Aplikasi Jaringan Saraf Tiruan pada Series Active Power Filter Tiga

Aplikasi Jaringan Saraf Tiruan pada Series Active Power Filter Tiga Fasa
Hanny H. Tumbelaka, Thiang, Marselin
Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra
Jl. Siwalankerto 121-131, Surabaya 60236
e-mail: [email protected], [email protected], [email protected]
Abstrak
Pada dasarnya gelombang tegangan yang
didistribusikan ke beban adalah gelombang sinusoidal
murni. Namun bagaimana jika terdapat sumber tegangan
yang justru mendistribusikan tegangan tiga fasa yang
tidak seimbang dan tidak sinusoidal karena gelombang
tegangan tersebut terdistorsi. Sudah tentu sinyal yang
terdistorsi itulah yang juga akan diterima oleh konsumen.
Fenomena penyimpangan gelombang ini disebut
harmonisa.
Harmonisa pada sistem tenaga listrik ini dapat
diatasi dengan menggunakan Series Active Power Filter.
Series Active Power Filter yang digunakan adalah tipe
Voltage Source Inverter (VSI) tiga fasa. Metode
kompensasi jaringan saraf tiruan digunakan sebagai
rangkaian kontrol untuk menghasilkan tegangan referensi
Series Active Power Filter yang diperoleh dari tegangan
sumber yang tidak seimbang dan terdistorsi harmonisa.
Jaringan saraf tiruan menentukan amplitudo dari
komponen sinus dan kosinus tegangan referensi. Hasil
simulasi menunjukkan bahwa Series Active Power Filter
tiga fasa dengan metode kompensasi jaringan syaraf
tiruan secara efektif mampu menghilangkan harmonisa
dan menghasilkan tegangan tiga fasa yang sinusoidal dan
seimbang yang akan diterima oleh beban.
Kata kunci: Series Active Power Filter, Harmonisa,
Jaringan Syaraf Tiruan
1.
Pendahuluan
Daya merupakan kombinasi dari nilai tegangan dan
arus yang dibangkitkan. Idealnya, bentuk gelombang
tegangan dan arus yang dibangkitkan berbentuk
gelombang sinusoidal yang mulus. Akan tetapi, fakta di
lapangan menunjukan bahwa bentuk gelombang tegangan
maupun arus tidak semulus yang diinginkan. Terdapat
tegangan listrik tiga fasa tidak seimbang dan terdistorsi
oleh harmonisa. Hal ini akan menurunkan kualitas daya
listrik karena beban akan menerima supply tegangan yang
tidak sinusoidal.
Salah satu cara untuk mengurangi harmonisa adalah
dengan menggunakan filter. Filter adalah suatu rangkaian
yang dipergunakan untuk membuang tegangan output
pada frekuensi tertentu. Untuk merancang filter dapat
digunakan komponen pasif (R, L, C) dan komponen aktif
(transistor).
Penggunaan
Filter
Pasif
untuk
mengatasi
permasalahan harmonisa memiliki banyak kelemahan
antara lain hanya dapat digunakan untuk memfilter satu
frekuensi harmonisa (single tune). Hal ini berarti
membutuhkan sejumlah filter untuk mengatasi sejumlah
arus harmonisa. Filter ini tidak fleksible pada kondisi
dinamis dan dapat menimbulkan resonansi paralel pada
sistem tenaga, memiliki desain ukuran dan berat induktor
L dan C yang cukup besar untuk memfilter harmonisa,
serta memiliki karakteristik filter L-C yang sangat
dipengaruhi oleh impedansi sistem yang sulit diketahui
secara pasti karena selalu berubah terhadap konfigurasi
jaringan. Untuk mengatasi kelemahan yang ditimbulkan
Passive Power Filter [1][2], maka digunakan Active
Power Filter. Oleh karena itu akan diteliti penggunaan
Active Power Filter untuk menghilangkan harmonisa.
Jenis Active Power Filter yang digunakan pada
kompesasi ini adalah Series Active Power Filter.
