Jurnal: Elektrika Borneo (JEB) Vol.
No.
Oktober 2024, hlm.
p-ISSN 2443-0986
e-ISSN 2685-001X
PERBANDINGAN KENDALI LOGIKA FUZZY DAN JARINGAN SARAF
TIRUAN PADA SISTEM EKSITASI AUTOMATIC VOLTAGE REGULATOR
UNTUK GENERATOR SINKRON
Abdul Muis Prasetia1.
Linda Sartika2.
Adjie Satria3
1,2,3
Universitas Borneo Tarakan.
Tarakan.
Kalimantan Utara.
Indonesia electric@gmail.
2lindasartika75@gmail.
3satriadunia@gmail.
AbstractAi Synchronous generators require a device that functions to regulate the terminal voltage to be maintained, the device is known as an Automatic Voltage Regulator (AVR) or a device that can supply excitation current to the generator so that the generator terminal voltage remains stable.
This research compares two different controls, namely fuzzy logic and artificial neural networks on AVR which are expected to regulate the generator terminal voltage at a nominal 220V.
Artificial neural network research data is taken from the input and output of PID control while fuzzy logic ruless design using trial and error method on the same AVR.
The results showed the transient response of the generator performance with the results that fuzzy logic produced a response delay Time .
058s, rise Time .
576s, peak Time .
20s, settling Time .
354s, maximum overshoot (M.
0%, steady state error .
Artificial neural network produces response delay Time .
031s, rise Time .
518s, peak Time .
128s, settling Time .
maximum overshoot (M.
345%, steady state error .
Based on the transient response value, fuzzy logic has a slower response than artificial neural networks, but fuzzy logic can minimize overshoot.
PENDAHULUAN
Pembangkit listrik yang umum digunakan adalah generator yang merubah energi mekanik menjadi energi Jenis generator yang sering digunakan dalam pembangkit energi listrik adalah generator Sinkron.
Generator Sinkron dalam pengoperasiannya membutuhkan sistem proteksi yang dapat menjaga sistem kehandalannya sehingga dapat menjaga kestabilan tegangan yang Salah satu yang menyebabkan generator tidak aman adalah beban yang berubah-ubah dari konsumen listrik yang mengakibatkan tegangan pada terminal generator tidak setabil, sehingga dibutuhkan Automatic Voltage Regulator (AVR) mampu untuk menstabilkan tegangan keluaran generator singkron, di mana AVR akan mengatur tingkat arus eksitasi sebagai penguatan medan magnet .
Logika fuzzy adalah himpunan yang unsur-unsurnya mempunyai derajat keanggotaan atau kesesuaian dengan konsep yang merupakan syarat keanggotaan himpunan tersebut.
Logika fuzzy digunakan sebagai suatu cara untuk memetakan permasalahan dari input menuju ke output yang diharapkan .
Jaringan saraf tiruan merupakan implementasi dari teknologi artificial intelligent.
Jaringan saraf tiruan adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan saraf biologi.
Pada dasarnya jaringan saraf tiruan adalah pendekatan rekayasa neuron biologis yang memiliki perangkat dengan banyak input dan satu output.
JST terdiri dari sejumlah besar elemen pemrosesan sederhana yang saling berhubungan satu sama lain dan juga berlapis .
KeywordsAi AVR.
Fuzzy Logic.
Artificial Neural Netwrok.
Synchronous.
IntisariAi Generator Sinkron memerlukan alat yang berfungsi untuk mengatur tegangan terminal tetap terjaga, alat tersebut dikenal sebagai Automatic Voltage Regulator (AVR) atau alat yang dapat arus eksitasi yang disuplai ke generator sehingga tegangan terminal generator tetap stabil.
Penelitian ini membandingkan dua kendali yang berbeda yaitu logika fuzzy dan jaringan saraf tiruan pada AVR yang diharapkan dapat mengatur tegangan terminal generator pada nominal 220V.
Data penelitian jaringan saraf tiruan diambil dari input dan output kendali PID sedangkan desain rules logika fuzzy menggunakan metode trial and error pada AVR yang sama.
Hasil penelitian menunjukkan respon transient kinerja generator dengan hasil yaitu Logika fuzzy menghasilkan respon delay Time .
058s, rise Time .
576s, peak Time .
20s, settling Time .
354s, maximum overshoot (M.
0%, error steady state .
Jaringan saraf tiruan menghasilkan respon delay Time .
031s, rise Time .
518s, peak Time .
128s, settling Time .
maximum overshoot (M.
345%, error steady state .
