Knferensi Nasinal Sistem dan nfrmatika 2009; ali, Nvember 14, 2009 DENTFKS GNGGUN HUUNGN SNGKT PD SSTEM DSTRUS RDL MENGGUNKN GENET LGORTHM (G) FUZZY Sri Kestant 1), di Seprijant 2), Mauridhi Hery P. 2). Dept. Rancang angun, PT. Pupuk Kaltim 1) Teknik Elektr, Seklah Tinggi Teknlgi ntang 1) Jurusan Teknik Elektr, FT, nstitut Teknlgi Sepuluh Npember 2) skestan@pupukkaltim.cm 1), adisup@ee.its.ac.id 2), hery@ee.its.ac.id 2) STRT Varius methds fr identifying shunt faults have been prpsed. n this research, Genetic lgrithm (G) and fuzzy thery are used fr identify shunt faults in a radial pwer distributin system. The identificatin methd is develped based n symmetrical cmpnents f fundamental fault current. Fuzzy thery is used t identify faults, while G is used t determine membership functin parameters f fuzzy. Learning prcess by G in the prpsed technique makes the fuzzy thery capable t accurately identify all ten types f shunt faults that may ccur in an electric pwer distributin system under different fault lcatins and lading levels. The identificatin methd needs nly three line current measurements available at the substatin t identify types f shunt faults. The develped methd has been prven t be able t accurately identify the phase(s) invlved in all ten types f shunt faults that may ccur in 11 kv Kaltim-4 PT. Pupuk Kaltim electric pwer distributin system. ll the test results shw that the prpsed fault identifier can perfrm the fault identificatin task in abut ne and half-cycle perid after fault. Keywrds: Shunt Faults, Fault dentificatin, Genetic lgrithm, Fuzzy. 1. Pendahuluan erbagai metde identifikasi gangguan hubungan singkat baik yang menggunakan metde kecerdasan buatan maupun tidak telah dikemukakan [1-6]. dentifikasi gangguan hubungan singkat berdasarkan nilai perbandingan dan perbedaan sudut antara kmpnen urutan dari kmpnen simetri arus gangguan dikemukakan untuk melakukan identifikasi terhadap sepuluh tipe gangguan hubungan singkat [7][8]. iswarup Das mengemukakan metde fuzzy untuk identifikasi gangguan berdasarkan nilai perbandingan dan perbedaan sudut antara kmpnen urutan dari kmpnen simetri arus gangguan untuk identifikasi sepuluh tipe gangguan hubungan singkat pada saluran distribusi radial [9], parameter-parameter fungsi keanggtaan fuzzy yang digunakan ditentukan pada suatu nilai tertentu sehingga belum tentu tepat untuk sistem yang berbeda [10]. Pada penelitian ini dikembangkan metde identifikasi menggunakan Genetic lgrithm (G) Fuzzy berdasarkan nilai magnitude dan sudut antar arus kmpnen simetri dari arus gangguan. Metde G Fuzzy mampu membedakan sepuluh tipe gangguan hubungan singkat yang terjadi, yaitu satu phasa ke tanah (a-g,b-g,c-g), dua phasa (a-b,b-c,a-c), dua phasa ke tanah (a-b-g,b-c-g,a-c-g), tiga phasa (a-b-c) atau tiga phasa ke tanah (a-b-c-g) hanya dengan memanfaatkan pengukuran arus saluran phasa a, b, dan c di sisi incming