1
PROPOSAL TUGAS AKHIR – EE184701
PERHITUNGAN TIME DIAL SETTING INVERSE TIME OVER CURRENT RELAY DENGAN METODE MODIFIED ADAPTIVE PARTICLE SWARM OPTIMIZATION (MAPSO) PADA SISTEM KELISTRIKAN PT. LINDE GRESIK
Ghaly Fahrian Ilyas NRP 5022201149
Dosen Pembimbing
Dr. Ir. Margo Pujiantara, M.T.
NIP 196603181990101001
Program Studi Teknik Sistem Tenaga
Departemen Teknik Elektro
Fakultas Teknologi Elektro dan Informatika Cerdas Institut Teknologi Sepuluh Nopember
Surabaya 2023
i
LEMBAR PENGESAHAN
PERHITUNGAN TIME DIAL SETTING INVERSE TIME OVER CURRENT RELAY DENGAN METODE MODIFIED ADAPTIVE PARTICLE SWARM OPTIMIZATION
(MAPSO) PADA SISTEM KELISTRIKAN PT. LINDE GRESIK
PROPOSAL TUGAS AKHIR Diajukan untuk memenuhi salah satu syarat
memperoleh gelar Sarjana Teknik pada Program Studi S-1 Teknik Sistem Tenaga
Departemen Teknik Elektro
Fakultas Teknologi Elektro dan Informatika Cerdas Institut Teknologi Sepuluh Nopember
Oleh : Ghaly Fahrian Ilyas NRP. 5022201149
Disetujui oleh Tim Penguji Proposal Tugas Akhir :
1. Dr. Ir. Margo Pujiantara, M.T. Pembimbing
2. Nama dan gelar ko-pembimbing/penguji Ko-pembimbing
3. Nama dan gelar penguji Penguji
4. Nama dan gelar penguji Penguji
5. Nama dan gelar penguji Penguji
SURABAYA Juni, 2023
ii
ABSTRAK
PERHITUNGAN TIME DIAL SETTING INVERSE TIME OVER CURRENT RELAY DENGAN METODE MODIFIED ADAPTIVE PARTICLE SWARM OPTIMIZATION
(MAPSO) PADA SISTEM KELISTRIKAN PT. LINDE GRESIK
Nama Mahasiswa / NRP : Ghaly Fahrian Ilyas / 5022201149 Departemen : Teknik Elektro FTEIC - ITS Dosen Pembimbing : Dr. Ir. Margo Pujiantara, M.T.
Abstrak
Penelitian ini bertujuan untuk mengoptimalkan pengaturan waktu panggil dial pada perlindungan rele arus lebih (overcurrent relay) dengan menggunakan metode Modified Adaptive Particle Swarm Optimization (MAPSO). Pengaturan waktu panggil dial yang tepat sangat penting untuk memastikan perlindungan yang efektif dan responsif terhadap gangguan pada sistem tenaga listrik. Namun, penentuan parameter waktu panggil dial yang optimal secara manual membutuhkan waktu yang cukup lama. Dalam penelitian ini, MAPSO digunakan untuk mengoptimalkan pengaturan waktu panggil dial dengan mempertimbangkan berbagai faktor yang mempengaruhi respons rele arus lebih, seperti arus gangguan, waktu pemutusan sirkuit minimum, dan karakteristik proteksi lainnya. MAPSO merupakan pengembangan dari algoritma Particle Swarm Optimization (PSO) yang mampu mengatasi kendala lokal optimum dengan menyesuaikan parameter inersia secara adaptif. Metode MAPSO diimplementasikan dalam perangkat lunak simulasi yang terintegrasi dengan model rele arus lebih. Hasil simulasi menunjukkan bahwa pengaturan waktu panggil dial yang dihasilkan oleh MAPSO mampu mengoptimalkan respons rele arus lebih dengan mempertimbangkan kondisi operasi dan karakteristik sistem. Dalam perbandingan dengan metode pengaturan manual, penggunaan MAPSO memberikan hasil yang lebih baik dalam hal kecepatan respon dan akurasi perlindungan. Penelitian ini memberikan kontribusi dalam pengembangan teknik pengaturan waktu panggil dial yang efisien dan andal untuk rele arus lebih. Hasil penelitian ini dapat digunakan sebagai panduan praktis bagi para praktisi dalam mengoptimalkan pengaturan waktu panggil dial pada sistem proteksi tenaga listrik. Selain itu, metode MAPSO yang digunakan dalam penelitian ini dapat menjadi dasar untuk penelitian
iii lebih lanjut dalam pengembangan algoritma optimasi yang adaptif dan efektif untuk aplikasi perlindungan sistem tenaga listrik.
