20 KV Dengan Menggunakan Metode Logika Fuzzy Evolusioner

Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011

ISSN: 2086-8944

Analisa Gas Kimia Dalam Minyak Trafo Distribusi 150/20 KV Dengan Menggunakan Metode Logika Fuzzy Evolusioner Teguh Herbasuki dan Falkudin Jurusan Teknik Elektro, Institut Teknologi Nasional Malang e-mail: [email protected]

Abstrak—Terjadinya penurunan kualitas minyak trafo akibat terjadinya breakdown voltage didalam minyak trafo. Untuk meningkatkan akurasi diagnosis dari pendekatan analisis gas terlarut konvensional (DGA), makalah ini mengemukakan pemprograman evolusioner (EP) berbasis teknik pengembangan sistem fuzzy untuk mengidentifikasi fault dari transformer power. Dengan menggunakan kriteria IEC/IEEE DGA sebagai referensi, dengan mengembangkan metode Roger’s Rasio gas dengan menggunakan Logika Fuzzy Evolusioner. Metodologi yang digunakan adalah metode system sampling dan analisa gas serta menggunakan metode logika Fuzzy Evolusioner. Berdasarkan catatan uji gas terlarut sebelumnya dan tipe fault aktual, teknik pengembangan basis EP kemudian digunakan secara otomatis untuk memodifikasi aturan fuzzy if-then dan secara simultan menyesuaikan fungsi keanggotaannya. Ketika diperbandingkan dengan hasil DGA konvensional dan metode klasifikasi jaringan neural artificial (ANN), metode yang dikemukakan harus diverifikasi untuk memiliki kinerja superior baik untuk pengembangan sistem diagnosis dan mengidentifikasi kasus fault transformer. Kata kunci—Logika Fuzzy Evolusioner, pemprograman evolusioner, Roger’s Ratio, Jaringan Neural Artificial I.

menghasilkan proses panjang pembentukan aturan fuzzy ifthen dan menyesuaikan fungsi keanggotaan subset fuzzy. Dalam makalah ini, sistem diagnosis fuzzy evolusioner (EFDS) dikembangkan untuk memperbaiki metode DGA konvensional. Prinsip diagnostik metode DGA yang ada yang digunakan untuk mempermudah penentuan tatanan awal dari EFDS, termasuk aturan diagnostik dan fungsi keanggotaan subset fuzzy. Pengembangan sistem diagnosis gangguan Trafo Distribusi dirumuskan sebagai masalah optimisasi kombinatorial integer-campuran. Didasarkan pada catatan diagnosis data gas Trafo Distribusi 150/20 kV30 MVA. II.

LANDASAN T EORI

Perawatan periodik dari transformator, meliputi analisis kromatographi dari minyak isolasi untuk mengukur konsentrasi hidrogen terlarut (H2), methana (CH4), ethana (C2H6), ethilene (C2H4), karbon monoksida (CO), dan karbon dioksida (CO2). TABEL I KODE IEC/IEEE INTERPRETASI M ETODE DGA

PENDAHULUAN

Untuk mempertahankan Transformator yang baik, penilaian periodik dari transformer harus dijalankan untuk menentukan gangguan awal untuk mencegah terjadinya kerusakan. Untuk meningkatkan kapabilitas diagnosis metode DGA konvensional, pendekatan informasi fuzzy dan sistem ahli diagnosis fuzzy digunakan disini. Presentasi fuzzy komponen dan skema peralatan fuzzy diterapkan dalam masalah ini. Hasil yang menjanjikan disini diperoleh tapi beberapa batasan muncul dalam metode tersebut. Pertama, fungsi keanggotaan subset fuzzy ditentukan secara empirik atau secara mendasar dalam cara trial-anderror, sedangkan kriteria diagnosis DGA konvensional juga dijalankan secara implisit. Selanjutnya, sejumlah catatan diagnosis sebelumnya dari gas terlarut digunakan sebagai tujuan uji daripada sebagai basis pengembangan sistem diagnosis fuzzy. Informasi yang ada dalam data numerik bukan digunakan secara penuh dalam menentukan sistem diagnosis. Ketiga, karena adanya keragaman kondisi yang mempengaruhi hasil DGA, sistem diagnosis harus dipertahankan atau dimodifikasi secara berkelanjutan berdasarkan kasus yang baru terjadi. Meski begitu, akuisisi pengetahuanmanual dan revisi basis pengetahuan dalam data numerik bisa sangat membosankan, dan seringkali

