DYNAMIC VOLTAGE RESTORER MENGGUNAKAN BOOST TRANSFORMER TERHUBUNG BINTANG DENGAN KONTROL BACPROPAGATION NEURAL NETWORK UNTUK PEMULIHAN TEGANGAN KEDIP

(1)

DYNAMIC VOLTAGE RESTORER MENGGUNAKAN BOOST TRANSFORMER

TERHUBUNG BINTANG DENGAN KONTROL BACPROPAGATION

NEURAL NETWORK UNTUK PEMULIHAN TEGANGAN KEDIP

Margo P, M Herry P, M Ashari, Imanda

Jurusan Teknik Elektro - FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih - Sukolilo, Surabaya - 60111

Abstrak: Dynamic voltage restorer (DVR) adalah suatu

peralatan power elektronik yang telah dibuktikan kemampuannya untuk melindungi beban sensitif dari gangguan sag voltage (tegangan kedip). DVR dipasang antara sumber dan beban sensitif, dengan tujuan untuk memulihkan tegangan yang disuplai ke beban dari suatu gangguan seperti kedip tegangan.

Dalam pemulihan tegangan, DVR memerlukan

injeksi power aktif dan enegi ke sistem distribusi. Untuk itu DVR memerlukan penyimpan energi. Agar penyimpan energi tidak terlalu besar, maka diperlukan teknik injeksi yang efektif.

Pada paper akan dibahas penggunaan DVR untuk memulihkan kedip tegangan akibat gangguan balance dan unbalance menggunakan kontrol backpropagation Neural Network. Kelebihan dari penggunaan kontrol ini adalah dapat dengan tepat memulihkan kedip tegangan tanpa terjadi pergeseran sudut fasa.

Kata Kunci : Voltage sag, DVR, Backpropagation NN.

1. PENDAHULUAN

Magnitudo, bentuk gelombang dan frekuensi tegangan adalah faktor utama dari kualitas suplai tegangan listrik.

Voltage sags sebagai fenomena drop tegangan akan sangat

berpengaruh pada proses operasional industri atau konsumen lainnya. Hal ini sering menjadi permasalahan bagi kedua belah pihak yakni, pihak pemasok tenaga listrik dengan masyarakat atau industri sebagai pihak pemakai (konsumen). Pihak konsumen khususnya industri sering merasa dirugikan akibat kualitas tenaga listrik yang tidak memenuhi persyaratan untuk menjalankan mesin-mesin produksi, khususnya mesin-mesin yang menggunakan sistem kontrol modern yang sangat sensitif terhadap gangguan penurunan tegangan sesaat atau tegangan kedip (voltage sags), sehingga dapat menimbulkan kerusakan pada sistem kontrol mesin-mesin tersebut. Hal ini dapat menyebabkan kerugian yang sangat besar karena mesin-mesin produksi tidak beroperasi akibat dari tegangan kedip (voltage sag) tersebut.

Drop tegangan dan durasi yang termasuk dalam katagori voltage sag adalah 0.1 pu sampai 0.9 pu dalam waktu 0,5 cycle sampai 1 menit [1]. Voltage sag umumnya disebabkan oleh gangguan dalam sistem suplai dan starting beban-beban besar. Selain drop tegangan, voltage sag juga dapat mengakibatkan pergeseran sudut fasa selama terjadi sag

[2].

Saat ini banyak dikembangkan metoda untuk memperbaikan tegangan kedip menggunakan sistem kompensasi daya. Secara umum penggunaan peralatan sistem

kompensasi daya dibagi dalam tiga kelompok yaitu : kompensasi seri seperti Dynamic Voltage Restorer (DVR), kompensasi paralel seperti Distribution Static Compensator

(DSTATCOM), dan kompensasi seri-paralel seperti Unified

Power Quality Compensator (UPQC)

DVR merupakan peralatan yang dipasang antara sumber dan beban dengan tujuan memperbaiki mutu tegangan di beban. DVR mengontrol tegangan beban dengan menginjeksi amplitudo tegangan, fasa dan komponen harmonisa yang diperlukan agar tegangan di sisi beban dalam keadaan sempurna. Untuk mengkompensasi fluktuasi tegangan yang cukup besar diperlukan injeksi daya aktif, sehingga DVR memerlukan penyimpan energi (energi storage).