Berdasarkan nilai respon transient logika fuzzy memiliki respon lebih lambat dibandingkan jaringan saraf tiruan, akan tetapi logika fuzzy dapat meminimalisir II.
LANDASAN TEORI
Automatic Voltage Regulator (AVR) Automatic Voltage Regulator (AVR) adalah sebuah divais pengatur tegangan yang digunakan pada generator sinkron untuk menyetabilkan tegangan keluaran yang Bagian AVR terbagi pada dua bagian utama yaitu bagian penyearah .
yang berfungsi untuk mengubah energi AC menjadi DC yang dibutuhkan oleh generator sinkron dalam proses eksitasi dan bagian voltage regulator terdapat kontrol PI yang berfungsi untuk mengatur tegangan DC yang akan diinjeksikan pada medan generator sinkron.
Masukan dari pengatur tegangan merupakan tegangan DC yang berasal dari Kata KunciAi AVR.
Generator Sinkron.
Jaringan Saraf Tiruan.
Logika Fuzzy.
Abdul Muis Prasetia, dkk.
Perbandingan Kendali Logika Fuzzy A 65 penyearah serta tegangan refrensi yang diinginkan dengan kontrol PI yang digunakan maka didapat keluaran berupa tegangan eksitasi yang menjadi masukan generator Apabila tegangan output generator dibawah tegangan normal tegangan generator, maka AVR akan memperbesar arus pengutan .
pada exiter.
Dengan demikian apabila terjadi perubahan tegangan output generator akan dapat distabilkan oleh AVR secara otomatis .
Logika Fuzzy Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 hingga 1.
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang outputLogika fuzzy adalah himpunan yang unsur-unsurnya mempunyai derajat keanggotaan atau kesesuaian dengan konsep yang merupakan syarat keanggotaan himpunan tersebut.
Logika fuzzy digunakan sebagai suatu cara untuk memetakan permasalahan dari input menuju ke output yang diharapkan.
Dasar logika fuzzy adalah teori himpunan fuzzy .
Tahapan logika fuzzy meliputi 3 langkah, yakni fuzzification, modifikasi keanggotaan (Rules Bas.
dan defuzzification:
Fuzzification Fuzzification merupakan tahapan yang bertujuan untuk membuat variabel real berubah menjadi variabel Langah melakukan fuzzification yaitu melalui pemodelan fungsi keanggotaan sehingga dapat diketahui besar kecilnya input .
erajat keanggotaa.
Adapun fungsi keanggotaan .
uN .
) seperti pada Gambar 1.
Dengan yca1 adalah nilai minimum dari himpunan fuzzy A dan B pada aturan ke-i.
yuN_yaycn.
adalah derajat keanggotaan ycu dari himpunan fuzzy A pada aturan ke-i.
yuN_yaAycn.
adalah derajat keanggotaan x dari himpunan fuzzy B pada aturan ke-i.
Defuzzyfication Defuzzyfication bisa diartikan proses mengubah variabel fuzzy yang dinyatakan dalam sebuah bentuk himpunan fuzzy output dengan membership function Defuzzyfication menggunakan Persamaan .
yayceyceycycycycyceycnycoycaycycn = Ocycn1 ya1 ycu ycUycn1 Ocycn1=1ya1 .
Dengan A adalah luas area, serta Xi adalah centroid atau titik pusat rata rata.
Jaringan Saraf Tiruan Jaringan Saraf Tiruan (JST) merupakan metode komputasi yang menyerupai jaringan saraf biologis.
JST
dibangun guna menyelesaikan masalah tertentu, misalnya mengenali pola atau mengklasifikasi karena adanya proses pembelajaran.
Model Jaringan Saraf Tiruan Sebuah sel saraf terdiri dari tiga bagian, yaitu: fungsi jumlah .
umming functio.
, fungsi aktivasi .
ctivation functio.
, dan output.
Jika nilai input melampaui nilai ambang batas tertentu, maka neuron akan teraktivasi, jika tidak maka neuron tidak akan teraktivasi.
Secara umum, arsitektur JST dibedakan menjadi beberapa, yaitu jaringan dengan lapisan tunggal, lapisan banyak, dan lapisan Untuk pemodelan JST seperti terlihat pada Gambar 2.
Gambar 1.
Fungsi keaggotaan kurva segitiga Fungsi keanggotaan menggunakan Persamaan .
ycu O yca ycaycycayc ycu Ou yca .
cuOeyc.
caOeyc.
caOeyc.
yca O ycu O yca Gambar 2.
Model neuron pada Jaringan Saraf Tiruan .
