Kontrol Filter Aktif Shunt Ganda berdasarkan Metode Fuzzy Sugeno

LEMBAGA PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT (LPPM)

C.2. Metode Penelitian 1. Usulan Metode

C.2.4. Kontrol Filter Aktif Shunt Ganda berdasarkan Metode Fuzzy Sugeno

Kontrol Filter Aktif Shunt pada UPQC tunggal telah dijelaskan secara rinci di [13]. Berdasarkan model rangkaian ini, rangkaian kontrol Filter Aktif Shunt UPQC ganda diatur dengan menduplikasi rangkaian kontrol pada Filter Aktif Shunt tunggal. Dengan menggunakan metode "p-q", tegangan dan arus dapat diubah menjadi sumbu 𝛼 − 𝛽. . Sumbu ditunjukkan dalam Persamaan (7) dan (8) [23].

[𝑣_𝛼

𝑣𝛽] = [1 −1 2⁄ −1 2⁄ 0 √3 2⁄ −√3 2⁄ ] [

𝑉𝑎

𝑉_𝑏 𝑉_𝑐

] (7)

[𝑖𝛼

𝑖𝛽] = [1 −1 2⁄ −1 2⁄ 0 √3 2⁄ −√3 2⁄ ] [

𝑖_𝑎 𝑖𝑏

𝑖𝑐

] (8)

Perhitungan daya nyata (𝑝) dan daya imajiner (𝑞) disajikan pada Persamaan (9) and (10) [22].

[𝑝 𝑞] = [

𝑣𝛼 𝑣𝛽

−𝑣_𝛽 𝑣_𝛼] [𝑖_𝛼

𝑖𝛽] (9)

𝑝 = 𝑝̅ + 𝑝̃ ; 𝑞 = 𝑞̅ + 𝑞̃ (10)

Daya total imajiner total (𝑞) dan komponen berfluktuasi daya nyata (𝑝̃) dipilih sebagai referensi daya dan arus dan digunakan dengan menggunakan Persamaan (11) untuk menyeimbangkan nilai harmonisa dan daya reaktif [24].

[𝑖𝑐𝛼∗

𝑖_𝑐𝛽^∗ ] = ¹

𝑣_𝛼²+𝑣_𝛽²[𝑣_𝛼 𝑣_𝛽

𝑣𝛽 −𝑣𝛼] [−𝑝̃ + 𝑝̅𝑙𝑜𝑠𝑠

−𝑞 ] (11)

Parameter 𝑝̅_{𝑙𝑜𝑠𝑠} dihitung dari pengontrol tegangan dan digunakan sebagai daya nyata rata-rata. Arus kompensasi (𝑖𝑐𝛼∗ , 𝑖_𝑐𝛽^∗ ) digunakan untuk memenuhi konsumsi daya beban seperti yang disajikan pada Persamaan (6). Arus dinyatakan dalam koordinasi 𝛼 − 𝛽.. Kompensasi arus diperlukan untuk mendapatkan arus sumber di setiap fasa dengan menggunakan Persaman (7). Arus sumber di setiap fasa (𝑖_𝑠𝑎 ^∗ , 𝑖_𝑠𝑎^∗ , 𝑖_𝑠𝑎^∗ ) dinyatakan dalam koordinat ABC yang diperoleh dari arus kompensasi dalam sumbu αβ dan dinyatakan dalam Persamaan (12) [24].

[ 𝑖_𝑠𝑎^∗ 𝑖_𝑠𝑏^∗ 𝑖𝑠𝑐∗

] = √²

3[

1 0

−1 2⁄ √3 2⁄

−1/2 − √3 2⁄ ] [𝑖_𝑐𝛼^∗

𝑖_𝑐𝛽^∗ ] (12)

Supaya mampu beroperasi normal, UPQC ganda harus mampu mempunyai tegangan DC-link (𝑉_𝑑𝑐) minimum yang dinyatakan pada Persamaan (13) [25]:

𝑉_𝑑𝑐=^{2√2𝑉𝐿𝐿}

√3𝑚 (13)

Sistem yang diusulkan dari dari kendali filter aktif shunt ganda berdasarkan metode FS ganda disajikan oleh penulis pada Gambar 5.

