The 9th Seminar on Intelligent Technology and Its Applications (SITIA) Surabaya 2008 Kombinasi Wavelet dan ANFIS sebagai Algoritma Rele Jarak Pada Saluran Transmisi Yang Dikompensasi Seri Dimas Anton A*) Dosen Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember e-mail:
[email protected]
Abstrak Kompensasi seri yang dilengkapi dengan metal oxide varistor (MOV) dan air gap menimbulkan arus gangguan tidak linier terhadap jarak gangguan, sehingga rele jarak salah identifikasi. Dengan dasar masalah tersebut, kombinasi wavelet dan Adaptive Neuro Fuzzy Inference System (ANFIS) digunakan sebagai algoritma relay jarak untuk mendeteksi jarak ganguan pada saluran dikompensasi dengan kapasitor seri yang dipasang pada titik tengah saluran. Sinyal arus gangguan di transformasikan dengan discrete wavelet transform, sehinggga didapatkan koefisien sinyal setiap jenis gangguan yang dijadikan input ANFIS. ANFIS yang didesain ditraining untuk dapat mengenali jarak gangguan. Algoritma ini dapat mengenali gangguan sebesar 83% dari kasus yang disimulaskan. Kata Kunci : Relay jarak, ANFIS, kompensasi seri, transformasi wavelet 1. PENDAHULUAN Kapasitor seri dilengkapi dengan MOV dan sela udara untuk melindungi kapasitor dari tegangan lebih. Karena pemasangan dua peralatan diatas, pada saat terjadi gangguan, level arus jaring, arus yang mengalir pada saluran, naik dan level tegangan pada kapasitor mencapai nilai kerja dari MOV dan sela udara, sehingga MOV dan sela udara mengalami baypass. Sistem kerja Kapasitor, MOV dan sela udara pada saat gangguan ini menyebabkan ketidak-linieran arus gangguan, sehingga impedansi yang disensor oleh rele jarak tidak linier terhadap jarak gangguan [1]. Pada penelitian terdahulu terdapat beberapa penelitian tentang algoritma relay jarak dan penggunaan wavelet dan kecerdasan buatan untuk pengenalan pola yang tidak linier. Beberapa penelitian tersebut diantaranya adalah algoritma rele jarak yang dipasang pada saluran yang dikompensasi seri didesain untuk dapat mendeteksi arus baypass dan normal [2], algoritma khusus digunakan pada rele jarak yang dipasang pada saluran yang dikompensasi seri, yaitu dengan memperhtiungkan drop tegangan sesaat pada kapasitor pada saat gangguan [3]. Pendeteksian gangguan pada saluran yang dikompensasi seri juga juga dapat menggunakan
sensor tegangan frekeuensi tinggi yang timbul pada saat gangguan [4]. Transformasi wavelet dapat digunakan untuk mendeteksi gangguan satu phasa ketanah (L-G fault) pada saluran yang panjang [5]. Kombinasi transformasi wavelet dan logika fuzzy digunakan untuk pengenalan gangguan pada saluran yang dikompensasi seri. Metode adaptif sering digunakan untuk menyelesaikan permasalahan yang tidak linier atau menyimpang dari perhitungan teknis. Kombinasi wavelet dan Adaptive Neuro Fuzzy Inference System (ANFIS) digunakan untuk pengenalan jenis gangguan dan daerah (zona) gangguan pada saluran transmisi yang dikompensasi seri [6] . Pada penelitian ini kombinasi transformasi wavelet dan ANFIS digunakan untuk mengenali jarak gangguan pada saluran yang dikompensasi seri. Transformasi wavelet mempunyai kelebihan untuk men dekomposisi sinyal frekuensi rendah dan frekuensi tinggi akibat gejala transient arus gangguan. Sedangkan ANFIS adalah salah satu algoritma Adaptif yang mudah diterapkan untuk mengenali suatu pola yang tidak linier. 