JURNAL TEKNIK POMITS
1
Analisis Properti Fisik-Kimia Minyak Isolasi Transformator Daya Berbasis Jaring Saraf Tiruan Boby Adi Pratama, Ardyono Priyadi , Mauridhi Hery Purnomo Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 E-mail:
[email protected],
[email protected],
[email protected] Abstrak— Minyak transformator merupakan salah satu bagian penting pada transformator daya yang berfungsi sebagai media isolasi dan pendingin. Terdapat beberapa metode yang digunakan untuk menganalisis karakteristik dari minyak transformator, antara lain analisis gas terlarut, dan analisis properti fisik-kimia. Analisis gas terlarut digunakan untuk menentukan kondisi dan kegagalan yang terjadi pada transformator berdasarkan kadar gas terlarut yang ada didalam minyak. Untuk mendapatkan konsentrasi gas terlarut digunakan metode kromatografi. Analisis properti fisik-kimia minyak transformator berfungsi untuk mengetahui kelayakan dari minyak isolasi pada transformator. Pengujian untuk mendapatkan data analisis properti fisik-kimia lebih murah dibandingkan dengan pengujian kromatografi. Pada tugas akhir ini didapatkan konsentrasi gas terlarut dengan memanfaatkan hasil dari pengujian fisik-kimia. Jaring saraf tiruan digunakan untuk menemukan hubungan antara hasil pengujian properti fisik-kimia dengan konsentrasi gas terlarut hasil kromatografi. Hasil diagnosis yang didapat dengan memanfaatkan data properti fisik-kimia hampir sama dengan diagnosis dengan memanfaatkan data kromatografi. Kata Kunci— Transformator Daya, Minyak isolasi, Jaring
Saraf Tiruan, DGA I.
T
PENDAHULUAN
ransformator merupakan salah satu peralatan yang sangat penting dalam operasi sistem tenaga listrik. Apabila terjadi kerusakan pada transformator, maka sistem penyaluran tenaga listrik dari pembangkit ke konsumen dapat terganggu. Untuk mengantisipasi kerusakan diperlukan pemantauan dan pemeliharaan kondisi transformator yang baik dan benar. Sebagian besar transformator daya yang ada di Indonesia adalah transformator yang menggunakan media isolasi minyak. Pemantauan kondisi transformator jenis ini dapat dilakukan dengan mengamati minyak isolasi yang berada didalam tanki transformator. Dari minyak isolasi, dapat diketahui kegagalan yang terjadi pada transformer dengan menggunakan analisa gas terlarut (dissolved gas analysisDGA). DGA menggunakan metode kromatografi gas, yaitu sebuah metode untuk mengekstraksi kadar gas-gas yang terkandung didalam minyak isolasi tersebut. Metode
kromatografi gas memerlukan biaya yang relatif mahal. Dari minyak isolasi, selain kegagalan pada transformator, kualitas dari minyak isolasi itu sendiri dapat diketahui menggunakan analisis properti fisik-kimia (physicochemical analysis). Pengujian properti fisika-kimia ini antara lain: breakdown voltage, interfacial tension, oil power factor dan water content. Pengujian fisika-kimia memerlukan biaya yang lebih rendah dibandingkan pengujian dengan metode kromatografi gas. Tidak ada literatur yang menyebutkan secara langsung hubungan antara pengujian DGA dengan pengujian fisikkimia. Namun, beberapa studi menampilkan adanya kesamaan antara kemunculan gas-gas terlarut dengan nilai hasil pengujian properti fisik-kimia pada minyak isolasi. Target dari penelitian ini adalah mengetahui hubungan antara hasil pengujian kromatografi gas dan kualitas minyak yang digunakan pada transformator daya. Diharapkan dari pengujian fisika-kimia selain didapatkan kualitas minyak isolasi juga didapatkan data-data gas terlarut pada transformator. II.
