, Kinerja Dielektrik Minyak Goreng Kelapa Sawit Dengan Aditif Fenol Sebagai Isolasi Cair
Transformator Daya
Kinerja Dielektrik Minyak Goreng Kelapa Sawit Dengan Aditif Fenol Sebagai Alternatif Isolasi
Cair Transformator Daya
(Dielectric Performance Of Palm Oil With Phenol Additives As Alternative Liquid Insulation Power
Transformer)
Aldianto Wahyu Ramadhan1, H. R. B. Moch. Gozali, S.T., M.T. 2, Suprihadi Prasetyo, S.T, M.T. 3
1
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Jember
2.3
Staf Pengajar Jurusan Teknik Elektro, Fakultas Teknik, Universitas Jember
Jl. Kalimantan 37, Jember 68121
email:aldiramadhann26@gmail.com
ABSTRAK
Menentukan lokasi gangguan merupakan hal yang penting dalam sistem transmisi energi listrik, sehingga gangguan
dapat segera dihilangkan. Untuk itu lokasi gangguan sangat penting untuk dapat diketahui atau diperkirakan dengan akurasi yang
cukup tinggi, sehingga dapat memungkinkan menghemat uang dan waktu untuk melakukan pemeriksaan dan perbaikan, serta
untuk memberikan layanan yang lebih baik karena pemulihan listrik dapat dilakukan lebih cepat Salah satunya adalah merancang
sistem proteksi rele jarak antar gardu induk berdasarkan gangguan hubung singkatnya berbasis neural network dan merancang
sistem proteksi rele jarak antar gardu induk berdasarkan lokasi gangguan berbasis neural network. Alat dan bahan yang
digunakan pada penilitian ini adalah sebuah laptop dan aplikasi Matlab R2009a dan R2015a. Data yang akan digunakan pada
pelatihan penelitian kali ini ialah data pada tahun 2014 sampai dengan tahun 2017, dimana dari data-data tersebut akan dibagi
menjadi data input dan data target pelatihan neural network. Data tersebut disusun menjadi 6 jenis data input dengan 10 sampel
dan 10 data target pada kedua percobaan. Dari hasil data yang dilatih maka dapat diuji dengan tampilan GUI yang sudah dibuat
dan juga membuat simulasi menggunakan simulink Matlab.
Kata kunci: Proteksi, Rele Jarak, Neural Network, MATLAB, Simulink, Gardu Induk, Transmisi
ABSTRACT
Determining the fault location is important in the electrical transmission system, so the faults can be immediately solved.
The fault location is very important to be known or predicted with high accuracy, thus enable to save money and time for inspect
and repair, then the electrical company can provide better services for the restoration of electricity which done more quickly.
One of the solutions is to design distance relay protection systems between substations by short circuit fault based on neural
network and distance relay protection systems design between substations based on neural network-based fault location. Equip-
ment and materials used in this research is a laptop and application Matlab R2009a and R2015a. The data that will be used in
the training of this study is the data in 2014 until 2017, which of these data will be divided into input data and target data of
neural network training. The data is organized into 6 types of input data with 10 samples and 10 target data in both experiments.
From the results of the data that are trained, it can be tested with GUI that has been created and also create a simulation using
Matlab Simulink.
Keywords: Protection, Distance Relay, Neural Network, MATLAB, Simulink, Substation, Transmission
BERKALA SAINSTEK
Aldianto Wahyu Ramadhan., et al., Kinerja Dielektrik Minyak Goreng Kelapa Sawit Dengan Aditif Fenol Sebagai Isolasi Cair
Transformator Daya
(b)
(a) (a) Rangkaian Komponen Simulink ; (b) Rangkaian
Komponen Blok NN
Gambar 3. Pemodelan Simulink pada Sistem Proteksi
Rele Jarak dengan NN
Situbondo -
02/08/2016 6 6 0
Banyuwangi
Banyuwangi
09/08/2016 5 5 0
(a) - Situbondo
BERKALA SAINSTEK
Aldianto Wahyu Ramadhan., et al., Kinerja Dielektrik Minyak Goreng Kelapa Sawit Dengan Aditif Fenol Sebagai Isolasi Cair
Transformator Daya
Situbondo -
25/03/2017 2 2 0
Banyuwangi
Banyuwangi
25/03/2017 2 1,99995 0,0025
- Situbondo
Situbondo -
07/04/2017 2 2,00615 0,3075
Paiton
Paiton -
07/04/2017 2 1,98727 0,6365
Situbondo
Banyuwangi
02/08/2016 1 0,99762 0,2378
- Situbondo
Situbondo -
02/08/2016 1 1,00964 0,964
Banyuwangi
Banyuwangi
09/08/2016 1 0,99991 0,0088
- Situbondo
Situbondo -
25/03/2017 1 0,9878 1,2205
Banyuwangi
Gambar 5. Grafik Perbandingan Hasil Uji dan Data
Banyuwangi Zona Gangguan (GUI)
25/03/2017 1 0,92773 7,2273
- Situbondo
B. Hasil Uji Neural Network dengan Simulink
Situbondo - Pada penelitian pertama dengan merancang sistem
07/04/2017 1 0,88189 11,8112
Paiton proteksi rele jarak antar gardu induk berdasarkan gangguan
Paiton - hubung singkatnya dengan neural network dimana nilai
07/04/2017 2 2,00137 0,0685 data dan hasil uji merupakan penomoran dari masing-
Situbondo
masing jenis gangguan.
