Abstrak—Untuk Gas Insulated Switchgear (GIS) yang memakai insulasi SF6 seperti GIS Waru, maka partial discharge akan terjadi seiring dengan bertambahnya umur insulasi serta adanya beberapa faktor lain yang mempengaruhi isolasi tesebut. Partial Discharge perlu dideteksi untuk menghindari terjadinya kegagalan yang menyebabkan kerusakan pada peralatan pada GIS dengan menggunakan Acoustic Insulation Analyzer (AIA). Menggunakan alat tersebut dapat diketahui apakah isolasi SF6 tersebut masih layak digunakan atau tidak. Digunakan pemodelan Markov untuk analisis lebih lanjut pada hasil pengukuran AIA. Metode Markov dapat digunakan untuk menganalisis perubahan-perubahan yang terjadi pada insulasi dan memberikan prediksi atau ramalan peluang-peluang akan kualitasnya dalam kurun waktu yang akan datang. Dari pemodelan tersebut dapat disimpulkan bahwa peluang steady state untuk setiap keadaan SF6 pada masing-masing komponen GIS yang diuji menunjukkan peluang terbesar akan nilai yang terdeteksi pada pengukuran beberapa tahun mendatang sebesar 0,15 – 0,449 mV. Dan peluang untuk pemeliharan maupun perbaikan adalah 0, yang artinya kinerja insulasi tersebut masih baik dan tidak perlu dilakukan pemeliharan apalagi penggantian sistem isolasi sampai 10 tahun mendatang.
Kata Kunci—Acoustic Insulation Analyzer, Gas Insulated Switchgear, Metode Markov, Partial Discharge
I. PENDAHULUAN
inerja dari Gas Insulated Switchgear sangat dipengaruhi oleh kinerja insulasinya. GIS Waru menggunakan insulasi gas yaitu SF6. Penggunaan media gas sebagai insulasi tersebut tidak lepas dari partial discharge. Partial Discharge perlu dideteksi untuk menghindari terjadinya kegagalan yang menyebabkan kerusakan pada peralatan GIS. Salah satu cara untuk mengidentifikasi dan mengetahui letak atau lokasi dari partial discharge pada isolasi SF6 dalam GIS ialah dengan menggunakan Acoustic Insulation Analyzer (AIA). Dari hasil ukur AIA dapat diketahui kualitas insulasi tersebut. Untuk mengetahui prediksi kualitas tersebut pada beberapa tahun yang akan datang maka digunakan salah satu metode stokastik yaitu metode Markov.
II. ISOLASI SF6 PADA GIS
A. Isolasi SF6 [1]
Gas SF6 Sulfur Heksafluorida merupakan gas yang kekurangan elektron sehingga pada saat terjadi busur api saat pelepasan, SF6 cepat menyerap elektron sehingga busur api pun tidak terjadi. Gas SF6 pada tekanan atmosfer memiliki
kekuatan dielektrik 2 sampai 3 kali dielektrik udara, yaitu kira-kira 9 kV/mm sedangkan udara kekuatan dielektriknya sekitar 3 kV/mm. Gas SF6 memiliki berat molekul 146 dan tersusun atas 22% berat belerang dan 78% berat fluor. Molekul SF6 terbentuk sedemikian sehingga atom belerang berada di pusat oktahedron yang beraturan dengan masing- masing sebuah atom fluor pada setiap ujung oktahedron. Energi ionisasi yang diperlukan untuk melangsungkan proses tembus adalah 19,3 eV.
Gambar 1. Struktur Molekul SF6[1]
B. Partial Discharge
Berdasarkan IEC Standard, IEC 60270 meyatakan partial discharge adalah: “ a localised electric discharge that only partially bridges the insulation between conductors and which may or may not occur adjacent to a conductor” yang artinya merupakan peluahan listrik secara lokal yang menghubungkan secara parsial atau sebagian dari isolasi diantara konduktor dan yang terjadi baik di permukaan maupun di dalam. Partial discharge biasanya dibarengi oleh adanya emisi suara, cahaya, panas dan reaksi kimia.