URAIAN PENELITIAN
A. Minyak Transformator Minyak transformator merupakan salah satu bagian penting pada transformator daya tipe basah yang terdiri dari susunan senyawa hidrokarbon, seperti paraffin (40 sampai 60%), naphtene (30 sampai 50%), aromatic (5 sampai 20%), dan olefin (sekitar 1%) [7]. Fungsi utama dari minyak trafo adalah sebagai media isolasi, yaitu melindungi terjadinya lompatan listrik (flashover) atau percikan api (spark-over) karena perbedaan potensial. Fungsi lain dari minyak transformator adalah mengurangi rugi-rugi panas yang terjadi didalam transformator. Terdapat dua analisis yang dapat dilakukan dengan memanfaatkan media minyak transformator, yaitu: 1) Analisis properti fisik-kimia minyak isolasi. Analisis properti fisik-kimia digunakan untuk mengetahui kondisi dari minyak transformator yang digunakan, apakah minyak dalam kondisi baik, layak, harus dimurnikan, atau harus diganti baru. Pengujian yang termasuk didalam analisis properti fisikkimia antara lain warna, tegangan breakdown, tingkat keasaman, faktor daya minyak, tegangan permukaan, furan,
JURNAL TEKNIK POMITS dan kelembaban[2]. Beberapa studi menunjukkan bahwa semakin lama waktu operasi dari minyak trafo, laju kegagalan yang terjadi meningkat secara signifikan. Pengujian dengan spectroscopy dielectric menampilkan hubungan antara penuaan minyak terhadap faktor daya minyak (tan δ)[2] yang ditampilkan pada gambar 1.
2 minyak terjadi jika konsentrasi gas metana, etana, dan etilena tinggi. Kegagalan elektris terjadi jika ditemukan konsentrasi gas asetilena melebihi nilai wajarnya[6]. B. Jaring Saraf Tiruan Jaring saraf tiruan atau Artificial neural network adalah sistem pengolah informasi yang bekerja menyerupai kerja sistem saraf pada manusia. Pada penelitian ini jaring saraf tiruan digunakan untuk memprediksi konsentrasi gas-gas combustable pada minyak trafo dari tren data yang sudah ada. Jaring saraf tiruan berlapis jamak (multi-layer) dapat mengolah persamaan non-linear dari n-dimensi vektor input menjadi m-dimensi vektor output.
Gambar 1. Spectroscopy Dielectric dari Minyak Lama [2].
2) Analisis gas terlarut (Dissolved Gas Analysis-DGA). Analisis gas terlarut berfungsi untuk menentukan kondisi dan kegagalan (fault) yang mungkin terjadi pada transformator berdasarkan gas-gas combustible di minyak. Jenis gas combustible di dalam minyak transformator antara lain: hidrogen, metana, etana, asetilena, etilena, karbon monoksida dan karbon dioksida yang dinyatakan dalam satuan ppm (part per million). Gas-gas pada minyak transformator terbentuk akibat lepasnya ikatan kimia antara atom-atom. Energi (sebanding dengan temperatur) yang dibutuhkan untuk melepaskan ikatan kimia masing-masing gas berbeda-beda dan dihasilkan dari kegagalan yang terjadi pada transformator. Gambar 2 Menunjukkan perbandingan temperatur dengan terbentuknya gas-gas combustible[9].
Gambar 3. Model Jaring Saraf Tiruan Lapis Jamak 1 Lapis Tersembunyi.
Gambar 3 menampilkan jaring saraf tiruan lapis jamak dengan satu lapisan tersembunyi, lapisan input dan lapisan output. Ada dua neuron (a1 dan a2) pada lapisan input, 1 neuron pada lapisan tersembunyi, dan 1 neuron pada lapisan output. w1 adalah nilai bobot antara neuron a1 dari lapisan input dan neuron lapisan tersembunyi. wb adalah nilai bobot dari bias. Fungsi bias adalah sebagai threshold dan bernilai 1. Didalam lapisan tersembunyi dilakukan proses pengaktifan dari seluruh input dan bobot yang masuk ke lapisan tersembunyi. III. PERANCANGAN JARING SARAF TIRUAN Sistem perancangan jaring saraf tiruan secara umum diilustrasikan seperti gambar 4.