substatin. Serangkaian prses pembelajaran kecerdasan buatan dengan metde G dilakukan untuk menentukan nilai parameter fungsi keanggtaan himpunan fuzzy yang digunakan pada metde fuzzy. Sebagai studi kasus pada penelitian ini digunakan sistem distribusi tenaga listrik 11 kv Unit Kaltim-4 PT. Pupuk Kalimantan Timur. Pada sistem distribusi suatu industri seperti sistem distribusi tenaga listrik di PT. Pupuk Kalimantan Timur adanya suatu metde yang dapat memberi infrmasi tipe gangguan hubungan singkat yang akurat dan lengkap sangat membantu dalam prses penyelesaian gangguan, prses analisa penyebab gangguan dan perencanaan perbaikan sistem di kemudian hari agar sistem distribusi lebih handal. Penelitian ini memberikan kntribusi terhadap perkembangan sistem kelistrikan, khusus pada permasalahan yang berkaitan dengan penentuan tipe gangguan hubungan singkat pada suatu jaring distribusi sistem tenaga listrik. danya prses pembelajaran untuk menentukan nilai parameter fungsi keanggtaan fuzzy diharapkan membuat metde ini dapat diaplikasikan untuk berbagai sistem distribusi tenaga listrik radial. 2. Metde dentifikasi Gangguan Sistem distribusi 11 kv unit Kaltim-4 PT. Pupuk Kaltim dapat dilihat pada Gambar.1. Pada penelitian ini sistem disimulasi mengalami gangguan pada berbagai lkasi menggunakan MTL 7.0 [11]. Sinyal arus gangguan yang disensr leh traf arus pada incming bus diuraikan kmpnen simetri arus fundamentalnya menggunakan metde kmpnen simetri [12]. Sinyal arus gangguan fundamental tiap phasa akan diuraikan dalam bentuk arus kmpnen simetrinya dan akan dibandingkan nilai magnitude dan sudut dari arus urutan nl, psitif dan negatif. Perbedaan sudut antara kmpnen arus urutan negatif dan psitif phasa a, b dan c adalah [9][10][13] : ang_ = rg( ) rg (1) 145 a1 f ( a2 f ) ang_ = rg( (2) b1 f ) rg( b2 f )
Knferensi Nasinal Sistem dan nfrmatika 2009; ali, Nvember 14, 2009 ang_ = rg( (3) c1 f ) rg( c2 f ) Gambar 1. Sistem Distribusi 11 kv Unit Kaltim-4 PT. Pupuk Kaltim Knstanta perbandingan nilai magnitude antara kmpnen arus urutan nl dan negatif dengan urutan psitif adalah: a 0 f Rf = (4) R a1 f a2 f 2 f = (5) a 1f turan dasar fuzzy identifikasi berdasarkan nilai variabel gangguan persamaan 1 sampai 5 dapat dilihat pada Tabel 1 [9]. Sistem inferensi fuzzy untuk identifikasi gangguan hubungan singkat menggunakan metde Mamdani [14] seperti pada Gambar 2 dengan menggunakan rule base pada Tabel 1. Pada penelitian ini parameter,, pada fungsi keanggtaan fuzzy bentuk segitiga ditentukan melalui prses pencarian menggunakan G. Tabel 1. turan Dasar Fuzzy Untuk Sepuluh Tipe Gangguan Hubungan Singkat JK ang- ( ) ang- ( ) ang- ( ) MK R 0 f R 2 Tipe Gangguan f 0 120 120 tinggi tinggi 9 120 0 120 tinggi tinggi 5 120 120 0 tinggi tinggi 3 60 60 180 rendah tinggi 12 180 60 60 rendah tinggi 6 60 180 60 rendah tinggi 10 60 60 180 tinggi tinggi 13 180 60 60 tinggi tinggi 7 60 180 60 tinggi tinggi 11 - - - rendah rendah 15 0 ang- ang- 120 ang- 120 R 0 f Tinggi R 2 f Tinggi Gangguan 9 120 8.5 9.5 60 60 180 Rendah Tinggi 12 11.5 12.5 11.5 12.5 F ND ND ND ND THEN 11.5 12.5 Z Gambar 2. Sistem nferensi Fuzzy Metde Mamdani Untuk dentifikasi Gangguan Hubungan Singkat 146