Berikut adalah grafik scope yang ditunjukkan pada
Pada deteksi jenis gangguan hasil grafik akan grafik 4.3 dan 4.4 dimana sinyal berwarna biru mewakili
muncul dan nilai hasil pengujian akan muncul pada kolom arus atau tegangan listrik dari fasa A, sinyal berwarna hijau
jenis gangguan serta muncul window baru yang akan mewakili arus atau tegangan listrik dari fasa B, dan sinyal
menyebutkan jenis gangguan berupa kalimat yang berwarna biru merah mewakili arus atau tegangan listrik
ditampilkan pada GUI. Dari hasil keseluruhan proses dari fasa C. Hal ini dapat terlihat ketika nput gangguan
simulasi kasus gangguan pada GUI nilai yang muncul berupa fasa A ke tanah maka hasil dari scope yang muncul
sangat mendekati data asli. Hal ini dapat terlihat pula adalah kenaikan arus pada fasa gangguan serta penurunan
perbandingannya pada grafik 4.1 untuk jenis gangguan. tegangan pada fasa yang terganggu.
Dari keseluruhan percobaan, didapatkan nilai hasil
persentasi error yang kecil dengan nilai MAPE (Mean
Average Percentage Error) untuk deteksi jenis gangguan
sebesar 0,396617%.
BERKALA SAINSTEK
Aldianto Wahyu Ramadhan., et al., Kinerja Dielektrik Minyak Goreng Kelapa Sawit Dengan Aditif Fenol Sebagai Isolasi Cair
Transformator Daya
Situbondo -
07/04/2017 1 0.4188 58.12
Paiton
Paiton -
07/04/2017 2 0.4714 76.43
Situbondo
Situbondo -
02/08/2016 6 6.7312 12.18
Banyuwangi
Banyuwangi
09/08/2016 5 8.0495 60.99
- Situbondo
Situbondo -
25/03/2017 2 3.9965 99.82
Gambar 7. Grafik Scope Tegangan Gangguan Banyuwangi
Banyuwangi
25/03/2017 2 6.0807 204.03
- Situbondo
Tabel 4. Data Perbandingan Hasil Uji Dan Data Asli
Dengan Simulink Situbondo -
07/04/2017 2 4.0603 103.01
Paiton
Zona
Tanggal Transmisi Paiton -
Data Uji E% 07/04/2017 2 3.6766 83.83
Situbondo
Banyuwangi
11/03/2014 1 -0.3447 134.47
- Situbondo Pada deteksi jenis gangguan akan muncul pada
workspace dan nilai hasil pengujian akan muncul dan
Banyuwangi
26/12/2014 1 -0.3447 134.47 diambil pada detik ke 1,2 hal ini karena gangguan akan
- Situbondo
diberikan pada simulasi saat detik ke 1,2 dari total
Paiton - keseluruhan simulasi sebesar 1,4 detik. Pada percobaan ini
01/05/2016 1 0.4714 52.86 didapatkan nilai hasil persentasi error yang cukup besar
Situbondo
dengan nilai MAPE untuk deteksi jenis gangguan sebesar
Banyuwangi 98,23%
02/08/2016 1 -0.7454 174.54
- Situbondo
Situbondo -
02/08/2016 1 -1.3063 230.63
Banyuwangi
Banyuwangi
09/08/2016 1 -0.7454 174.54
- Situbondo
Situbondo -
25/03/2017 1 0.4188 58.12
Banyuwangi
Banyuwangi
25/03/2017 1 -0.3477 134.77
- Situbondo
BERKALA SAINSTEK