Input dan Target
Jumlah Nodes Hidden Layer
Fungsi Pengaktif Gambar 2. Proses Pembentukan Gas pada Minyak Isolasi[9].
Pada analisis gas terlarut, kegagalan didalam transformator dikategorikan menjadi dua, yaitu kegagalan termal dan kegagalan elektris. Kegagalan termal pada kertas isolasi terjadi apabila konsentrasi karbon monoksida dan karbon dioksida tinggi, sedangkan untuk kegagalan termal pada
Laju Pelatihan Gambar 4. Skema Perancangan Jaring Saraf Tiruan.
Seperti yang sudah dijelaskan pada Bab II tentang analisis gas terlarut, terdapat tujuh jenis gas combustible didalam
JURNAL TEKNIK POMITS
3
minyak isolasi, yaitu: hidrogen, metana, etana, etilen, asetilena, karbon dioksida, dan karbon monoksida. Setiap gas memiliki korelasi yang berbeda terhadap pengujian fisikkimia, sehingga perlu dirancang tujuh program jaring saraf tiruan Multi Layer Perceptron-Backpropagation yang berbeda pula. 1. Input dan Target Input dari jaring saraf tiruan berupa data hasil pengujian sifat fisika-kimia dari minyak isolasi, sendangkan target adalah konsentrasi gas combustible. Data properti fisik-kimia yang digunakan adalah tegangan breakdown, faktor daya minyak, dan tegangan permukaan karena ketiga pengujian ini memiliki kesamaan dengan kemunculan gas terlarut pada minyak isolasi. Untuk menentukan atribut input yang paling berpengaruh digunakan program ANFIS. Jaring saraf tiruan untuk estimasi gas terlarut ini menggunakan dua dimensi input karena menghasilkan nilai error training dan error validasi paling rendah dibandingkan dengan mengunakan satu atau tiga dimensi input[1]. Tabel 1 adalah dimensi input yang digunakan untuk program estimasi gas combustible.
Input
Hidrogen
Breakdown Voltage, Interfacial Tension
Metana
Oil Power Factor, Breakdown Voltage
Etana
Oil Power Factor, Breakdown Voltage
Etilena
Oil Power Factor, Interfacial Tension
Asetilena
Breakdown Voltage, Interfacial Tension
Karbon Monoksida
Oil Power Factor, Interfacial Tension
Karbon Dioksida
Breakdown Voltage, Interfacial Tension
𝑁
(𝑚+2)
L2 = m√
𝑁
(𝑚+2)
Node Hidden Layer
Fungsi Pengaktif
Hidrogen
5
Sigmoid Bipolar
Metana
5
Sigmoid Bipolar
Etana
5
Sigmoid Unipolar
Asetilena
5
Sigmoid Bipolar
Etilena
5
Sigmoid Unipolar
Karbon Monoksida
5
Sigmoid Unipolar
Karbon Dioksida
5
Sigmoid Bipolar
3. Laju Pelatihan Proses learning jaring saraf tiruan menggunakan metode Levenberg-Marquardt. Algoritma levenburg-marquardt dinyatakan dalam persamaan 3 : xk+1
= xk – [ JT J + μI ]-1 JT e
(3)
Tabel 3. Nilai Laju Pelatihan yang Digunakan pada Program JST
2. Jumlah Node Lapis Tersembunyi dan Fungsi Pengaktif Jumlah node lapis tersembunyi ditentukan terlebih dahulu untuk menghindari terjadinya underfitting dan overfitting pada jaring saraf tiruan. Jumlah nodes yang paling efektif untuk sebuah neural network dengan dua lapis perceptron adalah sesuai persamaan berikut [5] : L1 = √(𝑚 + 2)𝑁 + 2√
Combustible Gas
Laju pelatihan (μ) mempengaruhi perubahan pemberat (weight) pada setiap langkah pelatihan. Laju pelatihan bernilai antara 0.1 sampai 0.9. Semakin besar nilai laju pelatihan maka perubahan pemberat akan semakin besar pula. Nilai laju pelatihan untuk masing-masing gas ditunjukkan pada tabel 3.
