PENGGUNAAN POWER SYSTEM STABILIZER BERBASIS-RECURRENT NEURAL NETWORK TERHADAP GANGGUAN KECIL (STUDI KASUS SISTEM KELISTRIKAN LOMBOK)

Use Of Power System Stabilizer Based On Recurrent Neural Network On Small Interruption (Case Study Of Lombok Electrical System)

Abstract

Perubahan beban dan gangguan kecil dapat menyebabkan kecepatan putaran rotor mengalami percepatan atau perlambatan sesaat pada sistem tenaga listrik. Fenomena ini akan membuat kualitas daya listrik yang dihasilkan menjadi menurun secara signifikan. Untuk mengatasi hal tersebut, maka diperlukan sebuah kontroler tambahan yang dinamakan power system stabilizer (PSS). Penelitian ini mengusulkan desain PSS berbasis-recurrent neural network (RNN). Konfigurasi RNNPSS terdiri dari dua neuro yaitu neuro identifier dan neuro controller. Neuro identifier digunakan untuk mengidentifikasi  keluaran plant (single machine infinite bus, SMIB) dan neuro controller digunakan sebagai sinyal kontrol untuk memperbaiki stabilitas plant. Plant yang diteliti yaitu SMIB dan sistem kelistrikan Lombok yang disederhanakan dengan bus pembangkit Taman sebagai bus generator (machine). Hasil penelitian menunjukkan bahwa plant yang dilengkapi dengan RNNPSS mampu memperbaiki stabilitas dinamik STL yang paling baik dengan rata-rata overshoot sebesar 0,1915 pu (7,04%) dan settling time 5,2995 s.