143

Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011

ISSN: 2086-8944

Sistem diagnosis menggunakan pendekatan inferensi fuzzy bisa mencapai hasil diagnosis dengan ruang pola 3dimensi ditetapkan oleh tiga komponen rasio gas, C2H2/C2H4, CH4/H2, C2H4/C2H6. Tingkatan rasio dipengaruhi oleh faktor seperti pengaksesan sejarah, konstruksi transformer, volume minyak, industri-industri, dan kondisi cuaca kurang baik, sebagai akibatnya jumlah signifikan dari catatan gas terlarut bisa berada di luar aturan yang ditetapkan. Selain itu karena tingkatan kekeringan digunakan untuk menentukan aturan atau kode tersebut, maka tidak cukup hanya menetapkan batasan tidak tentu dari rasio gas C2H2/C2H4, CH4/H2, C2H4/C2H6 yang ada dalam data numerik, maka digambarkan bagaimana sistem diagnosis yang menggunakan pendekatan inferensi fuzzy bisa mencapai hasil diagnosis sebuah inferensi tipe gangguan.

L

a3 ..,

a3

2,

M

...

...

...

...

M

a3

1,

L

a22,.............,a28

8

S

Dimana tipe fault FT* dengan nilai maksimum adalah solusi diagnosis inferensial dengan faktor kepastian αFTin. Jika nilai maksimum dalam adalah nol atau dua atau lebih, tipe fault mempunyai nilai maksimum, dan pola yang tidak diketahui diklasifikasikan sebagai yang tidak teridentifikasi oleh sistem diagnosis. Dalam prosedur inferensi fuzzy di atas, diasumsikan bahwa semua fungsi keanggotaan (seperti titik ekstrim dari aDI, aD2, …, aD8 pada setiap aksis D = 1, 2, 3) dan aturan fuzzy if-then (berkaitan dengan nilai kemungkinan) ditentukan pada basis kriteria DGA konvensional atau kondisi diagnosis transformer. Desain sistem diagnosis fuzzy pada awalnya digunakan 27 (3x3x3 untuk I = 3 dalam sebuah ruang pola 3-dimensi) aturan fuzzy dalam rangkaian aturan (yang masing-masing berkaitan dengan subspace fuzzy dalam ruang pola) dan 24 point (8 point untuk satu aksis) dalam fungsi keanggotaan yang ditentukan. Secara matematika, didasarkan pada data sampel numerik, yang diteliti adalah vektor RV dari 27 variabel tipe-integer (nol,1,2, …, 8}), yang berkaitan dengan tipe fault dalam aturan fuzzy-nya, dan vektor MV dari 24 variabel tipe-riil (yang masing-masing berada di dalam interval yang tepat), dan berkaitan dengan fungsi keanggotaannya. Pola N dengan xp, p = 1, 2, …, N dari rasio gas terlarut, yang kelas tipe faultnya diketahui berdasarkan hasil diagnosis praktis, optimisasi hasil inferensi yang ada adalah untuk mencari rangkaian nilai RV dan MV untuk mengurangi fungsi kesalahan inferensi rata-rata dari pola N yang ada. Fungsi error inferensial dari vektor keputusan RV dan MV sesuai dengan rumus :

S

M

a21,

CH/ CH C/HH S

L

a11, a12,................,a18

Gambar 1. Diagnosis Sistem Fuzzy pada ruang pola 3-dimensi dan Subset Fuzzy

Ruang pola 3-dimensi dan subset fuzzy bisa ditunjukkan pada Gambar 1. Subset fuzzy S, M, dan L (seperti SD1 = S, SD2 = M, dan SD3 = L) menentukan deskripsi fuzzy dari nilai rasio gas yang kecil, menengah, dan besar. Fungsi keanggotaan disini menggunakan bentuk trapesium yang didefinisikan dengan delapan titik ekstrim aDI, aD2, …, aD8 pada setiap aksis D = 1, 2, 3 dan untuk pola yang tidak diketahui xp = [xp1,xp2,xp3] dari tiga rasio gas, aturan fuzzy ifthen Rijk digunakan sebagai inferensi tipe faultnya. Batasan aturan fuzzy Rijk = Jika (xp1 adalah si1), (xp2 adalah sj2) dan (xp3 adalah sk3) kemudian (xp mengidentifikasi ketipe fault/gangguan FTijk) dengan posibility ps = psijk , untuk i,j,k = 1,2,3 III. METODOLOGI Prosedur diagnosis fuzzy yang digunakan terdiri atas beberapa langkah anatara lain: Langkah 1: Menghitung ukuran kompatibilitas (derajat kepuasan) βFTijk dari tipe fault FTijk untuk setiap aturan Rijk, i, j, k = 1,2, 3 :

