Implementasi Jaringan Syaraf Tiruan - Backpropagation dalam Pengenalan Flashover Isolator 150 kV

Studi Kasus, Payakumbuh – Koto Panjang, M. F. Kamil¹, Sitti Amalia¹, Yusreni Warmi¹, Andi Syofian¹, Erhaneli¹ Institut, Teknologi Padang
{"title":"Implementasi Jaringan Syaraf Tiruan - Backpropagation dalam Pengenalan Flashover Isolator 150 kV","authors":"Studi Kasus, Payakumbuh – Koto Panjang, M. F. Kamil¹, Sitti Amalia¹, Yusreni Warmi¹, Andi Syofian¹, Erhaneli¹ Institut, Teknologi Padang","doi":"10.33019/electron.v4i2.59","DOIUrl":null,"url":null,"abstract":"Saluran transmisi 150 kV Koto Panjang - Payakumbuh di Sumatera Barat, digunakan untuk sistem distribusi tenaga listrik. Saluran transmisi 150 kV Koto Panjang - Payakumbuh ini merupakan saluran transmisi dengan total panjang 86 km. Faktor lingkungan sangat berpengaruh terhadap pembentukan lapisan kontaminan pada permukaan isolator, hal tersebut merupakan salah satu penyebab terjadinya flashover pada isolator. Penelitian ini dilakukan dengan menggunakan metode jaringan syaraf tiruan – backpropagation dalam pengenalan flashover isolator 150 kV terhadap suhu dan kelembaban yang terkontaminasi lumut dan berdebu. Sehingga hasil flashover yang diperoleh menggunakan jaringan syaraf tiruan - backpropagation dibandingkan dengan flashover eksperimen. Oleh sebab itu Implementasi jaringan syaraf tiruan – backpropagation untuk pengenalan flashover isolator 150 kV payakumbuh – Koto Panjang berhasil diterapkan dengan capaian nilai flashover dengan outputnya mendapatkan selisih yang kecil sehingga error yang diperoleh oleh pelatihan dan pengujian jaringan syaraf tiruan juga kecil. Artinya tegangan flashover tersebut dapat dikenali oleh pengujian jaringan syaraf tiruan. Dengan nilai parameter diukur dari jumlah epoch, performance dan gradien dengan hasil terbaik.","PeriodicalId":266745,"journal":{"name":"ELECTRON Jurnal Ilmiah Teknik Elektro","volume":"453 ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-11-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"ELECTRON Jurnal Ilmiah Teknik Elektro","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33019/electron.v4i2.59","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Saluran transmisi 150 kV Koto Panjang - Payakumbuh di Sumatera Barat, digunakan untuk sistem distribusi tenaga listrik. Saluran transmisi 150 kV Koto Panjang - Payakumbuh ini merupakan saluran transmisi dengan total panjang 86 km. Faktor lingkungan sangat berpengaruh terhadap pembentukan lapisan kontaminan pada permukaan isolator, hal tersebut merupakan salah satu penyebab terjadinya flashover pada isolator. Penelitian ini dilakukan dengan menggunakan metode jaringan syaraf tiruan – backpropagation dalam pengenalan flashover isolator 150 kV terhadap suhu dan kelembaban yang terkontaminasi lumut dan berdebu. Sehingga hasil flashover yang diperoleh menggunakan jaringan syaraf tiruan - backpropagation dibandingkan dengan flashover eksperimen. Oleh sebab itu Implementasi jaringan syaraf tiruan – backpropagation untuk pengenalan flashover isolator 150 kV payakumbuh – Koto Panjang berhasil diterapkan dengan capaian nilai flashover dengan outputnya mendapatkan selisih yang kecil sehingga error yang diperoleh oleh pelatihan dan pengujian jaringan syaraf tiruan juga kecil. Artinya tegangan flashover tersebut dapat dikenali oleh pengujian jaringan syaraf tiruan. Dengan nilai parameter diukur dari jumlah epoch, performance dan gradien dengan hasil terbaik.
人工神经网络 - 反向传播在 150 kV 绝缘子闪络识别中的应用
西苏门答腊的 150 千伏 Koto Panjang - Payakumbuh 输电线路用于配电系统。150 千伏 Koto Panjang - Payakumbuh 输电线路全长 86 千米。环境因素对绝缘子表面污染物层的形成有很大影响,是绝缘子闪络的原因之一。本研究采用人工神经网络--反向传播方法,识别 150 千伏绝缘子在温度和湿度受到苔藓和灰尘污染时的闪络。因此,利用人工神经网络-反向传播获得的闪络结果与实验闪络结果进行了比较。因此,人工神经网络-反向传播在 150 kV Payakumbuh - Koto Panjang 绝缘子闪络识别中的应用是成功的,闪络值的输出差异很小,因此人工神经网络训练和测试得到的误差也很小。这意味着通过人工神经网络测试可以识别闪络电压。从历元数、性能和梯度测量的参数值效果最好。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信