Format Penulisan Makalah - SEMNASTIKOM 2016 STMIK BUMIGORA

Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
MODEL ANALISA BERBASIS JARINGAN SARAF TIRUAN UNTUK MENGURANGI
DISTORSI HARMONISA PADA GEDUNG PUSAT KOMPUTER
Indra Yasri1, Edy Ervianto 2 , Edo Satrio Noviando 3
(1) (2) Jurusan Teknik Elektro, Universitas Riau,
([email protected])
(3) Alumni Jurusan Teknik Elektro, Universitas Riau
Abstrak
An alternative approach to minimize harmonic distortion in power systems using artificial neural network
(ANN) based analysis model is presented in this paper. There are 4 stages of scenarios involved in this
approach i.e. weighing and biasing value determination, feed forward process, Total Harmonic Distortion
(THD) checking to IEEE 519 – 1992 standard and back propagation stage if the THD value is not complied to
IEEE 519 – 1992 standard. Practically, these processes are adopted from the mechanism of Multi-Layer
Artificial Neural Network. The input value for beginning process was taken from UR Central Computer
building non-linier load THD data. The THD data measurement shows 5.2 % which is 0.2% more than limit
of IEEE 519 – 1992 standard (5%). This data measurement is processed by above proposed approach. The
result shows the THD able to reduced up to 2.5%.
Key words: Total Harmonic Distortion, Analysis Model, Multi-Layer ANN, Computer Building.
Gedung pusat komputer pada sebuah perguruan tinggi
merupakan tempat yang sangat vital dimana di dalamnya
banyak server-server yang menyimpan data-data
kemahasiswaan, kepegawaian, data keuangan dan data –
data penting perguruan tinggi lainnya. Sehingga dengan
resiko – resiko yang telah disebutkan diatas maka
dipandang perlu untuk memasang peralatan untuk
meminimalkan harmonisa pada gedung pusat komputer.
Penelitian yang dilakukan untuk mendeteksi adanya
distorsi harmonisa sudah dipaparkan dalam berbagai
macam bentuk pendekatan [1,2,3,4].
Perkembangan teknologi dalam menyelesaikan distorsi
harmonisa salah satunya dengan menggunakan jaringan
saraf tiruan (JST). Penggunaan JST dalam mengatasi
masalah distorsi harmonisa mencakup jenis-jenis JST
yang diimplementasikan [1,5,6].
Pada kasus pembuatan model analisa distorsi harmonisa
jenis multilayer JST sangat tepat digunakan mengingat
kompleksitas data mekanisme yang digunakan.
Penggunaan multilayer JST sudah terbukti pada kasus
aplikasi yang memiliki kompleksitas yang sama seperti
distorsi harmonisa [7].
1. Pendahuluan
Kualitas daya merupakan sebuah tolak ukur dalam
menilai bagus tidaknya layanan suatu sistem tenaga. Hal
tersebut dapat diukur melalui parameter – parameter
sebagai berikut: kontinuitas daya, kestabilan frekuensi
dan tegangan. Parameter-parameter tersebut dapat
direpresentasikan dalam bentuk gelombang tegangan dan
gelombang arus dalam sistem tenaga listrik yang dalam
bentuk idealnya berupa gelombang sinusoidal murni.
Namun semakin bervariasinya teknologi yang digunakan
pada sisi beban seringkali menimbulkan penurunan
kualitas daya. Beban berupa peralatan elektronik seperti
penyejuk udara yang menggunakan inverter, lampu
hemat energi, computer dan laptop merupakan jenis
beban yang mengandung unsur pengsaklaran dan
converter sehingga memerlukan arus searah dalam
pengoperasiannya. Sehingga pada proses penyediaan
arus searah ini mengakibatkan arus pada jaringan listrik
tidak berbentuk gelombang sinusoidal murni.