2. METODOLOGI Penelitian ini menggunakan metode simulasi data real. Data tersebut adalah data sistem transmisi Jawa-Madura-Bali 500 kV saluran antara Surabaya Barat dan Ungaran. Simulasi menggunakan software Matlab dengan perangkat komputer Pentium 4, frekuensi 1.7 GHz, RAM 512 MHz. Untuk mendesain sistem yang mampu mengenali gangguan hubung singkat, diperlukan beberapa langkah analisa dan permodelan. Pertama adalah permodelan saluran transmisi yang dikompensasi seri, kemudian kedua adalah simulasi hubung singkat pada sistem dengan variasi jenis gangguan dan jarak gangguan. Ketiga adalah desain transformasi wavelet yang mampu mengenali kondisi transien arus dengan baik. Keempat adalah desain ANFIS-1 dan ANFIS-2 yang mampu mengenali jenis dan letak gangguan. Untuk mengenali gangguan hubung singkat pada saluran transmisi yang dikompensasi digunakan kombinasi transformasi wavelet dan algoritma ANFIS. Sinyal arus gangguan yang disensor oleh trafo arus pada bus sumber
1
ditransformasikan dengan transformasi wavelet. Hasil transformasi wavelet setiap level adalah dua buah sinyal yang dipisahkan dengan lowpass filter dan highpass filter. Dari sinyal hasil transformasi wavelet akan dihitung variabelvariabel input Gangguan Hubung singkat
Arus Ia, Ib, Ic
Descrete Wavelet Transform (Menghitung Koefisien Wavelet)
Menghitung Variable Input
ANFIS-1 : Menentukan Jenis Gangguan
ANFIS-2 : Menentukan Letak Gangguan
Hasil : Jenis dan Jarak Gangguan
STOP
Gambar 1 Proses kerja rele Jarak yang didesain Pada penelitian ini didesain dua ANFIS untuk mengenali jenis dan letak ganguan gangguan. Diagram proses dari pengenalan gangguan dengan kombinasi wavelet dan ANFIS bisa dilihat pada Gambar 1 2.1 Permodelan Sistem Pada penelitian ini dimodelkan transmisi tenaga listrik dengan tegangan 500 kV dengan panjang saluran 251 km. Parameter yang dipakai adalah sistem saluran transmisi 500 kV Jawa-MaduraBali (Jamali). Saluran yang dipilih adalah saluran yang menghubungkan Bus Surabaya Barat dan Bus Ungaran. Saluran ini menghubungkan dua blok pembangkit dan beban yang ada di sistem Jamali. Data saluran : Panjang saluran 251 Km Z = 0.0293 + j0.2815 / km Zline = 251 x (0.0293 + j0.2815) = (7.35 + j 70.66) Setelah dikompensasi 40 persen, impedansi saluran diantara Bus Surabaya Barat dan Ungaran adalah sebagai berikut.
Untuk memodelkan saluran, juga perlu dihitung besar kapasitor yang direncanakan dapat mengkompensasi 40% impedansi jaringan. Xc = 0.4 x 70.66 = 28.264 1 Cs 2 f Xc
Cs = 112
(1)
1 2 50 28.264
F
Untuk perlindungan tegangan lebih pada kapasitor dipakai MOV dan Air Gap. MOV memiliki rating tegangan operasi yang ditentukan dari kemampuan kompensator. VMOV = 2.5 x VC (2) VMOV = Proteksi tegangan MOV VC = Tegangan nominal Capasitor Arus yang melewati kapasitor pada saat normal IC = 2000 Ampere
VMOV 2.5 * 2000 * 28.264 * 1.4 197.8kV Air gap beroperasi untuk mengamankan MOV dari energi yang tersimpan pada saat MOV bypass. Kemampuan energi dari MOV ditentukan 10.000 kJ, sehingga MOV mampu bekerja selama 4 cycle (0.08 ms). Gambar 2 adalah permodelan jaringan yang dikompensasi seri menggunakan Simulink pada Matlab 7. Sedangkan permodelan dari Kapasitor seri dapat dilihat pada Gambar 3 2.2 Simulasi Gangguan Sistem saluran transmisi yang telah dimodelkan menggunakan Matlab akan digunakan untuk mensimulasikan hubung singkat pada saluran dengan variasi jenis dan letak gangguan, sedangkan sensor arus pada Bus 1. Variasi jenis gangguan yang disimulasikan adalah satu phasa ke tanah, dua phasa ketanah, tiga phasa ketanah dan antar phasa. Dari masing – masing jenis gangguan tersebut, akan disimulasikan beberapa kasus dengan variasi jarak gangguan dan nilai tahanan gangguan (0.01, 10 dan 50 Ohm). Dari Gambar. 4 adalah plot korelasi besarnya arus gangguan terhadap jarak gangguan dengan referensi Bus Surabaya Barat untuk impedansi gangguan 0.01 Ohm. Terdapat hubungan yang tidak linier terutama pada jarak yang kurang dari 125 km. Gambar 5 adalah simulasi gangguan dengan impedansi gangguan 10 Ohm.
