Pendeteksian Islanding pada Pembangkit Listrik Tenaga Surya yang Terhubung ke Grid Berbasis Transformasi Wavelet dan LVQ Neural Network

Rusvaira, Qatrunnada (2024) Pendeteksian Islanding pada Pembangkit Listrik Tenaga Surya yang Terhubung ke Grid Berbasis Transformasi Wavelet dan LVQ Neural Network. Masters thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan abstrak.pdf - Published Version Download (191kB)
	Text (BAB I) BAB I.pdf - Published Version Download (116kB)
	Text (BAB V) BAB V Penutup.pdf - Published Version Download (89kB)
	Text (Daftar Pustaka) Daftar pustaka.pdf - Published Version Download (161kB)
	Text (Full text) Tesis Utuh_Rusvaira Qatrunnada_S2 Teknik Elektro.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Islanding adalah kondisi di mana bagian dari jaringan distribusi listrik yang mengandung sumber daya terdistribusi (DG) terus memasok daya ke beban meskipun terputus dari jaringan utama. Keadaan ini sangat penting untuk dideteksi karena dapat membahayakan keselamatan personel pemeliharaan dan merusak peralatan listrik. Deteksi islanding yang efektif harus cepat dan andal untuk memastikan operasi yang aman dan stabil dari sistem distribusi daya. Penelitian ini mengusulkan metode deteksi islanding yang efisien dan cerdas dengan menggabungkan transformasi wavelet diskrit (DWT) dengan Learning Vector Quantization (LVQ) neural network. Sinyal gangguan ataupun islanding yang diukur di PCC dikeluarkan fitur berupa Entrophy Energy Level menggunakan DWT dan total harmonik distorsi menggunakan Fast Fourier Transform (FFT). Fitur-fitur ini kemudian digunakan sebagai input untuk melatih dan menguji LVQ-NN. Sebanyak 1140 dataset meliputi gangguan dan kondisi islanding digunakan pada penelitian ini. Data tersebut dibagi menjadi data latih dan data uji dengan komposisi 70% data latih dan 30% data uji. Selain dari itu juga disiapkan 60 dataset untuk menguji network sistem yang sudah terbentuk menggunakan Simulink. Hasil penelitian melihatkan hasil yang sangat baik dimana akurasi dalam pengujian menghasilkan 100% dengan error pelatihan 0.008 pada 149 epoch. Hasil pengujian menggunakan dataset lainnya menggunakan network hasil pelatihan yang dicompile kedalam Simulink melihat kinerja yang baus dangan error 0%. Waktu penedeteksian islanding diperoleh sebesar 0.4 detik. Penelitian ini menawarkan solusi yang efisien untuk deteksi islanding tanpa NDZ dan waktu deteksi yang cepat. Kata kunci: Pembangkit terdistribusi, Kuantisasi vektor pembelajaran, daya, entropi, distorsi harmonik total.

Actions (login required)

View Item