Umumnya metoda injeksi tegangan pada DVR adalah dengan mengkompensasi perbedaan tegangan antara saat sag

dan pre-sag menggunakan tegangan AC secara seri [3], [4].

Metoda ini digunakan pada saat tegangan simetri maupun tak simetri, sehingga membutuhkan kapasitas energi storage

yang besar. Metoda yang lain adalah menginjeksi tegangan sefasa dengan tegangan sumber saat sag [5]. Keuntungan metoda ini adalah menggunakan energi storage yang hemat, tetapi mempunyai kelemahan terjadinya pergeseran fasa dengan pre-sag.

Pada kasus voltage sag asimetri, sumber tegangan dapat dipisahkan menjadi urutan positif, negatif dan nol. Injeksi pada urutan negatif dan nol dapat diabaikan sehingga hanya dilakukan injeksi urutan positif saja [6],[7]. Mengingat pentingnya penghematan pada energi storage, maka metoda injeksi tegangan dengan phase advance telah dilakukan [8]. Keuntungan metoda-metoda tersebut adalah penggunaan energi storage menjadi lebih hemat, namun tidak mampu menghilangkan ketidaksimetrian daya yang ke beban.

Keinginan untuk mempertahankan kualitas daya akibat

sag di beban dengan biaya murah juga dilakukan dengan cara memasang double feeder pada beban, kemudian feeder-feeder

tersebut ditambahkan statics transfer switch [9]. Keuntungan metoda ini adalah biayanya sangan murah, tetapi sangat tidak layak untuk diterapkan pada beban yang sensitif karena perpindahan daya akibat switch mengakibatkan hilangnya tegangan sampai 20 ms. Metoda kontrol menggunakan boost transformer hubungan bintang (Y), dapat mengatasi sag

tegangan akibat gangguan seimbang (Balance) dan gangguan tidak seimbang (Unbalace) [10]. Metoda kontrol tersebut membandingkan tegangan rms pada beban sensitif dengan tegangan rms input. Selisih tegangan ini dimodulasi dan diteruskan ke PWM. Namun pendeteksian terjadinya Sag tegangan tidak berlangsung secara real time. Amplitudo tegangan Output yang dihasilkan mengalami penurunan dibandingkan dengan tegangan output sebelum terjadi

(2)

gangguan. Sag tegangan yang diakibatkan oleh gangguan 3 phasa simetri dapat diatasi dengan DVR yang menggunakan teknik kontrol Backpropagation Neural Network (NN) [11]. Metoda yang digunakan adalah DVR menginjeksikan tegangan 3 phasa melalui Boost transformer yang terhubung delta (∆). Magnitudo output, bentuk gelombang output dan frekuensi tegangan output selama terjadi gangguan dapat diatasi dengan baik. Namun untuk sag tegangan sebesar 40 – 50 %, bentuk gelombang output mengalami pergeseran phasa. Dan jika terjadi sag tegangan akibat Gangguan Unbalance, DVR dengan konfigurasi (∆) ini tidak dapat mengkompensasi

sag tegangan dengan baik..

Gangguan unbalance sering terjadi dalam sistem tenaga. Konfigurasi DVR menggunakan kontrol backpropagation Neural Network dan boost transformer yang terhubung Y dapat mengatasi sag tegangan yang diakibatkan oleh gangguan Balance dan Unbalance gangguan 3 phasa. Dalam simulasi DVR ini digunakan program Matlab 6.5 Power Blockset Simulink.

