Munir, Syahrul (2020) Sistem Prediksi Keandalan Real-Time Pada Motor Induksi Berdasarkan Kesalahan Stator Inter-Turn. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
02311850010010-Master_Thesis.pdf Download (940kB) | Preview |
Abstract
Salah satu kegagalan yang sering terjadi pada motor induksi adalah akibat adanya kesalahan stator inter-turn. Kesalahan ini disebabkan oleh deteorasi yang bertahap pada insulasi pada stator winding yang menimbulkan hubungan arus pendek (short-circuit). Lama-kelamaan, kesalahan ini dapat mengakibatkan rusaknya motor induksi dalam waktu singkat jika dibiarkan. Kerusakan dari motor induksi dapat diartikan sebagai penurunan keandalan dari motor induksi tersebut. Sehingga, sangatlah penting untuk memantau keandalan sistem secara real-time. Oleh karena itu, pada penelitian ini diusulkan mengenai sistem prediksi keandalan secara real-time pada motor induksi. Tiga langkah yang perlu dilakukan yaitu perancangan estimasi kesalahan, perancangan algoritma prediksi kesalahan, dan perancangan algoritma prediksi keandalan. Perancangan estimasi kesalahan dilakukan berbasis particle filtering digunakan untuk mengestimasi kesalahan stator inter-turn dengan nilai RMSE terkecil untuk kesalahan pada arus d dan kesalahan arus q sebesar 0.0-47 dengan menggunakan 50 partikel. Selanjutnya hasil estimasi digunakan untuk menghitung prediksi kesalahan sensor melalui algoritma exponential smoothing. Hasil dari prediksi kesalahan sensor ini secara langsung digunakan untuk prediksi keandalan real-time dengan menggunakan time interval 1 detik dan 5 step prediksi. Sistem prediksi keandalan yang telah dirancang mampu menentukan terjadinya penurunan keandalan dari motor induksi dimana pada penelitian ini disimulasikan terjadi pada detik ke-10664 dengan kegagalan yang sebenarnya terjadi pada detik ke-11760.
=======================================================================================
One of the fault that often occurs in induction motor is the result of an stator inter-turn fault. This fault is caused by the gradual deteoration of insulation in the stator winding which cause a short-circuit. Sooner or later, this fault can cause damage to the induction motor in a short time if left unchecked. This damage of an induction motor can be interpreted as a decrease in the reliability of induction motor. So, it is very important to monitor the reliability of the system in real-time. Therefore, this research proposes a real-time reliability prediction system on induction motor. There are three steps that need to be done are designing the fault estimaton, designing the fault prediction algorithm, and designing the reliability prediction algorithm. The design of error estimation based on particle filtering is used to estimate the stator inter-turn fault with the smallest RMSE value for fault at d current and q current are 0.0047 when using 50 particles. Furthermore, the estimation results are used to calculate the fault prediction via exponential smoothing algorithm. The results of this fault prediction are directly used to predict real-time reliability by using 1 interval time and 5 step prediction. The reliability prediction system that has been designied is able to determine the decrease in reliability of the induction motor which in this study was simulated to occur at 10664 seconds with the actual failure occurring at 11760 seconds.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Motor induksi, stator inter-turn, prediksi keandalan real-time, particle filtering, exponential smoothing, induction motor, real-time reliability prediction |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK2785 Electric motors, Induction. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7870.23 Reliability. Failures |
| Divisions: | Faculty of Industrial Technology and Systems Engineering (INDSYS) > Physics Engineering > 30101-(S2) Master Thesis |
| Depositing User: | Syahrul Munir |
| Date Deposited: | 18 Aug 2020 02:22 |
| Last Modified: | 29 May 2023 13:18 |
| URI: | http://repository.its.ac.id/id/eprint/78245 |
Actions (login required)
 |
View Item |