Banyak sekali metode yang digunakan untuk
mengkompensasi tegangan atau arus yang terdistorsi oleh
harmonisa. Diharapkan bahwa metode yang digunakan
dapat membantu menghasilkan tegangan atau arus anti
harmonisa yang sesuai untuk diinjeksi ke sistem yang
terganggu. Perkembangan saat ini, teknik artificial
intelligence khususnya teknik jaringan syaraf tiruan
(artificial neural network) [3] mulai diterapkan untuk
mendeteksi harmonisa, dan dirasa cukup efektif
penggunaannya. Oleh karena itu dalam makalah ini akan
dibahas mengenai aplikasi Series Active Power Filter tiga
fasa yang bekerja dengan cara menginjeksikan tegangan
anti harmonisa yang bertujuan untuk menghilangkan
harmonisa dan ketidakseimbangan sumber tiga fasa pada
sistem tenaga listrik dengan metoda jaringan syaraf
tiruan.
2.
Konfigurasi Series Active Power Filter
Series Active Power Filter adalah filter yang
terhubung seri dengan jaringan distribusi menggunakan
matching transformer satu fasa sehingga dapat
mengkompensasi distorsi tegangan harmonik. Inberter
yang digunakan adalah Voltage Source Inverter (VSI)
yang terdiri atas 6 buah IGBT dengan Dioda anti-paralel.
Pada sisi DC dipasang kapasitor dan pada sisi AC
terpasang induktor. VSI dioperasikan dengan mengontrol
tegangan induktor sedemikian rupa sehingga sesuai
dengan tegangan referensi yang dikehendaki. Untuk
melihat apakah output tegangan inverter sama dengan
tegangan referensi dipasang sensor tegangan pada sisi
output (AC) dari VSI. Output dari sensor tegangan
inverter kemudian dibandingkan dengan tegangan
referensi. Jika tegangan inverter sama dengan tegangan
referensi maka errornya adalah 0, error tersebut
dijumlahkan dengan tegangan referensi sehingga Pulse
Width Modulation (PWM) menghasilkan pulsa untuk
terus memicu IGBT agar inverter terus menghasilkan
tegangan invers yang sama dengan tegangan referensi.
Tegangan referensi diperoleh dari selisih antara
tegangan sumber harmonik dengan tegangan fundamental
yang dihasilkan oleh jaringan syaraf tiruan. Prosesnya
dimulai dari mendeteksi tegangan sumber tiga fasa yang
tidak
seimbang
dan
mengandung
harmonisa
menggunakan sensor tegangan. Tegangan ini kemudian
diproses untuk memisahkan komponen fundamental dan
komponen harmonisa menggunakan metoda jaringan
syaraf tiruan [4]. Output dari jaringan saraf tiruan yang
berupa tegangan fundamental inilah yang akan
dibandingkan
dengan
tegangan
sumber
untuk
menghasilkan tegangan referensi yang adalah komponen
harmonisa.
Komponen harmonisa ini digunakan untuk
mengontrol tegangan induktor dari VSI. Dengan
demikian VSI menghasilkan tegangan anti harmonisa
yang melawan tegangan harmonisa yang dihasilkan oleh
sumber sehingga tegangan yang disupply ke beban
menjadi sinusoidal dan seimbang. Blok diagram Series
Active Power Filter dapat dilihat pada gambar 1.
[5]. Tegangan pada sisi DC harus dipertahankan konstan
dengan menggunakan kontrol PI (Proportional Integral).
Jika tidak, maka rugi-rugi pada rangkaian akan
menyebabkan tegangan DC-bus akan menurun [4].
3.
Metode Jaringan Syaraf Tiruan
3.1. Prinsip Dasar Series Active Power Filter dengan
Kontrol Jaringan Saraf Tiruan
Beberapa sinyal periodik dapat digambarkan sebagai
penjumlahan komponen sinus dan kosinus. Konsep ini
menjadi dasar dari perancangan arsitektur jaringan syaraf
tiruan dalam mengestimasi komponen harmonisa dan
ketidakseimbangan pada sumber tegangan tiga fasa [7].
Sumber yang membangkitkan tegangan harmonisa
dapat digambarkan sebagai:
N
V ( t ) = V0 +
∑ (a
n
sin( nωt ) + bn cos( nωt ))
(1)
n =1, 2 ,...
dimana an dan bn merupakan amplitudo dari komponen
sinus dan cosinus dari sumber tegangan harmonisa.
