Setiawan, Dedy Kurnia (2022) Pengembangan Sistem Inverter Empat Lengan Berbasis Artificial Intelligent Pada Microgrid Dengan Beban Tidak Seimbang Dan Non-Linier. Doctoral thesis, Institut Teknologi Sepuluh Nopember.
![[thumbnail of 07111760010014-Dissertation.pdf]](http://repository.its.ac.id/style/images/fileicons/text.png) |
Text
07111760010014-Dissertation.pdf - Accepted Version Restricted to Repository staff only until 1 April 2024. Download (7MB) | Request a copy |
Abstract
Penggunaan microgrid terutama dengan sumber energi terbarukan, khususnya rooftop solar (RS) dewasa ini cukup meningkat. Ketika beberapa RS pada microgrid terhubung ke sistem distribusi, masalah dapat muncul akibat fluktuasi arus injeksi RS dan beban. Masalah yang sering timbul adalah harmonisa dan ketidakseimbangan arus transformator. Hal ini disebabkan oleh perbedaan kapasitas beban dan arus injeksi RS tiap fasa, serta keberadaan beban non-linier. Untuk menyelesaikan permasalahan ini digunakan inverter empat lengan (IEL). Salah satu kelemahan pada sistem IEL adalah pada penggunaan sumber DC beserta metode kendalinya, yang diketahui memiliki keterbatasan pada arus charge/discharge serta durasi waktu dalam mencatu energi. Untuk mengatasi sumber DC yang terbatas, digunakan boost rectifier dengan sistem pengendalian voltage oriented control (VOC). Dengan metode ini IEL dapat mengkompensasi tanpa ada batasan waktu. Selain itu sebagai alternatif kedua, diusulkan penggunaan kapasitor untuk mengganti fungsi sumber DC pada IEL. Sebagai alternatif solusi pada kelemahan teknik kendali diusulkan Optimized Constructive Neural Network (OCNN) dengan PQ theory satu fasa. Setiap proses pelatihan OCNN memungkinkan penambahan neuron dan lapisan tersembunyi baru. Jaringan OCNN membandingkan nilai error pada tiap pelatihan dengan nilai error terendah (ET) yang tersimpan pada jaringan terbaik (JT). Jaringan dengan nilai error terkecil menjadi jaringan terbaik. Penelitian ini difokuskan untuk menghasilkan 4 kontribusi. Pertama, mendapatkan pengembangan metode kontrol baru guna menyeimbangkan arus dan tegangan sekaligus menurunkan harmonisa arus melalui sistem kontrol PQ theory satu fasa berbasis OCNN. Kedua, kontroler IEL berupa kecerdasan buatan yang mampu merespon kondisi transient khususnya akibat ketidakseimbangan dan harmonisa. Ketiga, pengembangan sistem kontroler boost rectifier menggunakan CEAF pada sumber tiga fasa yang tidak seimbang. Kontribusi terakhir yaitu peningkatan waktu kompensasi IEL dengan menggunakan sumber alternatif yaitu: boost rectifier dan kapasitor. Aplikasi sistem kontrol ini sangat efektif mengatasi ketidakseimbangan dan melakukan mitigasi harmonisa arus. Hasil simulasi rangkaian IEL menggunakan kontroler OCNN dengan sumber boost rectifier (IEL-BROCNN) dan kapasitor (IEL-COCNN) menunjukkan bahwa, IEL mampu menurunkan ketidakseimbangan arus dari rata-rata 29.60% menjadi 14.80% dan 2.58%, dan ketidakseimbangan tegangan dari rata-rata 1.35% menjadi 0.38% dan 0.23%. Kontroler IEL-COCNN telah berhasil menurunkan nilai harmonisa arus yang semula di atas batas standar IEEE khususnya ordo ke-3 dan ke-5 pada fasa A, yaitu 16.44% dan 12.09% menjadi jauh di bawah batas maksimal standar, yaitu 3.71% dan 4.02%.
================================================================================================
Microgrids powered by renewable energy sources, particularly rooftop solar
(RS), are gaining popularity. When many RSs on a microgrid are linked to the
distribution system, difficulties can emerge as a result of RS injection current and
load fluctuations. Harmonics and transformer current unbalance are often
encountered issues. This is owing to the fact that the RS injection has a different
capacity and current for each phase, as well as the presence of non-linear loads.
Utilize a four-leg inverter to resolve this issue (FLI). One of the FLI system's
weaknesses is its reliance on a dc source and its control technique, which are known
to have limitations on charge/discharge currents and energy supply duration. A
boost rectifier with a voltage oriented control (VOC) scheme is utilized to overcome
the limited DC source. FLI can compensate indefinitely using this way.
Additionally, it is proposed to employ the usage to replace the DC source function
in the FLI as a second alternative. As a workaround for the suggested control
mechanism Optimized Constructive Neural Network (OCNN) with single-phase
PQ theory's shortcoming. Each OCNN training procedure has the ability to add new
neurons and hidden layers. The OCNN network compares the error value for each
training session to the best network's lowest error value. The network with the
lowest error value is the optimal network.
This research result in four contributions. First, design a novel control method
for current balance and attempt to eliminate current harmonics using a single-phase
PQ theory control system based on OCNN. Second, the FLI controller is a form of
artificial intelligence capable of responding to changing situations, most notably
balance and harmonics. Thirdly, the boost rectifier controller system for an
unbalanced three-phase source using CEAF. The final is the extends the FLI
compensation by the use of alternate sources, a boost rectifiers and a capacitor.
This control mechanism is extremely successful at resolving unbalances and
minimizing harmonics. The simulation results for the FLI circuit using an OCNN
controller coupled to a boost rectifier source (FLI-BR OCNN) and a capacitor (FLI-
C OCNN) demonstrate that FLI is capable of reducing the current balance from an
average of 29.60% to 14.80% and 2.58%, respectively. and voltage unbalances
decreased by an average of 1.35% to 0.38% and 0.23%, respectively. The FLI-
C OCNN control successfully reduced the current harmonic value over the IEEE
standard limit, particularly the third and fifth orders in phase A, which were 16.44%
and 12.09%, respectively, to below the standard limit of 3,71% and 4.02%.
Actions (login required)
 |
View Item |