PEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK. Azriyenni

Transkripsi

1 PEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK Azriyenni Dosen Tetap Teni Eletro Universitas Riau - Peanbaru Abstra Penelitian ini menyelidii mengenai pemprosesan alarm dalam suatu teni Probabiliti Neural Networ (PNN) dalam perlindungan sistem daya listri. Pemprosesan alarm dalam perlindungan sistem daya listri digambaran sebagai masuan pola alarm. Ketia teradi gangguan, peralatan perlindungan yang beera aan memberian informasi gangguan dalam bentu pola alarm. PNN mempunyai pola alarm sebagai masuan bagi setiap eluaran neuron. PNN uga bertanggung awab untu menghitung nilai eanggotaan dalam sistem omponen pada elas omponen yang ada gangguan. Nilai eanggotaan ini bertuuan untu menentuan eadaan ada gangguan atau tida ada gangguan dalam pemprosesan alarm. Teni ini telah diui terhadap model sistem 9 bus. asil simulasi menunuan nilai eanggotaan menghampiri nilai ideal. Nilai eanggotaan ideal menunuan apliasi terbai dalam perlindungan sistem daya listri. Kata unci: alarm, probabiliti neural networ, perlindungan sistem daya listri Abstract This research investigate alarm processing a technique of Probability Neural Networ (PNN) in electric power system protection. Alarm processing in electric power system protection described as input alarm pattern. When fault occured, protective devices will give fault information in alarm pattern. PNN have alarm pattern as input for every output neuron. PNN also accountable for calculating membership value in component system at the component class faulted. This membership value aim to determine fault or non fault in alarm processing. This technique have been tested to system model of 9 bus. Simulation result show membership value described near ideal value. The ideal membership value show the application of best electric power system protection. KeyWords : alarm, probability neural networ, electric power system protection 1. Pendahuluan Neural networ (NN) digunaan secara meluas dalam berbagai bidang seperti industri, esehatan, tenologi dan lain-lain. Apliasi NN didalam sistem daya yang beera dan mengawal proses adalah seperti: estabilan, pengawasan proses, analisis beban, analisis arus, analisis etidatentuan dan lain-lain. NN uga berupaya menggunaan suatu hasil analisis dalam mendetesi gangguan dan dapat membedaan antara gangguan dan operasi normal dalam suatu sistem. Bila gangguan teradi dalam satu sistem daya, maa relay aan mendetesi gangguan dan circuit breaer aan trip. Daerah gangguan dinilai dengan cara mendetesi gangguan dari omponen dalam sistem daya listri melalui penggunaan informasi dari operasi relay dan circuit breaer. Dalam asus perlindungan sistem daya listri yang sebenarnya terdapat berbagai erumitan dalam daerah gangguan seperti operasi yang tida normal oleh relay dan circuit Seminar Nasional Teni Kimia Oleo & Petroimia Indonesia

2 breaer. Jia perlindungan utama tida dapat beera maa perlindungan cadangan aan beroperasi sebagai menggantiannya [1]. Dalam emauan tenologi omputer, algoritma NN memproses dengan elauan tinggi yang diembangan untu alulasi dalam menganalisis gangguan. Algoritma yang paling popular adalah pengetahuan dasar dan logia dasar. Sasaran NN adalah untu menganalisis gangguan melalui penggunaan informasi dari relay dan circuit breaer. NN mempunyai berbagai macam enis strutur rangaian neural, namun strutur PNN aan digunaan dalam penelitian ini [3]. Di dalam analisis gangguan terhadap gangguan banya aan dilauan. Gangguan banya adalah beberapa gangguan yang teradi di beberapa awasan yang teradi pada masa yang sama. 2. Probabiliti Neural Networ (PNN) Strutur PNN ditunuan pada gambar 1 dimana ia terdiri dari tiga lapisan iaitu lapisan masuan, lapisan tersembunyi dan satu lapisan eluaran. Lapisan tersembunyi berfungsi sebagai pengatifan yang dilauan bagi ara antara masuan yang tida dienali pada lembaran latihan. Gambar 1 menunuan bagaimana satu garis vetor masuan dielasan e dalam salah satu dari dua ategori yaitu ategori 1 untu gangguan dan ategori 2 untu tida ada gangguan. Masuan garis vetor X [x 1, x 2, x 3 ] bagi nod I 1 hingga I 3. Pada lapisan tersembunyi, rangaian terdiri dari empat nod bermula dari 1 hingga 4, sesuai dengan empat lembaran dengan pemberat yang menghubungan nod masuan. Keluaran pemberat adalah 1 untu ategori 1 dan 0 untu ategori 2. Pemberat antara nod tersembunyi dan nod eluaran O 1 untu menghitung penumlahan probabiliti yang sesuai hanya dengan ategori 1. Penumlahan probabiliti dari 1 dan 2 dinilai melalui penggunaan persamaan (1) [4]. P ( )/( ) (1) Gambar 1. Strutur PNN Seminar Nasional Teni Kimia Oleo & Petroimia Indonesia