C. Proses Kegagalan pada SF6 [2]
Untuk medan yang seragam, tidak ada aktivitas ionisasi yang dapat terjadi pada medan yang tereduksi kurang dari nilai kritis. Namun di atas tingkat tersebut, ionisasi berkembang sangat cepat dan menyebabkan kegagalan dari isolasi (pembentukan saluran busur). Tahap pertama dari kegagalan tersebut melibatkan pertumbuhan banjiran elektron. Sedangkan medan yang tidak seragam dapat ditemui dalam GIS dalam kondisi tertentu seperti, misalnya, ketika sebuah partikel seperti jarum logam bebas tertarik pada konduktor dalam atau diendapkan pada permukaan isolator. Ada dua jenis kegagalan pada medan yang tak seragam, bergantung pada kecepatan di mana tegangan diterapkan pada sela. Ketika tegangan diterapkan relatif lambat, karena tegangan bolak-balik (AC) atau waktu kenaikan surja yang lama, muatan
Analisis Kinerja Insulasi SF
6
Pada
Gas Insulated Switchgear
(GIS) P3B Waru Berdasarkan Interpretasi Pengukuran
Acoustic
Insulation Analyzer
(AIA) Menggunakan Metode Stokastik
Hardian Ekaputra, I Made Yulistya Negara, I Gusti Ngurah Satriyadi H.
Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111
E-mail: yulistya@ee.its.ac.id ; didit@ee.its.ac.id
ruang corona memainkan peranan penting dalam mengontrol distribusi medan dengan yang disebut proses stabilisasi corona. Dengan waktu lonjakan yang lebih singkat (impuls petir atau transien yang cepat), kegagalan terjadi langsung oleh mekanisme stepped leader.
D. Gas Insulated Switchgear (GIS)[3]
Gas Insulated switchgear (GIS) yang menggunakan gas SF6 mengatasi banyak dari keterbatasan dari tipe konvensional switchgear rmulai dari kebutuhan lahan yang lebih kecil, instalasi lebih mudah serta tidak terpengaruh akan kondisi atmosfir. Berikut adalah single line diagram dari Gas Insulated Switchgear yang menggunakan sistem double busbar.
Gambar 2. Single Line Diagram GIS dengan Double Busbar
Komponen dasar dari GIS bay adalah circuit breaker, disconnector, earthing switches, busbar, dan trafo arus serta trafo tegangan. Implementasi dari susunan yang sudah ada ke bentuk GIS bergantung dari level tegangan. Sebagai tambahan ada pun trafo arus, trafo tegangan, surge arrester, bushing, dan monitor kepadatan gas.
Kehadiran dari kontaminasi partikel pada sistem isolasi gas sejauh ini merupakan faktor yang paling penting mengakibatkan keburukan dari tingkat isolasi pada GIS. Dampak dari partikel besi pada tegangan breakdown SF6 lebih ditunjukkan pada gas bertekanan tinggi. Partikel yang menyebabkan breakdown dalam isolasi gas bertekanan tergantung, di antara banyak parameter, dalam posisi dari partikel dalam celah. Untuk suatu kontaminasi partikel sistem GIS pada beberapa posisi partikel dalam celah, tegangan breakdown lebih rendah dari yang lainnya.
Untuk sistem yang lebih dapat dipercaya dan ekonomis, masalah dari kontaminasi partikel harus diatasi. Kontrol kontaminasi dalam GIS dapat dicapai baik dengan disain sistem dengan kekebalan terhadap partikel tersebut, atau dengan memberikan desain daerah medan rendah dalam sistem dalam bentuk “jebakan partikel” (particle traps) dimana partikel dapat secara aman dijebak dan dimasukkan. Suatu jebakan partikel elektrostatis dapat di desain seperti itu pada daerah dari medan listrik yang rendah atau nol yang diberikan pada enclosure bagian terluar dengan mengangkat sedikit pelindung besi. Partikel dapat memasuki daerah medan rendah yang dibuat dengan jebakan melalui lubang pada pelindung. Dengan jebakan partikel elektrostatis ini, jumlah partikel bebas pada kompartemen GIS dapat ditekan hingga seminimal mungkin.
III. PENGUKURAN AIA
Acoustic Insulation Analyzer (AIA) adalah alat untuk menganalisa sinyal elektrik dengan menggunakan sensor ultrasonik. Sensor ini akan mendeteksi sinyal akustik yang dipancarkan secara terus menerus dari partikel yang memantul dan partial discharge dalam Gas Insulated Switchgear (GIS).