2. VOLTAGE SAG DALAM SISTEM TENAGA

LISTRIK 2.1 Pengertian Voltage sag

Kedip tegangan didefinisikan sebagai fenomena penurunan amplitudo tegangan sebesar 0.1 sampai dengan 0.9 harga nominalnya selama interval waktu t (0,5 – 30 cycle), sebagai akibat gangguan yang terjadi baik pada jaringan transmisi/distribusi maupun pada instalasi konsumen/industri. Terjadinya kedip tegangan dapat diilustrasikan pada gambar 2.1 dan 2.2.

Gambar 2.1. Gambaran Terjadinya Kedip Tegangan

Gangguan kedip tegangan akan hilang dengan segera setelah bekerjanya pemutus tenaga (PMT).

Gambar 2.2.Tegangan kedip (voltage sag)

Klafisikasi besaran tegangan dan durasinya berdasarkan standar IEEE std 1159-1995, sebagai berikut:

Gambar 2.3. Klasifikasi drop tegangan berdasarkan IEEE

3. PRINSIP KERJA DAN PEMODELAN DVR

DENGAN KENDALI BACKPROPAGATION

NEURAL NETWORK

3.1 Penjelasan Umum dari Sistem

Penempatan DVR dapat dilihat pada gambar 3.1. Dengan demikian DVR dapat mengontrol tegangan dibeban dengan mengijeksi tegangan dengan amplitude, phasa dan komponen harmonisa yang diperlukan agar tegangan disisi beban dapat dipulihkan seperti pada keadaan normal

Gambar 3.1.

Blok Diagram Komponen Utama dari DVR 3.2. Prinsip Kerja DVR

Prinsip dasar DVR adalah menginjeksi tegangan dinamik terkontrol yang dihasilkan oleh konverter secara seri pada bus tegangan dengan suatu booster transformer.

Amplitudo sesaat dari injeksi tegangan tiga fasa dikontrol seperti mengurangi pengaruh bus yang terkena gangguan pada tegangan beban. Ini berarti bahwa perbedaan tegangan yang disebabkan gangguan transient dalam feeder ac akan dikompensasi dengan suatu tegangan equivalent yang dihasilkan konverter dan diinjeksikan pada level tegangan menengah melalui bootster transformer.

(3)

3.3.Pemodelan DVR Dengan Kontrol Backpropagation Neural Network

3.3.1. Pemodelan DVR yang diusulkan.

Rangkaian lengkap dari model DVR yang diusulkan dapat dilihat pada gambar 3.2. Trafo booster menggunakan konfigurasi bintang pada sisi primer untuk memudahkan injeksi gangguan unbalance. Pada sisi sumber digunakan isolating transformer dengan konfigurasi delta-bintang untuk menghilangkan urutan nol.

Gambar 3.2 Model DVR yang diusulkan

3.3.2. Pemodelan Kontrol DVR.

Model kontrol DVR yang diusulkan dapat dilihat pada gambar 3.3. Kontrol tersebut akan menerima dan memproses sinyal error dari sumber. Hasilnya kemudian dimasukkan ke PWM Voltage Source Inverter 3 fase di rangkaian utama DVR. 1 Out1 dq0 sin_cos abc dq0_to_abc Transformation abc sin_cos dq0 abc_to_dq0 Transformation1 abc sin_cos dq0 abc_to_dq0 Transformation 1 Vref (pu) 0 Vq_ref (pu) Vabc_pu1 0 V0 Selector Vd Vq1 Selector Vd Vq p{1} y {1} Neural Network1 Freq Sin_Cos wt Discrete Virtual PLL 50 Hz 2 In3 1 In1

Gambar 3.3.Blok Diagram Kontrol

3.3.3. Perencanaan Backpropagation Neural Network

Backpropagation merupakan algoritma

pembelajaran yang terawasi dan biasanya digunakan oleh perceptron dengan banyak lapisan untuk mengubah bobot-bobot yang terhubung dengan neuron-neuron yang terdapat pada lapisan tersembunyinya. Algoritma backpropagation

menggunakan error output untuk merubah nilai bobot-bobotnya dalam arah mundur. Untuk mendapatkan error ini, tahap perambatan maju (forward propagation) harus dikerjakan terlebih dahulu. Pada saat perambatan maju, neuron-neuron diaktifkan dengan fungsi aktivasi.