Kata kunci : time dial setting, rele arus lebih, modified adaptive particle swarm optimization
iv
ABSTRACT
THE CALCULATION OF THE TIME DIAL SETTING FOR THE INVERSE TIME OVER CURRENT RELAY USING THE MODIFIED ADAPTIVE PARTICLE SWARM
OPTIMIZATION (MAPSO) METHOD IN THE ELECTRICAL SYSTEM OF PT.
LINDE GRESIK
Student Name / NRP : Ghaly Fahrian Ilyas / 5022201149 Department : FTEIC - ITS
Advisor : Dr. Ir. Margo Pujiantara, M.T.
Abstract
This research aims to optimize the Time Dial setting in overcurrent relay protection using the Modified Adaptive Particle Swarm Optimization (MAPSO) method. The proper Time Dial setting is crucial to ensure effective and responsive protection against disturbances in the power system. However, manually determining the optimal Time Dial parameters can be time-consuming. In this research, MAPSO is used to optimize the Time Dial setting by considering various factors that influence the response of the overcurrent relay, such as fault current, minimum circuit interruption time, and other protection characteristics. MAPSO is an extension of the Particle Swarm Optimization (PSO) algorithm that addresses local optima constraints by adaptively adjusting inertia parameters. The MAPSO method is implemented in simulation software integrated with the overcurrent relay model. Simulation results show that the Time Dial setting produced by MAPSO optimizes the response of the overcurrent relay, considering operational conditions and system characteristics. Compared to manual setting methods, the use of MAPSO provides better results in terms of response speed and protection accuracy. This study contributes to the development of efficient and reliable Time Dial setting techniques for overcurrent relays. The findings can serve as a practical guide for practitioners in optimizing Time Dial settings in power system protection. Additionally, the MAPSO method used in this research can serve as a basis for further studies in developing adaptive and effective optimization algorithms for power system protection applications.
Keywords: time dial setting, over current relay modified adaptive particle swarm optimization
v
DAFTAR ISI
LEMBAR PENGESAHAN i
ABSTRAK ii
ABSTRACT iv
DAFTAR ISI v
DAFTAR GAMBAR vi
DAFTAR TABEL vii
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Rumusan Masalah 1
1.3 Batasan Masalah 1
1.4 Tujuan 2
1.5 Manfaat 2
BAB 2 TINJAUAN PUSTAKA 3
2.1 Hasil Penelitian Terdahulu 3
2.2 Dasar Teori 3
2.2.1 Gangguan Sistem Tenaga Listrik 3
2.2.2 Rele Arus Lebih Waktu Invers 4
2.2.3 Modified Adaptive Particle Swarm Optimization 4
BAB 3 METODOLOGI 6
3.1 Metode yang digunakan 6
3.1.1 Studi Literatur 6
3.1.2 Pengumpulan Data 6
3.1.3 Desain Single Line Diagram ETAP 6
3.1.4 Pemodelan MATLAB 6
3.1.5 Pengujian Hasil Optimasi 6
3.2 Bahan dan peralatan yang digunakan 6
3.3 Urutan pelaksanaan penelitian 7
DAFTAR PUSTAKA 9
vi
DAFTAR GAMBAR
Gambar 2. 1 Kurva Rele Waktu Inverse Error! Bookmark not defined.