Tegangan sumber harmonisa dapat dinyatakan dengan
persamaan:
V (t ) = W • X (t )
(2)
dimana matriks bobot:
W = [a1 , b1 , a 2 , b2 ...a n , bn ]
(3)
dan vektor input sinus/kosinus:
X (t ) = [sin(ωt ),cos(ωt)...sin(nωt),cos(nωt)]
(4)
Berdasarkan persamaan di atas, maka arsitektur dari
kompensasi jaringan syaraf tiruan dapat digambarkan
sebagai berikut:
Gambar 1. Konfigurasi Series Active Power Filter
Agar rangkaian dapat bekerja dengan stabil dan arus
dapat mengalir, maka tegangan VSI pada sisi DC harus
lebih besar daripada tegangan peak-to- peak pada sisi AC
Gambar 2. Arsitektur Jaringan Syaraf Tiruan
Arsitektur jaringan syaraf tiruan seperti pada gambar
2, pada dasarnya adalah jaringan saraf tiruan ADALINE
(Adaptive Linear Neuron) yang dikembangkan oleh
Widrow dan Marcian Hoff menggunakan Single Layer
Network yang terdiri dari satu layer input dan satu layer
output [5].
Gambar 2 menunjukan jaringan syaraf tiruan yang
memiliki N pasang input tegangan yang terdiri dari input
sinus dan input kosinus dan dibagi dalam komponen
fundamental dan komponen harmonisa. Bobot (W) dari
setiap input diatur sedemikian rupa sehingga menyerupai
amplitudo tegangan fundamental dan tegangan
harmonisa. Dengan penyesuaian yang berulang-ulang
terhadap nilai bobot menyebabkan Jaringan syaraf tiruan
mengalami proses training (belajar). Pada setiap
pembelajaran, input tegangan (Vs) diberikan ke jaringan.
Jaringan akan memproses dan mengeluarkan output
tegangan estimasi (Vest). Selisih antara output jaringan
(Vest) dengan target (input Vs) merupakan error e(k) yang
terjadi. Jaringan akan memodifikasi bobot sesuai dengan
error (kesalahan) tersebut. Dengan demikian bila e(k)
telah menjadi nol atau mendekati nol, maka tegangan
estimasi menyerupai input tegangan sumber harmonik.
Output dari jaringan syaraf tiruan adalah tegangan
fundamental (Vp). Dari output jaringan syaraf tiruan
tersebut dapat ditentukan tegangan referensi Vc untuk
diinjeksi ke Series Active Power Filter yang dapat
dihitung dengan pengurangan tegangan sumber
harmonisa Vs dengan tegangan fundamental hasil estimasi
Vp.
3.2. Algoritma Training Widrow-Hoff untuk Jaringan
Saraf Tiruan pada Series Active Power Filter
Proses training dilakukan dengan menggunakan
algoritma
Widrow-Hoff
dengan
tujuan
untuk
meminimalkan besarnya error e(k) antara tegangan
sumber Vs (t) dan tegangan estimasi Vest (k), dimana e(k)
dapat dinyatakan dengan persamaan di bawah ini :
e( k ) = Vs − Vest ( k )
(5)
Tegangan referensi Vc (t) dari Active Power Filter
akan diperoleh berdasarkan hasil dari perhitungan bobot.
Prinsip dasar dari perhitungan bobot dengan algoritma
jaringan syaraf tiruan dapat digambarkan sebagai berikut:
Gambar 3. Perhitungan Bobot Jaringan Syaraf Tiruan
Jaringan syaraf tiruan pada gambar 3 terdiri atas
sebuah neuron, dimana bobot dari neuron dinyatakan
sebagai W. Yang menjadi input dari sistem adalah
tegangan sumber Vs(t) yang dibangkitkan, sementara
output-nya adalah tegangan fundamental Vp(t) dan output
dari sistem adalah tegangan referensi Vc(t).