Impedansi saluran baru Zline = 0.6 x (7.35 + j 70.66) = (4.41 + j 42.4)
2
Gambar 2 Model transmisi yang dikompensasi seri
8.00E+04
7.00E+04
6.00E+04
Arus (A)
5.00E+04
4.00E+04
3.00E+04
2.00E+04
1.00E+04
Gambar 3 Permodelan kapsitor seri dan pengamannya
5
5
5
5
5
5
5
5
5
5
5
8
0
0
0
5 24
23
22
21
20
19
18
17
16
15
14
13
12
12
90
11
80
10
70
60
50
40
30
1
20
10
0.00E+00
jarak (km)
Gambar 5 Korelasi arus gangguan dengan jarak gangguan untuk impedansi gangguan 10 2.50E+04 3.00E+05
2.00E+04 2.50E+05
1.50E+04 Arus (A)
Arus (A)
2.00E+05
1.50E+05
1.00E+04
1.00E+05
5.00E+03 5.00E+04
20
30
40
50
60
70
80
90
0 10
0 11
0 12
8 12
5 13
5 14
5 15
5 16
5 17
5 18
5 19
5 20
5 21
jarak (km)
5 22
5 23
90
80
70
60
50
40
30
5 24
10 0 11 0 12 0 12 8 13 5 14 5 15 5 16 5 17 5 18 5 19 5 20 5 21 5 22 5 23 5 24 5
10
20
1 1
10
0.00E+00 0.00E+00
Jarak (km)
Gambar 4 Korelasi arus gangguan dengan jarak gangguan untuk impedansi gangguan 0.01
Gambar 6 Korelasi arus gangguan dengan jarak gangguan untuk impedansi gangguan 50
Hasilnya dapat dilihat bahwa terdapat kondisi ketidak linieran arus gagguan terhadap jarak gangguan. Gambar 6 adalah hasil simulasi gangguan dengan impedansi gangguan 50 Ohm. Dari gambar tersebut dapat dilihat, discontinue kelinieran (kondisi linier yang terputus) cukup besar. Dari ketiga gambar diatas didapatkan kecenderungan semakin besar impedansi gangguan, ke-discontinue-annya semakin besar. Kondisi ini menyebabkan kesalahan pendeteksian jarak gangguan oleh relay jarak
yang cepat. Fungsi wavelet Meyer adalah sebagai berikut.
