PENGGUNAAN POWER SYSTEM STABILIZER BERBASIS RECURRENT NEURAL NETWORK PADA SISTEM SINGLE MACHINE INFINITE BUS (STUDI KASUS SISTEM KELISTRIKAN LOMBOK) TERHADAP GANGGUAN KECIL
| Main Author: | RANGGA AKBAR, MUHAMMAD |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2013
|
| Subjects: | |
| Online Access: |
http://eprints.unram.ac.id/6285/1/10.%20Bab%20I%20II%20III%20IV%20V.docx http://eprints.unram.ac.id/6285/ |
Daftar Isi:
- Seiring dengan meningkatnya permintaan daya listrik, maka sistem tenaga listrik berkembang menjadi sangat besar dan kompleks. Perubahan beban dan gangguan kecil yang terjadi dapat menyebabkan kecepatan putaran rotor mengalami percepatan atau perlambatan sesaat. Fenomena ini akan membuat kualitas daya listrik yang dihasilkan menjadi menurun secara signifikan. Untuk mengatasi hal tersebut, maka diperlukan sebuah kontroler tambahan yang dinamakan Power System Stabilizer (PSS). Penelitian ini mengusulkan desain PSS berbasis-recurrent neural network (RNN). Konfigurasi RNNPSS terdiri dari dua neuro yaitu neuro identifier dan neuro controller. Neuro identifier digunakan untuk mengidentifikasi keluaran plant (single machine infinite bus, SMIB) dan neuro controller digunakan sebagai sinyal kontrol untuk memperbaiki stabilitas plant. Plant yang diteliti yaitu SMIB dan sistem kelistrikan Lombok yang disederhanakan dengan bus pembangkit Taman sebagai bus generator (machine). Hasil penelitian menunjukkan bahwa plant yang dilengkapi dengan RNNPSS mampu memperbaiki stabilitas dinamik STL yang paling baik dengan rata-rata overshoot dan settling time sebesar 0,1915 pu (7,04%) dan settling time 5,2995 s dengan perubahan signifikan nilai overshoot dan settling time sebesar 4,88% dan 26,94% antara RNNPSS dengan PSS konvensional.