Gambar 3. Prinsip dari Pemrosesan Sinyal AIA [6]
Berikut diambil contoh hasil pengujian yang dilakukan pada Circuit Breaker (CB) pada TL 150 kV Bangil.
Gambar 4. Phase Plot
Dari grafik phasa plot pada Gambar 4 di atas dapat diketahui bahwa selama pengujian yang dilakukan pada tahun 2006 dengan sudut phasa 360° terdapat sinyal yang berasal dari partikel yang berada di dalam GIS dengan amplitudo antara 0,4 mV hingga 1,54 mV; dengan nilai rata-rata 0,48 mV.
Pada Tabel 1 berikut akan ditunjukkan hasil pembacaan dari phase plot. Diambil sebagai contoh hanya pada Bay TL 150 kV Bangil untuk data yang tersedia yaitu hasil pengujian pada tahun 2005, 2006, dan 2008.
Untuk Data hasil uji Phase Mode yang lengkap disertakan pada lampiran. Dari hasil pengujian phase plot tersebut dapat diketahui bahwa nilai maksimum dari amplitudo sinyal akustik yang ditimbulkan dari dalam kompartemen GIS Waru bernilai 5 mV atau setara dengan 2 pC. Nilai minimum dari amplitudo sinyal akustik adalah 0,13 mV atau setara dengan 0,052 pC dan nilai rata-ratanya adalah 0,28 mV atau 0,112 pC. Dari nilai rata-rata sinyal akustik yang teruji, nilai maksimum didapat pada line Trafo 5 dibandingkan dengan bay lain pada kompartemen GIS Waru yang ada. Nilai maksimum sinyal akustik yang teruji memiliki nilai dibawah 3 pC, jika merujuk pada IEC 270, maka dapat disimpulkan bahwa nilai sinyal akustik ini adalah noise yang terdengar dari dalam kompartemen, atau nilai partial discharge yang terdengar dari sinyal akustik dalam kompartemen masih di bawah batas aman dari yang dianjurkan berdasarkan IEC 270.
IV. ANALISIS MARKOV
Analisis Markov adalah suatu teknik matematik untuk peramalan perubahan pada variabel-variabel tertentu berdasarkan pengetahuan dari perubahan sebelumnya. Pada analisis ini terlihat suatu sistem setelah percobaan berulang, dimana hasil dari sistem pada periode yang akan datang tidak dapat ditentukan sebelumnya dengan pasti. Suatu set peluang perubahan keadaan (transisi) diperhitungkan untuk menjelaskan bagaimana sistem tersebut melakukan transisi (perubahan) dari satu periode ke periode lainnya.
A. Matriks peluang perpindahan keadaan / transisi [4] Peluang perubahan dari satu keadaan ke keadaan yang lain dalam prose Markov disebut peluang transisi, ditampilkan dengan matriks peluang transisi seperti pada tabel 2:
n adalah jumlah keadaan dalam proses dan pij adalah peluang transisi dari keadaan saat i ke keadaan j. Jika saat ini berada pada keadaan i maka baris i dari tabel di atas berisi angka-angka pi1, pi2, ……..., pin merupakan peluang berubah ke keadaan berikutnya. Oleh karena angka tersebut melambangkan peluang, maka semuanya melupakan bilangan non negatif dan tidak lebih dari satu. Secara matematis : 0 < pij < 1 i = 1, 2, ….., n
Σpij = 1 i = 1, 2, ….., n
Pada suatu kota terdapat dua Supplier Gas SF6 W dan L. Diasumsikan setiap GI di kota tersebut melakukan pembelian stok gas SF6 sekali per minggu. Dalam sembarang minggu GI hanya membeli di W atau di L saja, dan tidak di keduanya. Pembelian disebut percobaan (trial) dari proses dan supplier yang dipilih disebut keadaan dari proses. Suatu sampel 100 GI diambil dalam periode 10 minggu, kemudian data dikompilasikan.