β FTijk = Min { µ i(xp1), µ j(xp2), µ k(xp3)} Langkah 2 : Menentukan kelas tipe fault FT* :

α FT* = Mak { β FTijk x psijk

FTijk, i, j, k = 1, 2, 3 }

F=

1 N

N

∑ P =1

FTP* − FTP / WFT P

Untuk nilai kemungkinan psijk Aturan Rijk, i, j, k = 1,2, 3 untuk RVxp dan MVxp : psijk =

∑

x P ∈FTijk

βFT ijk /PNFT ijk

PNFT ijk ≠ 0, imana : βFTijk = Penyesuaian xp pada aturan Rijk

dengan FTijk seperti tipe fault inferensial PNFTijk = jumah sampel xp’s yang tipe fault aktualnya adalah FTijk jika nilai psijk yang terhitung adalah nol, konsekuensi FTijk ditentukan sebagai nol. PNFTijk = 0, yang berarti tidak ada tipe fault FTijk yang muncul dalam sampel, dan nilai psijk dari aturan Rijk bisa menjadi nol. Algoritma Pemrograman Evolusioner mensimulasikan proses evolusioner untuk mencapai kesesuaian setelah prosedur mutasi, kompetisi, dan seleksi yang berulangulang. Skema umum dari Algoritma EP terlihat pada Diagram Blok Skematik Gambar 2. Representasi Vektor Dari Tabel Aturan Fuzzy Dan Fungsi Keanggotaan

Pool Persainga n

Evaluasi Nilai Kesesuaian

Pembentukan Turunan

Pengawalan

Serangkaian Ketahanan

Kompetisi & Seleksi

Aturan Penghentian

Gambar 2. Diagram Blok Skematik dari Algoritma EP

144

Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011 Untuk menyesuaikan dengan kriteria DGA transformator secara efisien mengembangkan sistem diagnosis, kriteria DGA transformator, digunakan sebagai nilai awal dari variabel RV dan MV. Kemudian teknik pengembangan sistem fuzzy berbasis EP dikembangkan secara otomatis menentukan bentuk akhir dari fungsi keanggotaan dan aturan diagnosis. Gambar 3. Struktur Sistem Diagnosis Fuzzy Evolusioner

ISSN: 2086-8944 2.05686 2.21156 2.50001 2.90000 2.70000 1.00000 1.30000 1.90000 2.05568 2.21156 2.50001 2.90000 2.70000 1.90000 1.30000

0.61311 0.39983 0.80000 0.90000 0.50000 0.90000 0.81000 0.71998 0.61311 0.39983 0.80000 0.90000 0.50000 0.71998 0.61749

1.80003 1.20006 2.80012 2.30005 2.90003 2.90003 1.30000 1.70003 3.04007 3.00004 3.02004 3.03005 3.00999 3.02998 3.03810

Hasil dari Perhitungan Pemrograman Evolusioner terlihat seperti pada Tabel 3, Tabel 4 dan Gambar 4. TABEL III HASIL PERHITUNGAN M INIMUM R ATA-R ATA M AKSIMUM DENGAN PEMOGRAMAN EVOLUSIONER

Gambar 3. Struktur Sistem Diagnosis Fuzzy Evolusioner.

IV. HASIL PEMBAHASAN Inputan data OLTC diperoleh dari ekstrasi gas dari minyak trafo 150/20 KV-30 MVA GI Kebonagung yang dilakukan sebanyak 90 kali aplikasi, untuk evaluasi gas yang dilakukan dilaboratorium PLN dan diolah dengan Metode Rasio Rogers dan Dornenburg. TABEL II DATA INPUTAN S AMPEL M INYAK OLTC TRAFO

Inputan Data 1

Inputan Data 2

Inputan Data 3

CH 4 H2

C2 H 4 C2 H 6

C2 H 2 C2 H 4

0.10012 0.10000 0.10113 0.10041 0.20000 0.29999 2.80000 2.40222 2.29996 2.09999 0.90001 0.70003 1.19999 1.79995 2.08935

0.68449 0.97493 0.99731 0.09984 0.10000 0.10004 0.10001 0.10009 2.29996 0.09975 0.09962 0.09983 0.09979 0.09984 0.61878

0.09988 0.10012 2.97991 0.99720 2.99710 2.99215 2.97179 2.99962 2.97991 2.98994 2.97042 2.99006 2.98025 2.99007 2.90004

