Deteksi Lokasi Gangguan pada Saluran Transmisi

Proseding Seminar Tugas Akhir Teknik Elektro FTI-ITS, Oktober 2013
Deteksi Lokasi Gangguan pada Saluran
Transmisi menggunakan Gelombang Berjalan
dan Transformasi Park
Anggi Budi S, Dimas Anton A dan Arif Musthofa.
Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111
E-mail: [email protected]
Abstrak — Dalam sistem tenaga listrik, saluran transmisi
memiliki peran yang sangat penting yaitu sebagai penyalur daya
listrik dari sebuah pembangkit/ sumber ke pusat-pusat beban.
Diperlukannya metode deteksi lokasi gangguan yang akurat dan
cepat untuk mengurangi waktu pencarian, sehingga
mempercepat proses perbaikan. Pada tugas akhir ini akan
digunakan metode kombinasi gelombang berjalan dan
transformasi park, lalu akan diolah menggunakan Adaptive
Neuro Fuzzy Inference System (ANFIS).
Saat terjadi gangguan pada saluran transmisi, akan
menyebabkan timbulnya gelombang berjalan yang berupa
tegangan dan arus. Gelombang berjalan ini akan
ditransformasikan oleh transformasi park pada kedua ujung
saluran, untuk mendapatkan waktu awal terjadinya gangguan/
trensien yang mana terdapat perbedaan waktu pada tiap ujung
saluran. Didapatkannya tren pada perbedaan waktu ini yang
akan di olah menggunakan ANFIS untuk mendapatkan pola
letak gangguan.
Dengan membandingkan antara input tegangan, input arus
dan input tegangan dan arus pada pengolahan ANFIS,
berdasarkan hasil simulasi didapatkannya input tegangan dan
arus memiliki error paling kecil.
Kata Kunci — deteksi lokasi gangguan, saluran transmisi,
gelombang berjalan, transformasi park, ANFIS.
I.
PENDAHULUAN
engan seiringnya jaman, pertumbuhan kebutuhan listrik
meningkat seiring pertumbuhan penduduk. Dengan
semakin banyaknya kebutuhan listrik maka kapasitas dari
pembangkit/ sumber dan beban ikut meningkat, begitu pula
dengan panjang saluran transmisi.
Sekitar 85% sampai 87% gangguan yang terjadi pada
sistem tenaga listrik, berasal dari gangguan pada saluran
transmisi [1]. Salah satu gangguan pada saluran transmisi
adalah gangguan hubung singkat. Oleh karena itu dibutuhkan
metode penentuan lokasi gangguan hubung singkat yang
secara akurat dan cepat untuk mengurangi waktu pencarian
yang digunakan. Sehingga dapat menjaga kontinuitas dan
keandalan dalam penyaluran daya dari sistem tenaga listrik.
Pada saat terjadi gangguan nilai tegangan dan arus di saluran
transmisi akan berubah pada titik gangguan. Nilai tegangan
akan menurun dan sebaliknya nilai arus akan naik. Dari
perubahan tegangan dan arus yang naik turun secara tiba-tiba
ini menghasilkan sebuah impuls dengan frekuensi yang tinggi,
yang disebut juga gelombang berjalan [2].
Dalam tugas akhir ini digunakan metode kombinasi
gelombang berjalan, Transformasi Park dan di olah dengan
D
Adaptive Neuro Fuzzy Inference System (ANFIS). Dengan
metode ini dapat ditentukan lokasi gangguan, dengan cara
menganalisa gelombang berjalan yang terjadi setelah saluran
transmisi terkena gangguan. Gelombang berjalan ini merambat
jauh dari titik gangguan ke kedua ujung saluran dengan
kecepatan yang hampir mendekati kecepatan cahaya. Sehingga
di kedua ujung terekam sebuah impulse frekuensi yang tinggi,
tetapi puncak gelombang dari impulse di setiap ujung
memiliki perbedaan waktu walaupun sangat kecil. Dengan
mentransformasikan gelombang di kedua ujung dengan
transformasi park dapat dilihat lebih jelas perbedaan waktu
yang ada. Kemudian perbedaan waktu tersebut akan diolah
oleh ANFIS untuk mendapatkan data training, yang dapat
digunakan dalam penentuan lokasi gangguan.
II.