Gambar 3. 1 Diagram Alir Urutan Penelitian 7
vii
DAFTAR TABEL
Tabel 3. 1 Jadwal Pelaksanaan Kegiatan 8
1
BAB 1 PENDAHULUAN
1.1 Latar Belakang
PT. Linde Indonesia merupakan perusahaan yang memproduksi dan mendistribusikan gas industri (hidrogen, karbon dioksida, oksigen, nitrogen, dan argon), gas medis, serta gas spesialis. Perusahaan juga menyediakan layanan instalasi peralatan gas, pipa-pipa, pabrik di lokasi, dan layanan teknik terkait. PT. Linde Indonesia beroperasi di delapan lokasi di jawa dan berkomitmen memberikan layanan kualitas tinggi.
Gangguan pada sistem kelistrikan dapat muncul di mana pun dan kapan pun.
Untuk melindungi komponen-komponen sistem dan beban, over current relay (OCR) dipasang di berbagai lokasi yang umum terjadi gangguan. Namun, pengaturan rele bisa membutuhkan waktu yang lama jika dilakukan secara trial and error karena banyaknya pemasangan OCR dalam sistem dan kondisi beban. Selain itu, pengaturan rele juga harus mempertimbangkan topologi sistem dan kondisi beban (Jenkins et al., 1992) . Untuk mengatasi masalah ini, kecerdasan buatan (Artificial Intellegence/AI) dapat menjadi solusi dalam mempermudah pengaturan rele tanpa membutuhkan waktu yang lama. AI mengubah Batasan koordinasi proteksi OCR yang tidak boleh dillanggar oleh fungsi objektif menjadi algoritma. Saat ini, telah banyak penelitian yang mengusulkan metode optimasi berbasi algoritma untuk memudahkan koordinasi proteksi OCR.
Modified Adaptive Particle Swarm Optimization merupakan sebuah variasi atau modifikasi dari algoritma Particle Swarm Optimization (PSO). MAPSO bertujuan untuk meningkatkan kinerja dan kemampuan adaptasi dalam mencari solusi yang optimal.
MAPSO memiliki kemiripan dengan teknik komputasi seperti algoritma genetika (Genetic Algorithm). Dengan menggunakan metode ini, diharapkan perhitungan TDS menjadi lebih mudah, cepat, dan menghasilkan nilai yang akurat.
1.2 Rumusan Masalah
Sebagian besar gangguan pada sistem proteksi disebabkan oleh pengaturan relay yang tidak sesuai atau buruk. Pengaturan rele yang buruk biasanya terjadi pada penentuan nilai TDS, arus pickup, dan time multiplier setting (TMS) pada sistem yang kompleks. Oleh karena itu, metode dengan menggunakan artificial intelligence (AI) sangat diperlukan dalam menentukan parameter-parameter yang dibutuhkan pada sistem proteksi. Adapun permasalahan yang akan dibahas adalah perhitungan time dial setting, arus pickup, dan time multiplier setting untuk rele inverse menggunakan metode Modified Adaptive Particle Swarm Optimization serta implementasi nilai TDS yang diperoleh dengan metode MAPSO pada koordinasi proteksi sistem kelistrikan di PT. Linde Gresik.
1.3 Batasan Masalah
Batasan masalah dibuat agar penelitian dapat terpusat pada beberapa aspek seperti berikut :
1. Plant yang diamati adalah sistem kelistrikan PT. Linde.
2 2. Rele yang disetel hanya inverse time overcurrent relay, sedangkan rele
instantaneous dinonaktifkan.
3. Metode optimasi yang digunakan adalah Modified Adaptive Particle Swarm Optimization.
1.4 Tujuan
Tujuan dilakukannya Tugas Akhir ini antara lain :
1. Mendapatkan time dial setting, arus pickup, dan time multiplier setting untuk rele inverse menggunakan metode Modified Adaptive Particle Swarm Optimization pada sistem kelistrikan PT. Linde.