{ .
caOeyc.
yca O ycu O yca Dengan yca adalah nilai domain terkecil yang mempunyai derajat keanggotaan nol, yca adalah nilai domain terkecil yang mempunyai derajat keanggotaan satu, yca adalah nilai domain terbesar yang mempunyai derajat keanggotaan satu dan ycu adalah nilai input yang akan diubah ke dalam bilangan fuzzy.
Rules Base Aturan fuzzy diungkapkan dalam bentuk AuIF antecendent THEN consequentAy yang mana adalah inti dari relasi fuzzy.
Fungsi implikasi yang bisa digunakan dalam fuzzy metode mamdani adalah dengan menggunakan fungsi min.
Fungsi min menggunakan Persamaan .
yca1 = ycoycnycu.
uN_yaycn.
, yuN_yaAycn.
} .
Dengan x adalah input, w adalah bobot, adalah proses pengumpulan data, yuc adalah fungsi aktivasi, dan y adalah Fungsi Aktivasi Fungsi aktivasi berfungsi menjembatani perbandingan antara hasil penjumlahan nilai semua bobot yang akan datang dengan nilai input dengan suatu nilai ambang .
tertentu pada setiap neuron JST.
Fungsi aktivasi inilah yang akan menentukan besarnya bobot.
Beberapa fungsi aktivasi yang biasa digunakan adalah:
Logsig .
ungsi sigmoid bine.
nilai output pada range 0 sampai 1.
Tansig .
ungsi sigmoid bipola.
maksimal output dari fungsi ini pada range -1 sampai 1.
Purelin .
ungsi linie.
nilai output sama dengan nilai Abdul Muis Prasetia, dkk.
Perbandingan Kendali Logika Fuzzy A 66 i.
METODE PENELITIAN
Diagram Blok Dalam upaya untuk meningkatkan kendali AVR, pendekatan menggunakan logika fuzzy dan jaringan saraf tiruan menjadi fokus utama penelitian.
Pada bagian ini, kami akan membahas secara rinci perbandingan antara dua metode kendali yang inovatif, yaitu logika fuzzy dan JST, dalam konteks simulasi kontrol AVR generator sinkron.
Diagram blok pada Gambar 3 akan memberikan gambaran visual tentang struktur keseluruhan sistem.
Model Generator Sinkron Untuk model yang linier sebuah generator dapat pendekatan dengan sistem orde satu, yang memiliki faktor penguatan (K.
dan konstanta waktu (T.
Pada nilai konstanta waktu ini bergantung pada beban.
Penetapan nilai Kg menggunakan nilai maksimal yaitu 1 dan Tg menggunakan nilai minimal yaitu 1 .
Tabel I Parameter model AVR dan transfer function Component Transfer Function Amplifier ycNyaycaycoycyycoycnyceycnyceyc yayca 1 ycNyca ycI ycNyayceycuycaycnycyceyc yayce 1 ycNyce ycI ycNyayciyceycuyceycycaycycuyc yayci 1 ycNyci ycI Exciter Gambar 3.
Diagram blok simulasi kontrol AVR generator Penjelasan dari diagram blok diatas adalah sebagai Set point adalah penentuan nilai tegangan terminal generator, yang ditentukan sebesar 220V.
Nilai error .
merupakan selisih antara tegangan referensi dengan feedback tegangan aktual dari terminal generator sinkron dan merupakan input untuk blok Pada blok sistem kontrol menggunakan dua metode yaitu logika fuzzy dan jaringan saraf tiruan yang digunakan sebagai pengendali.
Control signal (CS) merupakan output dari sistem kontrol yang ada lalu terhubung sebagai inputan amplifier untuk direpresentasikan dalam sebuah sistem orde satu sebagai faktor penguat dan konstanta waktu.
Blok exciter akan memerintahkan sistem eksitasi untuk menginjeksi Volt Alternating Current (VAC) ke Volt Dirrect Current (VDC) atau mengurangi arus Dirrect Current (DC) pada kumparan rotor generator sesuai dengan kebutuhan.
Pada Generator sinkron, rotor akan berputar oleh penggerak mula .
rime move.
dan kemudian kutubkutub pada rotor akan berputar, terjadinya energi listrik karena adanya proses induksi elektromagnetik sehingga timbul gaya gerak listrik pada kumparan stator.
Sistem Model AVR Serta Parameter Transfer Function Pemodelan sistem AVR dan Generator Sinkron menggunakan transfer function sesuai dengan parameter pada Tabel 1.
Pada penelitian ini model sistem AVR melakukan studi literatur sebagai referensi.
Model Amplifier Model amplifier digambarkan sebagai sistem orde pertama dengan sebuah faktor penguatan (K.
dan konstanta waktu (T.
