Perpustakaan Digital ITB

Sebagai perusahaan penyedia sekaligus pengelola tenaga listrik, PT PLN (Persero) terus melakukan inovasi untuk menciptakan listrik yang andal dan efisien. Ditengah permintaan konsumsi listrik yang semakin meningkat serta untuk meningkatkan efisiensi operasional, PLN membangun gas-insulated switchgear (GIS) pada sistem penyaluran. GIS merupakan sebuah teknologi yang diklaim memiliki bebas pemeliharaan dan hanya memerlukan inspeksi fisik rutin dengan pemeliharaan secara menyeluruh (overhaul) yang sudah ditentukan waktunya oleh pabrikan. Namun, terdapat kondisi anomali yang menjadi indikasi adanya pemburukan yang tidak terdeteksi hingga menyebabkan gangguan sistem. Maka dari itu, perlu diketahui faktor yang menyebabkan pemburukan kondisi serta potensi terjadinya anomali. Pada penelitian ini, sebuah metode yang berbasis machine learning diperkenalkan sebagai untuk mengetahui prediksi terjadinya anomali pada GIS. Berdasarkan data historis berupa kualitas dielektrik dan karakteristik tiap kompartemen GIS diekstraksi dengan algoritma jaringan saraf tiruan atau artifical neural network (ANN). Kombinasi dari hasil pengukuran kualitas gas yang berfungsi sebagai isolasi serta karakteristik kompartemen GIS diklasifikasikan sehingga menghasilkan keluaran berupa kondisi normal atau anomali. Menggunakan data yang diperoleh dari tiga ribu tiga ratus sembilan puluh satu baris data yang bersumber dari area Jawa Timur dan Bali, tingkat efektivitas terbaik dari metode yang digunakan dapat dibuktikan dengan uji sampel, perbandingan metode, dan validasi silang dari area yang lain. Sehingga diketahui hierarki permodelan yang terbaik dan mampu menghasilkan prediksi anomali yang valid.