Keadaan 1: GI membeli gas SF6 pada supplier W Keadaan 2: GI membeli gas SF6 pada supplier L Dengan demikian matriks peluang transisi adalah P:
𝐏 = 𝐩𝐩𝟏𝟏 𝐩𝟏𝟐 𝟐𝟏 𝐩𝟐𝟐 = 𝟗𝟎 𝟏𝟎𝟎 𝟏𝟎𝟏𝟎𝟎 𝟐𝟎 𝟏𝟎𝟎 𝟖𝟎𝟏𝟎𝟎 = 𝟎. 𝟗 𝟎. 𝟏 𝟎. 𝟐 𝟎. 𝟖 B. Keadaan transient dan steady-state[5]
Prosedur untuk mendapatkan peluang di minggu-minggu berikutnya dapat melibatkan penggunakan aljabar matriks. 𝟎. 𝟗 𝟎. 𝟏 × 𝟎. 𝟗 𝟎. 𝟗
𝟎. 𝟐 𝟎. 𝟖
= 𝟎. 𝟗 × 𝟎. 𝟗 + 𝟎. 𝟏 × 𝟎. 𝟐 𝟎. 𝟗 × 𝟎. 𝟏 + 𝟎. 𝟐 × 𝟎. 𝟖 = 𝟎. 𝟖𝟑 𝟎. 𝟏𝟕
Dengan cara yang sama dapat dilihat peluang untuk tiga minggu yang akan datang :
𝟎. 𝟖𝟑 𝟎. 𝟏𝟕 × 𝟎. 𝟗 𝟎. 𝟏
𝟎. 𝟐 𝟎. 𝟖 = 𝟎. 𝟕𝟖𝟏 𝟎. 𝟐𝟏𝟗
Tabel3. Transisi pemiihan supplier Supplier pilihan GI pada
suatu minggu
Pilihan pada minggu berikutnya
W L
W 90 10
L 20 80
Tabel2. Matriks peluang transisi Dari keadaan ke: Pindah ke keadaan ke : 1 2 . . j . . n 1 p11 p12 . . p1j . . p1n 2 p21 p22 . . p2j . . p2n . . . . i pi1 pi2 . . pij . . pin . . . . n pn1 pn2 . . pnj . . pnn Tabel1.
Hasil Pembacaan Pengukuran Phase Mode Tahun 2005 CB (mV) CT busbar A (mV) CT busbar B (mV) DS (mV) Sealing End (mV) Maximum 1.67 1.67 1.67 1.67 1.67 Minimum 0.46 0.48 0.45 0.45 0.47 Average 0.63 0.80 0.60 0.60 0.63 Tahun 2006 CB (mV) CT busbar A (mV) CT busbar B (mV) DS (mV) Sealing End (mV) Maximum 1.54 1.67 0.72 1.67 0.64 Minimum 0.40 0.40 0.40 0.40 0.40 Average 0.48 0.49 0.48 0.48 0.48 Tahun 2008 CB (mV) CT busbar A (mV) CT busbar B (mV) DS (mV) Sealing End (mV) Maximum 1.67 1.67 1.45 0.70 1.67 Minimum 0.14 0.14 0.15 0.15 0.16 Average 0.17 0.28 0.19 0.19 0.21
Dari contoh di atas dapat ditunjukkan bahwa setelah beberapa minggu peluang berada dalam keadaan lain (berubah) akan surut menjadi peluang keadaan yang steady state. Keadaan demikian dilambangkan dengan 1 adalah peluang berada dalam keadaan 1 dan 2 adalah peluang berada dalam keadaan 2. Setelah keadaan steady state, maka pada periode berikutnya tidak berubah. Hal tersebut memenuhi hubungan berikut :
𝝅𝟏 𝝅𝟐 = 𝝅𝟏 𝝅𝟐 𝟎. 𝟗 𝟎. 𝟏
𝟎. 𝟐 𝟎. 𝟖
Setelah dilakukan perkalian matriks diperoleh :
𝝅𝟏 = 𝟎. 𝟗𝝅𝟏 + 𝟎. 𝟐𝝅𝟐 (1)
𝝅𝟐 = 𝟎. 𝟏𝝅𝟏 + 𝟎. 𝟖𝝅𝟐 (2)
Di samping hubungan di atas tentu saja 𝝅𝟏 + 𝝅𝟐 = 𝟏 karena jumlah peluang adalah 1. Maka diperoleh 𝝅𝟐 = 𝟏 − 𝝅𝟏
Dengan mensubstitusikan 𝝅𝟐 = 𝟏 − 𝝅𝟏 ke dalam persamaan (1) maka diperoleh:
𝝅𝟏 = 𝟎. 𝟗𝝅𝟏 + 𝟎. 𝟐 𝟏 − 𝝅𝟏 → 𝝅𝟏 = 𝟐 𝟑
→ 𝝅𝟐 = 𝟏 𝟑
Dengan demikian 𝝅𝟏 𝝅𝟐 = 𝟐 𝟑 𝟏 𝟑
C. Pemodelan Markov Hasil Uji AIA pada GIS Waru
Pemodelan Markov ini menggunakan data Hasil Uji Phase Mode AIA pada seluruh kompartemen GIS Waru 150 kV. Seluruh Peralatan GIS tersebut telah beroperasi sejak tahun 1992 sampai sekarang. Record data pada PT.PLN (Persero) Unit Pelayanan Transmisi (UPT) Surabaya untuk hasil pengukuran partial discharge menggunakan alat AIA tersedia tiga tahun pengujian yaitu pada tahun 2005, 2006, dan 2008. Untuk pemodelan sendiri akan digunakan nilai rata-rata pengujian phase mode dari data yang tercantum pada lampiran.
