Hasil Pencarian  ::  Simpan CSV :: Kembali

"In electric power systems that consist of some generators, electric power stability in supplies sidebecomes the most important problems, which must be paid attention. In the interconnection system, ifthere are some troubles in transmission, generator or load will cause another generators feel theexistence of instability condition. For instability condition which not too serious, system can overcomethe fault and will not influence stability of system as a whole. However, for in big scale of fault andhappened in a long duration can be ejected system becoming unstable and will result hampered ofelectrics energy supply to the load For the worst condition could be blackout condition.This article studies about improvement of the stability of the system by using excitation current andthe prime mover of generators, which is coordinated fuzzy logic control in synchronize generator. Byusing annexation from three methods above, the condition of stability of the power system can attain thestability. The transient stability needed control in order that system with good stability can return tonormal condition. Faulted electric power system often caused by failure in controlling the transientstability. It is because in transient stability forms critical condition for electrical power system. By controlling the level of excitation current and mechanical energy from the prime mover ofgenerators which controlled by fuzzy logic when the fault is happened will make acceleration areabecome decreasing and deceleration area become increasing with the result that system can be stablequickly. It visible that from result of simulation obtained if using generator oscillation of fuzzy logiccontrol, transient period becoming shorter and amplitude of oscillation wave is smaller compare by usingwithout fuzzy logic. Likewise, this method is able loo to overcome transient condition at starting period ofa generator."

"Terdapat berbagai macam metode untuk meningkatkan stabilitas system tenaga listrik. Salah satunya adalah dengan menggunakan metode pengereman dinamis (dynamic braking). Selain menggunakan braking resistor saja, system braking dapat juga melibatkan reaktor dan kapasitor untuk meningkatkan unjuk kerja pengereman. Setelah terjadi gangguan yang besar, setiap generator sinkron yang terhubung dengan sistem tenaga listrik mengalami perbedaan antara masukan daya mekanis dan keluaran daya elektris yang dapat membawa system menuju ketidakstabilan. Skripsi ini membahas tentang penggunaan pengendali logika fuzzy untuk koordinasi pensaklaran braking resistor, reaktor, dan kapasitor pada perbaikan stabilitas peralihan sistem tenaga listrik. Setelah terjadinya gangguan, variabel kecepatan rotor dari generator akan diukur dan sudut penyalaan untuk saklar thyristor ditentukan dari keluaran crisp pengendali logika fuzzy. Dengan mengendalikan sudut penyalaan untuk masing-masing komponen, koordinasi dari braking resistor, reaktor, dan kapasitor dapat mengendalikan daya percepatan dan perlambatan pada generator dan kemudian meningkatkan stabilitas peralihan. Simulasi dilakukan dengan menggunakan gangguan tiga fasa ke tanah pada saluran transmisi paralel. Hasil simulasi menunjukkan bahwa pengendalian dengan logika fuzzy untuk koordinasi pensaklaran braking resistor, reaktor dan kapasitor dapat memberikan metode yang sederhana dan efektif untuk meningkatkan kestabilan sistem tenaga listrik.

---

There are several method to improve the power system stability. One of the method that can be used is dynamic braking. Beside of braking resistor only, the braking system can also involve reactor anda capacitor to enchance the braking performace. Following a major disturbance, each synchronous generator connected to a power system experiences a net difference between its mechanical power input and electrical power output which leads to instability of the system.

This paper deals with the implementation of fuzzy logic controller for switching coordination of braking resistor, reactor, and capacitor in power system transient stability improvement.

Following a fault, variable rotor speed of the generator is measured and the firing-angle for the thyristor switch is determined from the crispy output of the fuzzy controller. By controlling the firing-angle for each component, the coordination of braking resistor, reactor, and capacitor can control the accelerating and decelerating power in generator and thus improves the transient stability.

The simulations is doing by considering Three-phase-to-ground fault in the parallel transmission lines. Simulation results clearly indicate that the proposed fuzzy control strategy provides a simple and effective method of transient stability enhancement of synchronous power system."