Knferensi Nasinal Sistem dan nfrmatika 2009; ali, Nvember 14, 2009 Siklus penerapan algritma genetika pada prses pencarian nilai parameter segitiga fungsi keanggtaan fuzzy mengunakan metde G dapat dilihat pada Gambar 3 [13][15] : Gambar 3. Siklus Penerapan lgritma Genetika Pada penelitian ini fungsi keanggtaan himpunan fuzzy bentuk segitiga didefinisikan sebagai gen-gen pada krmsm dan setiap tiga gen merepresentasikan satu set fungsi keanggtaan himpunan fuzzy bentuk segitiga. Prses randm tiap kelmpk saat pembangkitan individu maupun saat prses mutasi mempunyai batasan sesuai bentuk segitiga yaitu nilai gen pertama tidak lebih besar dari nilai gen yang kedua dan nilai gen ke dua tidak lebih besar dari nilai gen ketiga. Dalam membentuk generasi baru, G menggunakan tiga peratr yaitu peratr reprduksi/seleksi, crssver dan mutasi, sedangkan breeder digunakan untuk mempertahankan sejumlah individu terbaik sesuai nilai peluang breeder. Prses ini dilakukan berulang-ulang sehingga didapatkan jumlah krmsm yang cukup untuk membentuk generasi baru. Generasi baru ini merupakan representasi dari slusi baru. Prses evaluasi akan mengevaluasi setiap ppulasi dengan menghitung nilai fitness setiap krmsm dan mengevaluasinya sampai terpenuhi kriteria berhenti. ila kriteria berhenti belum terpenuhi maka akan dibentuk lagi generasi baru dengan mengulangi langkah membentuk generasi baru. Prses evaluasi dilakukan dengan menjalankan prgram lgika fuzzy berdasarkan sejumlah data input lima variabel fuzzy dan data setting parameter yang direpresentasikan leh nilai gen-gen setiap krmsm. Nilai fitness yang direncanakan adalah nilai abslut dari perbedaan antara keluaran yang ditargetkan dengan keluaran hasil menjalankan prgram lgika fuzzy. f = Target Keluaran Fuzzy (6) Target keluaran adalah kde tipe gangguan yang disimulasikan untuk memperleh nilai variabel fuzzy ang-, ang-, ang-, R f dan R 2f. Target keluaran dikdekan dalam angka desimal seperti pada Tabel 2. Keluaran fuzzy adalah keluaran dari prgram lgika fuzzy terhadap sejumlah data pembelajaran sebagai masukan dengan menggunakan nilai yang direpresentasikan leh gen-gen dari setiap krmsm sebagai parameter fungsi keanggtaan fuzzy. Tabel 2. Kde Gangguan Tipe Gangguan 3 2 1 0 Dalam Desimal a-g 1 0 0 1 9 b-g 0 1 0 1 5 c-g 0 0 1 1 3 a-b 1 1 0 0 12 b-c 0 1 1 0 6 c-a 1 0 1 0 10 a-b-g 1 1 0 1 13 b-c-g 0 1 1 1 7 a-c-g 1 0 1 1 11 Simetri 1 1 1 1 15 3. Simulasi Dan Hasil Pada sistem seperti Gambar 1 pada kndisi tanpa beban bila terjadi gangguan hubungan singkat pada us 00-SG-101, nilai lima variabel (persamaan 1-5) untuk sepuluh tipe gangguan hubungan singkat dapat dilihat pada Tabel 3. Kemudian juga dilakukan perhitungan nilai variabel gangguan pada berbagai lkasi gangguan dan pembebanan dan data hasil perhitungan tersebut digunakan untuk prses pelatihan pada metde G. Parameter G yang digunakan untuk simulasi dapat dilihat pada Tabel 4. Gambar 4 adalah kurva fitness hasil prses G dengan nilai parameter seperti pada Tabel 4. 147