1. Penentuan Obyek
GIS Waru menggunakan sistem double-busbar dimana masing-masing bay memiliki komponen-komponen penting sebagai berikut: Cicuit Breaker (CB/PMT), Transformator Arus (CT), CT untuk Rel Busbar A, CT untuk Rel Busbar B, Disconnector Switch (DS), dan Sealing End. Maka pada pemodelan ini digunakan kelima komponen yang telah diukur menggunakan AIA tersebut sebagai obyek yang akan dianalisa kinerjanya. Masing-masing komponen pada setiap bay akan dilihat sebagai satu kesatuan komponen itu sendiri. Jadi dalam hal ini peluang kinerja GIS akan ditinjau dari CB, CT busbar A, CT busbar B, DS, dan Sealing End-nya
2. Penentuan keadaan (state)
Untuk pemodelan Markov ini, ditentukan klasifikasi keadaan-keadaan (state) dari data nilai rata-rata pengukuran AIA yang ada sebagai berikut:
State (dalam mV) 0,05 – 0,149 → 0,1 0,15 – 0,249 → 0,2 0,25 – 0,349 → 0,3 0,35 – 0,449 → 0,4 0,45 – 0,549 → 0,5 0,55 – 0,649 → 0,6 0,65 – 0,749 → 0,7 0,75 – 0,849 → 0,8 0,85 – 0,949 → 0,9 0,95 – 0,1049 → 0,10 0,105 – 1,149 → 0,11 0,115 – 1,249 → 0,12 3. Transisi keadaan (state)
Nilai rata-rata yang terukur dari pengujian AIA memiliki peluang berubah nilainya dari keadaan yang satu ke keadaan lainnya. Dapat juga nilai tersebut tetap dalam keadaan yang sama pada pengukuran berikutnya. Transisi perubahan nilai pada masing-masing obyek tersebut akan dijelaskan pada diagram model Markov berikut. Diagram ini dibuat berdasarkan transisi yang ada dalam data yang diperoleh.
Berikut adalah diagram model Markov untuk CB dan CT Busbar A:
(a)
(b)
Gambar 5. Diagram model Markov untuk Circuit Breaker (a) dan untuk CT Busbar A (b)
4. Pembentukan Matriks Peluang Transisi
Matriks Peluang Transisi untuk setiap obyek dapat dibentuk dari transisi-transisi keadaan di atas. Besarnya ukuran matriks yang dibentuk untuk setiap obyek berbeda, sesuai dengan jumlah keadaan (state) yang digunakan masing-masing obyek. Maka untuk obyek Circuit Breaker dan CT Busbar A didapatkan matriks sebagai berikut:
1 0 0 0 0 0 0 0 1 0 0 0 0 0 0,765 0,059 0,059 0,118 0 0 0 0,091 0,091 0,636 0,182 0 0 0 0 0 0.8 0,2 0 0 0 0 0 0,333 0,667 0 0 0 0 0 1 0 0 0 0 PCTA = 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0,375 0,375 0,125 0 0,125 0 0 0 0 0,038 0,038 0,615 0,192 0,115 0 0 0 0 0 0,818 0,182 0 0 0 0 0 0 0,75 0,25 0 0 0 0 0 0 1 0 0 0 0
D. Analisis menggunakan software
Dengan menggunakan software pada perangkat komputer dan memakai listing program yang disertakan dalam lampiran maka dapat diketahui peluang steady state untuk setiap keadaan pada masing-masing obyek yang dianalisis. Akan dihasilkan baris peluang steady state tiap keadaan di mana total dari semua nilai peluang yang dihasilkan adalah sama dengan 1.
