Aplikasi Jaringan Saraf Tiruan pada Series Active Power Filter Tiga Fasa
Hanny H. Tumbelaka, Thiang, Marselin Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya 60236 e-mail:
[email protected],
[email protected],
[email protected]
Abstrak Pada dasarnya gelombang tegangan yang didistribusikan ke beban adalah gelombang sinusoidal murni. Namun bagaimana jika terdapat sumber tegangan yang justru mendistribusikan tegangan tiga fasa yang tidak seimbang dan tidak sinusoidal karena gelombang tegangan tersebut terdistorsi. Sudah tentu sinyal yang terdistorsi itulah yang juga akan diterima oleh konsumen. Fenomena penyimpangan gelombang ini disebut harmonisa. Harmonisa pada sistem tenaga listrik ini dapat diatasi dengan menggunakan Series Active Power Filter. Series Active Power Filter yang digunakan adalah tipe Voltage Source Inverter (VSI) tiga fasa. Metode kompensasi jaringan saraf tiruan digunakan sebagai rangkaian kontrol untuk menghasilkan tegangan referensi Series Active Power Filter yang diperoleh dari tegangan sumber yang tidak seimbang dan terdistorsi harmonisa. Jaringan saraf tiruan menentukan amplitudo dari komponen sinus dan kosinus tegangan referensi. Hasil simulasi menunjukkan bahwa Series Active Power Filter tiga fasa dengan metode kompensasi jaringan syaraf tiruan secara efektif mampu menghilangkan harmonisa dan menghasilkan tegangan tiga fasa yang sinusoidal dan seimbang yang akan diterima oleh beban. Kata kunci: Series Active Power Filter, Harmonisa, Jaringan Syaraf Tiruan
1.
Pendahuluan Daya merupakan kombinasi dari nilai tegangan dan arus yang dibangkitkan. Idealnya, bentuk gelombang tegangan dan arus yang dibangkitkan berbentuk gelombang sinusoidal yang mulus. Akan tetapi, fakta di lapangan menunjukan bahwa bentuk gelombang tegangan maupun arus tidak semulus yang diinginkan. Terdapat tegangan listrik tiga fasa tidak seimbang dan terdistorsi oleh harmonisa. Hal ini akan menurunkan kualitas daya listrik karena beban akan menerima supply tegangan yang tidak sinusoidal. Salah satu cara untuk mengurangi harmonisa adalah dengan menggunakan filter. Filter adalah suatu rangkaian yang dipergunakan untuk membuang tegangan output pada frekuensi tertentu. Untuk merancang filter dapat
digunakan komponen pasif (R, L, C) dan komponen aktif (transistor). Penggunaan Filter Pasif untuk mengatasi permasalahan harmonisa memiliki banyak kelemahan antara lain hanya dapat digunakan untuk memfilter satu frekuensi harmonisa (single tune). Hal ini berarti membutuhkan sejumlah filter untuk mengatasi sejumlah arus harmonisa. Filter ini tidak fleksible pada kondisi dinamis dan dapat menimbulkan resonansi paralel pada sistem tenaga, memiliki desain ukuran dan berat induktor L dan C yang cukup besar untuk memfilter harmonisa, serta memiliki karakteristik filter L-C yang sangat dipengaruhi oleh impedansi sistem yang sulit diketahui secara pasti karena selalu berubah terhadap konfigurasi jaringan. Untuk mengatasi kelemahan yang ditimbulkan Passive Power Filter [1][2], maka digunakan Active Power Filter. Oleh karena itu akan diteliti penggunaan Active Power Filter untuk menghilangkan harmonisa. Jenis Active Power Filter yang digunakan pada kompesasi ini adalah Series Active Power Filter. Banyak sekali metode yang digunakan untuk mengkompensasi tegangan atau arus yang terdistorsi oleh harmonisa. Diharapkan bahwa metode yang digunakan dapat membantu menghasilkan tegangan atau arus anti harmonisa yang sesuai untuk diinjeksi ke sistem yang terganggu. Perkembangan saat ini, teknik artificial intelligence khususnya teknik jaringan syaraf tiruan (artificial neural network) [3] mulai diterapkan untuk mendeteksi harmonisa, dan dirasa cukup efektif penggunaannya. Oleh karena itu dalam makalah ini akan dibahas mengenai aplikasi Series Active Power Filter tiga fasa yang bekerja dengan cara menginjeksikan tegangan anti harmonisa yang bertujuan untuk menghilangkan harmonisa dan ketidakseimbangan sumber tiga fasa pada sistem tenaga listrik dengan metoda jaringan syaraf tiruan. 2.