Berdasarkan algoritma Widrow-Hoff, persamaan
untuk memperbaharui bobot dapat dinyatakan sebagai
berikut :
W(n) = W ( n − 1) + η VcrV ( n − 1)
(6)
dimana :
η VcrV ( n − 1) = perubahan tegangan
η
= learning rate, 0 < η < 1
V cr ( n )
= Vs ( n ) − W ( n )V s ( n )
Berdasarkan persamaan 6 maka desain kontrol
dengan algoritma Widrow-Hoff dapat digambarkan
seperti yang terlihat pada gambar 4.
Proses pembelajan/training dari jaringan syaraf
tiruan dengan metode pembelajaran Widrow-Hoff
digunakan untuk memperoleh nilai dari bobot dengan
nilai learning rate tertentu. Pada akhirnya tegangan
referensi dari Series Active Power Filter dapat dihitung
dengan menggunakan persamaan di bawah ini :
(7)
Vc ( t ) = V s ( t ) − WV ( t )
Gambar 4. Rangkaian Kompensasi VC(t)
Berdasarkan persamaan 7 maka pemodelan rangkaian
kontrol pada Matlab Simulink untuk memperoleh nilai
bobot W dengan algoritma Widrow-Hoff dapat
digambarkan sebagai berikut:
Gambar 5. Rangkaian Kompensasi Jaringan Syaraf
Tiruan dalam Matlab Simulink
4.
Hasil Simulasi
Series Active Power filter dengan metode
kompensasi Artifial Neural Network (Jaringan Syaraf
Tiruan) disimulasikan menggunakan gabungan software
PSIM dan Matlab Simulink. Untuk rangkaian series
active power filter dimodelkan pada PSIM sedangkan
metode kompensasinya menggunakan matlab simulink.
Berikut ini adalah pembacaan sinyal sumber tegangan
tiga fasa tak seimbang dan membangkitkan harmonisa:
state dan menyerupai input tegangan sumber harmonisa
(Vs). Dengan melihat gambar 6 dan gambar 7 maka
berikut ini adalah error yang dihasilkan dari
perbandingan Vs dan Vest :
Gambar 9. Error e(k)
Gambar 6. Sumber tiga fasa tak seimbang dan
membangkitkan harmonisa
Berikut ini adalah pembacaan sinyal oleh matlab
simulink untuk input sumber tegangan harmonisa (Vs)
dari jaringan listrik fasa a yang masuk ke sistem jaringan
syaraf tiruan:
Pada simulasi dihasilkan error dengan ripple yang
cukup tinggi dari t = 0 hingga t = 0.04, namun setelahnya
error semakin mendekati nol karena proses training yang
dilakukan.
Karena tegangan estimasi sudah menyerupai input
tegangan harmonisa fasa a maka output tegangan
fundamental yang merupakan output jaringan syaraf
tiruan dapat ditentukan, dan berikut ini adalah pembacaan
sinyalnya:
Gambar 10. Tegangan fundamental (Vp)
Gambar 7. Input sumber tegangan harmonisa fasa a
Tegangan estimasi adalah total tegangan sinyal sinus
kosinus yang dihasilkan oleh rangkaian jaringan syaraf
tiruan yang diharapkan menghasilkan tegangan yang
sama dengan input sumber tegangan harmonisa dengan
gain (learning rate) 0.2. Berikut ini adalah pembacaan
sinyal tersebut:
Tegangan fundamental yang merupakan output
jaringan syaraf tiruan ini identik dengan tegangan
fundamental fasa a yang dibangkitkan pada sistem
jaringan listrik dengan Vrms 219.4 volt dan Vpeak 310.48
volt.
