GANGGUAN EKSTERNAL PADA TRANSFORMATOR 3 FASA Edo Wahyu Priyoko 1 , Yahya Chusna Arif 2 , Suhariningsih
METODE Fuzzy Logic
Kontroler logika fuzzy dikategorikan dalam kontrol cerdas [3]. Kelebihan kontroler logika fuzzy daripada kontroler konvensional seperti PID (proportional integral derivative) terletak pada konsep matematika yang sederhana, konseptual, mudah dipahami dan berbasis lingustik. Sistem logika fuzzy dapat dibangun dengan
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
98
tiga tahapan utama, yang ditunjukkan pada Gambar 4.
Terdapat beberapa metode inferensi untuk logika fuzzy yaitu Tsukamoto, Sugeno dan Mamdani. Berikut contoh suatu plantboiler dengan metode inferensi Mamdani, dimana tekanan dan temperatur harus dijaga pada kondisi yang ditentukan sehingga resiko ledakan pada boiler akibat tekanan internal dapat dihindari. Logika fuzzy menerima dua masukan, yaitu “pressure” dan “temperature”; sedangkan output logika fuzzy ialah lebar pembukaan katup “valve wide open”.
Gambar 4. Fuzzy processing
Memetakan nilai masukan ke dalam fungsi membership sesuai dengan aturan yang dikenakan, sehingga nilai derajat keanggotaan dari nilai masukan dapat diketahui, ditunjukkan pada Gambar 5.
Gambar 5. Fuzzification
Mengevaluasi nilai derajat keanggotaan pada masing-masing fungsi membership input, ditunjukkan pada Gambar 6. Operator “AND” digunakan untuk memperoleh nilai derajat kebenaran dari dua masukan fungsi membership.
Gambar 6.Activation
Nilai Derajat aktivasi dari aturan digunakan untuk menentukan kesimpulan dari sebuah aturan, ditunjukkan pada Gambar 7, terdapat beberapa operator implikasi namun yang paling umum adalah operator
“minimum” .
Gambar 7. Implication
Pada tahap implikasi akan menghasilkan satu output himpunan fuzzy untuk satu aturan/ rule base. Pada tahap aggregation semua output himpunan fuzzy yang diperoleh dari fungsi implikasi dikumpulkan sehingga menghasilkan satu output global himpuan fuzzy. Tahap aggregation ditunjukkan pada Gambar 8.
Gambar 8. Aggregation of rules
Pada tahap aggregation meng-hasilkan satu output global himpunan fuzzy, namun nilai output ini tidak bisa digunakan karena masih dalam bilangan fuzzy, oleh karena itu pada tahap defuzzification mengevaluasi outpul global himpunan fuzzy yang dihasilkan pada tahap aggregation, untuk didapatkan nilai numerik dari dari output himpunan tersebut. Metode Mamdani menggunakan teknik perhitungan centre of gravity pada tahap defuzzifikasi-nya. Tahap defuzzification diilustrasikan pada Gambar 9.
99
Gambar 9. Defuzzification by centre of gravity
HASIL DAN DISKUSI
Telah dilakukan pengujian dan analisa terhadap alat dan algoritma yang telah dirancang dan dibuat. Untuk tahap-tahap pengujian yang akan dilakukan adalah sebagai berikut:
¾ Pengujian inverter satu fasa
¾ Pengujian Trafo satu fasa
¾ Pengujian algoritma fuzzy Pengujian inverter satu fasa
Pengujian inverter satu fasa ini dilakukan dengan cara memberikan tegangan DC 24 volt kepada masukan inverter. Kemudian diukur tegangan keluaran inverter dengan menggunakan multimeter digital. Dan dilihat pula gelombang output dari inverter menggunakan oscilloscope. Gelombang PWM yang digunakan untuk men-drive inverter satu fasa ini menggunakan gelombang PWM jenis SPWM. Gambar 10 menunjukkan hasil gelombang SPWM, dan Gambar 11 menunjukkan hasil output dari inverter.