3 Perembangan strutur dari PNN mempunyai masuan i dimulai dari nod I 1 hingga I n, K nod tersembunyi (K lembaran latihan), dan m eluaran nod antara O 1 hingga O m. Algoritma PNN mempunyai dua langah iaitu Langah Pembelaaran dan Langah memanggil embali. A. Langah pembelaaran PNN Langah 1 Untu setiap lembaran latihan X(), 1,2,.,K, menciptaan masuan pemberat W antara nod masuan I i dan nod tersembunyi, dengan [ wi ] pxn w x ( ) ( i 1,2,..., n) (2) i i [, W dan X ( ) x1 ( ),..., xi ( ),..., xn ( ) ] { 0,1} x i ( ) (3) Langah 2 Pemberat eluaran adalah 1 untu ategori 1 dan 0 untu ategori 2. Pemberat eluaran W antara nod tersembunyi dan eluaran tersembunyi O oleh, dengan 1, ategori 1 (4) 0, ategori 2 w W [ w ] ( 1,2,..., m) (5) pxm iaitu, K umlah latihan n dimensi X m dimensi Y B. Langah memanggil embali PNN Langah 1 Dapatan pemberat rangaian W dan W Langah 2 Menggunaan uian vetor X [x 1,.,x i,.,x n ] epada rangaian neural. Langah 3 itungan probabiliti dari penguian vetor X dari fungsi Gauss fungsi ara untu menguur antara vetor yang ta dienali dan semua masuan latihan, net n ( xi w ) i i 1 2 (6) net exp (7) 2 2σ parameter pelincir σ 1 σ 2 σ σ Seminar Nasional Teni Kimia Oleo & Petroimia Indonesia

4 Langah 4 Kalulasi umlah dari probabiliti O 1 w O oleh, ( ategori menadi masu Kategori 1. Langah 5 Membuat penumlahan dari probabiliti dibagi dengan umlah dari eluaran P adalah: K 1 1) (8). Probabiliti O Pr ob P (9) 3. Model Sistem Daya Listri Gambar 2 menggambaran onsep mengenai zon perlindungan. Zon perlindungan digunaan untu menggambaran zon perlindungan pada peranti perlindungan. Di dalam sistem ini terdapat 10 zon yang terdiri dari 5 saluran penghantar (L1-5, L4-5, L3-4, L2-5, L2-4), dan lima bus (bus 1 hingga bus 5). Setiap zon terdiri dari peralatan perlindungan di mana setiap circuit breaer tersedia epada dua zon yang berdeatan. Zon perlindungan dengan peralatan perlindungan berfungsi untu sesaat pada eadaan-eadaan tida normal untu menghindari gangguan yang terburu. Peralatan ini uga menyediaan perlindungan cadangan terutama etia perlindungan utama gagal untu beroperasi. Peralatan perlindungan beroperasi untu mengurangan risio gangguan sistem omponen. Jia peralatan perlindungan utama gagal beroperasi maa perlindungan cadangan aan beroperasi untu mengasingan gangguan, adalah penting bagi zon perlindungan utama untu mempunyai perlindungan cadangan. Sebagai contoh gangguan yang teradi pada saluran penghantar 3 4 (dari bus 3 hingga bus 4), relay utama berhubungan dengan circuit breaer CB7 dan CB6. Jia relay perlindungan utama gagal beroperasi maa relay perlindungan cadangan aan beera iaitu CB4 dan CB12 [3], [5]. Gambar 2. Topologi Model Sistem 5 Bus Seminar Nasional Teni Kimia Oleo & Petroimia Indonesia

