggunakan relay digital, kita bisa
system (ANFIS) approach for overcurrent relay
mendapatkan fleksibilitas dan kehandalan yang
system”. Department of Electrical and
lebih baik
Electronics Engineering, Thiagarajar College of
Karakteristik inverse pada reley digital bisa Engineering, Madurai-625 015, Tamilnadu,
dipilih sesuai kebutuhan, dan dapat dikontrol atau India. April 2007.
dimonitor dari local maupun remote.
Pemodelan kurva karakteristik inverse pada OCR
menggunakan persamaan matematika (sesuai
10
[5] Sri Kusumadewi, Sri Hartati ”Neuro – Fuzzy
Integrasi Sistem Fuzzy dan Jaringan Syaraf”.
GRAHA ILMU, Yogyakarta, 2006.
[6] Suyanto, ST, MSc ”Soft Computing Membangun
Mesin Ber-IQ Tinggi”. Informatika. Bandung.
2008.
[7] Thomas Sri Widodo “Sistem Neuro Fuzzy untuk
Pengolahan Informasi, Pemodelan, dan Kendali”.
GRAHA ILMU, Yogyakarta, 2005.
[8] Zamora, A.J. Mazón, V. Valverde, E. Torres, A.
Dyśko “Power Quality and Digital Protection
Relays”. Department of Electrical Engineering -
University of the Basque Country, Spain.
11