Ketidakmurnian gelombang sinusoidal akibat terdistorsi
inilah yang disebut dengan distorsi harmonisa. Distorsi
harmonisa dapat mengakibatkan distorsi tegangan yang
dapat menyebabkan peralatan listrik menjadi cepat
panas, faktor daya menjadi rendah, gangguan pada
peralatan yang menggunakan relay untuk pengsaklaran,
arus netral yang lebih besar pada listrik tiga fasa,
berkurangnya akurasi pengukuran kWh-meter jenis
induksi, dan dapat terbakarnya trafo distribusi pada
kondisi beban masih dibawah kapasitas trafo. Oleh
karena itu harmonisa perlu mendapat perhatian serius.
2. Metodologi
Metodologi yang digunakan pada penelitian ini
menggunakan jaringan saraf tiruan (JST) dengan
jenis multilayer [7]. Implementasi JST
multilayer untuk model analisa distorsi
harmonisa pada gedung pusat komputer
675
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
tentukan nilai δinj menggunakan persamaan 5
dan tentukan nilai error (δj) menggunakan
persamaan 6. Hitung nilai nilai koreksi bobot
(ΔVij) menggunakan persamaan 7 dan koreksi
nilai bias (ΔV0j) menggunakan persamaan 8.
Tiap unit output akan memperbaiki nilai bobot
dan nilai bias menggunakan persamaan 9 dan
10. Langkah selanjutnya lakukan langkah feed
fordward seperti langkah awal sampai didapat
nilai Y mencapai target atau mendekati target.
Nilai Output (Y) yang didapat harus mencapai
target atau mendekati target dengan nilai error
yang sangat kecil, dimana pada penelitian ini
toleransi error yang ditargetkan maksimal
adalah 10-3.
dilakukan dengan beberapa skenario seperti
terlihat pada gambar 1.
(1)
(2)
(3)
(4)
(5)
Gambar 1. Skenario rancangan Multilayer JST
(6)
Pada tahap pelatihan feed forward, tahap awal
harus menentukan besarnya nilai bias dan bobot.
Metode untuk menentukan nilai bobot awal
menggunakan metode Nguyen – Widrow,
dimana metode Nguyen Widrow menggunakan
inisialisasi bobot antara -0.5 sampai 0.5.
Setelah nilai bias dan bobot ditentukan, input
yang akan diproses dikalikan dengan bobot,
dimana bobot awal yang akan digunakan
ditentukan dari hasil perkalian ini kemudian
nilai tersebut ditambahkan dengan nilai bias
sehingga didapat nilai hidden layer1 (Zin).
Setelah didapat nilai Zin, tentukan nilai bias dan
bobot untuk hidden layer kedua. Nilai Zin
dikalikan dengan bobot kedua, nilai tersebut
ditambahkan dengan nilai bias sehingga didapat
nilai hidden layer2 (Yin). Untuk menentukan
nilai Y, gunakan persamaan 1, apabila nilai
keluaran (Y) yang dihasilkan masih belum
memenuhi target atau masih jauh dari target
maka lakukan langkah back propagation. Pada
tahap back propagation langkah awal hitung
nilai error (δk), dimana nilai error tersebut
didapat menggunakan persamaan 2. Setelah
didapat nilai error, hitung nilai koreksi bobot
(ΔWjk) menggunakan persamaan 3 dan koreksi
bias (ΔW0k) menggunakan persamaan 4.
Setelah didapat nilai koreksi bobot dan bias,
(7)
(8)
(9)
(10)
3. Pembahasan Hasil
Pada bagian ini hasil pengukuran pada panel-panel yang
dipilih dijadikan sebagai masukan pada rancangan
multilayer jaringan saraf tiruan (MLJST). Hasil
pengukuran ini diolah dalam bentuk individual harmonic
distortion (IHD) terlebih dahulu sebelum menjadi
masukan pada MLJST. Jumlah keseluruhan panel yang
dipilih sebanyak tiga panel. Berikut ini akan dibahas
IHD pada masing-masing panel berikut hasil keluaran
yang diperoleh setelah diproses oleh MLJST.
3.1 Panel 1
Hasil pengukuran pada panel 1 didapatkan gelombang
arus dan tegangan seperti terlihat pada gambar 1.
