Wijanarko, Rahmat Febrianto (2020) Self Classification Of Multifunction Relay Berbasis Neural Network Untuk Sistem Tenaga Listrik Skala Industri. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07111850010011-Master_Thesis.pdf Download (6MB) | Preview |
Abstract
Dari tahun ke tahun suatu sistem kelistrikan selalu berubah, hal ini harus diimbangi dengan sistem proteksi yang berkembang, mulai dari yang sederhana dengan kemampuan dan fitur yang terbatas hingga sistem yang kompleks yaitu yang memiliki kemampuan lebih baik dalam hal selektivitas dan operasi. Sebuah sistem proteksi yang baik harus dapat mengamankan dan meminimalisir suatu gangguan dengan cepat dan tepat sehingga tidak menimbulkan hal-hal yang tidak diinginkan seperti kerusakan alat yang lebih parah, terhentinya suplai daya, dan bahaya bagi manusia.Terlebih lagi kejadian maltripping dari sistem proteksi tidak boleh terjadi. Salah satu contoh yang sering terjadi menyebabkan maltripping pada overcurrent relay di dalam kasus dunia industry adalah starting dari motor induksi atau energizing transformer.Arus transient yang timbul akibat starting motor sendiri akan men-trigger relay untuk bekerja. Lonjakan arus motor start tersebut sifatnya hanyalah sementara sehingga seharusnya relay tidak boleh bekerja pada saat periode starting tersebut. Maka dari itu dapat dikatakan saat ini relay bekerja hanya berdasarkan setting dari user saja dan belum mampu untuk mengklasifikasikan gangguan atau bukan. Pada penelitian kali ini diusulkan metode untuk mendeteksi dan mengklasifikasikan gangguan dengan metode Neural Network berbasis time series. Dimana data time series ini sebagai inputan neural network terdiri dari data saat pre dan on fault. Lalu hasil output neural network akan diterapkan pada pemodelan multifunction relay di dalam Simulink. Peneltian kali ini menggunakan software digsilent power factory untuk mengambil data pre dan on fault lalu matlab untuk neural network.
=================================================================================================================================
From year to year an electrical system is always changing, this must be balanced with growing a protection system, ranging from simple with limited capabilities and features to complex systems that have better capabilities in terms of selectivity and operation. A good protection system must be able to secure and minimize disturbance quickly and precisely so undesirable things such as damage to the more severe equipment, cessation of power supply, and danger to humans not happens. Moreover, the incident of maltripping from the protection system should not occur. One of example incident that occurs maltripping of overcurrent relays in industrial system is the starting of an induction motor or energizing transformer. Transient current appears from the starting motor itself will trigger the relay to work. The surge in the motor start is only temporary so relay should not be able to work during the starting period. Therefore it can be said that at this time relay works only based on the settings of the user and has not been able to classify disturbance or not. This research proposes a method for detecting and classifying disturbance with Neural Network methods based on time series. Where this time series data as a neural network input consists of pre and on fault data. Then the results of the neural network output will be applied to the modeling of multifunction relays in Simulink. This research uses digsilent power factory software to retrieve pre and on fault data then matlab for neural networks.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTE 621.319 Wij s-1 2020 |
| Uncontrolled Keywords: | self classification, time domain simulation, fault classification, artificial neural network, self classification, time domain simulation, fault classification |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK2861 Electric relays |
| Divisions: | Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering > 21101-(S2) Master Thesis |
| Depositing User: | Wijanarko Rahmat Febrianto |
| Date Deposited: | 02 May 2024 03:57 |
| Last Modified: | 02 May 2024 03:57 |
| URI: | http://repository.its.ac.id/id/eprint/73623 |
Actions (login required)
 |
View Item |