Reaktualisasi Model Modified Single Machine To Infinite Bus Untuk Menentukan Batas Kestabilan Steady State Sistem Multimachine Menggunakan Konsep Losses Jaringan Dan Radial Basis Function Neural Network (RBFNN)

., Rusilawati (2018) Reaktualisasi Model Modified Single Machine To Infinite Bus Untuk Menentukan Batas Kestabilan Steady State Sistem Multimachine Menggunakan Konsep Losses Jaringan Dan Radial Basis Function Neural Network (RBFNN). Doctoral thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 07111460010009-Disertation.pdf]
Preview
Text
07111460010009-Disertation.pdf - Accepted Version

Download (4MB) | Preview

Abstract

Keseimbangan daya antara kebutuhan beban dengan pembangkitan generator merupakan salah satu ukuran kestabilan operasi sistem tenaga listrik. Jika permintaan beban di luar batas daya maksimum (daya aktif dan daya reaktif) yang dapat dibangkitan dan disalurkan dari sumber ke area beban, hal ini sudah dapat dikategorikan ke dalam gangguan pada sistem tenaga listrik yakni kondisi tidak seimbang antara suplai listrik dan permintaan energi listrik.
Sistem tenaga listrik secara umum terdiri dari unit-unit pembangkit yang terhubung ke beban melalui saluran interkoneksi. Tujuan utama dari sistem saluran interkoneksi adalah untuk menjaga kontinuitas dan ketersediaan tenaga listrik terhadap kebutuhan beban yang terus meningkat.
Dalam sistem multimachine, sangat sulit untuk menganalisis kestabilan masing-masing generator. Untuk menganalisis kestabilan setiap generator, sistem multimachine harus diubah terlebih dahulu menjadi sistem Single Machine to Infinite Bus (SMIB) dengan cara mengumpulkan semua beban menjadi satu pusat beban yang terhubung pada infinite bus. Cara untuk mengubah sistem multimachine menjadi sistem SMIB merupakan salah satu hal yang cukup rumit.
Dalam penelitian ini diusulkan suatu metode baru untuk membentuk sebuah sistem Modified Single Machine to Infinite Bus (M-SMIB) dari sebuah sistem multimachine dengan cara yang cukup sederhana. Sebuah sistem M-SMIB yang secara aktual dapat mewakili keadaan operasi sebuah generator dalam sistem multimachine dibentuk dengan sebuah impedansi ekivalen dan sebuah beban ekivalen yang terletak pada infinite bus.
Tujuan dari penelitian ini adalah untuk membentuk sebuah sistem M-SMIB dari sebuah sistem multimachine dengan konsep losses jaringan. Setelah sistem M-SMIB dibentuk, ditentukan nilai pembangkitan maksimum yang merupakan batas kestabilan steady state generator, yaitu batas maksimum yang dapat dibangkitkan sebuah generator yang beroperasi dalam sebuah sistem multimachine dengan keadaan masih dalam kondisi stabil saat terjadi penambahan beban.
Penentuan nilai batas kestabilan steady state setiap unit generator yang berubah setiap saat terjadi perubahan nilai beban akan sangat sulit bila dilakukan dengan metode analitik. Untuk memudahkan penentuan batas kestabilan steady state generator dengan beban yang bervariasi, diaplikasikan salah satu model jaringan syaraf tiruan yang arsitekturnya sederhana dan dapat menangani data nonlinier yang cenderung sama dengan kondisi dalam dunia nyata yaitu Radial Basis Function Neural Network (RBFNN). Beberapa data nilai kestabilan steady state generator dijadikan data training pada RFBNN. Selanjutnya, RBFNN dapat digunakan untuk melakukan proses penentuan batas kestabilan steady state setiap unit generator sehingga nilainya tidak perlu dihitung setiap saat terjadi perubahan pembebanan, tetapi dapat ditentukan secara langsung.
Dengan penelitian ini, dapat dilakukan penentuan batas kestabilan steady state setiap unit generator setiap saat terjadi perubahan nilai pembebanan pada sistem multimachine, sehingga dapat memenuhi permintaan beban dan mengetahui batas kemampuan operasi pembangkitan setiap generator. Hal ini akan sangat membantu tugas operator untuk mengatur pengoperasian setiap unit generator dalam batas kemampuan operasi yang diijinkan. Dengan demikian, keamanan dari generator tersebut dapat ditingkatkan dan tetap menjaga kestabilan sistem tenaga listrik yang terinterkoneksi pada sistem multimachine.
==================================================================================================================The power balance between the load and the generator output power is one measure of the power system operation stability. If the load demand beyond the limits of the maximum power (active power and reactive power) that can be generated and transmitted from the source to the load area, this can already be categorized into the disturbance of the electrical system i.e. the unbalanced between the electricity supply and the electrical energy demand.
The electric power system generally consists of generating units connected to the load through an interconnection line. The main purpose of the interconnected system is to maintain the continuity and availability of electric power of the continuously increasing load demand.
In the multimachine system, it is very difficult to analyze the stability of each generator. To analyze the stability of each generator, the multimachine system must be changed into a Single Machine to Infinite Bus (SMIB) system first by collecting all the loads into one central load in the infinite bus. The method to change a multimachine system into an SMIB system is one complicated things.
The method to form a Modified Single Machine to Infinite Bus (M-SMIB) system from a multimachine system in a fairly simple way presented in this research, An M-SMIB system that can actually represent the operating of a generator in a multimachine system is formed by an equivalent impedance and an equivalent load located on the infinite bus.
The purpose of this research is to form an M-SMIB system from the multimachine system using the network losses concept. After the M-SMIB system is formed, a maximum generation value which is the generator steady-state stability limit is determined, the maximum limit that a generator can generate on the multimachine system in a stable state in the event of a load increase.
Determination of the steady state stability limit of each generator unit that changes every time there is a change of load value will be very difficult if done with analytical method. To facilitate the determination of steady state generator stability limit with varying loads, a neural network model Radial Basis Function Neural Network (RBFNN) that has simple architecture and can handle nonlinear data that tends to be similar with real-world conditions is applied. Some generator steady state stability value data are used as training data on RFBNN. Furthermore, RBFNN can be used to determine the steady state stability limit of each generator unit so that the value does not need to be calculated at any time of the load change, but can be determined directly.
With this research, steady state stability limit of each generator unit can be determined whenever the change of loading value occurs in the multimachine system, so that it can supply the load demand and know the limits of generator operating capability of each generator. This will greatly assist the task of the operator to arrange the operation of each generator unit within the limits of permitted operating capability. Thus, the safety of the generator can be improved and maintain the stability of the interconnected power system in the multimachine system.

Item Type: Thesis (Doctoral)
Additional Information: RDE 621.313 Rus r
Uncontrolled Keywords: sistem Modified Single Machine to Infinite Bus, batas kestabilan steady state generator, Radial Basis Function Neural Network
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1010 Electric power system stability. Electric filters, Passive.
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1087 Photovoltaic power generation
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20001-(S3) PhD Thesis
Depositing User: Rusilawati Rusilawati
Date Deposited: 13 Dec 2018 03:28
Last Modified: 12 Nov 2020 04:02
URI: http://repository.its.ac.id/id/eprint/59219

Actions (login required)

View Item View Item