Penetapan nilai Ka menggunakan nilai minimal yaitu 10 dan Ta menggunakan nilai maksimal yaitu 0.
Model Exciter Ke adalah konstanta penguatan eksiter dan Te adalah konstanta waktu eksiter.
Penetapan nilai Ke menggunakan nilai minimal yaitu 1 dan Te menggunakan nilai minimal 4 .
Generator Sinkron Parameter Range 10 O yayca O 40.
Ou ycNyca O 0.
1 O yayce O 10.
O ycNyce O 1.
7 O yayci O 0 O ycNyci O 2 IV.
HASIL DAN PEMBAHASAN
Logika Fuzzy Sistem inferensi fuzzy yang digunakan adalah mamdani yang menggunakan metode centroid untuk defuzzifikasi.
Kontrol logika fuzzy ini terdiri dari multiple input dan single output (MISO) yang berarti memiliki dua masukan dan satu Nilai error tegangan dan laju perubahan error tegangan atau delta error adalah masukan dari kendali fuzzy yang berasal dari selisih tegangan terminal generator sinkron dengan tegangan referensi.
Input Logika Fuzzy Logika fuzzy menunjukkan fungsi keanggotaan dari input pertama dalam simulasi yang diberi nama error.
Rentang pada input error ini diatur antara -220 hingga 220.
Terdapat lima keanggotaan, dan masing-masing memiliki bentuk segitiga.
Fungsi keanggotaan error fuzzy dapat diamati pada Tabel 2.
Tabel II Fungsi keanggotaan input error fuzzy Range Error [-220 .
Name Params [-220 -220 -.
[-220 -110 .
[-110 0 .
Type Logika fuzzy menunjukkan fungsi keanggotaan dari input kedua dalam simulasi yang diberi nama delta error.
Rentang pada input delta error ini diatur dalam rentang nilai -220 hingga 220.
Terdapat lima keanggotaan, dan masing-masing memiliki bentuk segitiga.
Fungsi keanggotaan input delta error fuzzy dapat diamati pada Tabel 3.
Abdul Muis Prasetia, dkk.
Perbandingan Kendali Logika Fuzzy A 67
Tabel i Fungsi keanggotaan input delta error fuzzy Range Name
NBd
NSd
PSd
PBd
[-220
Params Type [-220 -220 .
[-220 -110 .
[-110 0 .
Pada Gambar 4 diatas, terlihat hasil simulasi AVR yang telah dijalankan berbasis kendali logika fuzzy dengan tegangan referensi 220V.
Dari simulasi ini, diperoleh nilai respons transient dan error steady state yang dicantumkan pada Tabel 6 berikut.
Tabel VI Respon sistem AVR berbasis kendali logika Fuzzy Output Logika Fuzzy Logika fuzzy menunjukkan fungsi keanggotaan dari output dalam simulasi yang diberi nama output.
Jangkauan pada output ini diatur dalam rentang nilai 17 hingga 27.
Sebagaimana dua input sebelumnya, output ini juga memiliki lima keanggotaan, dan masing-masing memiliki bentuk segitiga.
Fungsi keanggotaan output fuzzy dapat diperhatikan pada Tabel 4.
Tabel IV Fungsi keanggotaan output fuzzy Output Range Name Params Type 5 22 24.
5 27 .
Rules Logika Fuzzy Input dan output logika fuzzy ini memiliki 5 fungsi keanggotaan yang disimbolkan sebagai NB (Negative Bi.
NS (Negative Smal.
Z (Zer.
PS (Positive Smal.
PB (Positive Bi.
Sedangkan untuk jumlah aturan pada tabel dapat ditentukan dari hasil perkalian jumlah keanggotan pada kedua input yang dimana masing-masing memiliki 5 keanggotaan sehingga didapatkan hasil 5 x 5 = 25 aturan, aturan tersebut dapat diamati pada Tabel 5.
Respon Sistem Logika fuzzy Delay Time Rise Time Peak Time Settling Time Max Overshoot Steady State Error Steady State Jaringan Saraf Tiruan Pengambilan Data Input dan Output Dalam merancang kendali JST, diperlukan data input dan target untuk melakukan pelatihan jaringan saraf tiruan.
Data tersebut diperoleh dari input dan output kontrol PID dengan menggunakan blok to workspace, sebagaimana ditunjukkan pada Gambar 5 berikut.
Gambar 5.
Pengambilan data PID to Workspace Referensi Logika Fuzzy Tabel V Aturan fuzzy Tegangan e/OIe NBd Waktu NSd PSd PBd Gambar 6.