Konfigurasi Series Active Power Filter Series Active Power Filter adalah filter yang terhubung seri dengan jaringan distribusi menggunakan matching transformer satu fasa sehingga dapat mengkompensasi distorsi tegangan harmonik. Inberter yang digunakan adalah Voltage Source Inverter (VSI) yang terdiri atas 6 buah IGBT dengan Dioda anti-paralel. Pada sisi DC dipasang kapasitor dan pada sisi AC terpasang induktor. VSI dioperasikan dengan mengontrol
tegangan induktor sedemikian rupa sehingga sesuai dengan tegangan referensi yang dikehendaki. Untuk melihat apakah output tegangan inverter sama dengan tegangan referensi dipasang sensor tegangan pada sisi output (AC) dari VSI. Output dari sensor tegangan inverter kemudian dibandingkan dengan tegangan referensi. Jika tegangan inverter sama dengan tegangan referensi maka errornya adalah 0, error tersebut dijumlahkan dengan tegangan referensi sehingga Pulse Width Modulation (PWM) menghasilkan pulsa untuk terus memicu IGBT agar inverter terus menghasilkan tegangan invers yang sama dengan tegangan referensi. Tegangan referensi diperoleh dari selisih antara tegangan sumber harmonik dengan tegangan fundamental yang dihasilkan oleh jaringan syaraf tiruan. Prosesnya dimulai dari mendeteksi tegangan sumber tiga fasa yang tidak seimbang dan mengandung harmonisa menggunakan sensor tegangan. Tegangan ini kemudian diproses untuk memisahkan komponen fundamental dan komponen harmonisa menggunakan metoda jaringan syaraf tiruan [4]. Output dari jaringan saraf tiruan yang berupa tegangan fundamental inilah yang akan dibandingkan dengan tegangan sumber untuk menghasilkan tegangan referensi yang adalah komponen harmonisa. Komponen harmonisa ini digunakan untuk mengontrol tegangan induktor dari VSI. Dengan demikian VSI menghasilkan tegangan anti harmonisa yang melawan tegangan harmonisa yang dihasilkan oleh sumber sehingga tegangan yang disupply ke beban menjadi sinusoidal dan seimbang. Blok diagram Series Active Power Filter dapat dilihat pada gambar 1.
[5]. Tegangan pada sisi DC harus dipertahankan konstan dengan menggunakan kontrol PI (Proportional Integral). Jika tidak, maka rugi-rugi pada rangkaian akan menyebabkan tegangan DC-bus akan menurun [4]. 3.
Metode Jaringan Syaraf Tiruan
3.1. Prinsip Dasar Series Active Power Filter dengan Kontrol Jaringan Saraf Tiruan Beberapa sinyal periodik dapat digambarkan sebagai penjumlahan komponen sinus dan kosinus. Konsep ini menjadi dasar dari perancangan arsitektur jaringan syaraf tiruan dalam mengestimasi komponen harmonisa dan ketidakseimbangan pada sumber tegangan tiga fasa [7]. Sumber yang membangkitkan tegangan harmonisa dapat digambarkan sebagai: N
V ( t ) = V0 +
∑ (a
n
sin( nωt ) + bn cos( nωt ))
(1)
n =1, 2 ,...