Knferensi Nasinal Sistem dan nfrmatika 2009; ali, Nvember 14, 2009 Tabel 3. Nilai Lima Variabel dentifikasi Untuk 10 Tipe Gangguan Hubungan Singkat Yang Terjadi Pada us 00-SG- 101 Saat eban Ttal= 0% Tipe Gangguan ang- ang- ang- R Of R 2f a-g 1.3297 118.6703 121.3297 0.9761 0.97607 b-g 121.3297 1.3297 118.6703 0.9761 0.97607 c-g 118.6703 121.3297 1.3297 0.9761 0.97607 a-b 59.9912 60.0088 179.9912 5.07E-08 0.99985 b-c 179.9915 59.9915 60.0085 4.99E-08 0.99985 c-a 60.0086 179.9914 59.9914 4.92E-08 0.99985 a-b-g 59.8083 60.1917 179.8083 0.0032 0.99984 b-c-g 179.8115 59.8115 60.1885 0.0031 0.99976 c-a-g 60.1862 179.8138 59.8138 0.0031 0.99985 Simetri 90.7514 149.2486 29.2486 1.65E-13 0.01671 Tabel 4. Parameter G N Parameter G Nilai P_br Pm Pc Ppulasi Fitness 1 0.02 0.35 0.75 50 3.793E-12 2 0 0.35 0.75 50 1.6235E+1 Kurva Fitness 400 350 300 Pmut: 0.35, Pcrss: 0.75 Ppulasi: 50.0 - - -: Pbreeder: 0.000, Fitness Terbaik: 1.6235e+001 : Pbreeder: 0.020, Fitness Terbaik: 3.7930e-012 Nilai Fitness 250 200 150 100 50 0 5 10 15 20 25 30 35 40 45 50 Jumlah Generasi Gambar 4. Grafik Kurva Fitness Dengan Parameter G Pada Tabel 2. Krmsm terbaik yang merupakan representasi dari nilai parameter fungsi keanggtaan fuzzy segitiga dapat dilihat pada Tabel 5. erdasarkan nilai krmsm terbaik tersebut bentuk fungsi keanggtaan fuzzy segitiga identifikasi gangguan dapat dilihat pada Gambar 5 sampai 7. N Gen Tabel 5. Krmsm Hasil Prses G Nilai Gen 1 s/d 6 0 0 42.4076 5.6376 7.5998 78.9593 7 s/d 12 78.7089 134.7626 171.8776 177.3759 180.0000 180.0000 13 s/d 18 0.0000 0.0000 0.0022 0.0008 1.1858 1.1867 19 s/d 24 0.0000 0.0000 0.0870 0.0358 1.1006 1.1208 Gambar 5. Fungsi Keanggtaan Segitiga 0 0 60 0 120 0 dan 180 0 Untuk Variabel ang-, ang- dan ang- Hasil Optimasi G 148
Knferensi Nasinal Sistem dan nfrmatika 2009; ali, Nvember 14, 2009 Gambar 6. Fungsi Keanggtaan Segitiga Rendah dan Tinggi Untuk Variabel R 0f Hasil Optimasi G Gambar 7. Fuzzy Segitiga Rendah dan Tinggi Untuk Variabel R 2f Hasil Optimasi G Dengan menggunakan nilai parameter hasil prses pencarian melalui prses G, dilakukan prses identifikasi dengan prgram fuzzy. lk simulink prses identifikasi dengan prgram fuzzy dapat dilihat pada Gambar 8. erdasarkan nilai setting parameter fungsi keanggtaan himpunan fuzzy yang didapat melalui prses G selanjutnya disimulasi identifikasi menggunakan fuzzy langsung pada sistem dengan kndisi pembebanan dan lkasi gangguan yang berbeda-beda, gangguan disimulasikan terjadi pada detik ke 0.04 dan