Menilik Deteksi Harmonisa Arus Berbasis Feed Forward Neural Network

Share on facebook
Share on google
Share on twitter
Share on linkedin

Harmonisa merupakan sebuah gangguan yang terjadi pada jaringan distribusi tenaga listrik. Gangguan ini dapat terjadi di gelombang arus dan tegangan. Peningkatan penggunaan beban non linier seperti uninterrupttible power supply (UPS), variable frequency drive (VFD), dan peralatan konverter switching dapat mengakibatkan distorsi harmonisa pada sistem tenaga listrik menjadi meningkat. Distorsi harmonisa ini dapat menyebabkan kesalahan pembacaan alat ukur dan mengurangi umur pemakaian dari perangkat elektronik serta mengurangi kualitas daya yang disalurkan kepada pelanggan. Oleh karena itu, pendeteksian harmonisa ini sangat penting untuk menjaga kualitas daya yang diberikan kepada pelanggan.

Dalam listrik bolak-balik (AC), beban non linear memiliki sinyal periodik tegangan maupun arus. Sinyal ini dapat diasumsikan dengan kuantitas dan sudut fasa yang acak dan dinyatakan dalam persamaan deret fourier. Harmonisa mempunyai nilai yang diperoleh dari spektrum yang merepresentrasikan nilai komponen harmonisa dalam daerah frekuensi. Indikator untuk menunjukkan nilai harmonisa adalah total harmonic distortion (THD).

Pendeteksian harmonisa dapat dilakukan dengan beberapa cara di antaranya menggunakan kecerdasan buatan. Salah satu kecerdasan buatan yang dapat digunakan adalah Feed Forward Neural Network (FFNN). FFNN terinspirasi dari cara kerja otak manusia. FFNN memiliki jaringan yang terhubung satu dengan yang lainnya yang mempunyai bobot yang berbeda dan di setiap lapisan mengandung node untuk memproses suatu data. Setiap jaringan mempunyai weight (bobot). Penentuan nilai bobot pada setiap jaringan ditentukan dari tahap training dan learning dari satu kali proses yang dilakukan. FFNN mempunyai proses training yang terbagi menjadi dua tahap yaitu tahap maju dan tahap mundur. Tahap maju berfungsi untuk mendapatkan nilai bobot dan bias sehingga mendapatkan nilai akhir. Tahap mundur berfungsi untuk mendapatkan nilai bobot dan bias baru sehingga meminimalkan nilai error yang dihasilkan dari tahap maju. Input FFNN untuk mendeteksi harmonisa adalah nilai magnitude arus pada setiap sampling data.

Pendeteksian harmonisa dengan menggunakan metode Feed Forward Neural Network (FFNN) dapat diimplementasikan dengan baik. Kemudian hasil dari implementasi ini dibandingkan dengan hasil dari alat fluke dan mempunyai error yang kecil. Perlunya metode lain untuk dapat lebih meminimalkan error dari pendeteksian harmonisa ini.

Penulis: Aji Akbar Firdaus, S.T., M.T.

Informasi detail dari riset ini dapat dilihat di:

http://jurnal.unsyiah.ac.id/JRE/article/view/15093 Top of Form

Bottom of Form Endro Wahjono, Dimas Okky Anggriawan, Achmad Luki Satriawan, Aji Akbar Firdaus, Eka Prasetyono, Indhana Sudiharto, Anang Tjahjono, Anang Budikarso. 2020. Pendeteksian Harmonisa Arus Berbasis Feed Forward Neural Network Secara Real Time. Jurnal Rekayasa Elektrika (JRE); Volume 16, No. 1, April 2020, Pages 8-14. ISSN. 1412-4785

Berita Terkait

UNAIR News

UNAIR News

Media komunikasi dan informasi seputar kampus Universitas Airlangga (Unair).