METODE DETEKSI LOKASI GANGGUAN
A. Gelombang Berjalan
Pada [3] dijelaskan bahwa peristiwa merambatnya arus dan
tegangan pada kawat penghantar saluran transmisi dengan
magnitude berubah terhadap waktu dan panjang saluran
disebut juga gelombang berjalan. Gelombang berjalan pada
saluran transmisi terjadi karena adanya gangguan seperti open
circuit, hubung singkat atau perubahan impedansi pada titik
tertentu. Pada titik tertentu tersebut gelombang berjalan akan
dipantulkan kembali dan sebagian lagi akan di teruskan ke
bagian lain dari titik tersebut, yang nilai arus dan tegangan
dapat meningkat dari 0 sampai 2 kali besar arus dan tegangan
gelombang yang datang.
Gambar 1. Perubahan impedansi pada titik peralihan.
Pada Gambar 1. dapat diperlihatkan munculnya gelombang
berjalan, dimana e1 adalah gelombang datang, e2 adalah
Backward Travelling Wave, e3 adalah Forward Travelling
Wave.
Proseding Seminar Tugas Akhir Teknik Elektro FTI-ITS, Oktober 2013
Dimana matrix transformasi dq0 didefinisikan sebagai berikut:
⎡ 𝑐𝑜𝑠𝜃𝑑
2⎢
[Tdq0(θd)]=3 ⎢−𝑠𝑖𝑛𝜃𝑑
⎢ 1
⎣ 2
Gambar 2. Perbedaan waktu pada kedua ujung saluran
transmisi
Pada Gambar 2. Dapat dilihat awal terjadinya gangguan
pada saluran transmisi. Didapatkan bahwa waktu awal terjadi
gangguan pada kedua ujung saluran memiliki perbedaan
waktu, yang mana tergantung pada panjang lokasi gangguan.
Tetapi hanya menggunakan gelombang berjalan tidak bisa
untuk mendapatkannya waktu awal terjadi gangguan, karena
terdapatnya perbedaan fasa yang ada
B. Transformasi Park
Pada [4] telah dijelaskan bahwa transformasi park telah
digunakan pada sistem kelistrikan, khususnya pada penelitian
mengenai mesin sinkron salient pole. Dimana variabel
induktansi yang bervariasi dalam reference frame statis
dianggap sebagai induktansi konstan ketika reference frame
berputar pada kecepatan sinkron ωs. Pada kasus ini reference
frame yang berputar tersebut dapat menghilangkan sinyal
power frekuensi pada gelombang tegangan, sehingga tersisa
variabel waktu dimana dari variabel tersebut dapat ditentukan
sebagai waktu awal terjadi gangguan.
Secara matematis trasnformasi park digunakan untuk
mentransformasikan semua kuantitas stator dari sumbu abc ke
dalam referensi variabel baru yang disebut rotor, dimana
variabel baru ini adalah sumbu dq0. Variabel tersebut berupa
arus dan tegangan dalam bentuk variabel aktual kumparan
stator. Untuk mempermudah perhitungan, disini digunakan
sumbu fasa a sebagai fasa referensi, sehingga untuk
mendeteksi waktu awal terjadi gangguan sumbu d saja yang
akan diperhatikan. Pada keadaan normal (sistem tiga fasa
seimbang) bentuk sinyal sumbu d akan terlihat dalam keadaan
steady state, namun jika gangguan terjadi bentuk sinyal
tersebut akan mengalami osilasi. Lonjakkan awal inilah yang
menandakan awal terjadinya gangguan.
Persamaan transformasi park dapat dilihat sebagai berikut:
[fdq0] = [Tdq0(θd)] [fabc]
(1.1)
2𝜋
−𝑠𝑖𝑛(𝜃𝑑 −
1
2
)
3
2𝜋
3
cos(𝜃𝑑 +
2𝜋
)⎤
⎥
) −𝑠𝑖𝑛(𝜃𝑑 + 3 )⎥ (1.3)
⎥
1
⎦
2
3
2𝜋
Dimana fabc adalah tegangan atau arus tiga fasa yang
digunakan, fdq0 adalah direct axis, quadrature axis dan zero
axis (Vd, Vq, V0 untuk tegangan dan Id, Iq, I0 untuk arus), k
adalah sampel sinyal ke-k. Keuntngan lain dari tranformasi
park, adalah cukup dengan variabel direct axis saja mampu
untuk menentukan awal terjadinya transien.
