Perpustakaan Digital ITB

Transformator daya merupakan komponen penting pada sistem transmisi dan distribusi dengan mempertimbangkan fungsinya sebagai penopang kebutuhan energy listrik yang semakin meningkat. Isolasi minyak dan kertas memiliki peranan vital dalam kinerja transformator daya. Dibandingkan dengan material lain yang digunakan pada transformator daya, sistem isolasi merupakan titik terlemah. Tekanan elektrik dan thermal pada sistem isolasi transformator daya mengakibatkan percepatan penuaan dan kegagalan selama operasi. Oleh karena itu, pemantauan dan diagnosa kondisi transformator daya perlu dilakukan untuk memastikan bahwa transformator beroperasi secara optimal. Analisa gas terlarut atau dissolved gas analysis (DGA) adalah salah satu teknik diagnosa yang sudah banyak dilakukan oleh beberapa utilitas elektrik di seluruh dunia. Interpretasi hasil DGA sangat penting untuk keberhasilan teknik diagnostik ini. Berbagai teknik interpretasi telah dikembangkan di antaranya adalah Metode Rasio Doernenburg (DRM), Metode Rasio Roger (RRM), Metode Rasio IEC (IRM), Metode Segitiga Duval (DTM), dan Metode Duval Pentagon (DPM). Teknik ini disebut sebagai teknik konvensional. Sayangnya, teknik interpretasi ini masih didasarkan pada pengetahuan dan pengalaman para expert, bukan pada perhitungan matematis. Selain itu, metode rasio dapat mengakibatkan kondisi gangguan tidak teridentifikasi jika rasio sampel tidak berada dalam nilai batas. Ada kemungkinan besar bahwa satu sample akan menunjukan hasil intepretasi yang berbeda-beda saat dilakukan dengan metode konvensional tersebut, dengan kata lain akan terjadi kasus salah interpretasi. Pada kasus yang ekstrim, kesalahan interpretasi ini bisa mengakibatkan salah pengelolaan asset dan munculnya biaya yang tidak diperlukan. Tujuan dari penelitian ini adalah mengembangkan teknik interpretasi baru pada interpretasi DGA guna meningkatkan akurasi dan konsistensi. Metode yang dikembangkan adalah metode multi yang memanfaatkan indeks pembobotan dan metode pembelajaran mesin random forest untuk mengintegrasikan berbagai metode yang ada. Untuk memvalidasi kehandalan model, metode yang diajukan diterapkan pada dua jenis tipe gangguan yang terdiri dari tiga jenis gangguan dan enam jenis gangguan. Hasil akhir menunjukkan bahwa indeks pembobotan multi-metode dan metode random forest lebih akurat dan konsisten daripada metode interpretasi konvensional. Selain itu, random forest multi-metode menunjukkan akurasi dan konsistensi yang lebih besar dibandingkan dengan indeks pembobotan multi-metode, dengan nilai akurasi 96 persen dan nilai konsistensi 93 persen untuk tiga jenis gangguan dan nilai akurasi 88 persen dengan konsistensi 87 persen untuk enam jenis gangguan. Selanjutnya, publikasi IEEE C57.104 tahun 2019 sebagai standar terbaru interpretasi analisa gas terlarut menghasilkan perubahan yang sangat signifikan dibandingkan dengan standard sebelumnya. Perubahan signifikan dalam standard tersebut berupa implementasi laju perubahan gas sebagai referensi untuk mendeteksi ketidaknormalan yang diakibatkan oleh perilaku operasi transformator daya. Faktor pembebanan memiliki korelasi yang tinggi terhadap perilaku operasi dan merupakan faktor yang signifikan untuk penentuan kehandalan sistem isolasinya. Pengaturan pembebanan yang tepat untuk transformator daya berdasarkan status analisa gas terlarut bisa menjadi salah satu cara untuk menjaga kesehatan transformator daya. Oleh karena itu, perlu dilakukan studi dengan berdasarkan data lapangan guna penentuan efek dari faktor pembebanan terhadap laju pertumbuhan gas terlarut. Hasil akhir menunjukan bahwa faktor pembebanan berkorelasi dengan laju perubahan gas terlarut pada konsentrasi yang berbeda-beda. Selain itu, nilai koefisien korelasi cenderung lebih kuat pada kelompok transformator daya yang lebih tua dibandingkan dengan kelompok transformator yang berumur lebih muda.