Eq. 8 Eq. 7

Vsa

Vsb

Vsc

iα

iβ

vα

vβ

iLa

iLb

iLc

q p

LPF

-1 vαβ

Icα*

Hysterisis Current Controller isa

*

isb

*

isc*

isa isb isc

Sensed Source Current

- +

vαβ

-q

Eq. 9 Eq. 11

Icβ* Eq. 12 -p

Eq. 8 Eq. 7

Vsa

Vsb

Vsc

iα

iβ

vα

vβ

iLa

iLb

iLc

q

p LPF

-1 vαβ

Icα*

Hysterisis Current Controller isa

*

isb*

isc

*

Gating Signals Shunt-AF 1 isa isb isc

Sensed Source Current

Sensed Source Voltage Sensed

Load

Current -

+

vαβ

-q

Eq. 9 Eq. 11

Icβ* Eq. 12 -p

Gating Signals Shunt-AF 2 Database

Reason Mechanism

Rulebase Fuzzi-

fication

Fuzzy Sugeno 1

Defuzzi- fication 1

error

V

DC_

 p

^loss1

Input

Variable Output

Variable 1

error

V

DC_

* 1

VDC



1

VDC

Database Reason Mechanism

Rulebase Fuzzi-

fication

Fuzzy Sugeno 2

Defuzzi- fication 2

error

VDC_



p

^loss2

Input

Variable Output

Variable 2

error

V

DC_

* 2

VDC



2

V

DC

Gambar 5. Kendali filter aktif shunt menggunakan model FS ganda

Dengan menggunakan nilai modulasi (𝑚) sebesar 1 dan tegangan sumber saluran ke saluran (𝑉𝐿𝐿) sebesar 380 V, 𝑉_𝑑𝑐 dihitung sama dengan 620,54 V dan ditetapkan pada 650 V. Input filter aktif shunt ganda yang ditunjukkan pada Gambar 5 adalah tegangan(𝑉𝐷𝐶1) dan referensi tegangan DC 1 (𝑉𝐷𝐶1∗ ) serta tegangan DC 2 (𝑉_𝐷𝐶2) dan referensi tegangan DC 2 (𝑉_𝐷𝐶2^∗ ), sedangkan 𝑃_{𝑙𝑜𝑠𝑠1} dan 𝑃_{𝑙𝑜𝑠𝑠2} dipilih sebagai output masing-masing dari FS 1 dan FS 2. Selanjutnya 𝑃_{𝑙𝑜𝑠𝑠1} dan 𝑃_{𝑙𝑜𝑠𝑠2} akan menjadi variabel input untuk menghasilkan arus sumber referensi (𝑖_𝑠𝑎 ^∗ , 𝑖_𝑠𝑎^∗ , 𝑖_𝑠𝑎^∗ ) di pada filter aktif shunt 1 dan filter aktif shunt 2. Kemudian, output arus sumber referensi dibandingkan dengan sumber arus sources (𝑖_𝑠𝑎, 𝑖_𝑠𝑏, 𝑖_𝑠𝑐) oleh pengatur arus histeresis untuk menghasilkan sinyal pemicu dalam rangkaian IGBT filter aktif shunt 1 dan filter aktif shunt 2.

Metode FS merupakan pengembangan dari Metode Fuzzy-Mamdani (FM) dalam sistem inferensi fuzzy yang direpresentasikan dalam aturan IF-THEN, dimana keluaran (konsekuen) dari sistem tersebut bukanlah himpunan fuzzy, melainkan persamaan konstanta atau linier. Metode FS menggunakan MF tunggal yang memiliki tingkat keanggotaan 1 pada nilai crisp tunggal dan 0 pada nilai crisp lainnya. Perbedaan antara FM dan FS adalah penentuan crip keluaran yang dihasilkan dari masukan fuzzy. FM menggunakan teknik keluaran defuzzifikasi, sedangkan FS menggunakan rata-rata tertimbang untuk menghitung keluaran crips. Kemampuan untuk mengekspresikan dan menginterpretasikan keluaran FM hilang pada FS karena konsekuensi aturan tidak kabur.

Dengan alasan tersebut, maka FS memiliki waktu pengerjaan yang lebih baik karena memiliki rata-rata tertimbang menggantikan fase defuzzifikasi yang memakan waktu relatif lama [26].

Penelitian ini dimulai dengan menentukan 𝑝̅_{𝑙𝑜𝑠𝑠} sebagai variabel input, menghasilkan arus sumber referensi pada kontrol arus histeresis dan membangkitkan sinyal trigger pada rangkaian filter IGBT aktif shunt dari UPQC dengan kontrol PI1 dan PI2 (𝐾_𝑃= 0.2 dan (𝐾_𝐼 = 0.2). Dengan menggunakan prosedur yang sama, 𝑝̅𝑙𝑜𝑠𝑠 juga ditentukan menggunakan FS1 dan FS2. Bagian FS1 dan FS2 terdiri dari fuzzifikasi, decision making (rulebase, database, reason mechanism), dan defuzzifikasi masing-masing pada Gambar 5. fuzzy inference system (FIS) di FS1 dan FS2 menggunakan Metode Sugeno dengan max-min untuk variabel input dan [0,1] untuk variabel output. FIS terdiri dari tiga bagian yaitu rulebase, database, dan reason-mechanism [21]. Metode FS1 dan FS 2 diterapkan dengan menentukan variabel input yaitu masing-masing nilai VDC error (𝑉𝐷𝐶−𝑒𝑟𝑟𝑜𝑟) and delta VDC error (∆𝑉𝐷𝐶−𝑒𝑟𝑟𝑜𝑟) nilai untuk menentukan 𝑝̅𝑙𝑜𝑠𝑠 pada fase defuzzifikasi.