simulasi identifikasi dihentikan pada detik ke 0.07. Hasil identifikasi 10 tipe gangguan pada us 00-SG-101 saat beban 100 % dan pada terminal traf 01-TR-211 saat beban 0% dapat dilihat pada Tabel 6. Karena keterbatasan halaman hasil identifikasi gangguan pada berbagai lkasi dan berbagai kndisi pembebanan tidak bisa ditampilkan di sini. [abc_k4] Frm1 rus n RMS RMS rus Gangguan f(u) rus N-Grund nrms RMS rus N-Grund MTL Functin atas Kerja Relay abc Mag Phase set = 1200 Discrete 3-phase Sequence nalyzer MTL Functin Kmpnen Symetri est_krm Frm Wrkspace MTL Functin fuzzy Display 0 Gambar 8. lk Simulink Prses dentifikasi Gangguan Dengan Metde Fuzzy Tabel 6. Hasil dentifikasi Gangguan Pada us 00-SG-101, eban: 100% Menggunakan Setting Parameter Fungsi Keanggtaan Fuzzy Dari Hasil Prses G Gangguan pada us 00-SG-101 eban: 100% Tipe Gangguan ang- ang- ang- R0f R2f Keluaran Fuzzy a-g 38.9325 81.0675 158.9325 0.161571 0.1599 8.99999999999999 b-g 158.7032 38.7032 81.2968 0.161767 0.1590 4.99999999999999 c-g 81.4654 158.5346 38.5346 0.161571 0.1586 2.99999999999994 a-b 58.7635 61.2365 178.7635 4.80E-08 0.9749 11.99999999999980 b-c 178.7072 58.7072 61.2928 4.87E-08 0.9751 5.99999999999989 c-a 61.2744 178.7256 58.7256 4.95E-08 0.9741 9.99999999999990 a-b-g 58.5909 61.4091 178.5909 0.003022 0.9747 12.99999999999990 b-c-g 178.5317 58.5317 61.4683 0.003067 0.9749 6.99999999999995 c-a-g 61.4524 178.5476 58.5476 0.003115 0.9739 10.99999999999990 Simetri 87.9276 32.0724 152.0724 2.99E-13 0.0177 14.99999999999990 4. Kesimpulan Dan Saran 4.1 Kesimpulan Dari hasil permdelan dan analisa saluran distribusi 11 kv unit Kaltim-4 PT. Pupuk Kaltim pada penelitian ini, bisa diambil kesimpulan sebagai berikut: 1. Genetic lgrithm (G) dapat digunakan untuk ptimasi nilai parameter fungsi keanggtaan himpunan fuzzy bentuk segitiga dengan nilai parameter G, Peluang breeder = 0.02, Peluang crssver = 0.75, Peluang mutasi = 0.35 dan Ppulasi = 50 diperleh nilai fitness 3.793E-12. 149
Knferensi Nasinal Sistem dan nfrmatika 2009; ali, Nvember 14, 2009 2. ila dibandingkan tanpa menggunakan breeder dengan nilai Peluang breeder = 0, Peluang crssver = 0.75, Peluang mutasi = 0.35 dan Ppulasi = 50 diperleh nilai fitness 16.235, terbukti bahwa menggunakan breeder membuat G lebih ptimal. 3. Hasil test simulasi menunjukkan metde Genetic lgrithm (G) Fuzzy berbasiskan metde kmpnen simetri mampu mengidentifikasi 10 tipe gangguan hubungan singkat pada sistem distribusi 11 kv unit Kaltim-4 PT. Pupuk Kaltim. 4. Metde yang dikembangkan mampu melakukan identifikasi dengan akurat dalam waktu 1.5 peride setelah gangguan (0.03 dt) jauh di bawah setting relay arus lebih seketika yang digunakan (0.5 dt), sehingga metde ini dapat bekerjasama dengan relay tersebut. 5. Lkasi gangguan dan perubahan beban tidak mempengaruhi keakuratan dalam melakukan identifikasi 10 tipe gangguan. 