C. Adaptive Neuro Fuzzy Inference System (ANFIS)
ANFIS adalah implementasi neural network dari T-S(TakagiSugeno) fuzzy inference system [5]. ANFIS merupakan
aplikasi dari algoritma hybrid, yang merupakan paradigma
pembelajaran dimana algoritma pembelajar di training untuk
satu tugas yang sama. Dan prediksi dari komponen
pembelajaran digabungkan untuk menangani kejadian yang
akan datang. ANFIS memiliki kelebihan dari kedua fuzzy
inference system dan neural network.
III.
PEMODELAN
Pada tugas akhir ini digunakan simulasi dengan data sistem
Jawa-Madura-Bali (JAMALI) 500 kV saluran transmisi antara
Surabaya Barat dan Ungaran yang memiliki panjang saluran
250 km, menggunakan software MATLAB, kemudian akan
dimonotoring menggunakan software LabVIEW.
Dimana pada simulasi ini diperlukannya beberapa data dari
parameter yang didapat. Seperti tegangan san sudut pada
kedua ujung saluran, lalu arus hubung singkat bila terjadi
gangguan, dimana untuk mendapatkan arus hubung singkat
tersebut diperlukannya bersar hubung singkat dan X/R ratio
dari kedua bus. Yang akan dipaparkan lebih jelas pada Tabel 1
dan Tabel 2
Tabel 1 Parameter sumber
wilayah timur
wilayah barat
489000
467000
Sudut fasa A (˚)
12
6
frekuensi (Hz)
50
50
internal connection
Yg
Yg
38623,6
18878,8
5,00E+05
5,00E+05
28
12
Vrms(V)
short circuit level 3 fasa(MVA)
Atau
𝑓𝑑 (𝑘)
𝑓𝑎 (𝑘)
� 𝑓𝑞 (𝑘) � = [T𝑑𝑞0(𝜃𝑑)] × �𝑓𝑏 (𝑘)�
𝑓𝑐 (𝑘)
𝑓0 (𝑘)
cos(𝜃𝑑 −
Base voltage (Vrms ph-ph)
X/R ratio
(1.2)
Tabel 2 Parameter penampang saluran
Parameter
Besaran
Frekuensi (Hz)
50
[r1 r0] (Ohm/km)
[0.0293 0.3864]
[l1 l0] (H/km)
-3
[0.896x10
4.1264 x10-3]
Proseding Seminar Tugas Akhir Teknik Elektro FTI-ITS, Oktober 2013
Parameter
Besaran
-9
[12.74 x10 7.751 x10-9]
[c1 c0] (F/km)
lsec (km)
250
Setelah didapatkan semua data saluran transmisi, maka
akan dimodelkan saluran tranmisi dari data Table 1 dan Tabel
2.
Dibutuhkannya beberapa langkah permodelan dan analisa
untuk mendesain sistem yang dapat menentukan lokasi
gangguan pada saluran transmisi. Langkah pertama adalah
memodelkan saluran transmisi JAMALI 500 kV tersebut.
Langkah kedua dengan adanya pemodelan tersebut akan
disimulasikan gangguan hubung singkat dengan beberapa
kondisi. Langkah ketiga dengan mentransformasikan tegangan
dan arus tiga fasa pada kedua ujung saluran, didapatkannya
waktu awal terjadi gangguan/ transien. Setelah itu, waktu
awal transien pada kedua ujung memiliki perbedaan, dimana
perbedaan ini memiliki tren. Kemudian mendesain ANFIS
untuk menentukan lokasi gangguan pada saluran transmisi,
dimana input dari ANFIS ini adalah tren perbedaan waktu
awal terjadi gangguan pada gangguan yang terjadi.
IV.
SIMULASI DAN ANALISIS
A. Simulasi gangguan hubung singkat
Setalah didapatkan pemodelan saluran transmisi, maka
akan dilakukan simulasi gangguan hubung singkat pada
saluran
transmisi dengan berbagai variasi kondisi.
