digilib@itb.ac.id +62 812 2508 8800

DIAGNOSIS KONDISI TRANSFORMATOR DAYA MENGGUNAKAN HEALTH INDEX DAN ESTIMASI PERSENTASE UMUR TRANSFORMATOR DAYA PADA DATA HISTORIS MINYAK TRANSFORMATOR

Penulis : Gemelfour Ardiatus Sudrajad [23220314]
Kontributor / Dosen Pembimbing :
  • Prof. Dr. Ir. Suwarno, M.T.
Jenis Koleksi : Tesis
Penerbit : Teknik Elektro
Fakultas : Sekolah Teknik Elektro dan Informatika
Subjek :
Kata Kunci : Indeks Kesehatan, data historis dan non historis, estimasi umur transformator, pembelajaran mesin
Sumber :
Staf Input/Edit : Dessy Rondang Monaomi  
File : 1 file
Tanggal Input : 06 Feb 2023

23220314 Gemelfour Ardiatus Sudrajad.pdf
PUBLIC Dessy Rondang Monaomi

Transformator daya adalah bagian terpenting dari sistem tenaga listrik. Dalam sistem transmisi tenaga. Pengoperasiannya yang penting dan harga transfromator yang mahal membuat kegagalan trafo sangat tidak dapat diharapkan dalam sistem tenaga listrik. Pemeliharaan trafo yang benar diperlukan untuk menghindari terhentinya proses produksi, kerugian material dan immaterial, kerusakan peralatan lain dan untuk memprediksi keandalan aset. Prosedur perawatan yang sering dilakukan dalam industri tenaga listrik menggunakan Time Based Maintenance (TBM) atau Condition Based Maintenance (CBM). Health index dan perhitungan estimasi remaining life digunakan sebagai penilaian kehandalan asset dan generalisasi kondisi transformator. Pada penelitian kali ini digunakan 1328 data minyak transformator sebagai data training machine learning dan 79 data minyak transformator hasil asesmen lapangan untuk menguji performa machine learning. Pada penelitian kali ini digunakan metoda perhitungan health index dengan metoda non historical dan metoda historical. Selain itu digunakan algoritma Neural Network, Decision Tree, dan Naïve bayes untuk memprediksi health index. Pada penelitian kali ini juga menggunakan rumus cheng dong, SDMyers, dan pradhan untuk memperkirakan remaining life transformator. Pada penelitian kali ini akurasi metode perhitungan non historical adalah 84,8% dan metode historical akurasinya adalah 84,8%. Hasil prediksi machine learning non historical adalah 86,0% dan metode machine learning historical akurasinya adalah 83,5%. 65 sampel transformator memiliki estimasi remaining life di kondisi normal aging, 3 sampel transformator accelerate aging, 5 sampel minyak transformator excessive aging, 2 sampel transformator substansial depolymerization. Health Index dan estimasi remaining life digunakan untuk menilai keandalan transformator daya secara keseluruhan, menilai risiko transformator daya, dan merencanakan pemeliharaan di masa mendatang. Data non-historis dan historis dapat digunakan dalam memberikan hasil evaluasi transformator daya.

Artikel Terkait