2. Menganalisa koordinasi proteksi yang baik dari implementasi TDS hasil perhitungan menggunakan metode Modified Adaptive Particle Swarm Optimization pada sistem kelistrikan PT. Linde.
1.5 Manfaat
Manfaat yang diperoleh dari penelitian tugas akhir ini untuk berbagai pihak adalah sebagai berikut :
1. Bagi Mahasiswa
Sebagai salah satu syarat kelulusan yang telah ditetapkan serta referensi bagi mahasiswa yang akan mengerjakan tugas akhir dengan topik atau permasalahan yang serupa
2. Bagi Instansi
Sebagai bahan pertimbangan bagi PT. Linde Gresik dalam memeroleh nilai perhitungan time dial setting (TDS) yang optimal sehingga dapat dijadikan rekomendasi dalam melakukan penyetelan parameter rele pada sistem kelistrikan.
3
BAB 2 TINJAUAN PUSTAKA
2.1 Hasil Penelitian Terdahulu
Hasil penelitian terdahulu bertujuan untuk membandingkan penelitian sebelumnya dengan penelitian yang akan dilakukan oleh penulis. Penelitian terdahulu membantu penulis dalam menganalisis perhitungan time dial setting inverse time overcurrent relay pada sistem kelistrikan PT. Linde. Berikut adalah beberapa hasil penelitian terdahulu :
1. Penelitian yang berjudul “The Automation of Time Dial Setting Calculation and Inverse Type Curve Selection for Over Current Relay Based on Numerical Computation in Real Industrial Electrical System” (Pujiantara et al., 2018) bertujuan untuk mengoptimasi perhitungan nilai TDS dan pemilihan kurva karakteristik waktu-arus (TCC) untuk mengatur rele arus lebih invers dalam sistem proteksi dengan menggunakan metode komputasi numerik dengan beberapa algoritma untuk mendapatkan hasil yang efisien. Keunggulan dari program ini adalah perhitungan otomatis untuk semua jenis kurva tipe invers dan pemilihan pengaturan terbaik untuk rele proteksi dengan mudah tetapi dengan hasil yang akurat.
2. Penelitian yang berjudul “Autonomous Overcurrent Relay Protection Coordination by AI and IoT Technology” (Chang & Adeniji, 2020) bertujuan untuk mengevaluasi indeks perlindungan dari sistem arus lebih menggunakan metode logika kabur karena kriteria pengaturan rele arus lebih didefinisikan dalam rentang tertentu daripada nilai yang pasti sehingga sulit untuk menunjukkan tingkat perlindungan sistem sebagai indeks. Dengan metode ini, rele perlindungan digital secara otomatis akan menyesuaikan pengaturan rele ke tingkat perlindungan yang optimal secara real-time berdasarkan tingkat perlindungan yang dinilai oleh pengendali logika kabur (FLC).
2.2 Dasar Teori
2.2.1 Gangguan Sistem Tenaga Listrik
Gangguan pada sistem tenaga listrik merupakan kondisi tidak normal yang terjadi pada sistem kelistrikan. Pada kondisi normal, suplai listrik berasal dari sumber dan menuju ke beban. Apabila terjadi sebuah gangguan maka akan terdapat arus yang mengalir ke titik gangguan dan menyebabkan arus total pada titik tersebut sangat besar sehingga kontinuitas suplai ke beban terganggu. Pada suatu sistem tenaga listrik, gangguan dapat diklasifikasikan berdasarkan penyebab gangguan. Gangguan yang umumnya terjadi adalah gangguan hubung singkat dan gangguan beban lebih. Terdapat tiga jenis kesalahan dapat dipertimbangkan; tiga fase (3PH), fase-ke-fase (L-L), dan satu fase-ke-tanah (L-G) (Anderson, 1999).