No. GEN 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

MINIMUM 90,00000 90,00000 90,00000 88,00000 88,00000 87,00000 86,00000 80,00000 80,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 77,00000 76,00000 76,00000 76,00000 76,00000 76,00000 76,00000 76,00000 71,00000 71,00000 71,00000 71,00000 71,00000 71,00000 71,00000 71,00000 71,00000 71,00000 71,00000 71,00000 71,00000 71,00000 71,00000

RATA-RATA 104,38000 100,58000 97,88000 95,78000 94,10000 92,54000 91,40000 90,22000 89,72000 89,02000 87,94000 87,48000 87,20000 86,66000 86,24000 86,02000 85,52000 85,28000 84,800000 84,32000 84,18000 83,82000 83,62000 83,02000 82,84000 82,54000 82,20000 82,08000 81,82000 81,56000 81,14000 81,14000 81,14000 81,16000 81,08000 80,54000 80,50000 80,20000 80,14000 80,12000 79,94000 80,02000 79,72000 79,48000 79,62000 79,22000 79,32000 79,46000 79,12000 79,98000

MAKSIMUM 111,00000 106,00000 102,00000 100,00000 97,00000 96,00000 94,00000 93,00000 92,00000 93,00000 91,00000 91,00000 91,00000 90,00000 90,00000 90,00000 89,00000 88,00000 89,00000 88,00000 90,00000 87,00000 91,00000 86,00000 88,00000 86,00000 86,00000 85,00000 86,00000 86,00000 83,00000 83,00000 85,00000 85,00000 85,00000 83,00000 85,00000 83,00000 84,00000 86,00000 84,00000 88,00000 86,00000 84,00000 89,00000 84,00000 87,00000 89,00000 83,00000 83,00000

145

Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011

ISSN: 2086-8944

Gambar 6. Hasil Simulasi OLTC minyak Trafo dengan Evolutionary Programming tipe 2 Gambar 4. Grafik Hasil Perhitungan Maksimum Rata-Rata dan Minimum Program Evolusioner Trafo OLTC . TABEL IV HASIL A KHIR PERHITUNGAN PROGTRAM E VOLUSIONER Output Data 1

Output Data 2

Output Data 3

CH 4 H2

C2 H 4 C2 H 6

C2 H 2 C2 H 4

0,48153 1,00000 3,00000 3,34589 0,13782 2,64626

0,37015 1,74691 3,00000 3,00704 0,38999 1,11905

0,64052 1,00000 1,25374 3,36391 0,53458 2,00348

Kesimpulan diagnosis : Tidak ada gangguan pada tipe karakteristik gas pada minyak trafo (kondisi 1 No fault). • Analisa OLTC minyak Trafo dengan Evolutionary Programming tipe 3:

C 2 H 2 =0,64052 CH 4 =0,48153 C2 H 4 = 0,37015 H2 C2 H 4 C2 H 6

Kesimpulan hasil akhir analisa diagnosa dari OLTC minyak trafo dapat disimpulkan dengan kondisi delapan type gangguan adalah sebagai berikut: • Analisa OLTC minyak Trafo dengan Evolutionary Programming tipe 1:

C 2 H 2 =0,0371 CH 4 =0,08064 C2 H 4 =0,09018 H2 C2 H 4 C2 H 6

Gambar 7. Hasil Simulasi OLTC minyak Trafo dengan Evolutionary Programming tipe 3

Kesimpulan diagnosis : Suhu rendah pada minyak dan tidak terjadi gangguan gas pada minyak trafo (kondisi 1 No fault). • Analisa OLTC minyak Trafo dengan Evolutionary Programming tipe 4:

C 2 H 2 =1,00000 CH 4 =1,00000 C2 H 4 =1,74691 H2 C2 H 4 C2 H 6

Gambar 5. Hasil Simulasi OLTC minyak Trafo dengan Evolutionary Programming tipe 1

Kesimpulan diagnosis: Tidak ada gangguan pada tipe karakteristik gas pada minyak trafo (kondisi 1 No fault). • Analisa OLTC minyak Trafo dengan Evolutionary Programming tipe 2: C 2 H 2 =0,10000 CH 4 =0,10000 C2 H 4 = 0,10667 H2 C2 H 4 C2 H 6

Gambar 8. Hasil Simulasi OLTC minyak Trafo dengan Evolutionary Programming tipe 4

146

Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011

ISSN: 2086-8944

Kesimpulan diagnosis: Terjadi pembuangan parsial energi tinggi pada minyak trafo (kondisi 7 High energy partial discharge). • Analisa OLTC minyak Trafo dengan Evolutionary Programming tipe 5:

C 2 H 2 =1,25374 CH 4 =3,00000 C2 H 4 = 3,00000 H2 C2 H 4 C2 H 6 Gambar 11. Hasil Simulasi OLTC minyak Trafo dengan Evolutionary Programming tipe 7

Kesimpulan diagnosis: Suhu rendah pada minyak dan tidak terjadi gangguan gas pada minyak trafo (kondisi 1 No fault) • Analisa OLTC minyak Trafo dengan Evolutionary Programming tipe 8: Gambar 9. Hasil Simulasi OLTC minyak Trafo dengan Evolutionary Programming tipe 5

C 2 H 2 =2,00348 CH 4 =2,64626 C2 H 4 = 1,11905 H2 C2 H 4 C2 H 6

Kesimpulan diagnosis: Terjadi buangan energi tinggi gas pada minyak trafo (kondisi 9 High energy discharge). • Analisa OLTC minyak Trafo dengan Evolutionary Programming tipe 6:

C 2 H 2 =3,36391 CH 4 =3,34589 C2 H 4 = 3,00704 H2 C2 H 4 C2 H 6 Gambar 12. Hasil Simulasi OLTC minyak Trafo dengan Evolutionary Programming tipe 8

Kesimpulan diagnosis: Buangan energi rendah pada gas minyak trafo (kondisi 8 Low energy discharge). V. Gambar 10. Hasil Simulasi OLTC minyak Trafo dengan Evolutionary Programming tipe 6

Kesimpulan diagnosis : Terjadi buangan energi tinggi gas pada minyak trafo (kondisi 9 High energy discharge) • Analisa OLTC minyak Trafo dengan Evolutionary Programming tipe 7:

CH 4 C2 H 2 C H =0,53458 =0,13782 2 4 =0,38999 H2 C2 H 4 C2 H 6

KESIMPULAN

Hasil Kesimpulan Kondisi Minyak OLTC Trafo yang telah dianaliasa dengan menggunakan program fuzzy evolusioner dengan 8 tipe kondisi gangguan adalah : • Kondisi gas minyak trafo (1) Tidak ada gangguan pada tipe karakteristik gas pada minyak trafo (kondisi 1 No fault). • Kondisi gas minyak trafo (2) Tidak ada gangguan pada tipe karakteristik gas pada minyak trafo (kondisi 1 No fault). • Kondisi gas minyak trafo (3) Suhu rendah pada minyak dan tidak terjadi gangguan gas pada minyak trafo (kondisi 1 No fault). • Kondisi gas minyak trafo (4) Terjadi pembuangan parsial energi tinggi pada minyak trafo (kondisi 7 High energy partial discharge).

147

Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011 • Kondisi gas minyak trafo (5) Terjadi buangan energi tinggi gas pada minyak trafo (kondisi 9 High energy discharge). • Kondisi gas minyak trafo (6) Terjadi buangan energi tinggi gas pada minyak trafo (kondisi 9 High energy discharge). • Kondisi gas minyak trafo (7) Suhu rendah pada minyak dan tidak terjadi gangguan gas pada minyak trafo (kondisi 1 No fault). • Kondisi gas minyak trafo (8) Buangan energi rendah pada gas minyak trafo (kondisi 8 Low energy discharge). Minyak trafo 50 % tidak terjadi gangguan gas minyak, 25 % terjadi pembuangan gas energi tinggi, sedangkan 12,5 % terjadi pembuangan parsial energi tinggi dan terjadi pembuangan gas energi rendah, sehingga minyak dalam kondisi waspada dan perlu sering dilakukan pengecekan untuk penggantian minyak trafo.

ISSN: 2086-8944 DAFTAR PUSTAKA [1] Guardado,J.L.,Neredo,J.L,”A Comparative Study of Neural Network Efficieccy in Power Transformer Diagnosis Using Dissolved Gas Analysis”, IEEE Trans.On Power Delivery. Vol 11, No 4, October 2001. [2] Panduan Pemeliharaan Trafo Tenaga. PT PLN (Persero) Penyaluran dan Pusat Pengaturan Beban Jawa Bali, Juni 2003. [3] Yang, Hong-Tzer and liao Chiung-Chou.”Adaptive Fuzzy Diagnosis System For Disolved Gas Analysis of Power Transformer”. IEEE Trans.On Power Delivery. Vol 14,No 4, October 1999. [4] Yann-Chang uang,Hong-Tzer Yang,Ching-Lien Huang.”Developing a New Transformer Fault Diagnosis System through Evolutionary Fuzzy Logic”.IEEE Trans on Power Delivery,Vol .12,No.2, April 1997

148