Perpustakaan Digital ITB

Partial discharge (PD) merupakan salah satu fenomena elektrik yang dapat terjadi pada peralatan tegangan tinggi dan dapat dimanfaatkan untuk mendiagnosis kondisi peralatan tersebut. Jaringan syaraf tiruan (JST) kemudian digunakan untuk mengklasifikasi sumber PD pada peralatan tegangan tinggi. Parameter gelombang yang dihasilkan dari sinyal PD digunakan sebagai data masukan untuk JST. Parameter gelombang yang dihasilkan dari setiap tipe PD dan noise saling berbeda sehingga dapat digunakan untuk membedakan antara PD (korona, void, surface discharge) dan noise. Selain itu, perbedaan tersebut dapat digunakan juga untuk melatih dan menguji JST. Pengukuran PD untuk mendapatkan parameter gelombang telah dilakukan di laboratorium menggunakan empat jenis sumber PD buatan, seperti cacat tonjolan pada konduktor, cacat tonjolan pada ground, cacat void dan cacat surface discharge dengan menggunakan tiga macam sensor, yaitu sensor transient earth voltage (TEV), sensor surface current (SCS) dan sensor high frequency current transformer (HFCT). Selain itu, sinyal noise dari empat macam sumber noise juga diukur menggunakan sensor yang sama. Sembilan parameter gelombang dari satu kejadian PD, yaitu amplitudo, fasa, waktu muka, waktu ekor, lebar pulsa, luas pulsa, lebar kejadian, frekuensi yang memberikan amplitude maksimum dan frekuensi dari method of moment digunakan untuk melatih dan menguji JST (JST_WP). Lebih jauh, sebagai perbandingan, pengukuran di laboratorium juga mendapatkan pola fasa PD (PRPD) yang digunakan untuk melatih dan menguji JST lainnya (JST_PR). Hasilnya menunjukkan kemampuan mengenali dari JST_WP mencapai 94% sementara JST_PR mencapai 96%. Namun demikian, untuk mengevaluasi lebih dalam mengenai performa JST, maka JST yang telah dilatih sebelumnya diuji menggunakan data PD baru yang diperoleh dari percobaan di laboratorium yang sama sekali tidak dilibatkan dalam proses pelatihan JST sebelumnya. Hasilnya menunjukkan bahwa probabilitas akurasi JST_WP rata-rata mencapai 81% sedangkan probabilitas akurasi JST_PR mencapai 90%. Tes lainnya juga telah dilakukan dengan menggunakan cacat void baru yang berbeda dengan cacat void sebelumnya. Hasilnya menunjukkan bahwa JST_WP memprediksi data tersebut sebagai cacat void dengan probabilitas 92% sedangkan JST_PR memprediksi data tersebut sebagai cacat void dengan probabilitas 94%. JST yang telah dilatih kemudian digunakan untuk mengidentifikasi sumber PD yang terjadi pada gas insulated switchgear tipe kubikel (C-GIS). Sebagai hasilnya, JST_WP yang telah terlatih memprediksi sumber PD tersebut sebagai discharge void dengan probabilitas 99% sedangkan JST_PR yang telah terlatih memprediksi sumber PD tersebut juga sebagai discharge void dengan probabilitas 100%. Hasil tersebut mengindikasikan bahwa parameter gelombang dan pola fasa PD dapat digunakan sebagai data masukan untuk JST dan menghasilkan akurasi yang cukup baik dalam mengidentifikasi sumber PD. Hasil yang ditunjukkan tersebut menunjukkan kemungkinan bahwa JST yang telah dibangun dapat digunakan sebagai alat bantu pengambil keputusan dalam diagnosis peralatan tegangan tinggi dengan membandingkan terhadap data PD yang diperoleh dari pengukuran lapangan.