cakrawala

Pengukuran Arus Kebocoran yang Difilter untuk Berbagai Beban

Tujuan dari penelitian ini adalah untuk mengetahui hubungan antara tegangan induksinya dari berbagai beban listrik. Kami menggunakan rangkaian RCD yang beroperasi dengan Kapasitor sebagai alat pembaca tegangan dc. Rangkaian dapat membaca nilai arus bocor yang dihasilkan oleh kumparan penginderaan dari RCD. Ini juga akan menggunakan kerangka Blynk sebagai sistem pemantauan online, dan mikrokontroler WeMos D1-R2 untuk terhubung ke server menggunakan WiFi. Dengan menggunakan sistem, dataset akan dikumpulkan di Python Server dan digunakan dengan teknik pembelajaran mesin untuk menarik korelasinya antara daya beban dan tegangan baca. Hasilnya menunjukkan bahwa hubungan itu tergantung pada jenis catu dayanya. Untuk jenis yang berbeda, lampu LED dan kipas listrik biasa digunakan sebagai beban. Sedangkan untuk jenis beban yang sama, tiga lampu LED yang berbeda dikarakterisasi menggunakan machine learning untuk menunjukkan korelasinya. Dari perbandingan tersebut didapatkan tegangan ambang sekitar 1V dan tiga gradien yang berbeda untuk lampu LED dengan beban 3 W, 5W, dan 9 W.

Desain Sistem Monitoring Arus Bocor

Di rumah sakit, sistem ini dapat digunakan untuk memantau perangkat medis umum, seperti x-ray, inkubator bayi, EKG (elektrokardiograf), MRI (magnetic resonance imaging), atau banyak perangkat listrik lainnya. Secara umum, selama menggunakan listrik maka mungkin perlu diukur. Namun, jika kita melihat lebih detail, perangkat ini memiliki perbedaan dalam konsumsi dayanya. Masing-masing harus memiliki jenis spesifikasi listrik. Biasanya diletakkan di sisi belakang perangkat di semacam piring atau stiker yang menarik. Sebagian besar waktu, itu akan mencakup rentang input listrik yang diizinkan.

Seperti yang telah dibahas, salah satu perhatian adalah bahwa RCD yang digunakan sebagai sensor dalam sistem ini akan memiliki karakteristik tersendiri dalam membaca arus bocor. Karena hanya akan mendapatkan tegangan induksi dari saluran listrik, ini dapat mempengaruhi hubungan kebocoran daya ini. Ini mungkin memiliki fungsi non linier sesuai dengan fungsi tegangan induksi sendiri.

Namun, filter akan lebih berpengaruh pada tegangan terukur karena filter akan dibaca oleh WeMos D1. Ini akan mencoba menyesuaikan sinyal ke tegangan DC rendah mengikuti rentang input analog dari WeMos D1. Dari pin analog tersebut akan dideteksi kondisi arus bocor berdasarkan model machine learning berdasarkan nilai threshold terbaiknya. Nilai itu mungkin juga berbeda untuk setiap beban daya yang berbeda. Dengan demikian, semua data yang diperoleh yang sudah berada di server oleh aplikasi Blynk dapat digunakan sebagai sumber untuk melihat hubungannya.

Telah dibuat aplikasi pembelajaran kebocoran mesin listrik berbasis IoT dengan menggunakan rangkaian RCD untuk mendeteksi arus bocor. Koil penginderaan keluaran diperbaiki menggunakan rangkaian kapasitor untuk dibaca oleh modul WeMos D1 dalam nilai DC. Dengan memanfaatkan aplikasi Blynk, dimungkinkan untuk memantau tegangan induksi dari berbagai beban.

Arus bocor dari berbagai jenis tampaknya hanya memiliki hubungan dengan konsumsi daya jika digunakan dengan jenis beban yang sama. Namun, korelasi tersebut mungkin terlewatkan jika dibandingkan dengan jenis beban yang berbeda. Ini bisa dilihat antara lampu LED dan beban kipas listrik. Itu dijelaskan dengan bentuk gelombang sinyal tegangan induksi.

Akhirnya, kami dapat menggunakan data yang dikumpulkan untuk pembelajaran mesin. Dengan teknologi tersebut, kita dapat menentukan tegangan ambang batas yang disesuaikan untuk transisi terbaik dari kondisi normal ke kondisi arus bocor. Demonstrasi diberikan oleh lampu LED sejenis dengan peningkatan beban 3W, 5 W dan 9 W.

Penulis: Erwin Sutanto, S.T., M.Sc.

Informasi detail dari riset ini dapat dilihat pada tulisan kami di:

https://ijtech.eng.ui.ac.id/article/view/4302