Pada paper ini, input NN controller (Vd dan Vq) diperoleh dengan tranformasi Vabc ke Vdq0, sinyal output (Vd dan Vq) menyediakan modulasi sinyal pada

pembangkitan pulsa IGBT, sinyal ini diperoleh dengan transformasi Vdq0 ke Vabc.

3.3.4. Proses Pembelajaran

Pada tahap ini jaringan syaraf tiruan dilatih untuk mengenali pola-pola tegangan masukan. Proses pembelajaran secara keseluruhan dapat digambarkan melalui diagram alir gambar 3.4

start

Penentuan parameter layer,error, momemtum,kons. belajar

Inisialisasi bobot random kecil Vij,Wjk

) ( ) ( ) ( ) ( Woj WjkZj f net f Yk Voi VijXi f net f Zij        

Hitung pada simpul hidden dan output

Hitung Error E = 0.5 ( tk- Ok ) jk k j j k k k k k W i t          ) 0 1 ( 0 ) 0 )( 0 1 ( 0 Koreksi pembobot ) ( 0 ) ( ) 1 ( ) ( 0 ) ( ) 1 ( t Vij i j t Vij t Vij t Wkj i t Wjk t Wjk              

Masih ada pola

Err >> error limited

end no

yes

no yes

Gambar 3.4. Diagram alir tahap pembelajaran

Beberapa faktor yang mempengaruhi kecepatan pembelajaran antara lain adalah : learning rate (kecepatan pembelajaran), momentum, banyaknya data yang ditraining, serta jumlah hidden layer. Hendaknya faktor-faktor tersebut diperhatikan untuk mendapatkan hasil training yang optimal.

Pada paper ini telah ditentukan nilai-nilai parameter yang mempengaruhi proses pembelajaran yaitu :

1. learning rate : 0,7

2. momentum : 0,1

3. input layer : 2 unit

4. hidden layer : 50 unit 5. output layer : 2 unit 6. jumlah data training : 51 data

3.3.5. Proses Kontrol

Hasil dari proses pembelajaran tersebut di atas akan dilanjutkan dengan proses kontrol untuk mendapatkan nilai akhir proses kontrol. Diagram alir proses kontrol dapat dilihat pada gambar 3.5.

(4)

start Input jaringan Hitung neti Voi VijXi neti    end Woi WjkZjk netk  

Hitung hasil hidden Zij = f(netj)

Hitung netk

Hitung hasil output Xk=f(netk)

Keputusan (output)

Gambar 3.5. Diagram alir proses kontrol 3.4. Pulse Width Modulation ( PWM ) dan Inverter

Dari hasil perhitungan arus referensi yang dihasilkan oleh sinyal error antara tegangan beban dengan tegangan referensi. Jadi sinyal yang diolah oleh PWM merupakan sinyal referensi yang diperoleh dari hasil perhitungan tersebut. Sinyal referensi ini kemudian dimodulasikan dengan sinyal carrier

(triangular wave) yang berupa sinyal gigi gergaji (saw tooth).

Sinyal error ini berbentuk sinusoidal yang dimodulasikan dengan sinyal gigi gergaji sebagai sinyal carrier, keadaan ini disebut dengan SPWM (Sinusoidal Pulse

Width Modulation). Dengan cara kerja sebagai berikut :

Sinyal Error Carrier Komparator 1 Komparator 2 Komparator 3 Pulse 1 Pulse 2 Pulse 3 Pulse 4 Pulse 5 Pulse 6 Gambar 3.6. Rangkaian PWM

Output dari PWM diatas digunakan untuk mentrigger rangkaian switching yang terdiri atas 6 IGBT tiap fasanya terdiri dari 2 IGBT.

Jenis inverter yang dipakai yaitu Voltage Source Inverter

(VSI ). Rangkaiannya adalah sebagai berikut :

DC 1 3 5 6 4 2 A B C

Gambar 3.7. Inverter Tiga Fasa

Antara pulsa 1 dan pulsa 2 selalu berkebalikan agar rangkaian tidak terhubung singkat, yang mana dapat merusak rangkaian switch.

