Diagnosis Dan Klasifikasi Gangguan Isolasi Pada Stator Bar Generator Menggunakan Analisa Pemrosesan Image Partial Discharge Dan Neural Network

Hutajulu, Tito Candra (2026) Diagnosis Dan Klasifikasi Gangguan Isolasi Pada Stator Bar Generator Menggunakan Analisa Pemrosesan Image Partial Discharge Dan Neural Network. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6022241074-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Isolasi stator merupakan faktor penting dalam menjaga keandalan operasional generator listrik. Penelitian ini mengusulkan sebuah metode diagnostik untuk mengidentifikasi cacat pada isolasi stator dengan mengintegrasikan fitur geometri dimensi fraktal (D_f) dan lacunarity ("Λ" ) menggunakan Artificial Neural Network (ANN). Sinyal Partial Discharge (PD) dari empat kategori berbeda, yaitu delaminasi discharge, slot discharge, surface discharge, dan void discharge, diproses menjadi citra Phase-Resolved Partial Discharge (PRPD). Untuk mengenali karakteristik dari setiap pola sinyal PD, parameter dimensi fraktal (D_f) dan lacunarity ("Λ" ) dan (D_f) lokal dihitung menggunakan metode box-counting pada berbagai skala. Validasi statistik melalui analisis korelasi Pearson dan Spearman membuktikan bahwa kombinasi nilai (D_f) total, lakunarity total ("Λ" ), dan dimensi fraktal (D_f) lokal mampu merepresentasikan kompleksitas struktural dari masing-masing jenis PD secara efektif. Parameter-parameter tersebut kemudian digunakan sebagai input untuk 2 jenis hidden layer (multi hidden layer dan single hidden layer). Hasil pengujian menunjukkan bahwa sistem yang dirancang berhasil mencapai akurasi klasifikasi keseluruhan >90% hanya dengan memanfaatkan beberapa durasi data yang singkat, yaitu 4, 8, 12, 16, 20 siklus. Proses pelatihan ANN menunjukkan konvergensi yang stabil pada epoch 56 tanpa mengalami overfitting, yang membuktikan kemampuan generalisasi sistem yang kuat. Penelitian ini menyimpulkan bahwa integrasi analisis fraktal, dan lacunarity dengan ANN menawarkan pendekatan yang cepat dan akurat untuk klasifikasi kerusakan isolasi pada stator generator.
====================================================================================================================================
Stator insulation is a critical factor in maintaining the operational reliability of electrical generators. This study proposes a diagnostic method to identify defects in stator insulation by integrating fractal dimension (

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Stator, Partial Discharge, Dimensi Fraktal, Lacunarity, Artificial Neural Network, Stator Insulation, Partial Discharge, Fractal Dimension
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	Tito Candra Hutajulu
Date Deposited:	04 Aug 2026 02:53
Last Modified:	04 Aug 2026 02:53
URI:	http://repository.its.ac.id/id/eprint/143242

Actions (login required)

View Item