676
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Dapat dilihat pada tabel 2 nilai IHD telah diminimalkan,
namun masih belum memenuhi target. Untuk
memperoleh hasil yang lebih baik maka simulasi
dilanjutkan. Setelah menyelesaikan simulasi pada iterasi
yang ke-5 maka diperoleh hasil keluaran data IHD
seperti yang terlihat pada tabel 3.
Tabel 3. Nilai IHD setelah iterasi ke-5
Gambar 2. Gelombang arus dan tegangan pada Panel 1
Kemudian hasil pengukuran diatas diubah ke dalam
bentuk data IHD seperti yang terlihat pada tabel 1.
Tabel 1. Nilai IHD pada panel 1
Nilai Mean Square Error (MSE) yang diperoleh telah
memenuhi standar error yang ingin dicapai yaitu
maksimal 10-3. Nilai keluaran akhir THD yang diproses
MLJST untuk panel 1 diperoleh dengan menjumlahkan
nilai-nilai individual harmonisa (IHD) seperti yang
terlihat pada tabel 4.
Tabel 4. Nilai THD keluaran MLJST
Selanjutnya nilai IHD pada panel 1 ini dijadikan sebagai
masukan pada MLJST. Hasil keluaran yang diperoleh
setelah melalui mekanisme MLJST dapat dilihat pada
tabel 2.
Arus
Tabel 2. Nilai IHD hasil keluaran MLJST
THD
A1
2.59%
A2
2.58%
A3
2.53%
Berdasarkan tabel 4 dapat dilihat nilai THD keluaran
MLJST pada panel 1 telah memenuhi standar IEEE yaitu
dibawah 5%.
3.2 Panel 2
Hasil pengukuran pada panel 2 didapatkan gelombang
arus dan tegangan seperti terlihat pada gambar 3.
677
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Gambar 3. Gelombang arus dan tegangan pada Panel 2
Kemudian hasil pengukuran diatas diubah ke dalam
bentuk data IHD seperti yang terlihat pada tabel 5.
Tabel 5. Nilai IHD pada panel 2
Dapat dilihat pada tabel 6 nilai IHD telah diminimalkan,
namun masih belum memenuhi target. Untuk
memperoleh hasil yang lebih baik maka simulasi
dilanjutkan. Setelah menyelesaikan simulasi pada iterasi
yang ke-8 maka diperoleh hasil keluaran data IHD
seperti yang terlihat pada tabel 7.
Tabel 7. Nilai IHD setelah iterasi ke-8
Selanjutnya nilai IHD pada panel 2 ini dijadikan sebagai
masukan pada MLJST. Hasil keluaran yang diperoleh
setelah melalui mekanisme MLJST dapat dilihat pada
tabel 6.
Tabel 6. Nilai IHD hasil keluaran MLJST
Nilai Mean Square Error (MSE) yang diperoleh telah
memenuhi standar error yang ingin dicapai yaitu
maksimal 10-3. Nilai keluaran akhir THD yang diproses
MLJST untuk panel 2 diperoleh dengan menjumlahkan
nilai-nilai individual harmonisa (IHD) seperti yang
terlihat pada tabel 8.
Tabel 8. Nilai THD keluaran MLJST
678
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Arus
setelah melalui mekanisme MLJST dapat dilihat pada
tabel 10.
THD
A1
2.51%
A2
2.51%
A3
2.46%
Tabel 10. Nilai IHD hasil keluaran MLJST
Dapat dilihat pada tabel 8 bahwa nilai THD pada panel 2
telah di minimalkan, dan memenuhi standar IEEE yaitu
dibawah 5%.
3.3 Panel 3
Hasil pengukuran pada panel 3 didapatkan gelombang
arus dan tegangan seperti terlihat pada gambar 4.
Dapat dilihat pada tabel 10 nilai IHD telah
diminimalkan, namun masih belum memenuhi target.
Untuk memperoleh hasil yang lebih baik maka simulasi
dilanjutkan. Setelah menyelesaikan simulasi pada iterasi
yang ke-5 maka diperoleh hasil keluaran data IHD
seperti yang terlihat pada tabel 11.