2.3 Transformasi wavelet Selain Fast Furier Transform (FFT), transformasi wavelet adalah salah satu cara untuk menganalisis suatu sinyal multifrekuansi yang mempunyai kelebihan untuk sinyal transient yang cepat. Wavelet Meyer adalah termasuk jenis wavelet yang mempunyai peluruhan sinyal
3 ˆ ( ) (2 ) 1/ 2 ei / 2 sin v 1 2 2 2 4 jika 3 3
3 ˆ ( ) (2 ) 1 / 2 e i / 2 cos v 1 2 4 4 8 jika 3 3 ˆ ( ) 0
2 8 Jika , 3 3
(3)
3
Tabel 1 Nilai maksimum absolut signal hasil transformasi
No
Case
Phasa A
Rf ()
Km
a1
a2
A3
a4
a5
d1
d2
d3
d4
d5
1
A-G
0.01
5
1.0E+05
1.4E+05
2.0E+05
2.8E+05
3.7E+03
2.4E+01
5.8E+01
1.2E+02
2.8E+02
1.3E+02
2
A-G
0.01
15
5.7E+04
8.0E+04
1.1E+05
1.6E+05
3.7E+03
1.9E+01
7.5E+01
8.9E+01
1.8E+02
1.3E+02
3
AB-G
0.01
20
6.7E+04
9.5E+04
1.3E+05
1.9E+05
3.7E+03
6.5E+00
2.8E+02
1.8E+02
5.6E+02
1.4E+02
4
AB-G
0.01
35
5.0E+04
7.0E+04
9.9E+04
1.4E+05
3.7E+03
1.6E+00
4.3E+02
2.6E+02
4.6E+02
1.4E+02
5
ABC-G
10
40
4.8E+04
6.8E+04
9.6E+04
1.4E+05
3.7E+03
4.2E-01
4.7E+01
2.2E+02
1.5E+02
1.3E+02
6
ABC-G
10
55
4.0E+04
5.6E+04
8.0E+04
1.1E+05
3.7E+03
2.3E-01
1.5E+01
1.9E+02
1.3E+02
1.3E+02
7
ABC-G
0.01
60
3.6E+04
5.0E+04
7.1E+04
1.0E+05
3.7E+03
1.7E-01
8.7E+00
2.0E+02
1.3E+02
1.3E+02
8
ABC-G
0.01
75
3.1E+04
4.4E+04
6.2E+04
8.7E+04
3.7E+03
1.1E-01
4.8E+00
1.8E+02
1.3E+02
1.3E+02
9
ABC-G
50
100
2.8E+04
4.0E+04
5.7E+04
8.0E+04
3.7E+03
8.8E-02
3.5E+00
1.7E+02
1.3E+02
1.3E+02
10
ABC-G
50
110
2.6E+04
3.7E+04
5.2E+04
7.4E+04
3.7E+03
7.1E-02
2.7E+00
1.5E+02
1.3E+02
1.3E+02
Sedangkan fungsi penskalaan dari wavelet Meyer adalah
ˆ ( ) ( 2 ) 1 / 2 2 Jika 3 3 ˆ ( ) ( 2 ) 1 / 2 cos v 1 2 2 2 4 jika 3 3 4 (4) ˆ ( ) 0 Jika 3 Dari (3) dan (4) didapatkan filter bandpass yang memiliki frekuensi cut-off yang tajam sehingga mampu mengklasifikasikan sinyal frequensi tinggi. Sinyal arus transient gangguan yang sensor oleh pengukur arus ditransformasikan dengan Transformasi wavelet sampai lima level, sehingga didapatkan sinyal a1, d1, a2 , d2, a3, d3, a4, d4, a5 dan d5. Dari sinyal arus gangguan yang didapatkan, dihitung nilai maksimum absolut dari sinyal yang digunakan sebagai variable pengenal gangguan sistem, sehingga didapatkan nilai maksimum masing – masing signal. Hasil perhitungan nilai maksimum absolut dari signal dapat dilihat pada Tabel 1. Simulasi gangguan hubung singkat menghasilkan sinyal arus masing – masing phasa dan arus ground. Empat sinyal arus ganggguan akan ditransformasikan menggunakan transformasi wavelet 5 level transformasi. Dari sinyal transformasi yang telah didapat, di cari nilai korelasi variabel dengan
jarak gangguan untuk dijadikan variabel pengenal jarak gangguan. Dari nilai – nilai ini diambil 2 varibel dengan korelasi paling besar. Dari analisa korelasi bivariate diambil variabel D2 dan A1 yang mempunyai koefisien korelasi paling tinggi. 2.4 Desain ANFIS Pada penelitian ini dirancang 2 sistem ANFIS yang digunakan untuk menentukan jenis gangguan dan letak dari gangguan. Masukan dari ANFIS dari sinyal hasil transformasi wavelet. ANFIS-1 didesain mempunyai 3 membersip function untuk masing – masing inputnya. Type membersip function yang dipilih adalah type Bell. Sedangkan ANFIS-2 didesain untuk menentukan jarak gangguan dengan dua input dan masing - masing input mempunyai 10 membership function. Type membersip function yang dipilih adalah type Bell. Persamaan membersip function type Bell adalah sebagai berikut.
