Samsudin, Achmad (2020) Prediksi Titik Lokasi Gangguan Pada Jaringan Ring Selatan Kampus Its Menggunakan Metode Artificial Neural Network. Masters thesis, Institut Teknologi Sepuluh Nopember Surabaya.
Preview |
Text
Buku tesis fix_nop2020.pdf Download (5MB) | Preview |
Abstract
Salah satu kesulitan untuk mengetahui lokasi gangguan secara cepat adalah
menganalisa besaran arus yang terima oleh rele dan dikirmkan pada central sangat
bervariatif tergantung dari jenis gangguan, titik gangguan maupun faktor penyebab
gangguan. Seperti hubung singkat LL , LG, LLLG, atau bahkan gangguan yang
disebabkan oleh faktor alam seperti ranting pohon atau jenis alam lainnya. Faktor
gangguan yang terjadi karena alam akan menambah nilai impedansi gangguan
sehingga arus gangguan yang diterima oleh rele akan sangat berbeda dibandingkan
murni dari gangguan yang sebenarnya.
Dalam hal mengurangi kesulitan tersebut studi pengambilan data
gangguan dengan berbagai jenis gangguan mulai dari LL dengan impedansi 0 ohm,
0,1 ohm hingga 1 ohm dilakukan untuk menjaga kemungkinan terjadinya
gangguan pada sistem tenaga listrik. Data arus gangguan yang didapat akan
diproses dengan menggunakan Artifical Neural network (ANN) yang nantinya
bertujuan untuk mendapatkan nilai bobot dan bias yang akan digunakan
menentukan dan memprediksi lokasi gangguan yang tepat dan cepat
============================================================================================
The one of the difficulties to find out location of the fault quickly is to
analyze the amount of current received by the relay and sent to the central highly
varied depending on the type of disturbance, the point of disturbance or the factors
causing the disturbance. Such as short circuit LL, LG, LLLG, or even interference
caused by natural factors such as tree branches or other types of nature. The
interference factor that occurs because of nature will increase the value of the
impedance of the disturbance so that the fault current received by the relay will be
very different compared to purely from the actual interference.
In terms of reducing the difficulty of the study of interference data
collection with various types of disturbances ranging from LL with 0 ohm
impedance, 0.1 ohm to 1 ohm carried out to maintain the possibility of interference
with the electric power system. The disturbance flow data obtained will be
processed using Artifical Neural Network (ANN) which will aim to get the weight
and bias values that will be used to determine and predict the exact location of the
fault and fast
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Artificial Neural Network |
| Subjects: | Q Science > QA Mathematics > QA336 Artificial Intelligence |
| Divisions: | Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis |
| Depositing User: | EKO BUDI RAHARJO |
| Date Deposited: | 01 Dec 2020 06:47 |
| Last Modified: | 18 Jan 2024 07:22 |
| URI: | http://repository.its.ac.id/id/eprint/82295 |
Actions (login required)
 |
View Item |