Tabel 1. Input Program Estimasi Gas Terlarut Combustible Gas
Tabel 2. Jumlah Node dan Fungsi Pengaktif pada Lapis Tersembunyi
(1) (2)
Fungsi pengaktif yang paling sering digunakan pada lapisan pertama lapisan tersembunyi adalah sigmoid bipolar dan sigmoid unipolar. Sigmoid bipolar dan sigmoid unipolar dapat menghasilkan keluaran berupa fungsi non-linier. Fungsi sigmoid bipolar menghasilkan keluaran bernilai antara -1 sampai 1 ,sedangkan sigmoid unipolar menghasilkan keluaran bernilai 0 sampai 1[8]. Pada tahapan ini dipilih fungsi pengaktif apa yang menghasilkan jumlah iterasi tercepat untuk mencapai error minimum yang diinginkan. Jumlah nodes lapisan tersembunyi dan fungsi pengaktif yang digunakan ditampilkan pada tabel 2.
Combustible Gas
laju pelatihan
Hidrogen
0.6
Metana
0.9
Etana
0.3
Etilena
0.7
Asetilena
0.9
Karbon Monoksida
0.1
Karbon Dioksida
0.7
IV. SIMULASI DAN ANALISIS Pada penelitian ini pengujian dilakukan pada 5 sampel minyak yang berbeda dari berbagai transformator distribusi yang tersebar di Indonesia. Kondisi minyak isolasi adalah sebagai berikut. Sampel 1, minyak dengan BDV 85 KV, IFT 41.8 dynes/cm, PF minyak 0%. Sampel 2, minyak dengan BDV 72 KV, IFT 34.2 dynes/cm, PF minyak 0.37%. Sampel 3, minyak dengan BDV 97 KV, IFT 37.3 dynes/cm, PF minyak 0.13%. Sampel 4, minyak dengan BDV 91 KV, IFT 17.3 dynes/cm, PF minyak 0.37%. Sampel 5, minyak dengan BDV 49 KV, IFT 17.4 dynes/cm, PF minyak 0.05%. Keluaran dari prediksi menggunakan jaring saraf tiruan mendekati nilai dari hasil pengujian kromatografi.
JURNAL TEKNIK POMITS
4
Perbandingan hasil keluaran dari JST dengan kromatografi ditampilkan pada tabel 4-10. Tabel 4. Perbandingan Hidrogen Hasil Kromatografi dengan JST Konsentrasi Hidrogen (ppm) Nama Minyak Kromatografi JST
Tabel 9. Perbandingan Karbon Monoksida Hasil Kromatografi dengan JST Konsentrasi Karbon Monoksida (ppm) Nama Minyak Kromatografi JST Sampel 1
42
26
Sampel 2
457
450
Sampel 1
17
18
Sampel 3
71
124
Sampel 2
18
22
Sampel 4
220
653
Sampel 5
425
449
Sampel 3
15
18
Sampel 4
51
42
Sampel 5
268
244
Tabel 5. Perbandingan Metana Hasil Kromatografi dengan JST Konsentrasi Metana (ppm)
Sampel 1
409
343
Kromatografi
JST
Sampel 2
617
705
9
9
Sampel 3
493
903
1815
2445
2037
3488
Nama Minyak Sampel 1
Tabel 10. Perbandingan Karbon Dionoksida Hasil Kromatografi dengan JST Konsentrasi Karbon Dioksida (ppm) Nama Minyak Kromatografi JST
Sampel 2
173
319
Sampel 4
Sampel 3
22
4
Sampel 5
Sampel 4
12
9
Sampel 5
18
34
Tabel 6. Perbandingan Etana Hasil Kromatografi dengan JST Konsentrasi Etana (ppm) Nama Minyak Kromatografi JST Sampel 1
12
5
Sampel 2
91
72
Sampel 3
44
17
Sampel 4
7
29
Sampel 5
7
12
Tabel 7. Perbandingan Etilena Hasil Kromatografi dengan JST Konsentrasi Etilena (ppm) Nama Minyak Sampel 1 Sampel 2 Sampel 3 Sampel 4 Sampel 5
Kromatografi
JST
2
1
15
10
2 4 7
4 9 1
Tabel 8. Perbandingan Asetilena Hasil Kromatografi dengan JST Konsentrasi Asetilena (ppm) Nama Minyak Kromatografi