"Maximum Power Point Tracking merupakan alat tracking yang digunakan untuk menemukan titik arus dan tegangan paling optimal dari panel surya. Pengontrol pengisian daya melihat output panel dan akan membandingkannya dengan titik tertinggi perolehan daya dari panel tersebut. Alat ini juga dibutuhkan untuk mencari tingkat duty cycle (nilai arus) terbaik untuk mendapatkan nilai daya maksimum ke dalam baterai. Kinerja maximum power point tracking (MPPT) dipengaruhi oleh beberapa faktor, diantaranya adalah algoritma yang digunakan untuk memperoleh nilai maksimum dari panel surya. Salah satu algoritma yang telah digunakan dalam MPPT adalah perturb & observation dimana algoritma ini menggunakan mekanisme tracing daya puncak dengan cara menaikan nilai arus secara bertahap sampai mencapai titik tertinggi daya yang dapat diperoleh oleh panel surya. Selain algoritma perturb & observation terdapat algoritma lain seperti neural network dan Fuzzy Logic. Algoritma fuzzy memiliki keunggulan diantaranya kemampuan membaca data secara lebih akurat, dapat digunakan pada pemodelan fungsi non linear, dan memiliki tingkat penyesuaian yang cepat dan fleksibel. Pada skripsi ini akan digunakan algoritma fuzzy untuk mendapatkan daya tertinggi dari solar charge controller. Hasil penerapan algoritma Fuzzy ini dibandingkan dengan algoritma perturb & observation pada kondisi uji coba yang dibuat sama. Hasil dari eksperimen menunjukkan bahwa periode waktu yang dibutuhkan Fuzzy Logic untuk mencapai titik maksimal 21.698% lebih singkat dibandingkan metode perturb & Observation.

---

Maximum Power Point Tracking is a tracking tool used to find the most optimal current and voltage points from solar panels. The charging controller looks at the panel's output and compares it to the highest point of power gain from that panel. This tool is also needed to find the best level of duty cycle (current value) to get the maximum power value into the battery. Maximum power point tracking (MPPT) performance is influenced by several factors, including the algorithm used to obtain the maximum value from the solar panel. One of the algorithms that have been used in MPPT is perturb & observation where this algorithm uses a peak power tracing mechanism by increasing the current value gradually until it reaches the highest point of power that can be obtained by solar panels. In addition to the perturb & observation algorithm, there are other algorithms such as neural networks and fuzzy logic. The fuzzy algorithm has advantages such as the ability to read data more accurately, can be used in modeling non-linear functions, and have a fast and flexible adjustment rate. In this thesis, a fuzzy algorithm will be used to get the highest power from the solar charge controller. The results of the application of the fuzzy algorithm are compared with the perturb & observation algorithm in the same experimental conditions. The results of the experiment show that the time period required for Fuzzy Logic to reach the maximum point is 21.698% shorter than the Perturb & Observation method."

"Dalam suatu sistem tenaga listrik yang terdiri dari beberapa pembangkit, stabilitas sistem tenaga listrik dalam menyalurkan energi listrik menjadi masalah yang harus diperhatikan. Pada sistem yang saling terkoneksi adanya gangguan pada sistem baik itu pada saluran transmisi, pembangkit, atau beban akan menyebabkan pembangkit lain ikut merasakan adanya gangguan tersebut. Untuk gangguan kecil biasanya sistem dapat mengatasi gangguan tersebut dan tidak akan mempengaruhi stabilitas sistem secara keseluruhan. Namun untuk gangguan yang skalanya cukup besar dan terjadi pada jangka waktu yang cukup lama, dapat mengakibatkan sistem menjadi tidak stabil. Akibatnya aliran energi listrik ke beban terganggu. Untuk kondisi yang terburuk dapat mengakibatkan terjadinya black out.Tulisan ini membahas tentang perbaikan stabilitas peralihan pada sistem tenaga listrik menggunakan braking resistor pengendali logika fuzzy dengan metode kriteria sama luas. Dengan cara ini diharapkan sistem akan lebih cepat mencapai kestabilitasnya setelah terjadi gangguan.Metode ini menggunakan selisih dari daerah percepatan dengan daerah perlambatan yang didapatkan melalui perhitungan selisih perubahan kecepatan putar rotor untuk dijadikan inputan pada pengendali fuzzy. Pengendali fuzzy akan menentukan berapa besar arus yang akan masuk ke braking resistor dengan cara memberi output sudut penyalaan pada thyristor.

---

In an electric power system which contains some generator, electric power system stability become problem that must be consider to conduct electric power. In an interconnected system, disturbance that happen on a system wheater in transmission, generator, or load will make another generator endure the disturbance. For small disturbance usually the system can handle the disturbance and will not cause change the whole system stability. But for much bigger scale of disturbance and happen for enough long time, can cause system instability. The result is electric energy flow interruption to the load. For the worst condition can cause black out.