4
𝑐𝑑𝑖𝑓 (𝑖) =
4
1
Volt
-1
Vd
0.01
0.02
0.03
0.04
0.07
0.08
0.09
0
0.01
0.02
0.03
0.04
0.05
t(s)
B
0.06
0.07
0.08
0.09
0.1
0.01
0.02
0.03
0.04
0.05
t(s)
C
0.06
0.07
0.08
0.09
0.1
0.01
0.02
0.03
0.04
0.05
t(s)
D
0.06
0.07
0.08
0.09
0.1
0.01
0.02
0.03
0.04
0.05
t(s)
0.06
0.07
0.08
0.09
0.1
x 10
5
0.1
4.5
0
8
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
C
4
x 10
Cdif
2
-2
0
16
-5
0
0.01
5
x 10
1
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
D
0
-1
x 10
0
0
0
0.01
0.02
0.03
0.04
0.05
t(s)
0.06
0.07
0.08
0.09
0.1
Gambar 3. (A) hubung singkat 1 fasa ke tanah, (B) antar fasa, (C)
hubung singkat 2 fasa ke tanah, (D) hubung singkat 3 fasa ke tanah
Pada Gambar 3. diperlihatkan gangguan hubung singkat dengan
perbedaan bentuk gelombang dengan variasi jenis gangguan.
Variasi kondisi hubung singkat yang akan disimulasikan
meliputi jarak gangguan, jenis gangguan, Fault Inception
Angle (FIA), Resistance Fault (RF). Jarak gangguan yang
disimulasikan yaitu gangguan setiap 10% dari panjang saluran
transmisi (250km). Lalu jenis gangguan meliputi gangguan
satu fasa ke tanah (A-G), antar fasa (A-B), dua fasa ke tanah
(AB-G), tiga fasa ke tanah (ABC-G). FIA meliputi 0˚, 45 ˚, 90˚,
135 ˚, 180 ˚. RF meliputi 0,01, 10 dan 50 Ohm.
Cdif kuadrat
Volt
0.06
0
5
Volt
0.05
B
x 10
5
Volt
0
5.5
4
-5
A
x 10
5
0
(1.4)
Δt
Dimana Vd adalah tegangan sumbu d, i adalah sample
number ke-i, lalu Δt adalah time step. Untuk lebih
memperkuat nilai (cdif) dan menghilangkan nilai negatif,
maka digunakan [cdif]2, yang mana adalah hasil kuadrat dari
(cdif) .
0
-5
𝑉𝑑 (𝑖)−𝑉𝑑 (𝑖−1)
A
x 10
5
B. Simulasi Transformasi Park
Transformasi park digunakan pada tegangan dan arus di
kedua ujung saluran. Dengan tidak seimbangnya tegangan dan
arus, transformasi park tetap mampu untuk menentukan awal
terjadinya gangguan. Pada metode ini dapat digunakan
tegangan atau arus secara individu atau kedua-duanya, yang
mana akan akan dibandingkan.
Pada beberapa kondisi seperti pada kondisi high
impedance, sulit untuk menentukan secara akurat waktu awal
terjadi gangguan, karena saat terjadi gangguan lonjakkan
gelombang dari tegangan dan arus (tegangan dan arus
gangguan)semakin kecil, mendekati kondisi normal. Oleh
karena itu untuk mengatasi hal tersebut dan mengurangi error
yang ada maka digunakan koefisien diferensial (cdif), yang
mana akan memperkuat hasi transformasi park sehingga akan
mampu menentukan waktu awal terjadi gangguan. Dimana
permsamaan (cdif) akan dipaparkan sebagai berikut:
V 3 fasa
Lanjutan Tabel 2.
2
x 10
1
0
0
Gambar 4.
4. (A) tegangan 3 fasa, (B) tegangan sumbu d (Vd), (C)
cdif, (D) [cdif]2
Pada Gambar 4. diperlihatkan dengan menggunakan [cdif]2,
didapatkan waktu awal terjadi gangguan pada kedua ujung
saluran, yang mana akan dibandingkan antara waktu awal
terjadi gangguan pada wilayah timur dan wilayah barat,
sehingga didapatkan perbedaan waktu.