dimana an dan bn merupakan amplitudo dari komponen sinus dan cosinus dari sumber tegangan harmonisa. Tegangan sumber harmonisa dapat dinyatakan dengan persamaan:
V (t ) = W • X (t )
(2)
dimana matriks bobot:
W = [a1 , b1 , a 2 , b2 ...a n , bn ]
(3)
dan vektor input sinus/kosinus:
X (t ) = [sin(ωt ),cos(ωt)...sin(nωt),cos(nωt)]
(4)
Berdasarkan persamaan di atas, maka arsitektur dari kompensasi jaringan syaraf tiruan dapat digambarkan sebagai berikut:
Gambar 1. Konfigurasi Series Active Power Filter Agar rangkaian dapat bekerja dengan stabil dan arus dapat mengalir, maka tegangan VSI pada sisi DC harus lebih besar daripada tegangan peak-to- peak pada sisi AC
Gambar 2. Arsitektur Jaringan Syaraf Tiruan
Arsitektur jaringan syaraf tiruan seperti pada gambar 2, pada dasarnya adalah jaringan saraf tiruan ADALINE (Adaptive Linear Neuron) yang dikembangkan oleh Widrow dan Marcian Hoff menggunakan Single Layer Network yang terdiri dari satu layer input dan satu layer output [5]. Gambar 2 menunjukan jaringan syaraf tiruan yang memiliki N pasang input tegangan yang terdiri dari input sinus dan input kosinus dan dibagi dalam komponen fundamental dan komponen harmonisa. Bobot (W) dari setiap input diatur sedemikian rupa sehingga menyerupai amplitudo tegangan fundamental dan tegangan harmonisa. Dengan penyesuaian yang berulang-ulang terhadap nilai bobot menyebabkan Jaringan syaraf tiruan mengalami proses training (belajar). Pada setiap pembelajaran, input tegangan (Vs) diberikan ke jaringan. Jaringan akan memproses dan mengeluarkan output tegangan estimasi (Vest). Selisih antara output jaringan (Vest) dengan target (input Vs) merupakan error e(k) yang terjadi. Jaringan akan memodifikasi bobot sesuai dengan error (kesalahan) tersebut. Dengan demikian bila e(k) telah menjadi nol atau mendekati nol, maka tegangan estimasi menyerupai input tegangan sumber harmonik. Output dari jaringan syaraf tiruan adalah tegangan fundamental (Vp). Dari output jaringan syaraf tiruan tersebut dapat ditentukan tegangan referensi Vc untuk diinjeksi ke Series Active Power Filter yang dapat dihitung dengan pengurangan tegangan sumber harmonisa Vs dengan tegangan fundamental hasil estimasi Vp. 3.2. Algoritma Training Widrow-Hoff untuk Jaringan Saraf Tiruan pada Series Active Power Filter Proses training dilakukan dengan menggunakan algoritma Widrow-Hoff dengan tujuan untuk meminimalkan besarnya error e(k) antara tegangan sumber Vs (t) dan tegangan estimasi Vest (k), dimana e(k) dapat dinyatakan dengan persamaan di bawah ini :
e( k ) = Vs − Vest ( k )
(5)
Tegangan referensi Vc (t) dari Active Power Filter akan diperoleh berdasarkan hasil dari perhitungan bobot. Prinsip dasar dari perhitungan bobot dengan algoritma jaringan syaraf tiruan dapat digambarkan sebagai berikut:
Gambar 3. Perhitungan Bobot Jaringan Syaraf Tiruan
Jaringan syaraf tiruan pada gambar 3 terdiri atas sebuah neuron, dimana bobot dari neuron dinyatakan sebagai W. Yang menjadi input dari sistem adalah tegangan sumber Vs(t) yang dibangkitkan, sementara output-nya adalah tegangan fundamental Vp(t) dan output dari sistem adalah tegangan referensi Vc(t). Berdasarkan algoritma Widrow-Hoff, persamaan untuk memperbaharui bobot dapat dinyatakan sebagai berikut :
W(n) = W ( n − 1) + η VcrV ( n − 1)
(6)
dimana :
η VcrV ( n − 1) = perubahan tegangan η
= learning rate, 0 < η < 1
V cr ( n )
= Vs ( n ) − W ( n )V s ( n )
Berdasarkan persamaan 6 maka desain kontrol dengan algoritma Widrow-Hoff dapat digambarkan seperti yang terlihat pada gambar 4. Proses pembelajan/training dari jaringan syaraf tiruan dengan metode pembelajaran Widrow-Hoff digunakan untuk memperoleh nilai dari bobot dengan nilai learning rate tertentu. Pada akhirnya tegangan referensi dari Series Active Power Filter dapat dihitung dengan menggunakan persamaan di bawah ini : (7) Vc ( t ) = V s ( t ) − WV ( t )
Gambar 4. Rangkaian Kompensasi VC(t) Berdasarkan persamaan 7 maka pemodelan rangkaian kontrol pada Matlab Simulink untuk memperoleh nilai bobot W dengan algoritma Widrow-Hoff dapat digambarkan sebagai berikut:
Gambar 5. Rangkaian Kompensasi Jaringan Syaraf Tiruan dalam Matlab Simulink
4.