6. Metde identifikasi hanya memerlukan deteksi arus tiap phasa untuk melakukan identifikasi. 4.2 Saran Untuk mengembangkan metde Genetic lgrithm (G) Fuzzy yang digunakan, beberapa hal yang dapat dilakukan adalah: 1. Mengembangkan metde ini agar mampu mengenali letak gangguan. 2. Mengimplementasikan metde ini pada relay ver current sistem distribusi existing. Daftar Pustaka [1]. Ferrer, S. Sangivanni, and E. Zapitelli. (1995). fuzzy set apprach t fault type identificatin in digital relaying. EEE Transactins n Pwer Delivery, Vl. 10, N. 1, pp. 169 175. [2] T. Dalstein and. Kulicke. (1995). Neural netwrk apprach t fault classificatin fr high speed prtective relaying. EEE Trans. Pwer Del., vl. 10, n. 2, pp. 1002 1011. [3] M. Tgami, N. be, T. Kitahashi, and H. Ogawa. (1995). On the applicatin f a machine learning technique t fault diagnsis f pwer distributin lines. EEE Transactins n Pwer Delivery, Vl. 10, N. 4, pp. 1927 1936. [4] H. Wang and W. W. L. Keerthipala. (1998). Fuzzy neur apprach t fault classificatin fr transmissin line prtectin. EEE Transactins n Pwer Delivery, Vl. 13, N. 4, pp. 1093 1104. [5] W. H. hen,. W. Liu, and M. S. Tsai. (2000). On line fault diagnsis f distributin substatins using hybrid cause effect netwrk and fuzzy rule based methd. EEE Transactins n Pwer Delivery, Vl. 15, N. 2, pp. 710 717. [6] W.-M. Lin,.-D. Yang, and J. H. Lin. (2001). fault classificatin methd by RF neural netwrk with OLS learning prcedure. EEE Trans. Pwer Del., vl. 16, n. 4, pp. 473 477. [7]. Kasztenny,. ampbell, and J. Mazereeuw J. (2000). Phase selectin fr single-ple tripping: Weak infeed cnditin and crss-cuntry faults in Prc.27 th nnual Western Prtective Relay nf., Spkane,W, [8] T. du. (2002). n accurate fault classificatin technique fr pwer system mnitring devices, EEE Transactins n Pwer Delivery, Vl. 17, N. 3, pp. 684 690. [9] iswarup Das. (2006). Fuzzy Lgic-ased Fault-Type dentificatin in Unbalanced Radial Pwer Distributin System, Member, EEE Transactins n Pwer Delivery, Vl. 21, N. 1. [10] Sri Kestant, di Seprijant dan Mauridhi Hery P. (2007). dentifikasi Tipe Gangguan Hubungansingkat erdasarkan Kmpnen Simetri rus Gangguan Pada Saluran Distribusi Radial Menggunakan Fuzzy. Prsiding Seminar Nasinal Ke X FT, TS, Surabaya. [11] Sftware Matlab, Mathwrk nc., (Versin 7.01). [12] Saadat, H. (1999). Pwer System nalysis. Milwaukee Schl f Engineering, [13] Kestant, S. (2007). dentifikasi gangguan hubungan singkat pada sistem distribusi 11 kv unit kaltim-4 PT. Pupuk Kaltim menggunakan Genetic lgrithm (G) Fuzzy. Thesis. Teknik Elektr, FT, TS Surabaya. [14] J.-S. R. Jang,.-T. Sun and E. Mizutani. (1997). Neur-Fuzzy and Sft mputing. Prentice-Hall, Lndn. [15] Phlheim, H. (2005) GETbx ntrductin Evlutinary lgrithms: Overview, Methds and Operatrs versin 3.7 Dcumentatin fr: GETbx versin 3.7 (Genetic and Evlutinary lgrithm Tlbx fr use with Matlab) www: http://www.geatbx.cm/, Email: supprt@geatbx.cm. 150