Arus yang harus dihasilkan oleh masing-masing

switch adalah arus maksimum. Dimana arus line harus

support terhadap daya rata-rata yang digunakan oleh beban

linier dan DVR. Tegangan juga harus dihasilkan oleh masing-masing switch adalah tegangan maksimum yang muncul pada sumber dc.

4. HASIL SIMULASI

4.1 Simulasi Sistem Sebelum Dipulihkan Dengan DVR

Pada simulasi awal, DVR sudah terpasang didekat beban sensitif (gambar 3.2). DVR ini belum bekerja dan tidak memberikan tegangan injeksi ke beban.

Dengan mensimulasikan sistem dengan DVR sebelum terjadi gangguan, maka akan dapat diketahui besarnya persentasi gangguan tegangan kedip pada sistem :

Sistem sebelum ada gangguan, Vin = 1 pu, Vo= 1 pu

Gambar 4.1.

Bentuk gelombang tegangan input (Vin)

Gambar 4.2.

Bentuk gelombang tegangan output (Vout) 1. Gangguan 1 Phasa

3.1. Tegangan Kedip (voltage sag) 20%

(5)

3.2. Tegangan Kedip (voltage sag) 50%.

Gambar 4.4. Voltage Sag 20% 2. Gangguan 2 Phasa / Antar phasa

Gambar 4.5. Voltage Sag 20%

Gambar 4.6. Voltage Sag 50%

3. Gangguan 3 Phasa

1.1. Tegangan Kedip (voltage sag) 20%

Gambar 4.7. Voltage sag 20%

Gambar 4.8. Voltage Sag 50%

Tabel 4.9. pesentase tegangan kedip (voltage sag). Persen terhadap

Tegangan kedip

Magnitudo tegangan saat voltage sag ( pu)

20 %

50 % 0.8 0.5

Tegangan base = 380V.

Dari simulasi diatas terjadi gangguan tegangan kedip

(voltage sag) pada priode 0.02 - 0.06 detikdengan persentase

20% dan 50%.

4.2 Simulasi Sistem Setelah Dipulihkan Dengan DVR

Dari rangkaian gambar 3.2 maka didapatkan hasil simulasi sebagai berikut :

1. Gangguan 1 phasa

Voltage Sag 20%

(a) Gambar 4.10.

V sumber, Voltage sag 20%, dan besarnya Vinjeksi

(b) Gambar 4.11.

Tegangan output (Vo) Sistem mengguanakan DVR

Voltage Sag 50%

(a) Gambar 4.12.

(b) Gambar 4.13.

Tegangan output (Vo) Sistem menggunakan DVR

Voltage Sag 20%

(a) Gambar 4.14.

(6)

(b) Gambar 4.15.

Voltage Sag 50%

(a) Gambar 4.16.

V sumber, Voltage sag 20%, dan besarnya V injeksi

(b) Gambar 4.17.

Voltage Sag 20%

(a) Gambar 4.18.

V sumber, Voltage sag 20%, dan besarnya V injeksi

(b) Gambar 4.19.

Voltage Sag 50%

(a) Gambar 4.20.

(b) Gambar 4.21.

Dari data simulasi diatas diketahui terdapat gangguan tegangan kedip pada priode 0.02 detik sampai dengan 0.06 detik, hal ini dapat diatasi atau diperbaiki dengan menggunakan DVR, dengan cara menginjeksi tegangan ke sistem yang besarnya sesuai dengan berapa besar persentase gangguan tegangan kedip (voltage sag) yang terjadi.sehingga tegangan keluaran atau tegangan sistem ke beban kembali normal.

5. KESIMPULAN

1. Dynamic voltage restorer (DVR) dengan kendali

backpropagation neural network dalam mengatasi tegangan kedip 20% dan 50% dapat berfungsi dengan baik.