5 Tabel 1 menunuan latihan peralatan perlindungan untu bus dan saluran penghantaran. Di dalam tabel dibawah ini mempaparan untu banya gangguan yang terdiri dari gangguan pada satu awasan, gangguan pada dua awasan dan gangguan pada tiga awasan. Kemudian dipaparan pula relay dan circuit breaer yang beera atau trip. Beberapa penguian yang dilauan untu mendapatan nilai eanggotaan berdasaran algoritma PNN untu mengapliasian persamaan (1) hingga persamaan (9). Tabel 1. Beberapa penguian untu Sistem 5 Bus (Gangguan Banya) Kasus 1: Banya Gangguan Sistem Komponen Relay & Circuit Breaer Alarm L1-5, L4-5 & Bas5 (gangguan pada tiga awasan) Kasus 2: Satu Gangguan L 1-5 MP1 & L 1-5 MP5 beerab untu trip CB2 & CB3, L 4-5 MP4 & L 4-5 MP5 beera untu trip CB5 & CB4 dan MP5 beera Untu trip CB3 & CB4 Operasi Normal Komponen Sistem Relay & Circuit Breaer Alarm Bas4 (Gangguan tunggal dengan satu circuit breaer trip) Kasus 3: Dua Gangguan MP4 beera untu trip CB5, sedangan L 2-4 SP 2 4 beera untu trip CB9 CB6 gagal trip Komponen Sistem Relay & Circuit Breaer Alarm L2-4, L3-4 (Dua Gangguan dengan satu relay gagal beera) L 2-4 MP2 beera untu trip CB12, L 3-4 MP3 beera untu trip CB7 dan L 3-4 MP4 beera untu trip CB6 L 2-4 MP4 : tida beera CB9 : tida trip Kasus 4: Eror Pada Sistem Komuniasi Komponen Sistem Relay & Circuit Breaer Alarm Bus2 Tida ada proses eror pada CB1 & CB2 Seminar Nasional Teni Kimia Oleo & Petroimia Indonesia

6 4. Analisis Gangguan Menggunaan PNN Apabila gangguan teradi dalam sistem daya listri, informasi dari pola alarm aan diterima dari pusat ontrol melalui SCADA selanutnya gangguan aan dianalisis menggunaan latihan PNN. PNN aan memilih informasi alarm yang ada gangguan. Informasi yang dipilih merupaan masuan untu strutur PNN. Nilai eanggotaan aan dihitung berdasaran epada algoritma PNN pada persamaan (1) sampai persamaan (9). Tabel 2 menunuan hasil penguian untu sistem 5 bus untu banya gangguan. Banya Gangguan adalah gangguan yang teradi pada dua atau lebih awasan yang berbeda etia teradi pada masa yang sama. Di dalam Tabel 2 adalah hasil penguian untu sistem 5 bus, yang mana menunuan nilai yang terdiri dari nilai tertinggi dan nilai terendah. Setiap nilai ini menunuan gangguan atau probabiliti gangguan pada setiap sistem omponen. Nilai tertinggi menunuan gangguan pada sistem omponen dan nilai terendah menunuan probabiliti gangguan pada sistem omponen. Tabel.2 asil Penguian untu Sistem 5 Bus (Banya Gangguan) RN Sistem Komponen saluran 1-5, saluran 4-5, Bus 5 Kasus Penguian Bus 4 Saluran 2-4, Saluran 3-4 Bus 2 Saluran RN1 Saluran Bus RN2 RN3 Bus Saluran Saluran Saluran Kesimpulan Mendetesi gangguan dengan RN telah diembangan dalam tulisan ini. Alarm prosesing digunaan untu mendetesi gangguan pada perlindungan sistem daya listri. Beberapa elebihan PNN adalah: a. Proses pengingatan dan pembelaaran sangat cepat. b. Tida ada iterasi dalam proses pembelaaran. c. Tida ada periraan untu uantiti lapisan tersembunyi dan umlah nod tersembunyi. d. Jumlah lembaran latihan yang terbatas. e. Mampu melauan penyesuaian terhadap perubahan rangaian berdasaran strutur rangaian. Seminar Nasional Teni Kimia Oleo & Petroimia Indonesia

7 Daftar Pustaa 1. Aygen Z. E, S Seer, M. Bagriyani, F.G Bagriyani, E Ayaz. Fault Section Estimation in Electrical Power System Using Artificial Neural Networ Approach IEEE Transaction on Power Systems Vol.14. No De Souza, M.A.P Rodrigues, M.T Schiling, M.B.C Filho. Fault Location in Electrical Power Systems Using Intelligent Systems Techniques IEEE Transactions on Power Delivery Vol.16. No.1. January Lewis Blacburn Protective Relaying Principles and Application. Marcel Deer Inc. 4. Lin Min W, Lin C., Sun Z.C Adaptive Multiple Fault Detection and Alarm Processing for Loop System with Probabilistic Networ. IEEE Transactions on Power Delivery Vol.19. No Protopas C.A, K.P Psaltiras, A.V achias An Expert System for Sub Station Fault Diagnosis and Alarm Processing. IEEE Transaction on Power Delivery Vol.6. No Veelenfurt LPJ Analysis and Applications of Artificial Neural Networ. London. Prentice all International (UK). 7. Zhang Q, Z an, F Wen. Rough Set Methods in Power System Fault Classification Proceedings of the 2002 Canadian Conference on Electrical & Computer Engineering Seminar Nasional Teni Kimia Oleo & Petroimia Indonesia

8 Seminar Nasional Teni Kimia Oleo & Petroimia Indonesia

9 Seminar Nasional Teni Kimia Oleo & Petroimia Indonesia