Gambar 6. Peluang Steady State setiap keadaan CB
Besarnya peluang masing-masing keadaan steady state pada CB. Terlihat bahwa keadaan 0,2 mempunyai peluang terbesar yaitu sebesar 0,823. Sedangkan kecenderungan untuk pindah ke keadaan yang lebih tinggi semakin kecil atau mendekati 0.
Gambar 7. Plot peluang tiap keadaan Circuit Breaker terhadap waktu Peluang Circuit breaker untuk berada pada keadaan-keadaan tersebut akan mulai steady-state pada 7 tahun yang akan datang. Peluang menuju keadaan 0,2 dan 0,4 cenderung mengalami peningkatan tiap tahunnya hingga mencapai steady-state, sedangkan peluang keadaan lainnya cenderung makin menurun.
Besarnya peluang masing-masing keadaan steady state pada CT Busbar A. Terlihat bahwa keadaan 0,2 dan 0,3 mempunyai peluang terbesar yaitu masing-masing sebesar 0,42. Sedangkan kecenderungan untuk pindah ke keadaan yang lebih tinggi semakin kecil atau mendekati 0.
Gambar 8. Peluang Steady State setiap keadaan CT Busbar A 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0,2 0,4 0,5 0,6 0,7 0,8 0,9 P e lu a n g Keadaan
Peluang Steady State
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 P e lu a n g Keadaan
Peluang Steady State Tabel5.
Peluang Steady State setiap keadaan CT Busbar A Keadaan Peluang Steady State
0,2 0,422667465 0,3 0,429555378 0,4 0,147777068 0,5 0,000000052 0,6 0,000000029 0,7 0,000000007 0,8 0 0,9 0 Tabel4.
Peluang Steady State setiap keadaan CB Keadaan Peluang Steady State
0,2 0,823077013 0,4 0,176923074 0,5 0,000000013 0,6 0,0000000070 0,7 0 0,8 0 0,9 0
Gambar 9. Plot peluang tiap keadaan CT Busbar A terhadap waktu
Peluang CT busbar A untuk berada pada keadaan-keadaan tersebut akan mulai steady-state pada 7 tahun yang akan datang. Peluang menuju keadaan 0,2; 0,3; dan 0,4 cenderung mengalami peningkatan tiap tahunnya hingga mencapai steady-state, sedangkan peluang keadaan lainnya cenderung makin menurun. Begitu pula untuk CT Busbar B, Disconnector Switch, dan Sealing End juga memiliki peluang transisi terbesar menuju keadaan 0,2 dan akan mengalami peluang steady-state setelah 6-7 tahun berikutnya.
Hasil Pengujian Partial discharge dengan metode Acoustic Insulation Analyzer (AIA) di GIS Waru, menunjukkan bahwa sinyal yang terbangkitkan oleh partikel yang berada di dalam GIS tidak menunjukkan peningkatan yang mengkhawatirkan. Semua nilai amplitudo dari hasil pendeteksian masih di bawah batas aman menurut standar IEC 270 yaitu 10 pC. Hubungan atara sinyal elektrik (dalam pC) dan sinyal akustik (dalam mV) dapat dicontohkan jika noise pada GIS menunjukkan harga 1 mV, partial discharge yang terdeteksi ialah sebesar 1-2 pC. Jika keseluruhan bernilai lebih kecil dari 1-2 pC maka sinyal akustik akan ditutupi dengan noise dan tidak dapat terdeteksi. Sehingga jika sinyal akustik yang dideteksi sama dengan noise maka dapat disimpulkan bahwa sistem isolasi SF6 pada GIS dalam keadaan sehat.