2. Pada perbaikan terhadap gangguan tegangan kedip

(voltage sag) sebesar 50% dengan menggunakan DVR

dengan kendali backpropagation neural network,terjadi pergeseran fasa walaupun sangat kecil, hal ini terlihat saat gangguan sag 50%.

3. DVR dengan metoda Control Voltage Regulator menggunakan Neural Network dan boost transformer yang terhubung Y dapat mengatasi gangguan Tegangan Kedip (voltage sag). Dynamic voltage restorer (DVR) dapat mengatasi gangguan Unbalace dan Balance 4. Pada tegangan pemulihan diperoleh hasil yang sesuai,

amplitudo tegangan sama dengan pre sag dan tidak terjadi pergeseran sudut fase

DAFTAR PUSTAKA

[1] Math H.J.Bollen, ”Understanding Power Quality Problem”, New York :IEEE,2000.

[2] Zhang, Lidong, Math H.J.Bollen, ”Characteristic of Voltage Dips (Sags) in Power Systems”, IEEE Trans. On Power Delivery, vol. 15, no. 2, April 2000.

[3] T Wunderlin, P. Dahler, D. Amhof, and H. Gruning, “Power Supply quality improvement with a dynamic voltage

(7)

restorer (DVR) in Proceedings of EMPD ’98, Singapore, Mar. 3-5, 1998.

[4] A. Arora, K. Chan, T. Jauch, A. Kara, and E. Wirth, ”Innovative system solutions for power quality enhancement”, ABB Review 3/1998

[5] N. Abi-Samra and A. Sundaram,”The distribution system dynamic loads”, Westinghouse Electric Corporation, Technical Report.

[6] K. Haddad and and G. Joos,”Distribution system voltage regulation under fault conditions using static series regulators”, in Proc. Conf. 1997 Annual Meeting, IEEE Ind. Appl. Soc.m 1997. pp. 1383-1389.

[7] A. Campos and G Joos et al.,”Analysis and design of a series voltage unbalance compensator based on three-phase

VSI operating with unbalanced switching function”, IEEE

Trans. On Power Electronics, vol. 9 no. 3, pp.269-274, May 1994.

[8] Francisco Jurado ”Neural Network Control For

Dyanamic Voltage Restore” IEEE Transaction on Industrial

Electronic. Vol 51,No.3, June 2004

[9] Ambra Sannino and Math H.J Bollen,”Mitigation of voltage sags and short interruptions through distribution system design”, IEEE International conference on power system transients-IPTS 2003 in New Orlens, USA.

[10] P.T Nguyen and Tapan. K Saha, Senior Member IEEE,”Dynamic Voltage Restorer Against Balance and

Unbalance Voltage Sag: Modelling and Simulation”IEEE

Transaction on Industrial Electronic, Febuary 2004

[11] Meisaputra M Iqbal, M Herry P and Margo Pujiantara,

“Dynamic Voltage Restorer Dengan Kontrol

Backpropagation Neural Network” Tugas Akhir Jurusan

Teknik Elektro FTI – ITS, Agustus 2005

RIWAYAT HIDUP PENULIS

Margo Pujiantara, lahir 18 Maret 1966

di Pasuruan. Lulus S1 dari Jurusan Teknik Elektro ITS tahun 1989 dan S2 dari ITB tahun 1995. Saat ini meneruskan studi S3 di Jurusan Teknik Elektro – ITS. Penulis saat ini bekerja sebagai Dosen di Jurusan Teknik Elektro ITS. Penulis juga terlibat dalam penelitian khususnya dalam bidang Industrial Electrical.

Imanda Ferli, Penulis dilahirkan di Surabaya, 10 Februari

1982., Setelah tamat SMA, tahun 2000 penulis langsung melanjutkan jenjang pendidikan di Institut Teknologi Sepuluh Nopember (ITS) Surabaya, Jurusan Teknik Elektro Bidang Studi Teknik Sistem Tenaga. Penulis aktif dalam kegiatan kemahasiswaan, baik di Himpunan maupun di tingkat Fakultas. Selain itu penulis juga asisten Lab Konversi Tenaga Listrik..