Gambar 10. Gambar gelombang SPWM
Gambar 11. Gelombang outputinverter satu fasa
Tabel 1. Hasil Pengukuran Tegangan Output Inverter Tegangan input Vdc (volt) Tegangan output Vac (volt) 2.4 0.8 4.8 1.835 7.2 3.34 9.6 4.58 12 5.89 14.4 7.15 16.8 8.42 19.2 9.7 21.6 10.96 24 12.23
Gambar 12. Grafik hasil pengukuran tegangan outputinverter
Pengujian trafo satu fasa
Pengujian travo Step Up dari 24 Volt di Step Up ke 220 Volt. Tegangan masukan travo Step Up dari inverter 1 phase. Tapi untuk pengujian kali ini travo Step Up diberi sumber variasi 1 fasa dengan tegangan output 24 Volt ac, beban yang digunakan adalah lampu 25 watt sampai 100 watt. Gambar 13 menunjukkan data trafo dan Tabel 2 menunjukkan hasil pengambilan data trafo.
Tabel 2. Hasil pengambilan data trafo step-up. Beban Lampu (Watt) Vin (V) Iin (A) Vout (V) Iout (A) Lampu 25 watt 24.5 2.2 215 0.1 Lampu 50 watt 23.9 3.6 204 0.4 Lampu 75 watt 23.9 4.1 197 0.4 Lampu 100 watt 24.3 4.2 201 0.4
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
100
Gambar 13. Grafik antara Vout dengan beban lampu
Gambar 14. Grafik antara Iin dengan beban lampu
Gambar 15. Grafik antara Iout dengan beban lampu
Pengujian algoritma fuzzy
Tahap awal dalam pengujian algoritma fuzzy adalah menentukan membership function untuk masing-masing masukan error dan delta error. Masukan kontroller fuzzy yang berupa error(e) didapat dari hasil selisih antara set point dan kecepatan keluaran sistem. Sedangkan nilai delta error(de) didapat dari selisih antara error saat ini dengan error sebelumnya. Nilai error dipetakan dalam semesta pembicaraan yang ditetapkan yaitu -1500 sampai dengan 1500 yang dibagi dalam lima tingkat keanggotaan yaitu: Negative Big (NB),
Negative Small (NS), Zero (Z), Positive Small (PS), Positive Big (PB).
Gambar 16.Membership Function Error
Tahap berikutnya adalah menentukan rule atau aturan yang akan digunakan dalam mengambil keputusan. Aturan dasar terdiri dari aturan kontrol fuzzy yang dibutuhkan untuk mencapai tujuan pengontrolan. Berikut adalah aturan atau rule based yang dibuat dalam bentuk tabel.
Tabel 3.Rule Based
DE/E NB NS Z PS PB NB NB NS NB NB NB NS NS NS NS NS NS Z NB NS Z Z Z PS NB NS Z PS PS PB NB NS Z PS PB
Gambar 17. Gambar grafik kecepatan motor tanpa kontrol logika fuzzy
Gambar 18. Gambar grafik kecepatan motor menggunakan kontrol logika fuzzy
KESIMPULAN
Setelah melakukan tahap perancangan dan pembuatan sistem yang kemudian dilanjutkan dengan tahap pengujian dan analisa maka dapat diambil kesimpulan sebagai berikut:
¾ Dengan menggunakan kontrol logika fuzzy untuk mencapai kecepatan maksimum dibutuhkan waktu sekitar 0,2 detik.
¾ Kelemahan dari penelitian ini adalah masih adanya over damped dan under damped pada saat starting motor.
101
¾ Penggunaan dua jenis kontrol pada penelitian ini sangat disarankan untuk mengurangi gejala over damped dan under damped yang terjadi pada saat starting motor.
DAFTAR PUSTAKA
[1] Tze-Fun Chan dan Keli Shi, Applied Intelligent Control of Induction Motor Drives, Thomson Digital, Noida, 2011. [2] Fang Lin Luo dan Hong Ye, Power
Electronics: Advanced Conversion Technologies, CRC Press, New York, 2010.
[3] F. Chevrie dan F. Guély, Fuzzy Logic Principal Boiler Aplication, Scheneider, 2011.
[4] Handi Surya Winata, “Transformator Satu Fasa”, HandiavoloBlog, http://handiavolo.blogspot.com/, pada tanggal 28 Maret 2014.
DISKUSI
Pertanyaan : Buzfuzzy otomatis?
Jawab : control fuzzy akan mengembalikan Pertanyaan: Kenapa memilih fuzzy daripada PID?
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
102