Estimasi Suhu Top-Oil Berdasarkan Pengukuran Arus dan Pembebanan pada Transformator Distribusi (20 kV/220 V) dengan Metode BackPropagation Neural Network (BPNN)

Ma'shum, Ahmad Ali (2017) Estimasi Suhu Top-Oil Berdasarkan Pengukuran Arus dan Pembebanan pada Transformator Distribusi (20 kV/220 V) dengan Metode BackPropagation Neural Network (BPNN). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
2213100031-Undergraduate-Theses.pdf - Published Version

Download (3MB) | Preview

Abstract

Pada sistem transmisi dan distribusi transformator merupakan bagian yang penting karena berdasarkan fungsinya untuk menaikkan/menurunkan level tegangan digunakan untuk mengatasi rugirugi. Selain itu juga transformator merupakan peralatan listrik paling mahal, ditambah lagi dengan kebutuhan konsumen yang didominasi oleh beban rumah tangga dengan level tegangan 220 volt, sehingga mutlak untuk dilakukan monitoring kondisi untuk menjaga kontinuitas penyaluran daya serta mempertahankan keandalannya. Monitoring trafo digunakan untuk mengetahui performa trafo agar dapat dilakukan predictive maintenance. Bahkan dapat digunakan untuk mencari sisa umur trafo melalui suhu hot-spot. Sehingga dapat diketahui penyebab kerusakan transformator untuk dilakukan tindakan preventif sebelum kerusakan itu terjadi. Kerusakan atau penuaan isolasi merupakan masalah yang sering terjadi pada transformator. Kerusakan isolasi tersebut diakibatkan oleh beberapa faktor seperti, pembebanan melebihi ratingnya, unbalanced load, suhu lingkungan, getaran dll. Untuk mengetahui umur transformator diperlukan parameter suhu dari isolasi minyak transformator secara real time. Pada penelitian ini akan dilakukan studi tentang monitoring suhu minyak trafo berdasarkan parameter arus, pembebanan dan unbalanced load untuk dimodelkan menggunakan BackPropagation Neural Network (BPNN). Metode tersebut digunakan untuk memprediksi suhu minyak trafo dengan melakukan training data dari beberapa kapasitas trafo yang diambil melalui pengukuran di lapangan. Hasil estimasi yang paling bagus didapat dari trafo dengan kapasitas yang sama yaitu 200 kVA dengan nilai MAPE (Mean Absolute Percent Error) 3,64%. ========================================================================== Transformator is an important part of transmision and distribution systems because it’s function to step up/step down of voltage level to reduce losses. Beside of that, transformator is the most expensive equipment of electric power transmision and distribution, and then because consumer needs are dominated by the load of household with voltage level is 220 volt, so it’s absolute to monitoring condition of transformer to maintain continously of power distribution and the reliability. Monitoring transformer used to known performance of the transformer to do predictive maintanence. Moreover used to known remain lifetime of the transformer using hot-spot temperature. So, cause of damage of transformer can be identified before. The aging or deterioration of insulation is the most common problem that occured. The aging of insulation caused by some factors, like overload, unbalanced load, ambient temperature, vibration etc. Needs temperature of transformer insulation parameter to identify lifetime of transformer. In this final project will studying about oil temperature of transformer monitoring based on parameters current, load factor, and unbalanced load to modeled using BackPropagation Neural Network (BPNN). It’s method used to predicting oil temperature of transformer by train data from some transformer capacity taken throung field measurement. The most good modelling result obtained from the transformer with same capacity, 200 kVA with MAPE (Mean Absolute Percent Error) is 3,64 percent.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Transformator distribusi, suhu minyak transformator, arus, unbalanced load, Backpropagation Neural Network (BPNN)
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms
Divisions: Faculty of Industrial Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User: Ahmad Ali Ma'shum
Date Deposited: 11 Sep 2017 07:42
Last Modified: 05 Mar 2019 04:11
URI: https://repository.its.ac.id/id/eprint/42578

Actions (login required)

View Item View Item