simulasi dan analisa hubung singkat pada belitan stator ... · merupakan mesin listrik yang sering...

1

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6

Yelanda Novita Sari, Ardyono Priyadi, Dimas Anton Asfani. Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS)

Jl. Arief Rahman Hakim, Surabaya 60111

E-mail: [email protected]. [email protected]. [email protected]

Abstrak — Motor Induksi merupakan mesin listrik

yang sering digunakan dalam industry, oleh karena

itu performa, stabilitas dan efisiensi dari motor

induksi sangat diperhatikan untuk mengantisipasi

gangguan yang bisa menyebabkan penurunan umur

dari motor induksi. Motor Current Signature Analysis

(MCSA) adalah salah satu metode yang paling sering

digunakan untuk mendeteksi performa motor secara

on-line. Akan tetapi penggunaan MCSA ini tidak

memberikan hasil yang bagus ketika torsi beban yang

tidak konstan. Maka diperlukan metode baru untuk

mendeteksi gangguan pada belitan stator. Tugas akhir

ini membahas deteksi gangguan hubung singkat

motor induksi tiga fasa menggunakan Transformasi

Wavelet untuk mendeteksi magnitudo pada range

frekuensi tertentu dan Power Spectral Density

digunakan sebagai pengenalan pola sinyal yang

menunjukkan kondisi tidak normal pada belitan

stator yang disimulasikan pada software matlab. Hasil

simulasi ini yaitu berupa nilai, nilai PSD yang

didapatkan sebanding dengan jumlah belitan stator

yang terhubung singkat antar belitannya, semakin

banyak jumlah belitan yang terhubung singkat maka

nilai PSD nya akan semakin besar.

Kata Kunci — Motor Induksi, Transformasi Wavelet,

Power Spectral Density, Motor Current Signature

Analysis (MCSA).

I. PENDAHULUAN

AMPIR 60% industri menggunakan motor induksi

sebagai alat bantu produksi, hal ini disebabkan

karena beberapa alasan yaitu, kecepatan putar yang

dihasilkan konstan, motor induksi tidak memiliki sikat

sehingga rugi gesek dapat dikurangi, dan perawatannya

yang mudah. Karena beberapa alasan tersebut motor

induksi digunakan secara luas.

Motor- motor tersebut ditempatkan pada lingkungan

dan kondisi yang bervariasi yang dapat menimbulkan

kerusakan dibagian-bagian motor. Mekanisme kerusakan

pada mesin induksi yang paling umum dapat

dikategorikan menurut komponen utama mesin seperti

gangguan pada stator, rotor, dan bearing. Hampir 40%

ganggunan pada motor induksi terjadi pada stator, hal

ini bisa disebabkan karena hubung singkat pada belitan

stator [1].

Hubung singkat pada belitan menyebabkan

penurunan jumlah belitan equivalent pada motor, hal ini

menyebabkan penurunan kecepatan dan peningkatan

panas pada inti karena penambahan rugi-rugi.

Peningkatan panas membuat suhu belitan stator

meningkat sehingga berakibat pada perkiraan umur isolasi

belitan.

Untuk mengurangi kerusakan yang lebih karena

hubung singkat dan untuk memperpanjang usia motor,

maka diperlukan deteksi dini keadaan stator motor saat

motor beroperasi[2]. Banyak usaha yang telah dilakukan

untuk meminimalisir gangguan yang ada pada stator

motor, contohnya adalah dengan memonitoring keadaan

dari belitan stator motor. Teknik monitoring yang sering

dipakai untuk mendeteksi belitan motor adalah Motor-

Current-Signature Analysis (MCSA) tetapi pada saat

kecepatan dan torsi beban tidak konstan MCSA tidak

memberikan hasil monitoring yang bagus[3], hal ini

disebabkan karena estimasi awal MCSA yang

menggunakan Fast Fourier Transform (FFT) tidak

memberikan resolusi yang baik pada perubahan domain

waktu ke domain frekuensi[4].

Dalam upaya untuk memecahkan masalah ini,

dikembangkan metode baru untuk diagnosis gangguan

pada stator, yaitu dengan metode dekomposisi wavelet.

Tugas akhir ini, membahas deteksi gangguan hubung

singkat motor induksi tiga fasa, menggunakan

Transformasi Wavelet untuk mendeteksi magnitudo pada

range frekuensi tertentu, dengan menggunakan wavelet

menu pada softwer matlab. Power Spectral Density (PSD)

digunakan sebagai pengenalan pola sinyal yang

menunjukkan kondisi tidak normal pada belitan stator.

Data yang akan diolah menggunakan Transformasi

Wavelet dan Power Spectral Density (PSD) didapat dari

hasil simulasi menggunakan softwer matlab simulink.

Dimana matlab simulink ini digunakan dalam pemodelan

motor induksi tiga fasa terhubung singkat pada belitan

stator.

II. METODE KLASIFIKASI GANGGUAN

Metode klasifikasi gangguan yang digunakan pada

tugas akhir ini adalah transformasi wavelet dan power

spectral density (PSD).

