Penggunaan Indeks Harmonisa Sebagai Parameter Condition Monitoring Tranformator Distribusi PLN

Main Author: Zulkarnain, Hendra
Other Authors: Syafruddin, Suherman
Format: Masters application/pdf
Bahasa: ind
Terbitan: Universitas Sumatera Utara , 2019
Subjects:
Online Access: http://repositori.usu.ac.id/handle/123456789/12179
Daftar Isi:
  • 167034008
  • Harmonisa pada jaringan distribusi menimbulkan dampak yang tidak baik bagi sistem kelistrikan seperti masalah kualitas daya akibat distorsi gelombang tegangan dan arus serta bertambahnya panas yang timbul pada transformator distribusi. Penilaian keadaan (condition monitoring) transformator distibusi adalah cara untuk menilai dampak harmonisa secara terencana dan berkelanjutan agar dapat dilakukan tindakan terencana dalam mengatasi akibat lanjut yang tidak diinginkan. Pada tesis ini diajukan proposal penilaian keadaan transformator distribusi PLN yang kapasitasnya tidak terlalu besar tetapi jumlahnya sangat banyak. Analisis dilakukan terhadap data pengukuran yang dilakukan PLN untuk mendapatkan indeks harmonisa yang dapat dijadikan parameter penilaian keadaan dan mendapatkan metode manajemen penilaian keadaan yang tepat. Analisis menunjukkan bahwa penilaian keadaan pada transformator dapat dilakukan dengan menggunakan metode yang sederhana dan sesuai kondisi PLN. Untuk mengimplementasi metode tersebut perlu dilakukan perubahan data pengukuran dengan penambahan dan pengurangan beberapa besaran namun tetap dengan dengan metode sederhana.
  • Harmonics in power distribution networks cause power quality problems due to voltage distortion and current distortion and increase heat on transformer. This heat influence transformer performance. Distribution transformer condition monitoring avoids further consequences by continuously monitoring transformer performances. This thesis proposes condition monitoring schema for distribution transformer within PLN power distribution network as the transformer capacity is small but its number is a lot. Harmonic indices, load and temperature are analysed to extract condition monitoring tendency. Preliminary study shows that the proposed method suits the limited available data.