Nilai 𝑝̅_{𝑙𝑜𝑠𝑠} merupakan variabel input untuk mendapatkan arus kompensasi (𝑖_𝑐𝛼^∗ , 𝑖_𝑐𝛽^∗ ) pada Persamaan (11).

Selama proses fuzzifikasi, sejumlah variabel input dihitung dan diubah menjadi variabel linguistik yang disebut MFs. 𝑉𝐷𝐶−𝑒𝑟𝑟𝑜𝑟 and ∆𝑉𝐷𝐶−𝑒𝑟𝑟𝑜𝑟 diusulkan sebagai variabel input dengan variabel output 𝑝̅𝑙𝑜𝑠𝑠. Untuk menerjemahkannya, setiap variabel input dan output dirancang menggunakan tujuh fungsi keanggotaan (MFs) yaitu Negative Big (NB), Negative Medium (NM), Negative Small (NS), Zero (Z), Positive Small (PS), Positif Sedang (PM) dan Positif Besar (PB) yang ditunjukkan pada Tabel 2. MF dari crip input dan output ditunjukkan dengan fungsi keanggotaan segitiga dan trapesium. 𝑉_{𝐷𝐶−𝑒𝑟𝑟𝑜𝑟} berkisar dari -650 hingga 650, ∆𝑉_{𝐷𝐶−𝑒𝑟𝑟𝑜𝑟} dari - 650 hingga 650, dan 𝑝̅𝑙𝑜𝑠𝑠 dari -100 hingga 100 masing-masing di FS 1 dan FS 2. Input, output, dan tampilan permukaan MF ditampilkan pada Gambar 6, Gambar 7, Gambar 8, dan Gambar 9.

Setelah 𝑉𝐷𝐶−𝑒𝑟𝑟𝑜𝑟dan ∆𝑉𝐷𝐶−𝑒𝑟𝑟𝑜𝑟 diperoleh, dua input MF kemudian diubah menjadi variabel linguistik dan digunakan sebagai fungsi input untuk FS 1 dan FS 2. Tabel 2 menyajikan output MF yang dihasilkan menggunakan blok inferensi dan aturan dasar FS 1 dan FS 2. Kemudian, blok defuzzifikasi akhirnya beroperasi untuk mengubah keluaran 𝑝̅𝑙𝑜𝑠𝑠1 dan 𝑝̅𝑙𝑜𝑠𝑠2 yang dihasilkan dari variabel linguistik menjadi numerik lagi. Nilai 𝑝̅𝑙𝑜𝑠𝑠1 dan 𝑝̅𝑙𝑜𝑠𝑠2 kemudian menjadi variabel input untuk kontrol histeresis arus untuk menghasilkan sinyal trigger pada IGBT 1 dan IGBT 1 dari filter aktif shunt UPQC ganda untuk mengurangi harmonisa arus sumber. Kemudian pada saat yang sama, mereka juga meningkatkan PQ 3P3W di bawah enam MO gangguan dari tiga konfigurasi yaitu masing-masing 2UPQC, 2UPQC-1PV, dan 2UPQC-2PV.

-600 -400 -200 0 200 400 600

0 0.5

1.0 NB NM NS Z PS PM PB

Membership functions of input variable

Degree of membership

error

VDC

Gambar 6. MF masukan 𝑉𝐷𝐶−𝑒𝑟𝑟𝑜𝑟 untuk Metode FS 1 dan FS 2

0 0.5

1.0 NB NM NS Z PS PM PB

Membership functions of input variable

Degree of membership

-600 -400 -200 0 200 400 600

error

VDC



Gambar 7. MF masukan ∆𝑉_{𝐷𝐶−𝑒𝑟𝑟𝑜𝑟}untuk Metode FS 1 dan FS 2

-100 -80 -60 -40 -20 0 20 40 60 80 100

0 0.5 1.0

NB NS Z PS PM PB

Membership functions of output variable

Degree of membership

ploss NM

Gambar 8. MF keluaran 𝑝̅_{𝑙𝑜𝑠𝑠}untuk Metode FS 1 dan FS 2

Figure 9. Tampilan permukaan MF untuk Metode FS 1 dan FS 2 Tabel 2. Fuzzy Rule Base 1 dan 2

Vdc-error

NB NM NS Z PS PM PB

∆Vdc-error

PB Z PS PS PM PM PB PB

PM NS Z PS PS PM PM PB

PS NS NS Z PS PS PM PM

Z NM NS NS Z PS PS PM

NS NM NM NS NS Z PS PS

NM NB NM NM NS NS Z PS

NB NB NB NM NM NS NS Z