Proseding Seminar Tugas Akhir Teknik Elektro FTI-ITS, Oktober 2013
testing ini mengambil 20% dari semua data selain data
training. Pengolahan data testing ini digunakan untuk menguji
berapakah presentase keakuratan dari data training dalam
menentukan lokasi gangguan. Pengambilan data untuk
training dan testing terdapat pada Tabel 4
wilayah timur
16
2
x 10
cdif kuadrat
1.5
1
0.5
0
600
800
750
700
650
cdif kuadrat
1000
950
900
1100
1050
Table 4 Pengambilan data training dan testing
wilayah barat
15
15
850
sample number
x 10
Pengambilan Data
Kondisi Gangguan
10
Training
5
0
600
Hubung singkat 1fasa ke
800
750
700
650
850
sample number
1000
950
900
1100
1050
Gambar 5. Perbedaan waktu (Δt) awal terjadi gangguan
antara wilayah timur dan wilayah barat
Setelah mengetahui perbedaan waktu awal terjadi
gangguan pada kedua ujung saluran, maka akan disimulasikan
semua variasi kondisi gangguan untuk mendapatkan semua Δt
tersebut dengan melihat tegangan, arus secara individu atau
tegangan dan arus bersamaan
Saat jarak gangguan diubah semakin jauh dari wilayah
timur atau wilayah barat (setiap interval 10% panjang saluran),
nilai Δt semakin meningkat, sehingga terbentuknya tren dari
perbedaan waktu tersebut. Dari tren itu akan dinormalisasikan
untuk mempermudah perhitungan. Yang mana tren tersebut
dapat dilihat pada Tabel 3.
Tabel 3 Tren perbedaan waktu (Δt) awal terjadi gangguan (A-G)
FIA
RF
(Ω)
jarak (km)
108
27
Hubung antar fasa (AB)
108
27
Hubung singkat 2fasa ke
108
27
108
27
432
108
tanah (A-G)
tanah (AB-G)
Hubung singkat 3fasa ke
tanah (ABC-G)
Total
Setelah didapatkan data-data yang akan diolah, selanjut
akan di coba untuk menentukan jumlah membership function
untuk mendapatkan error yang paling kecil. Disini akan
dicoba jumlah membership function 3, 5 dan 10. Dimana hasil
dari masing-masing jumlah membership function dapat dilihat
pada Tabel 5
Tabel 5 error rata-rata MF3, MF5, MF10
25
50
75
100
125
150
175
200
225
0
0,12
0,24
0,32
0,4
0,52
0,68
0,84
1
error rata-rata (%)
Jumlah MF
0
0
Training
C. Simulasi ANFIS
Setelah diketahui output dari transformasi park pada kedua
ujung saluran yang berupa perbedaan waktu awal terjadi
gangguan memiliki tren, maka akan dimodelkan ANFIS untuk
mengolah tren tersebut sehingga dapat menentukan lokasi
gangguan. Dengan input adalah tren perbedaan waktu awal
terjadi gangguan dikedua ujung saluran (arus, tegangan, arus
dan tegangan) dan output adalah lokasi gangguan yang
sebenarnya. Type membersip function yang dipilih adalah type
Bell. Dengan jumlah membership function 3, 5 dan 10, yang
mana akan dibandingkan dan ditentukan mana yang lebih
akurat. Berikut adalah persamaan membership function bentuk
Bell:
𝑓(𝑥, 𝑎, 𝑏, 𝑐) =
1+�
1
𝑥−𝑐 2𝑏
�
𝑎
Testing
(1.5)
Dimana {a, b, c} adalah parameter yang diatur dengan nilai
parameter yang diubah.
Pengolahan data dengan ANFIS ini dibagi menjadi dua,
yaitu meliputi pengolahan data training dan pengolahan data
testing. . Pengolahan data training ini mengambil 80% dari
smua data yang ada, untuk dilatih mendapatkan pola dari
setiap variasi kondisi gangguan. Sedangkan pengolahan data
3
5
10
Testing
1,030829
1,229367
0,002924
0,006538
0,000284
0,000268
Dapat dilihat bahwa 10 membership function yang
memiliki error paling kecil. Sehingga pada pemodelan
ANFIS digunakan 10 membership function pada masingmasing input.
Setelah didapatkan desain ANFIS maka akan diolah semua
data yang ada yaitu total 432 data training dan 108 data
testing. Dimana akan dibutuhkan perhitungan error. Disini
digunakan dua perhitungan error, yaitu The Mean Absolute
Precentage Error (MAPE) dan The Mean Squared Error
(MSE). Dimana persamaannya akan dipaparkan sebagai
berikut:
1
𝑀𝐴𝑃𝐸 = ∑𝑛𝑡=1
1
𝑛
|𝑋𝑡 −𝑋�𝑡 |
(1.6)
2
(1.7)
𝑋𝑡
𝑀𝑆𝐸 = ∑𝑛𝑡=1�𝑋𝑡 − 𝑋�𝑡 �
𝑛
Proseding Seminar Tugas Akhir Teknik Elektro FTI-ITS, Oktober 2013
Dimana:
N = jumlah data
𝑋𝑡 = nilai sebenarnya pada t
𝑋�𝑡 = nilai ramalan pada t
Dengan demikian akan dihitung MAPE dan MSE pada
setiap variasi kondisi gangguan, dengan melihat input
tegangan, arus, tegangan dan arus yang akan dibandingkan
untuk mendapatkan error paling kecil. Dimana perbandingan
tersebut dapat dilihat pada Tabel 6 dan Tabel 7.