Dari tiga tahun pengujian dapat dilihat pada data yang terkumpul bahwa adanya penunjukkan penurunan harga partial discharge yang terukur. Hal ini dapat disebabkan oleh partikel bebas yang menyebar di dalam kompartemen GIS mengalami penurunan jumlah. Penurunan jumlah partikel bebas ini dapat diakibatkan oleh keberhasilan dari jebakan partikel (particle traps) yang berada dalam GIS seperti yang dijelaskan pada Bab II.
Dari hasil pemodelan untuk kelima obyek di atas disimpulkan bahwa peluang perpindahan keadaan yang terbesar yang dimiliki kelima obyek pada kompartemen GIS ialah menuju ke keadaan 0,2 yang berarti apabila pada tahun mendatang akan diukur kembali dengan AIA maka besar kemungkinan akan terdeteksi pada nilai rata-rata sebesar 0,15 – 0,449 mV. Hal ini menunjukkan kualitas isolasi SF6 dalam kompartemen GIS Waru masih baik.
V. KESIMPULAN
1. Dari data hasil pengujian AIA selama tiga tahun diketahui adanya penurunan dalam nilai partial discharge, dengan penurunan terbesar yang tercatat adalah ±58%. Hal ini dapat disebabkan karena keberhasilan jebakan partikel dalam kompartemen GIS 2. Terdapat partial discharge dari hasil pengujian AIA yang
dilakukan di 24 kompartemen GIS Waru dengan nilai maksimum 2 pC. Berdasarkan standar IEC 270, maka hasil pengujian menunjukkan bahwa partial discharge yang teruji berada di bawah standar batas nilai (<3pC), jadi yang terdeteksi oleh AIA merupakan sinyal noise 3. Untuk setiap komponen dari bay kompartemen GIS
didapatkan peluang steady state untuk setiap keadaannya menunjukkan peluang terbesar akan nilai yang terdeteksi pada pengukuran beberapa tahun mendatang sebesar 0,15 – 0,449 mV. Dan peluang untuk pemeliharan adalah 0, yang artinya tidak perlu dilakukan pemeliharan apalagi penggantian sistem isolasi sampai 10 tahun mendatang. 4. Metode Markov digunakan untuk meramalkan atau
memprediksi kondisi Isolasi SF6 pada GIS Waru untuk beberapa tahun mendatang. Metode ini dipakai karena dengan metode ini dapat dilihat bagaimana trend kondisi masing-masing komponen tiap bay pada GIS
DAFTAR PUSTAKA
[1] Dieter Kind, Pengantar Teknik Eksperimental Tegangan Tinggi, ITB Bandung, 1993.
[2] Haddad, A. dan D.F. Warne, Advance in High Voltage Engineering, London : The Institution of Electrical Engineers, 2004.
[3] Khalifa, M., High Voltage Engineering Theory and Practice, New York and Basel : Marcel Dekker, Inc., 1990.
[4] Wibisono, Yusuf, Metode Statistika, Yogyakarta: Gadjah Mada University Press, 2005.
[5] Taylor, H.M. and S. Karlin, An Introduction to Stochastic Modeling, San Diego : Academic Press, 1998.
[6] User Manual Guide AIA version 5.01.
[7] Metwally, I.A., Status Review on Partial Discharge Measurement Techniques in Gas-Insulated Switchgear/lines, Electric Power Systems Research, Oman, July 2003.
BIODATA PENULIS
Hardian Ekaputra lahir di Surabaya pada tanggal 27 April 1991. Anak pertama dari pasangan Penta Libela Nuara dan Trilistyaningrum. Mendapatkan pendidikan di TK Dwi Karya Surabaya pada tahun 1995 - 1996, kemudian melanjutkan ke SD Negeri Kalisari I Surabaya pada tahun 1996-2002. Setelah lulus melanjutkan pendidikannya ke SMP Negeri 1 Surabaya pada tahun 2002-2005, pendidikan SMA ditempuh pada tahun 2005-2008 di SMA Negeri 5 Surabaya, setelah lulus penulis melanjutkan pendidikannya di Institut Teknologi Sepuluh Nopember Surabaya Jurusan Teknik Elektro Bidang Studi Teknik Sistem Tenaga tahun 2008 sampai sekarang. Penulis pernah aktif di dalam Badan Eksekutif Mahasiswa FakultasTeknologi Industri BEM FTI ITS sebagai staf Departemen PSDM periode 2009/2010.