This paper will discuss about transient stability improvement in electric power system using braking resistor controlled by fuzzy logic with equal area criterion. By using this method hopefully system will obtain stability faster after disturbance occur.

This method use the difference between accelerating area with decelerating area obtained from calculation of speed deviation to become fuzzy logic input. Fuzzy logic will determine how much current will advance to the braking resistor by giving output firing angle to the thyristor."

"Dalam skripsi ini dibandingkan performansi dari beberapa konfigurasi pengendali logika fuzzy pada fuel cell. Pada konfigurasi pertama, masukan hidrogen dan oksigen ditetapkan sebagai perbandingan tetap proporsional hidrogen dan oksigen (O2in/H2in=1.168), sedangkan pada konfigurasi kedua, masukan oksigen diatur secara dinamik proporsional terhadap masukan hidrogen menggunakan pengendali logika fuzzy kedua. Pada kedua pengendali logika fuzzy (FLC1 dan FLC2) dilakukan variasi nilai fuzzifikasi untuk setiap variabel linguistik dan performansinya terhadap pengendalian tegangan fuelcell dibandingkan. Konfigurasi yang terbaik dipilih berdasarkan pembobotan nilai pada parameter settling time dan overshoot dari respon dinamik pengendalian tegangan fuelcell. Dari hasil penilaian didapat konfigurasi dengan dua pengendali logika fuzzy mempunyai performansi pengendalian yang lebih baik dibandingkan konfigurasi satu pengendali logika fuzzy.

---

This Thesis compares the performance of fuzzy logic controller configuration for Fuel Cell. In the first configuration, the input of hydrogen and oxygen is determined which using proportional gain ratio((O2in/H2in=1.168). In the second configuration, the input of oxygen is controlled by dynamic proportional from hydrogen input using the second fuzzy logic controller. Both of fuzzy logic controller (FLC1 and FLC2) fuzzification is varied for every linguistic variable and then the performances of the controller are compared. The best configuration is determined by using weighting factor of settling time and overshoot parameters of Fuel cell voltage dynamic response. As a result, the second configuration using two fuzzy logic controller has better performance than using one fuzzy logic controller."

"Dengan berkembangnya pembangunan perkotaan dan kebutuhan industri, semakin pipa panjang diperlukan. Untuk kebutuhan industri diperlukan suatu sistem system pengendalian yang kuat, adaptif, efisien, dan ramah lingkungan untuk memenuhi kebutuhan yang sangat besar. Pada penelitian ini telah dirancang sebuah sistem kendali berdasarkan kecerdasan buatan dengan logika fuzzy pada kontrol aliran air berdasarkan PLC. Pada penelitian ini sistem logika fuzzy menggunakan 2 input himpunan fuzzy yaitu error dan perubahan kesalahan. Setiap himpunan fuzzy menggunakan 5 fungsi keanggotaan yaitu negatif besar (NB), negatif sedang (NM), nol (ZO), positif sedang (PM), besar positif (PB). Sistem dapat melakukan kontrol debit sesuai kebutuhan. Sistem ini adalah pada komputer yang berfungsi sebagai pusat kendali dan mengambil data dari server OPC tempat data diambil dari PLC menggunakan komunikasi Ethernet yang terhubung langsung ke plant. Sistem kontrol berbasis logika fuzzy dioperasikan pada pabrik prototipe pada skala lab, dan analisis kinerja diverifikasi secara eksperimental. Data dapat langsung diambil dan dilihat menggunakan MATLAB SIMULINK. Berdasarkan hasil percobaan, dapat disimpulkankontrol menggunakan logika fuzzy lebih baik dari kontrol konvensional PID. Hasil kontrol menggunakan logika fuzzy mencapai kondisi tunak lebih cepat yaitu 24,24 detik tanpa overshoot dibandingkan dengan menggunakan PID yaitu ID 48,6 detik dengan overshoot 16,2%.With the development of urban development and industrial needs, more and more long pipes are needed. For industrial needs, a strong, adaptive, efficient, and environmentally friendly control system is needed to meet enormous needs. In this research, a control system based on artificial intelligence has been designed with fuzzy logic on water flow control based on PLC. In this study, the fuzzy logic system uses 2 input fuzzy sets, namely error and error change. Each fuzzy set uses 5 membership functions, namely large negative (NB), medium negative (NM), zero (ZO), medium positive (PM), large positive (PB). The system can perform discharge control as needed. This system is on a computer that functions as a control center and retrieves data from the OPC server where data is retrieved from the PLC using Ethernet communication that is connected directly to the plant. The fuzzy logic based control system is operated in a prototype factory on a lab scale, and the performance analysis is verified experimentally. Data can be directly retrieved and viewed using MATLAB SIMULINK. Based on the experimental results, it can be concluded control using fuzzy logic is better than conventional control PIDs. The results of the control using fuzzy logic reached steady state faster, namely 24.24 seconds without overshoot than using PID, namely ID 48.6 seconds with 16.2% overshoot."