JST
Sampel 1
0
0
Sampel 2
0
0
Sampel 3
1
0
Sampel 4
0
2
Sampel 5
0
2
Interpretasi gas terlarut yang banyak adalah analisis TDCG, key gas, dan rasio gas[6]. 1. Analisis TDCG Metode analisis TDCG digunakan untuk mengawasi kemerosotan material isolasi didalam transformator daya berpendingin minyak. Keadaan transformator dibedakan menjadi empat yaitu kondisi 1,dimana transformator dalam keadaan normal. Kondisi 2 adalah keadaan ketika transformator mengalami dekomposisi ringan. Kondisi 3 adalah keadaan ketika transformator mengalami dekomposisi tinggi. Untuk keadaan dekomposisi yang sudah parah dinyatakan dengan kondisi 4. Tabel 11 adalah perbandingan hasil analisis TDCG dari kromatografi dan JST. Tabel 11. Perbandingan Analisis TDCG Hasil Kromatografi dengan JST Nama Minyak
Kromatografi
JST
Sampel 1
kondisi 1
kondisi 1
Sampel 2
kondisi 2
kondisi 2
Sampel 3
kondisi 1
kondisi 1
Sampel 4
kondisi 1
kondisi 2
Sampel 5
kondisi 2
kondisi 2
2. Analisis Key Gas Metode key gas menentukan kegagalan pada transformator berdasarkan gas yang paling dominan diantara gas terlarut lainnya pada minyak isolasi. Kegagalan yang dapat dideteksi dengan menggunakan key gas adalah kegagalan termal pada minyak-metana, etana, etilena; kertas isolasi-karbon monoksida; partial discharge-hidrogen, dan arcing-asetilena. Diagnosis yang didapatkan dengan metode analisis key gas terdapat pada tabel 12.
JURNAL TEKNIK POMITS
5
Tabel 12. Perbandingan Analisis Key Gas Hasil Kromatografi dengan JST
Key Gas
Fault Diagnosis
Nama Minyak
GC
JST
GC
JST
Sampel 1
CO
CO
Normal
Normal
Sampel 2
CO
CO
cellulose
Cellulose
Sampel 3
CO
CO
Normal
Normal
Sampel 4
CO
CO
Normal
Cellulose
Sampel 5
CO
CO
cellulose
Cellulose
3. Analisis Rasio Gas Metode rasio gas terdiri dari metode rasio Doernenburg, rasio Roger, dan segitiga duval. Metode rasio Doernenburg menentukan kegagalan berdasarkan perbandingan konsentrasi gas dengan konsentrasi limit L1. Metode rasio Roger menentukan kegagalan pada transformator berdasarkan perbandingan konsentrasi asetilena/etilena (C2H2/C2H4), metana/hidrogen (CH4/H2), dan etilena/etana (C2H4/C2H6).. Hasil analisis menggunakan metode rasio Doernenburg ditampilkan pada tabel 13dan rasio Roger pada tabel 14. Tabel 13. Perbandingan Analisis Rasio Doernenburg Hasil Kromatografi dengan JST Nama Minyak
Kromatografi
JST
Sampel 1
No fault
No fault
Sampel 2
No fault
PD
Sampel 3
No fault
No fault
Sampel 4
No fault
Thermal fault
Sampel 5
PD
PD
Tabel 14. Perbandingan Analisis Rasio Roger Hasil Kromatografi dengan JST Nama Minyak
Kromatografi
JST
Sampel 1
normal
normal
Sampel 2
normal
tidak tersedia
Sampel 3
normal
normal
Sampel 4
normal
tidak tersedia
Sampel 5
tidak tersedia
tidak tersedia
Metode segitiga Duval menentukan kegagalan transformator berdasarkan konsentrasi gas metana (CH4), etilena (C2H4), dan asetilena (C2H2)[4]. Hasil analisis metode segitiga Duval ditampilkan pada tabel 15. Tabel 15. Perbandingan Analisis Segitiga Duval Hasil Kromatografi dengan JST Nama Minyak