Gambar 4. Gelombang arus dan tegangan pada Panel 3
Tabel 11. Nilai IHD setelah iterasi ke-5
Kemudian hasil pengukuran diatas diubah ke dalam
bentuk data IHD seperti yang terlihat pada tabel 9.
Tabel 9. Nilai IHD pada panel 3
Nilai Mean Square Error (MSE) yang diperoleh telah
memenuhi standar error yang ingin dicapai yaitu
maksimal 10-3. Nilai keluaran akhir THD yang diproses
MLJST untuk panel 3 diperoleh dengan menjumlahkan
nilai-nilai individual harmonisa (IHD) seperti yang
terlihat pada tabel 12.
Selanjutnya nilai IHD pada panel 3 ini dijadikan sebagai
masukan pada MLJST. Hasil keluaran yang diperoleh
679
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Tabel 12. Nilai THD keluaran MLJST
Arus
THD
A1
2.55%
A2
2.54%
A3
2.54%
Pada tabel 12 dapat dilihat bahwa nilai THD pada panel
3 telah di minimalkan, dan memenuhi standar IEEE
yaitu dibawah 5%.
4. Kesimpulan
Berdasarkan pengujian rancangan model analisa berbasis
multilayer jaringan saraf tiruan (MLJST) dengan
menggunakan data pengukuran 3 panel yang ada pada
gedung pusat Komputer UR dapat disimpulkan sebagai
berikut:
A. Hasil pengukuran panel dalam bentuk
gelombang arus dan tegangan harus diubah ke
dalam bentuk IHD agar dapat dijadikan
masukan pada MLJST.
B. Apabila hasil keluaran MLJST belum mencapai
Nilai Mean Square Error (MSE) maksimal 10-3
maka simulasi harus dilanjutkan dalam
beberapa iterasi sampai nilai tersebut terpenuhi.
C. Pada kasus 3 panel diatas untuk mendapatkan
Nilai Mean Square Error (MSE) maksimal 10-3
rata-rata harus menjalankan simulasi sebanyak
5 iterasi kecuali pada panel 2 yang
membutuhkan sebanyak 8 iterasi.
Daftar Pustaka
[1] Hsiung Cheng Lin. Intelligent Neural Network-Based Fast Power
System Harmonic Detection. IEEE Transaction on Industrial
Electronics. 2007 Volume:54, Issue:1
[2] Lucian Asiminoael, Danfoss Drives A/S, Graasten, Frede
Blaabjerg and Steffan Hansen. Detection is Key – Harmonic
detection methods for active power filter application. IEEE
Industry Applications Magazine. 2007 Volume:13, Issue:4.
[3] Sung-II Jang, Kwang-Ho Kim. An islanding detection method for
distributed generations using voltage unbalance and total harmonic
distortion of current. IEEE Transactions on Power Delivery. 2004
Volume:19, Issue:2.
[4] Sunanda W, Yuli Asmi Rahman. Aplikasi Filter Pasif Sebagai
Pereduksi Harmonik Pada Inverter Tiga Fase. Jurnal Ilmiah
Foristek Vol. 2, No. 1, Maret 2012.
[5] Mitali Shrivastava, Varsha Singh and Swapnajit Pattnaik.
Artificial Neural Network Based Harmonic Optimization of
Multilevel Inverter to Reduce THD. Procedding of the
International Conference on Advances in Computer, Electronic
and Electrical Engineering 2012.
[6] Tumbelaka, H.H., Thiang, Marselin. Aplikasi Active Power Filter
Tiga Fasa Tipe Seri Berbasis Jaringan Saraf Tiruan Untuk
Mengatasi Sumber Tegangan Yang Terdistorsi. SITIA 2011. ITS,
Surabaya.
[7] Yudhi Andrian1, M. Rhifky Wayahdi. Analisis Algoritma
Inisialisasi Nguyen-Widrow Pada Proses Prediksi Curah Hujan
Kota Medan Menggunakan Metode Backpropagation Neural
Network. Seminar Nasional, 2014.
680