"Pengontrol aliran banyak digunakan di berbagai industri, seperti di industri perminyakan untuk mengalirkan minyak dari minyak lepas pantai ke darat atau digunakan untuk distribusi minyak. Pengontrol aliran yang paling banyak digunakan dalam industri adalah pengontrol berbasis PID konvensional yang diimplementasikan menggunakan PLC. PLC banyak digunakan dalam industri karena kekompakannya, memiliki konektivitas standar dan memiliki keandalan yang tinggi. Dalam penelitian ini, pengontrol non-konvensional, yaitu pengontrol Neuro-Fuzzy, diterapkan pada pabrik prototipe yang mengandung air sebagai agen alirannya. Pabrik prototipe terdiri dari tangki air, pompa air, katup gerbang, katup kontrol, flow meter, dan sistem perpipaan. Kontroler Neuro-Fuzzy dalam penelitian ini dirancang berdasarkan algoritma ANFIS, dengan input berupa kesalahan dan perubahan kesalahan dari variabel proses yang diamati, dalam hal ini aliran air pada pipa keluaran pabrik prototipe. Pengontrol dioperasikan di lingkungan MATLAB/SIMULINK pada PC, yang memperoleh informasi laju aliran berasal dari flow meter yang terhubung ke PLC. PLC berkomunikasi dengan pengendali melalui fasilitas OPC. Output dari pengontrol, yang berupa bukaan katup kontrol, akan dikirim ke PLC melalui OPC, oleh karena itu PLC dapat mengontrol bukaan katup sesuai dengan laju aliran air yang diinginkan. Setelah menjalani proses pelatihan, pengendali berbasis ANFIS yang dikembangkan diuji dengan berbagai titik setel debit air untuk mendapatkan informasi kinerjanya. Dari penelitian ini ditemukan bahwa pengontrol berbasis ANFIS adalah pengontrol dengan kinerja yang baik, yang memiliki waktu naik rata-rata 16,88 detik, waktu penyelesaian 30,68 detik, dan dengan overshoot 0% dan 35,65%, dan memiliki relatif kecil kesalahan 2,59%.

---

Flow control is widely used in various industries, such as in the oil industry to flow oil from offshore to onshore oil or used for oil distribution. The most widely used flow controller in the industry is conventional PID-based controller which is implemented using PLC. PLCs are widely used in industry because of their compactness, standard connectivity and high reliability. In this study, a non-conventional controller, the Neuro-Fuzzy controller, is applied to a prototype plant that contains water as its flow agent. The prototype plant consists of a water tank, a water pump, a gate valve, a control valve, a flow meter, and a piping system. The Neuro-Fuzzy controller in this study was designed based on the ANFIS algorithm, with input in the form of errors and error changes of the observed process variables, in this case the flow of water in the prototype factory output pipe. The controller is operated in a MATLAB / SIMULINK environment on a PC, which gets flow rate information from a flow meter connected to the PLC. PLC communicates with controllers through OPC facilities. The output from the controller, which is the control valve opening, will be sent to the PLC via OPC, therefore the PLC can control the valve opening according to the desired flow rate. After undergoing the training process, the ANFIS-based controller that was developed was tested with various water discharge set points to obtain performance information. From this study it was found that ANFIS-based controller is a controller with good performance, which has an average rise time of 16.88 seconds, a completion time of 30.68 seconds, and with 0% and 35.65% overshoot, and has relatively small errors 2.59%."