Hasil Simulasi Series Active Power filter dengan metode kompensasi Artifial Neural Network (Jaringan Syaraf Tiruan) disimulasikan menggunakan gabungan software PSIM dan Matlab Simulink. Untuk rangkaian series active power filter dimodelkan pada PSIM sedangkan metode kompensasinya menggunakan matlab simulink. Berikut ini adalah pembacaan sinyal sumber tegangan tiga fasa tak seimbang dan membangkitkan harmonisa:
state dan menyerupai input tegangan sumber harmonisa (Vs). Dengan melihat gambar 6 dan gambar 7 maka berikut ini adalah error yang dihasilkan dari perbandingan Vs dan Vest :
Gambar 9. Error e(k)
Gambar 6. Sumber tiga fasa tak seimbang dan membangkitkan harmonisa Berikut ini adalah pembacaan sinyal oleh matlab simulink untuk input sumber tegangan harmonisa (Vs) dari jaringan listrik fasa a yang masuk ke sistem jaringan syaraf tiruan:
Pada simulasi dihasilkan error dengan ripple yang cukup tinggi dari t = 0 hingga t = 0.04, namun setelahnya error semakin mendekati nol karena proses training yang dilakukan. Karena tegangan estimasi sudah menyerupai input tegangan harmonisa fasa a maka output tegangan fundamental yang merupakan output jaringan syaraf tiruan dapat ditentukan, dan berikut ini adalah pembacaan sinyalnya:
Gambar 10. Tegangan fundamental (Vp) Gambar 7. Input sumber tegangan harmonisa fasa a Tegangan estimasi adalah total tegangan sinyal sinus kosinus yang dihasilkan oleh rangkaian jaringan syaraf tiruan yang diharapkan menghasilkan tegangan yang sama dengan input sumber tegangan harmonisa dengan gain (learning rate) 0.2. Berikut ini adalah pembacaan sinyal tersebut:
Tegangan fundamental yang merupakan output jaringan syaraf tiruan ini identik dengan tegangan fundamental fasa a yang dibangkitkan pada sistem jaringan listrik dengan Vrms 219.4 volt dan Vpeak 310.48 volt. Proses selanjutnya adalah menentukan tegangan referensi yang merupakan tegangan harmonisa murni melalui perbandingan antara sumber tegangan tiga fasa yang tak seimbang dan mengandung harmonisa dengan tegangan fundamental yang dihasilkan oleh jaringan saraf tiruan. Berikut ini adalah hasil simulasi untuk mendapatkan tegangan referensi tiga fasa:
Gambar 8. Tegangan estimasi (Vest) yang dihasilkan jaringan syaraf tiruan Gambar 8 menunjukan output dari proses training jaringan syaraf tiruan. Dibutuhkan waktu sekitar 0.06 detik untuk menghasilkan tegangan estimasi yang steady
Gambar 11. Tegangan referensi (Vc) tiga fasa
Tegangan referensi inilah yang akan diinjeksi ke VSI melalui PWM yang menghasilkan pulsa untuk memicu IGBT, dan proses ini akan berlangsung hingga tegangan invers yang dihasilkan oleh VSI semakin menyerupai tegangan referensi. Tegangan invers inilah yang kemudian akan diinjeksi ke sistem melaui trafo yang dihubungkan seri dengan sistem. Berikut ini adalah tegangan invers yang dihasilkan oleh rangkaian VSI:
Gambar 12. Tegangan invers VSI yang diinjeksi ke sistem Tegangan invers menjadi tegangan anti harmonik dan ketidakseimbangan sumber sehingga ketika diinjeksi ke sistem, tegangan tiga fasa yang yang didistribusikan ke beban menjadi sinusoidal dan seimbang. Berikut ini adalah tegangan sistem tiga fasa setelah kompensasi dilakukan:
Gambar 13. Tegangan sistem setelah dikompensasi 5.
