Pemulihan Tegangan Kedip Menggunakan Dynamic Voltage Restorer (DVR) dengan Kendali Constructive Levenberg Marquardt Neural Network

Abstract

Dalam makalah ini diusulkan sebuah algoritma untuk pengendalian dynamic voltage restorer (DVR). Pengendali yang diusulkan adalah menggunakan jaringan saraf tiruan dengan metode Constructive Levenberg Marquardt Neural Network (CLMNN). Tujuan pengendalian ini adalah agar diperoleh DVR dengan respon yang cepat dan akurat saat memperbaiki kualitas tegangan akibat kedip tegangan pada sistem tegangan rendah. Penggunaan CLMNN didasarkan bahwa konfigurasi hidden layer pada jaringan syaraf tiruan yang digunakan dapat berubah sampai didapatkan nilai yang optimal. CLMNN digunakan dalam melakukan pendeteksian terhadap perubahan kondisi tegangan, baik berupa fluktuasi amplitudo maupun perubahan fasa tegangan pada beban. Setelah dideteksi,CLMNN menghasilkan sinyal sebagai pengendali PWM. Untuk mengetahui performansi pengendali CLMNN, maka dalam simulasi digunakan pengendali konvensional sebagai pembanding. Berdasarkan hasil simulasi diketahui bahwa dengan pengendali CLMNN, tegangan yang dirasakan oleh beban sensitif mengalami penurunan overshoot sebesar 20% bila menggunakan CLMNN. Selain itu DVR lebih stabil dengan settling time yang lebih cepat, yaitu kurang dari 0.01 detik, sedangkan saat menggunakan pengendali PI mencapai 0.02 detik.