A ( x)
1 x ci 1 ai
2 bi
(5)
ai ,bi,ci merupakan kumpulan dari parameter yang dapat diatur sehingga didapatkan membership function yang ideal. Target ANFIS-2 adalah mampu mengetahui prosentase jarak gangguan terhadap panjang saluran. Pada penelitian ini didesain pengenalan gangguan dalam area 10%, sehingga saluran mempunyai 10 Zona gangguan.
4
Garis batas Hasil perhitungan Target
Gambar 7 Anfis A-G untuk gangguan kurang dari 50% saluran 3. HASIL DAN PEMBAHASAN Dari Gambar 7 dan 8 dapat dilihat pemetaan pengenalan ANFIS untuk mengenali jarak gangguan. Tanda dot/titik (.) adalah target (jarak) yang seharusnya dikenali ANFIS, sedangkan tanda bintang (*) adalah hasil pengenalan ANFIS setelah di training. Sedangkan garis pada kelipatan puluhan persen ( 10%, 20% s/d 90%) adalah batas pengenalan target ANFIS. Untuk kasus gangguan 1 phasa ke tanah didapatkan pengenalan gangguan sebesar 84% untuk wilayah gangguan sebelum kompensasi seri (0-50% panjang saluran) dan 55% untuk wilayah setelah kompensasi seri (51-100% panjang saluran). Hasil lengkap dari pengenalan jarak gangguan dapat dilihat pada Tabel 2 Tabel 2. Hasil pengenalan gangguan Panjang Saluran Jenis gangguan 0-50% 51-100% Ph-G 84% 55% Ph-Ph 89% 65% Ph-Ph-G 88% 88% 3-Ph 96% 100% Rata-rata 89.25% 77% Total 83.13% Secara umum dapat dinyatakan pengenalan jarak gangguan dengan accurasi 10 % adalah sebesar 83%. 4. KESIMPULAN Dari desain perhitungan dan simulasi yang telah dilakukan, didapatkan bahwa metode kombinasi Wavelet-ANFIS dapat digunakan untuk pengenalan jarak gangguan dengan pada saluran transmisi yang dikompensasi seri. Pendekatan yang dilakukan pada metode ini dengan cara membuat 10 zona gangguan untuk membedakan jarak titik gangguan dengan Bus tempat relay berada. Hasil yang didapatkan adalah pengenalan sebesar 83% dari kasus yang dilearning-kan.
Gambar 8 ANFIS A-G untuk gangguan lebih dari 50% saluran Saran Dari hasil yang telah didapat masih banyak yang perlu disempurnakan untuk mendapatkan identifikasi jarak gangguan yang lebih presisi. Terdapat kemungkinan pengembangan metode yang digunakan, salah satunya adalah pengembangan metode learning ANFIS dan optimasi jumlah membership function dari ANFIS 5 DAFTAR PUSTAKA [1] M. E. Mandour and A. A. El-alaily, “Swiveling characteristic for the protection of series compensated lines,” Elect. Power Syst. Res., vol. 18, pp. 31–35, 1990. [2] R. J. Martilla, “Performance of distance relay MHO elements on MOV-protected series compensated transmission lines,” IEEE Trans. Power Delivery, vol. 7, pp. 1167–1178, July 1992. [3] M. M. Saha, B. Kastenny, E. Rosolowski, and J. Izykowski, “First zone algorithm for protection of series compensated lines,” IEEE Trans. Power Delivery, vol. 16, pp. 200–207, Apr. 2001. [4] J. A. S. B. Jayasinghe, R. K. Aggarwal, A. T. Johns, and Z. Q. Bo, “A novel nonunit protection for series compensated EHV transmission lines based on fault generated high frequency voltage signals,” IEEE Trans. Power Delivery, vol. 13, pp. 405–413, Apr. 1998. [5] O. A. S. Youssef, “New algorithm to phase selection based on wavelet transform,” IEEE Trans. Power Delivery, vol. 17, pp. 908–914, Oct. 2002. [6] Dimas Anton Asfani, Adi Soeprijanto, M. H. Purnomo, “ Klasifikasi Gangguan Hubung Singkat Pada Saluran Transmisi Yang Dikompensasi Seri Menggunakan Kombinasi Wavelet Dan ANFIS “ , Seminar FISERGI 2005, Desember 2005, Kampus UNDIP Semarang Indonesia.
5