Kesimpulan Berdasarkan hasil simulasi dan analisa yang dibuat dapat diperoleh beberapa kesimpulan dari sistem yang dibuat: 1. Komponen rangkaian jaringan syaraf tiruan (JST) baik dari Input sumber sinus Kosinus maupun learning rate, parameternya ditentukan secara manual, dan ketika tegangan sumber harmonisa diinjeksi ke jaringan saraf tiruan sebagai pembanding maka secara fleksible Jaringan syaraf tiruan beradaptasi dengan perubahan yang ada, melalui proses learning pada bobot W. 2. Dengan mengatur gain, time delay, dan amplitudo sinus kosinus input mempengaruhi tegangan estimasi, dengan pengaturan yang tepat dihasilkan tegangan
estimasi yang menyerupai tegangan sumber harmonisa. Semakin meyerupai tegangan sumber harmonisa, semakin kecil error (k) yang dihasilkan dan diharapkan sama dengan nol. Ketika error sama dengan nol didapat arus referensi (arus harmonisa murni) yang dikehendaki yang akan diinjeksi ke VSI. 3. Hasil simulasi menunjukkan bahwa rangkaian Series Active Power Filter tiga fasa dengan metode kompensasi jaringan syaraf tiruan secara efektif mampu mengatasi sumber tegangan tigafasa tak seimbang dan terdistorsi oleh harmonisa . Referensi [1] M. João Sepúlveda Freitas, João L. Afonso, Júlio S. Martins, A Series Active Power Filter Controlled by Personal Computer. Department of Industrial Electronics, University of Minho Campus of Azurém – 4800-058 Guimarães (Portugal.). [2] H. Kawahira, T. Nakamura, S. Nakazawa, and M. Nomura, Active power filters, in Proc. JIEE-IPEC, Mar. 1983, pp. 981–992. [3] Temurtas, F., et al., Harmonic detection using feed forward and recurrent neural networks for active filters. Electric Power Systems Research, 2004. 72(1): p. 33-40. [4] J.L. Flores Garrido y P. Salmerón Revuelta, Harmonic detection by using different artificial neural network topologies. Department of Electrical Engineering , E. P. S., Huelva University . Ctra de Palos de la Frontera s/n 21819, Palos de la Frontera. Huelva (Spain). [5] WANG Li -qiao, LI Jian- lin, ZHANG Zhong- chao, Carrier phase shifted SPWM based on current sourced multi-modular converter for active power filter. Electrical Engineering College, Zhejiang University, Hangzhou 310027, China. [6] Panguriseng, Muharram J., et al. A Case Study of Electrofacies Analysis Using Neural Network in Besitang River Sand, Besitang Field, North Sumatra Basin. Jakarta: Schlumberger Information Solution, 2005. [7] Hanny H. Tumbelaka, Thiang, Sorati, Aplikasi Jaringan Saraf Tiruan pada Shunt Active Power Filter Tiga Fasa. Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra. Jl. Siwalankerto 121-131, Surabaya 60236.