Tabel 6 hasil MAPE (%)
V
Jenis
Gangguan
I
V&I
training
testing
training
testing
training
testing
A-G
13,62
14,53
0,51
0,78
0,04
0,37
AB
13,62
17,61
10,70
8,45
0,06
0,21
AB-G
9,60
10,95
0,87
1,03
0,09
0,77
ABC-G
5,46
6,21
0,82
1,06
2,6E-07
3,6E-07
Tabel 7. hasil MSE
V
Jenis
Gangguan
I
V&I
training
testing
training
testing
training
A-G
196,11
283,07
4,17
11,39
0,01
3,29
AB
214,97
214,56
141,08
31,06
0,01
0,67
AB-G
101,14
103,80
4,19
2,38
0,02
2,71
41,05
32,59
7,85
12,90
2,6E-07
3,6E-07
ABC-G
testing
Dapat dilihat dari sumua variasi kondisi gangguan yang
disimulasikan, error yang paling terdapat pada gangguan tiga
fasa ke tanah (ABC-G).
Tabel 8. hasil seluruh error
hasil seluruh MAPE (%)
V
I
V&I
training
testing
training
testing
training
testing
10,57
12,32
3,22
2,83
0,05
0,34
hasil seluruh MSE
V
I
V&I
training
testing
training
testing
training
Testing
138,32
158,51
39,32
14,43
0,01
1,67
Pada Tabel 8 dapat dilihat hasil seluruh error dari semua
pengolahan data yang ada. Input tegangan dan arus memliki
error paling kecil dibandingkan input tegangan atau input
arus.
V.
KESIMPULAN
Berdasarkan
dari hasil simulasi dan analisis yang
diperoleh pada tugas akhir ini, didapatkan bahwa metode
kombinasi Gelombang Berjalan dan Transformasi Park lalu
diolah dengan Adaptive Neuro Fuzzy Inference System
(ANFIS) mampu untuk mendeteksi lokasi gangguan pada
saluran transmisi. Dimana gangguan tersebut memiliki
beberapa variasi kondisi, meliputi jarak gangguan (setiap 10%
dari panjang saluran), jenis gangguan (satu fasa ke tanah, antar
fasa, dua fasa ke tanah, tiga fasa ke tanah), Resistance Fault
(0, 10, 50Ω) dan Fault Inception Angle (00, 450, 900, 1350,
1800). Dicobanya variasi input untuk ANFIS, meliputi input
tegangan, input arus, input tegangan dan arus. Dari hasil
pengolahan ANFIS didapatkan dimana error input tegangan
2.83%, error input arus 12.38%, error input tegangan dan arus
0.34%. Sehingga dapat dilihat input tegangan dan arus
memiliki keakurasian yang paling besar dengan error yang
paling kecil. Sehingga didapatkan metode dengan tingkat
keakurasian yang besar untuk mendeteksi lokasi gangguan
pada saluran transmisi.
DAFTAR PUSTAKA
[1] Singh, M., Panigrahi, K.B., Maheshwari, R.P, “Transmission line fault
detection and classification” Emerging Trends in Electrical and Computer
Technology (ICETECT), 2011 International Conference on 23-24 March
2011 , Page(s): 15 – 22
[2] Reddy. B. Ravindhranath, Kumar. M. Vijay, Kalavathi. M. Surya, Kumar.
P. Rajini., “Localization of Fauls on Power Transmission Lines Using
Travelling Wave Theory”, ARPN Journal of Engineering and Applied
Sciences, March 2010.
[3] Hutauruk, T.S., “Gelombang Berjalan dan Proteksi Surja”, Jakarta,
Erlangga, 1989.
[4] F. V. Lopes, D. Fernandes, Jr., andW. L. A. Neves, “A Traveling-Wave
Detection Method Based on Park’s Transformation for Fault Locators,”
in journal IEEE transaction on power delivery., April 2013
[5] De-Wang Chen and Jun-Ping Zhang, “Time Series Prediction Based on
Esemble ANFIS”,