PREDIKSI PEMELIHARAAN TRANSFORMATOR DISTRIBUSI BERBASIS ARTIFICIAL NEURAL NETWORK

Wiega Pratama, Daffa Brilliant Samodra, Hayuda Altita Perkasa, Andhika Hermawan, Favian Bhagaskara Ramadhan, Wahyu Setyo Pambudi

Abstract


Pada sistem distribusi listrik,transformator dioperasikan secara kontinyu sering mengalami kegagalan isolasi. Kegagalan isolasi disebabkan oleh faktor eksternal berupa endapan kadar asam dan kontaminasi penguapan air. Faktor ekternal itu yang akan mengakibatkan terjadi penurunan nilai tegangan tembus. Metode untuk mencegah penurunan fungsi keandalan transformator yaitu metode Artificial Neural Network (ANN). Metode ini akan memprediksi nilai tegangan tembus minyak trafo hingga batas waktu yang akan mendatang. Nilai hasil prediksi akan dibuktikan tingkat uji validasi sebagai acuan data peramalan. Pengembangan skenario ANN penelitian ini dapat memperkecil 2% deviasi tingkat kesalahan dari penelitian sebelumnya. Simulasi akhir prediksi ANN selama 2 menit 37 detik mencapai error 0.011% setelah 10000 iterasi dengan koefisien korelasi yang sempurna. Dari jumlah 19 data simulasi memiliki nilai RMSE 1.61, Nilai MAPE 2% , dan tingkat akurasi rata-rata 98,30%. Dari hasil simulasi dapat di simpulkan bahwa nilai tegangan tembus transformator masih berada pada kisaran lebih dari 40 kV sehingga trafo masih layak dioperasikan dalam kurun waktu 129 bulan.

Keywords


Akurasi; artificial neural network; deviasi; koefisien korelasi; peramalan; tegangan tembus minyak transformator

Full Text:

PDF

References


H. Sayogi, “Analisis Mekanisme Kegagalan Isolasi Pada Minyak Trafo Menggunakan Elektroda Berpolaritas Berbeda Pada Jarum-Bidang Hanung Sayogi L2F302486 Teknik Elektro Universitas Diponegoro Semarang Abstrak.”

M. . Akbar, “Analisa Karakteristik Minyak Isolasi Transformator Daya 11Kva Menggunakan Metode Dga Dan Breakdown Voltage Pada Gardu Kilang Pertamina Ru-Ii Dumai,” Inst. Teknol. Sepuluh Nop., 2018.

I. N. O. Winanta, A. A. N. Amrita, and W. G. Ariastina, “Studi Tegangan Tembus Minyak Transformator,” J. SPEKTRUM, vol. 6, no. 3, pp. 10–18, 2019.

Y. ; D. Yantoro, “Pemeliharaan minyak transformator pada minyak transformator nomo 4 di Gardu Induk Kebasen,” no. 71, 2014.

N. A. Atussaliha, P. Purnawansyah, and H. Darwis, “Metode Double Exponential Smoothing pada Sistem Peramalan Tingkat Kemiskinan Kabupaten Pangkep,” Ilk. J. Ilm., vol. 12, no. 3, pp. 183–190, 2020.

E. Suhartanto, E. N. Cahya, and L. Maknun, “Analisa Limpasan Berdasarkan Curah Hujan Menggunakan Model Artifical Neural Network (Ann) Di Sub Das Brantas Hulu,” J. Tek. Pengair., vol. 10, no. 2, pp. 134–144, 2019.

N. Rosyidi and D. P, “Pengujian tegangan tembus pada minyak trafo,” Sinusoida, vol. XXIII, no. 2, pp. 20–32, 2021.

M. A. A. Wahab, “Artificial neural network-based prediction technique for transformer oil breakdown voltage,” Electr. Power Syst. Res., vol. 71, no. 1, pp. 73–84, 2004.

S. Supriyanto, S. Sunardi, and I. Riadi, “Pengaruh Nilai Hidden layer dan Learning rate Terhadap Kecepatan Pelatihan Jaringan Saraf Tiruan Backpropagation,” JIKO (Jurnal Inform. dan Komputer), vol. 6, no. 1, p. 27, 2022.

A. P. Widodo, E. A. Sarwoko, and Z. Firdaus, “Akurasi Model Prediksi Metode Backpropagation Menggunakan Kombinasi Hidden Neuron Dengan Alpha,” Matematika, vol. 20, no. 2, pp. 79–84, 2017.

E. A. N. Putro, E. Rimawati, and R. T. Vulandari, “Prediksi Penjualan Kertas Menggunakan Metode Double Exponential Smoothing,” J. Teknol. Inf. dan Komun., vol. 9, no. 1, p. 60, 2021.

I. Suprayogi, Trimaijon, and Mahyudin, “Model Prediksi Liku Kalibrasi Menggunakan Pendekatan Jaringan Saraf Tiruan (ZST) (Studi Kasus : Sub DAS Siak Hulu),” J. Online Mhs. Fak. Tek. Univ. Riau, vol. 1, no. 1, pp. 1–18, 2014.




DOI: https://doi.org/10.31284/p.snestik.2023.4004

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Wiega Pratama, Daffa Brilliant Samodra, Hayuda Altita Perkasa, Andhika Hermawan, Favian Bhagaskara Ramadhan, Wahyu Setyo Pambudi

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.