"Pengeringan bahan pangan konvensional umumnya dihamparkan dan dialas anyaman bambu, dijemur di bawah sinar matahari. Arena jemur terbuka, lalat dapat hinggap atau jamur tumbuh akibat kelembaban udara tidak terkontrol. Kebersihan dan higienitas bahan pangan menjadi hal yang penting. Ruang pengering modern berbentuk - inkubator - dengan sistem kontrol suhu dan kelembaban dirancang untuk menggantikan cara pengeringan konvensional. Obyek yang dikeringkan singkong, bahan baku Mocal pengganti tepung terigu yang masih import. Nilai ekonominya lebih tinggi dibandingkan tapioka. Hasil pengeringan singkong dalam inkubator lebih bersih, bebas debu, anti hujan dan higien dibandingkan cara konvensional. Suhu dan kelembaban ruang dikontrol dengan metode Fuzzy Logic Controller (FLC). Temperatur, kelembaban udara dikondisikan agar proses pengeringan optimal. Fuzzy Logic Controller (FLC) digunakan untuk memproses input Error, E(k) dan Cange in Error dE(k). Karakteristik kering singkong adalah penyusutan ukuran bahan baku (40%). Suhu dan kelembaban udara dideteksi dan diukur oleh ICLM35 dan SHT11. Output sensor akan dibandingkan dengan setting point menggunakan program bahasa C. Proses pengaturan setting point dan tampilan output diberikan dalam dua pilihan yaitu melalui LCD dan Komputer. Tampilan output komputer menggunakan program Visual Basic. Kontrol suhu ruang - inkubator - pada interval 38°C sampai dengan 55°C, kinerja pengeringan mencapai 90%.

---

In conventional drying, foodstuffs spread on woven bamboo, dried in the sun. In the arena of open drying can fly alighted or fungi grow due to humidity is not controlled. Cleanliness and hygiene of foodstuffs is important thing. Modern drying chamber shaped ""incubator"" with temperature and humidity control system designed to replace conventional drying. The object is dried cassava raw material substitutes Mocal. The dried cassava in the incubator clean, dust free, anti-rain and hygienic compared to conventional way. Temperature and humidity controlled room with a Fuzzy Logic Controller (FLC). Temperature and humidity are conditioned to optimize drying process.

Fuzzy Logic Controller (FLC) is used for processing input Error, E(k) and changing in Error dE(k). Characteristic of dry cassava is shrinkage of size of the raw materials (40%). Temperature and humidity will be detected and measured by ICLM35 and SHT11. Sensor outputs are compared with the setting point. FLC process is done by computer using the program language C. The process of setting point and display output is given in two options, LCD and Computer. View computer output using Visual Basic. Room temperature control ""incubators"" are expected to be at 38°C intervals up to 55°C, drying performance reached 90%."

"Beragam kebutuhan industri, membuat jenis-jenis proses pada industri pengolahan menjadi beragam dengan berberapa parameter input dan output, salah satunya adalah proses thermal mixing yang menggunakan sistem multi input multi output. Thermal mixing atau continuous stirred-tank reactor mengendalikan 2 aliran dengan temperatur berbeda kedalam tanki pencampur sehingga mendapat temperatur dan ketinggian tangki sesuai yang diinginkan. pada penelitian ini telah dirancang sistem pengendali berbasis logika fuzzy pada pengendalian temperatur dan level. Penelitian ini sistem logika fuzzy menngunakan 2 input dan 1 output unutk masing-masing parameter pengendalian. 2 input fuzzy set menggunakan nilai error dan change of error. Setiap fuzzy set menngunakan 7 membership function yaitu negative big (NB), negative medium (NM), negative small (NS), zero (Z), positive small (PS), positive medium (PM), dan positive big (PB). Sistem dapat melakukan pengendalian temperatur dan level sesuai yang diinginkan. Sistem ini menggunakan simulasi berbasis aplikasi MATLAB Simulink. Berdasarkan hasil simulasi, dapat disumpulkan bahwa pengendalian menggunakan fuzzy logic controller lebih baik dibandingkan pengendalian PID. Hasil pengendalian fuzzy memiliki rata-rata rise time dan settling time yang lebih cepat dan tidak memiliki overshoot.

---

A variety of industrial needs, making the types of processes in the processing industry to be diverse with several input and output parameters, one of which is a thermal mixing process that uses a multi-input multi output system. Thermal mixing or continuous stirred-tank reactor controls 2 streams with different temperatures into the mixing tank so that the temperature and height of the tank are as desired. In this research a fuzzy logic based controller system has been designed for controlling temperature and level. This study uses a fuzzy logic system using 2 inputs and 1 output for each control parameter. 2 fuzzy input sets use error and change of error values. Each fuzzy set uses 7 membership functions, namely negative big (NB), negative medium (NM), negative small (NS), zero (Z), positive small (PS), positive medium (PM), and positive big (PB). The system can control the temperature and level as desired. This system uses a simulation based on the MATLAB Simulink application. Based on the simulation results, it can be concluded that the control using fuzzy logic controller is better than PID control. Fuzzy control results have a faster average rise time and settling time and do not have overshoot."