Rahmawaty, Amalia (2015) SISTEM EKSITASI MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE PROPAGASI BALIK. S1 thesis, UNIVERSITAS SULTAN AGENG TIRTAYASA.
![[img]](https://eprints.untirta.ac.id/style/images/fileicons/text.png) |
Text
Sistem Eksitasi Menggunakan JST Backpropagation(2).pdf - Published Version Restricted to Registered users only Download (5MB) |
Abstract
Kestabilan sistem tenaga listrik adalah hal yang sangat penting, karena kestabilan sebuah sistem mempengaruhi kualitas dan keandalan pasokan energi listrik. Sistem kendali eksitasi generator sinkron adalah salah satu langkah yang paling penting untuk meningkatkan stabilitas sistem tenaga dan untuk menjamin kualitas tenaga listrik yang dihasilkan jaringan. Tambahan sinyal kendali pada sistem eksitasi generator biasanya digunakan untuk meningkatkan stabilitas sistem. Teori kendali closed-loop feedback dapat digunakan untuk memberikan sinyal kontrol pada sistem eksitasi. Pada penelitian ini digunakan salah satu implementasi teknologi artificial intelligence, yaitu JST (Jaringan Syaraf Tiruan) sebagai pengendali sistem eksitasi. Jaringan dibangun menggunakan algoritma pembelajaran backpropagation dan algoritma pelatihan Lavenberg-Marquardt. Arsitektur jaringan yang diterapkan menggunakan feedforward multilayer dengan satu lapisan input 4 neuron, tiga lapisan tersembunyi dengan 6, 3, dan 2 neuron, dan satu lapisan output dengan 1 neuron. Hasil pengujian dari pelatihan diperoleh dengan persentase keberhasilan sistem sebesar 89,15%.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Additional Information: | The stability of the power system is a very important thing, because the stability of a system affects the quality and reliability of electricity supply. Synchronous generator excitation control system is one of the most important steps to improve the stability of the power system and to ensure the quality of the generated electric power network. Additional control signals to the generator excitation system is usually used to improve system stability. The theory of closed�loop feedback control can be used to provide control signals to the excitation system. In this study used one implementation of artificial intelligence technology, namely ANN (Artificial Neural Network) as the excitation system controller. Network built using backpropagation learning algorithm and Lavenberg-Marquardt training algorithm. Network architecture implemented using feedforward multilayer with an input layer 4 neurons, three hidden layers with 6, 3, and 2 neurons, and one output layer with one neuron. Test results obtained by the percentage of the training system success of 89.15%. | |||||||||
| Uncontrolled Keywords: | Kata kunci: SMIB, Sistem Eksitasi, JST, Backpropagation, Lavenberg-Marquardt | |||||||||
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering | |||||||||
| Divisions: | 03-Fakultas Teknik 03-Fakultas Teknik > 20201-Jurusan Teknik Elektro |
|||||||||
| Depositing User: | Perpustakaan Pusat | |||||||||
| Date Deposited: | 21 Apr 2022 15:04 | |||||||||
| Last Modified: | 24 Aug 2022 14:51 | |||||||||
| URI: | http://eprints.untirta.ac.id/id/eprint/12871 |
Actions (login required)
 |
View Item |