Kromatografi
JST
Sampel 1
Normal
Normal
Sampel 2
T1
T1
Sampel 3
Normal
Normal
Sampel 4
Normal
DT
Sampel 5
T2
DT
VI. KESIMPULAN Nilai properti fisik-kimia dan gas-gas yang terlarut pada minyak isolasi dipengaruhi oleh temperatur yang ada didalam transformator. Karena dipengaruhi hal yang sama, data properti fisik-kimia dapat dimanfaatkan untuk mendapatkan nilai gas-gas terlarut pada minyak trafo dengan bantuan jaring saraf tiruan. Jumlah dari nodes pada hidden layer, jenis fungsi pengaktif, dan nilai laju pelatihan sangat mempengaruhi kinerja dari jaring saraf tiruan. Dari 5 data pengujian, jaring saraf tiruan dapat menentukan kegagalan trafo dengan metode TDCG dan key gas sebesar 80%, sedangkan dengan metode analisis rasio, analisis yang tepat sebesar 60%. DAFTAR PUSTAKA [1]. Barbosa, F.B., Almeida, O.M, Braga, P.S, “Artificial Neural Network Application In Estimation Of Dissolved Gases In Insulating Mineral Oil From Physical-Chemical Datas For Incipient Fault Diagnosis”, Intelligent System Applications to Power Systems, 2009. ISAP '09. 15th International Conference, Curitiba, November, 2009. [2]. C. D. Paraskevas, P. Vassiliou and C. T. Dervos, “Temperature Dependent Dielectric Spectroscopy in Frequency Domain of Highvoltage Transformer Oils Compared to Physicochemical Results”, IEEE Trans. Dielectr. Electr. Insul., Vol. 13, pp. 539-546, 2006. [3]. Department of the Interior Bureau of Reclamation. ”Transformer Diagnostics”. Facilities Instructions, Standards, and Techniques Volume 3-31.2003.United States [4]. Duval, M. “A Review of Faults Detectable by Gas-in-Oil Analysis in Transformers”, IEEE Electrical Insulation Magazine, Vol.18, No.3, p.8 (2002). [5]. Huang, G. B. “Learning Capability and Storage Capacity of TwoHidden-Layer Feedforward Networks”, IEEE Transactions on Neural Network., vol. 14, no. 2, 2005. [6]. IEEE C57.104-2008, “IEEE Guide for the Interpretation of Gases Generated in Oil Immersed Transformers”, 2008. [7]. Negara, I.M., “Teknik Tegangan Tinggi; Prinsip dan Aplikasi Praktis”, Graha ilmu, Surabaya.2013. [8]. Purnomo, M.H., Agus K., “Supervised Neural Network dan Aplikasinya”, Graha Ilmu, Surabaya.2006. [9]. Wang, Z. 2000. Artificial Intelligence Applications in the Diagnosis of Power Transformer Incipient Faults. Virginia: Virginia Polytechnic Institute and State University.
RIWAYAT HIDUP PENULIS Boby Adi Pratama dilahirkan di kota Wonogiri, Jawa Tengah pada tanggal 30 Mei 1991. Penulis adalah anak kedua dari dua bersaudara pasangan bapak Wanto Sumardi (alm.) dan ibu Dwi Respatini. Pria yang berdomisili di Salatiga ini memiliki kegemaran bermain video game dan renang. Saat penyusunan jurnal ini, penulis sedang menempuh pendidikan sarjana di Institut Teknologi Sepuluh Nopember Surabaya dan sedang aktif sebagai asisten laboratiorum Instrumentasi Pengukuran dan Identifikasi Sistem Tenaga Listrik.