2.2.1.1 Gangguan Arus Hubung Singkat
Gangguan hubung singkat terjadi ketika ada koneksi langsung antara penghantar arus listrik dengan penghantar lain atau dengan tanah dalam sistem tenaga. Gangguan ini dapat menghasilkan arus yang jauh lebih tinggi daripada arus normal yang mengalir dalam kondisi normal sistem tenaga. Jika gangguan hubung singkat dibiarkan terjadi dalam jangka waktu yang lama dalam sistem daya listrik, dapat menyebabkan dampak yang tidak diinginkan yang
4 dapat terjadi seperti berkurangnya batas-batas kestabilan untuk sistem daya, rusaknya peralatan yang berada dekat gangguan, ledakan-ledakan yang mungkin akan terjadi pada peralatan yang mengandung minyak isolasi, dan terpecahnya keseluruhan daerah pelayanan sistem daya tenaga listrik (Sampeallo et al., 2019).
2.2.1.2 Gangguan Beban Lebih
Gangguan beban lebih (overload) terjadi ketika arus yang melewati peralatan dalam sistem tenaga listrik melebihi arus kapasitas normalnya. Gangguan ini dapat menyebabkan kenaikan suhu pada peralatan dan jika dibiarkan dapat menyebabkan kerusakan pada peralatan. Gangguan beban lebih berdampak pada keseimbangan antara daya yang dihasilkan oleh sistem tenaga dan permintaan beban. Hal ini dapat menyebabkan beberapa konsekuensi yang mengganggu stabilitas sistem, salah satunya adalah penurunan tegangan (undervoltage).
Penurunan tegangan berkelanjutan yang disebabkan oleh gangguan lebih dapat mengakibatkan pemadaman total (blackout) pada sistem kelistrikan. Menurut aturan jaringan sistem Jawa Bali tahun 2007, tegangan operasi sistem harus dipertahankan dan diusahakan agar nilai tegangan masih dalam batasan operasi sistem (Nurida, 2016).
2.2.2 Rele Arus Lebih Waktu Invers
Rele arus lebih waktu invers merupakan rele pendeteksi arus yang menghasilkan karakteristik waktu-arus yang terbalik dengan cara mengintegrasikan fungsi arus terhadap waktu. Fungsi tersebut bernilai positif di atas dan negatif di bawah arus masukan yang telah ditentukan yang disebut sebagai arus ambang. Arus ambang merupakan arus pada saat integrasi dimulai secara positif dan relay menghasilkan keluaran saat integral mencapai nilai set positif yang telah ditentukan. Pada rele induksi, kecepatan piringan menjadi fungsi arus yang diintegrasikan untuk menghasilkan karakteristik waktu terbalik. Kecepatan tersebut bernilai positif untuk arus di atas dan negatif untuk arus di bawah arus ambang yang ditentukan sebelumnya. Nilai set integral yang ditentukan mewakili perjalanan piringan yang diperlukan untuk mengaktifkan keluaran trip (IEEE Standard for Inverse-Time Characteristics Equations for Overcurrent Relays, n.d.).
Gambar 2. 1 Kurva Rele Waktu Invers
2.2.3 Modified Adaptive Particle Swarm Optimization
Modified Adaptive particle Swarm Optimization (MAPSO) merupakan modifikasi dari PSO yang di mana pada algoritma ini menghasilkan tingkat optimisasi yang lebih tinggi daripada algoritma pembandingnya dalam sebuah fungsi pengujian. MAPSO menggabungkan beberapa strategi seperti perubahan ukuran polusi, perubahan kecepatan, atau perubahan inersia berdasarkan kinerja individu dan populasi. Strategi adaptasi bertujuan untuk
5 meningkatkan eksplorasi dan eksploitasi solusi secara adaptif seiring dengan perkembangan proses optimisasi.
