Pengoptimalan Logika Fuzzy Menggunakan Particle Swarm Optimization Untuk Sistem Automatic Voltage Regulator (Avr)
| Main Author: | Sari, Ayu Purnama |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/2781/1/Bagian%20Depan.pdf http://repository.ub.ac.id/2781/2/Bab%201.pdf http://repository.ub.ac.id/2781/3/BAB%20II.pdf http://repository.ub.ac.id/2781/4/BAB%20III.pdf http://repository.ub.ac.id/2781/5/BAB%20IV.pdf http://repository.ub.ac.id/2781/6/BAB%20V.pdf http://repository.ub.ac.id/2781/7/BAB%20VI.pdf http://repository.ub.ac.id/2781/8/Daftar%20Pustaka.pdf http://repository.ub.ac.id/2781/ |
Daftar Isi:
- Tegangan keluaran yang dihasilkan generator sinkron dipengaruhi oleh perubahan beban, apabila beban arus pada generator sinkron bertambah maka tegangan yang dihasilkan akan menurun, dan sebaliknya jika beban arus berkurang tegangan pada generator akan naik. Untuk menangani hal tersebut, maka dibutuhkan Automatic Voltage Regulator (AVR) sebagai pengaturan tegangan terminal generator. AVR umumnya dihadapkan pada permasalahan overshoot tinggi dan waktu yang cukup lama untuk mencapai kondisi steady state, sehingga dibutuhkan suatu sistem pengontrolan untuk memperbaiki respon keluaran tersebut. Sistem pengontrolan yang digunakan pada penelitian ini menggunakan kontrol logika fuzzy. Namun, fuzzy memiliki kelemahan pada proses tuning parameter yang dilakukan secara manual yang membutuhkan banyak waktu dan masih adanya kemungkinan nilai optimum terbaik akan terlewati. Untuk mengatasi hal tersebut penelitian ini menggunakan teknik optimasi Particle Swarm Optimization (PSO), guna mengoptimalkan fungsi keanggotaan logika fuzzy. Dari simulasi yang telah dilakukan fuzzy yang telah dioptimasi oleh PSO mendapatkan hasil yang lebih baik yaitu terjadi penurunan nilai settling time 0,9442 detik dan rise time 0.583 detik. Pengujian juga dilakukan pada sistem AVR dengan cara memberi disturbance / beban. AVR yang menggunakan kontrol logika fuzzy mampu mengatasi disturbance tetapi memiliki kelemahan pada waktu perbaikan (recovery time) yang lebih lama yaitu sebesar 4,7 detik. Bila dibandingkan dengan fuzzy yang dituning oleh PSO menghasilkan waktu yang lebih cepat yaitu 1 detik.