Buku Ini memaparkan beberapa teknik kecerdasan artifisial untuk mengidentifikasi dan mengestimasi gangguan hubung singkat yang terjadi pada sistem tenaga listrik. Identifikasi dan estimasi gangguan pada sistem tenaga listrik sangatiah penting untuk mempercepat proses perbaikan, dimana dapat mengurangi keluhan pelanggan listrik. Oleh karena itu, perlu dikembangkan algoritma untuk identifikasi dan estimasi gangguan secara akurat dan cepat. Ada beberapa Teknik yang dipaparkan dalam buku ini diantaranya; Transformasi Wavelet Diskrit (TWD) dan Support Vector Machine (SVM), Adaptive Neuro Fuzzy Inference System (ANFIS), Backpropagation Neural Networks (BNN) Recurrent Neural Networks (RNN). TWD digunakan untuk mengekstrak informasi dari sinyal transien pada arus fasa dan arus urutan nol selama siklus setelah gangguan mulai terjadi. Sedangkan, teknik kecerdasan artificial sepert; SVM. ANFIS. BNN, RNN digunakan untuk mendeteksi adanya gangguan pada setiap fasa dan tanah dalam menentukan Jenis gangguan hubung singkat.

Alhadulillahi Rabbilalai,

Puji syukur penulis ucapakan kehadirat Allah Subhanahuwataala, atas rahat da karuia-Nya sehingga penulis dapat menyelesaikan buku Referensi ii dega judul TEKNIK KECERDASAN ARTIFISIAL DALAM SISTEM TENAGA LISTRIK. Dala enyelesaikan buku ini, penulis telah banyak mendapatkan inspirasi dari hasil-hasil penelitian baik Mandiri maupun Hibah, juga terinspirasi dari hasil publikasi sendiri dari berbagai seminar dan Jurnal Internasional, serta bantuan masukan dan petunjuk dari berbagai pihak baik secara langsung maupun tidak langsung.

Teknik kecerdasan artifisial dapat mengidentifikasi dan mengestimasi gangguan hubung singkat yang terjadi pada sistem tenaga listrik. Identifikasi dan estimasi gangguan pada sistem tenaga listrik sangatlah penting untuk mempercepat proses perbaikan, dimana dapat mengurangi keluhan pelanggan listrik. Maka, perlu kiranya dikembangkan lebih banyak lagi tentang algoritma untuk identifikasi dan estimasi gangguan secara akurat dan cepat.

Dalam buku ini, dipaparkan beberapa teknik diantaranya; Transformasi Wavelet Diskrit (TWD) dan Support Vector Machine (SVM), Adaptive Neuro Fuzzy Inference System (ANFIS), Backpropagation Neural Networks (BNN), Recurrent Neural Networks (RNN). TWD digunakan untuk mengekstrak informasi dari sinyal transien pada arus fasa dan arus urutan nol selama siklus setelah gangguan mulai terjadi.

Sedangkan, teknik kecerdasan artifisial seperti; Teknik SVM, ANFIS, BNN, RNN digunakan untuk mendeteksi adanya gangguan pada setiap fasa dan tanah dalam menentukan jenis gangguan hubung singkat. Penyusun berharap agar buku ini nantinya dapat memberikan kontribusi referensi yang bermanfaat, bagi semua kalangan yang terkait dengan bahasan topik yang terkandung dalam buku ini. Dalam penulisan buku ini, penulis menyadari masih banyak kekurangan, untuk itu penulis juga mengharapkan masukan dan tanggapan yang sifatnya membangun dari para pembaca yang budiman.

Pekanbaru, Juli 2023

Penulis

Sampul Depan
Prakata
Daftar Isi
Bab 1. Transformasi Wavelet
     1.1 Pengantar
     1.2 Transformasi Wavelet
     1.3 Transformasi Wavelet Kontinu (TWK)
     1.4 Transformasi Wavelet Diskrit (TWD)
     1.5 Kesimpulan
Bab 2. Gangguan Hubung Singkat Pada Sistem Tenaga Listrik
     2.1 Pengantar
     2.2 Gangguan Hubung Singkat Satu Fasa ke Tanah
     2.3 Gangguan Hubung Singkat Dua Fasa
     2.4 Gangguan Hubung Singkat Dua Fasa ke Tanah
     2.5 Gangguan Hubung Singkat Tiga Fasa
     2.6 MVA Hubung Singkat
     2.7 Model Sistem Tenaga Listrik
     2.8 Sistem Transmisi Saat Gangguan
     2.9 Sistem Transmisi Saat Kondisi Gangguan Dua Fasa
     2.10 Sistem Transmisi Saat Kondisi Gangguan Dua Fasa ke Tanah
     2.11 Sistem Transmisi Kondisi Saat Gangguan Tiga Fasa
     2.12. Model Sistem Tenaga Listrik
     2.13 Kesimpulan
Bab 3. Teknik  Support Vector Machine
     3.1 Pengantar
     3.2 Kernel Trick dan Non-Linier SVM
     3.3 Support Vector Regression
     3.4 Pengolahan Sinyal Arus Menggunakan Perangkat Lunak
     3.5 Data Latihan dan Uji
     3.6 Pengolahan Sinyal Arus Menggunakan TWD
     3.7 SVM Klasifikasi Gangguan
     3.8 SVM Estimasi Lokasi Gangguan
     3.9 Pelatihan dan Pengujian SVM Estimasi Lokasi Gangguan
     3.10 Kesimpulan
Bab 4. Teknik Adaptive Neuro-Fuzzy System
     4.1 Pengantar
     4.2 Fungsi Keanggotaan ANFIS
     4.3 Adaptive Neuro Fuzzy Inference System (ANFIS)
     4.4 Data Pelatihan dan Pengujian
     4.5 Desain ANFIS untuk Klasifikasi Gangguan
     4.6 Desain ANFIS untuk Estimasi Lokasi Gangguan
     4.7 Pelatihan dan Pengujian Data Menggunakan Teknik TWD dan
     4.8 ANFIS Klasifikasi dan Estimasi Lokasi Gangguan
     4.9 Kesimpulan
Bab 5. Teknik Backpropagation Neural Network
     5.1 Pengantar
     5.2 Neural Networks
     5.3 Fungsi Aktifasi
     5.4 BackPropagation Neural Networks (BPNN)
     5.5 Arsitektur dan Algoritma BackPropagation Neural Networks
     5.6 Penentuan Nilai Inisialisasi Bobot dan Bias
     5.7 Pengujian BackPropagation Neural Networks
     5.8 Kesimpulan
Bab 6. Teknik Recurrent Neural Networks
     6.1 Pengantar
     6.2 Jaringan Syaraf Tiruan
     6.3 Recurrent Neural Networks
     6.4 RNN Klasifikasi Gangguan
     6.5 RNN Estimasi Lokasi Gangguan
     6.6 Pelatihan dan Pengujian Data Menggunakan Teknik TWD dan RNN
     6.7 Kesimpulan
Daftar Pustaka
Sampul Belakang