Respon sistem AVR berbasis kendali JST Pada Gambar 6 diatas, terlihat hasil simulasi AVR yang telah dijalankan berbasis kendali jaringan saraf tiruan dengan tegangan referensi 220 Volt.
Dari simulasi ini, diperoleh nilai respons transient dan error steady state yang tercantum pada Tabel 7 berikut.
Pengujian Kendali Logika Fuzzy Tabel VII Respon sistem AVR berbasis kendali JST Vref Logika Fuzzy Tegangan Waktu Gambar 4.
Respon sistem AVR berbasis kendali logika
Respon Sistem
JST
Delay Time Rise Time Peak Time Settling Time Max Overshoot Steady State Error Steady State Abdul Muis Prasetia, dkk.
Perbandingan Kendali Logika Fuzzy A 68 Pengujian Kendali Logika Fuzzy dan Jaringan Saraf Tiruan Berbeban Logika Fuzzy Pengujian ini dilakukan pada tegangan referensi 220V dengan beban sebesar 10, -10, 5 dan -5 yang bertujuan untuk mengetahui karakteristik respon sistem yang Beban yang diberikan berupa step yang diberikan pada t = 10s untuk beban 10, t = 20s untuk beban -10, t = 30s untuk beban 5, dan t = 40s untuk beban -5 seperti ditunjukkan pada Gambar 7.
karakteristik respon sistem yang dihasilkan.
Pemberian beban dilakukan dalam bentuk step pada t = 10s untuk beban 10, t = 20s untuk beban -10, t = 30s untuk beban 5, dan t = 40s untuk beban -5, sebagaimana terlihat pada Gambar 9.
Gambar 9.
Sistem AVR berbasis JST berbeban Gambar 7.
Sistem AVR berbasis logika fuzzy berbeban Referensi Jaringan Saraf Tiruan Tegangan Referensi Logika Fuzzy Tegangan Waktu Waktu Gambar 8.
Respon Sistem AVR Berbasis Kendali Logika Fuzzy Berbeban Dari hasil pengujian beban yang telah dilakukan pada Gambar 8 dengan kendali logika fuzzy menggunakan tegangan referensi 220 Volt, diperoleh nilai error steady state yang tercatat pada Tabel 8.
Tabel Vi Respon Sistem AVR Berbasis Kendali Logika Fuzzy Berbeban Time Beban Steady State Error Steady State Beban yang diberikan berupa step repeating squence Dapat di perhatikan pada Gambar 8 pengujian pada t= 10 untuk beban 10 terjadi penurunan tegangan dari 220 volt 4 volt lalu pada t=15 terjadi pelepasan beban sehingga terdapat sedikit overshoot pada responnya untuk kembali ke tegangan referensi.
Dapat di perhatikan juga adanya usaha perbaikan respon tegangan pada saat berbeban, namun nilai perbaikan yang terjadi cukup kecil sehingga tidak dapat kembali ke tegangan referensi.
Jaringan Saraf Tiruan Proses yang serupa juga dijalankan dalam pengujian berbeban ini, dengan pengaturan tegangan referensi sebesar 220V dan pemberian beban sebesar 10, -10, 5, dan -5.
Tujuan dari pengujian ini adalah untuk mengidentifikasi Gambar 10.
Respon Sistem AVR Berbasis Kendali JST Berbeban Dari hasil pengujian beban yang telah dilakukan pada Gambar 10 dengan kendali logika fuzzy menggunakan tegangan referensi 220 Volt, diperoleh nilai error steady state yang tercatat pada Tabel 9.
Tabel IX Respon Sistem AVR Berbasis Kendali JST Berbeban Time Beban Steady State Error Steady State Hal yang sama juga dilakukan dalam pengujian berbeban ini yaitu berupa step repeating squence stair.
Dapat di perhatikan pada Gambar 10.
hasil pengujian pada t= 10s untuk beban 10 terjadi penurunan tegangan dari 220 Volt menjadi 214.
8 Volt lalu pada t=15s terjadi pelepasan beban sehingga terdapat overshoot yang sedikit lebih besar daripada kendali logika fuzzy.
Dapat di perhatikan juga adanya usaha perbaikan respon tegangan yang sedikit lebih baik daripada kendali logika fuzzy pada saat berbeban.
Perbandingan Respon Logika Fuzzy dan Jaringan Saraf Tiruan Perbandingan ini dilakukan pada tegangan referensi 220V dengan membandingkan karakteristik respon sistem AVR yang berbasis kendali logika fuzzy dan jaringan saraf Hasil perbandingan tersebut dapat dilihat pada Gambar 11.
Abdul Muis Prasetia, dkk.
Perbandingan Kendali Logika Fuzzy A 69
REFERENSI