Proses selanjutnya adalah menentukan tegangan
referensi yang merupakan tegangan harmonisa murni
melalui perbandingan antara sumber tegangan tiga fasa
yang tak seimbang dan mengandung harmonisa dengan
tegangan fundamental yang dihasilkan oleh jaringan saraf
tiruan. Berikut ini adalah hasil simulasi untuk
mendapatkan tegangan referensi tiga fasa:
Gambar 8. Tegangan estimasi (Vest) yang dihasilkan
jaringan syaraf tiruan
Gambar 8 menunjukan output dari proses training
jaringan syaraf tiruan. Dibutuhkan waktu sekitar 0.06
detik untuk menghasilkan tegangan estimasi yang steady
Gambar 11. Tegangan referensi (Vc) tiga fasa
Tegangan referensi inilah yang akan diinjeksi ke VSI
melalui PWM yang menghasilkan pulsa untuk memicu
IGBT, dan proses ini akan berlangsung hingga tegangan
invers yang dihasilkan oleh VSI semakin menyerupai
tegangan referensi. Tegangan invers inilah yang
kemudian akan diinjeksi ke sistem melaui trafo yang
dihubungkan seri dengan sistem. Berikut ini adalah
tegangan invers yang dihasilkan oleh rangkaian VSI:
Gambar 12. Tegangan invers VSI yang diinjeksi ke
sistem
Tegangan invers menjadi tegangan anti harmonik
dan ketidakseimbangan sumber sehingga ketika diinjeksi
ke sistem, tegangan tiga fasa yang yang didistribusikan ke
beban menjadi sinusoidal dan seimbang. Berikut ini
adalah tegangan sistem tiga fasa setelah kompensasi
dilakukan:
Gambar 13. Tegangan sistem setelah dikompensasi
5.
Kesimpulan
Berdasarkan hasil simulasi dan analisa yang dibuat
dapat diperoleh beberapa kesimpulan dari sistem yang
dibuat:
1. Komponen rangkaian jaringan syaraf tiruan (JST) baik
dari Input sumber sinus Kosinus maupun learning
rate, parameternya ditentukan secara manual, dan
ketika tegangan sumber harmonisa diinjeksi ke
jaringan saraf tiruan sebagai pembanding maka secara
fleksible Jaringan syaraf tiruan beradaptasi dengan
perubahan yang ada, melalui proses learning pada
bobot W.
2. Dengan mengatur gain, time delay, dan amplitudo
sinus kosinus input mempengaruhi tegangan estimasi,
dengan pengaturan yang tepat dihasilkan tegangan
estimasi yang menyerupai tegangan sumber
harmonisa. Semakin meyerupai tegangan sumber
harmonisa, semakin kecil error (k) yang dihasilkan
dan diharapkan sama dengan nol. Ketika error sama
dengan nol didapat arus referensi (arus harmonisa
murni) yang dikehendaki yang akan diinjeksi ke VSI.
3. Hasil simulasi menunjukkan bahwa rangkaian Series
Active Power Filter tiga fasa dengan metode
kompensasi jaringan syaraf tiruan secara efektif
mampu mengatasi sumber tegangan tigafasa tak
seimbang dan terdistorsi oleh harmonisa .
Referensi
[1] M. João Sepúlveda Freitas, João L. Afonso, Júlio S.
Martins, A Series Active Power Filter Controlled by
Personal Computer. Department of Industrial
Electronics, University of Minho Campus of
Azurém – 4800-058 Guimarães (Portugal.).
[2] H. Kawahira, T. Nakamura, S. Nakazawa, and M.
Nomura, Active power filters, in Proc. JIEE-IPEC,
Mar. 1983, pp. 981–992.
[3] Temurtas, F., et al., Harmonic detection using feed
forward and recurrent neural networks for active
filters. Electric Power Systems Research, 2004.
72(1): p. 33-40.
[4] J.L. Flores Garrido y P. Salmerón Revuelta,
Harmonic detection by using different artificial
neural network topologies. Department of Electrical
Engineering , E. P. S., Huelva University . Ctra de
Palos de la Frontera s/n 21819, Palos de la Frontera.
Huelva (Spain).
[5] WANG Li -qiao, LI Jian- lin, ZHANG Zhong- chao,
Carrier phase shifted SPWM based on current
sourced multi-modular converter for active power
filter. Electrical Engineering College, Zhejiang
University, Hangzhou 310027, China.
[6] Panguriseng, Muharram J., et al. A Case Study of
Electrofacies Analysis Using Neural Network in
Besitang River Sand, Besitang Field, North Sumatra
Basin. Jakarta: Schlumberger Information Solution,
2005.
[7] Hanny H. Tumbelaka, Thiang, Sorati, Aplikasi
Jaringan Saraf Tiruan pada Shunt Active Power
Filter Tiga Fasa. Fakultas Teknologi Industri,
Jurusan Teknik Elektro, Universitas Kristen Petra.
Jl. Siwalankerto 121-131, Surabaya 60236.