Pengujian fungsi Sphere yaitu fungsi yang digunakan untuk menguji laju konvergensi dengan nilai optimum globalnya adalah f(0,…,0) = 0. Bentuk fungsinya adalah sebagai berikut :
f(x) = ∑𝑛𝑖=1𝑥𝑖2
Pada pengujian fungsi Sphere, tingkat optimasi algoritma MAPSO yang diperoleh adalah 100 %. Hal tersebut menunjukkan bahwa MAPSO yang dibangun telah berada dalam bentuk terbaik untuk semua target. Jadi, MAPSO yang dibangun dapat memberikan solusi yang sangat akurat dibandingkan dengan algoritma pembandingnya (Rui, 2016).
6
BAB 3 METODOLOGI
3.1 Metode yang digunakan 3.1.1 Studi Literatur
Metode studi literatur adalah kegiatan yang melibatkan pengumpulan data dari sumber- sumber Pustaka, membaca dan mencatat informasi, serta mengelola bahan penelitian. Adapun beberapa hal yang dipelajari meliputi dasar proteksi sistem tenaga listrik, koordinasi proteksi, rele arus lebih, dan metode Modified Adaptive Particle Swarm Optimization.
3.1.2 Pengumpulan Data
Objek yang akan diteliti adalah plant PT. Linde Gresik. Data-data yang dibutuhkan penelitian seperti single line diagram (SLD), data rele-rele yang terpasang, jenis beban, data trafo, dan sebagainya. Plant yang akan diamati adalah PT. Linde Gresik.
3.1.3 Desain Single Line Diagram ETAP
Setelah semua data yang diperlukan terkumpul, plant PT. Linde Gresik akan direpresentasikan dengan program ETAP beserta data-data penunjang. Data hasil running ETAP akan diolah dan digunakan sebagai input kode MATLAB.
3.1.4 Pemodelan MATLAB
MATLAB merupakan aplikasi yang sering digunakan pada bidang teknik untuk bebagai hal, salah satunya untuk pengoptimasian. Sudah banyak metode optimasi yang dikembangkan menggunakan aplikasi ini. MATLAB sendiri memiliki metode optimasi bawaan dari aplikasi seperti Genetic Algorithm (GA), Nonlinier Optimization (NL), Mixed Integer Linear Programing (MILP), dan sebagainya. Penelitian akan menggunakan metode Modified Adaptive Particle Swarm Optimization (MAPSO) yang telah diubah untuk mempermudah perhitungan/ penyelesaian. Untuk medapatkan hasil yang optimal maka dimodelkan fungsi objektif dan batasan-batasan (constrains) yang tidak boleh dilanggar.
3.1.5 Pengujian Hasil Optimasi
Setelah mendapatkan hasil simulasi dari MATLAB, data tersebut akan diuji pada program ETAP. Jika hasil pengujian menujukkan kriteria yang ditentukan maka diteruskan dengan menganalisa proses-proses penelitian. Dilanjutkan dengan membuat kesimpulan. Tetapi, jika hasil pengujian tidak sesuai dengan kriteria, maka dapat dianalisa proses penelitian yang menyebabkan ketidak sesuaian. Proses penelitian dapat diulang mulai dari memodelkan kode MATLAB.
3.2 Bahan dan peralatan yang digunakan
Ada beberapa bahan dan peralatan yang harus disiapkan untuk menunnjang penelitian tugas akhir ini, diantaranya adalah :
1. ETAP Power Station Software 12.6.0 2. MATLAB Software
3. Microsoft Word Software 4. Microsoft Excel Software
7 3.3 Urutan pelaksanaan penelitian
Gambar 3. 1 Diagram Alir Urutan Penelitian
8 Tabel 3. 1 Jadwal Pelaksanaan Kegiatan
No Kegiatan
Bulan
Agustus September Oktober November
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1. Studi literatur
2. Pengumpulan data
3.
Membuat single line diagram pada ETAP
4.
Merumuskan parameter dan batasannya yang akan dioptimasi menggunakan MAPSO 5. Simulasi
MATLAB 6. Penerapan pada
ETAP
7. Penulisan Buku Tugas Akhir 8. Selesai
9