H

Simulasi dan Analisa Hubung Singkat Pada Belitan

Stator Motor Induksi Tiga Fasa Menggunakan Wavelet

Transform dan Power Spectral Density

mailto:[email protected]



2


A. Transformasi Wavelet

Transformasi wavelet sama halnya seperti proses

filtering, dimana sinyal dalam domain waktu dilewatkan

ke dalam High Pass Filter dan Low Pass Filter, untuk

memisahkan komponen frekuensi tinggi dan frekuensi

rendah. Pada dasarnya, transformasi wavelet dapat

dibedakan menjadi dua tipe. Berdasarkan nilai parameter

translasi dan dilatasinya, yaitu Continue Wavelet

Transform (CWT) dan Discrete Wavelet Transform

(DWT.). Transformasi wavelet kontinu ditentukan oleh

nilai parameter dilatasi dan translasi yang bervariasi

secara kontinu. Parameter dilatasi dan translasi secara

kontinu ini menghasilkan data yang berlebihan

(redudansi). Oleh karena itu CWT ini sulit dalam hal

proses pemfilteran. Masalah redudansi ini dapat

diselesaikan dengan pemakaian transformasi Discrete

wavelet transform (DWT). DWT ini dalam

implementasinya lebih sederhana dibandingkan dengan

continue wavelet transform (CWT).

g[n]

h[n]

2

2

h[n] 2

g[n] 2 h[n] 2

g[n] 2

X[n]

Level 1 detail coefficients

Scale1J2


Scale2J2


Scale3J2

Gambar 1. Wavelet tree decomposition with three-detail

levels.

Pada gambar 1 awalnya sinyal dilewatkan di filter

high pass dan low pass, setengah dari masing-masing

hasilnya diambil untuk jadi sampel melalui operasi sub-

sampling. Proses ini disebut sebagai proses dekomposisi

satu tingkat. Keluaran dari filter low-pass digunakan

sebagai masukkan di proses dekomposisi tingkat

berikutnya. Proses ini diulang sampai tingkat proses

dekomposisi yang diinginkan. Gabungan dari keluaran-

keluaran filter high-pass dan satu keluaran filter low pass

yang terakhir, disebut koefisien wavelet, yang berisi

informasi sinyal hasil transformasi yang telah

terkompresi[1]. Dalam tugas akhir ini ada 2 fungsi

keluarga wavelet yaitu, daubechies dan meyer,

daubechies adalah salah satu nama dari keluarga wavelet

yang ditulis dengan dbN, dimana N adalah urutan dari db.

Dan meyer adalah nama keluarga wavelet yang paling

bagus dan detail dalam filter sinyal, karena filter

bandpassnya memiliki frekuensi cut-off yang tajam,

sehingga mampu mengklasifikasikan sinyal frequensi

tinggi[8].

B. Power Spectral Density (PSD)[1]

Power Spectral Density (PSD) adalah, hasil bagi

antara energi dengan frekuensi masing-masing level

sinyal High pass filter. Energi itu sendiri adalah

penjumlahan kuadrat nilai-nilai data pada setiap level

frekuensi sinyal High pass filter. Dapat dipersentasikan

dengan model matematika berikut:

Energi = 𝑓(𝐻𝑃𝐹)𝑛2𝑑1

𝑑0 PSD =

𝐸𝑛𝑒𝑟𝑔𝑖

𝑓(𝐻𝑃𝐹 )𝑛 …. (1)

Dimana

𝑑1= range akhir dari jumlah data

𝑑0= range awal dari jumlah data

𝑓(𝐻𝑃𝐹)𝑛 = Frekuensi high pass filter atau sinyal detail

𝑛 = level sinyal detail

III. PERMODELAN

Parameter motor yang digunakan untuk pemodelan

dapat dilihat pada tabel 1. Tabel 1.

Data motor yang digunakan untuk simulasi

Parameter Motor

Daya rating 750 Watt

Jumlah kutub 4

Tegangan line to line 200 Volt

Arus rating 2.7 Ampere

Frekuensi 60 Hz

Power factor 0.8

Inersia rotor (J) 0.1kg/m2

Induktansi rotor 6.94 mH

Resistansi rotor 1.99 ohm

Resistansi stator 3.35 ohm

Pemodelan motor induksi tiga fasa terhubung

singkat pada belitan stator didapatkan dari hasil

penurunan persamaan matematika. Dari persamaan

matematika akan didapatkan pemodelan motor induksi,

yang selanjutnya akan di diagnosis dengan menggunakan

metode wavelet transform dan PSD.

Vag

Vbg

Vcg

Na

Nb

Nc

Supply

Wavelet transform

dan PSD

Transformasi

tiga fasa ke dua

fasa

Pemodelan

Motor

Kondisi

motor

Perhitungan

induktansi

dan

resistansi

Gambar 2. Model simulasi motor induksi.

Persamaan tegangan input motor induksi tiga

fasa adalah:

𝑣𝑎𝑔

= 𝑣𝑚 𝑐𝑜𝑠 𝑒 (2)

𝑣𝑏𝑔

= 𝑣𝑚 𝑐𝑜𝑠 𝑒 −2𝜋

3 (3)

𝑣𝑐𝑔

= 𝑣𝑚 𝑐𝑜𝑠 𝑒 +2𝜋

3 (4)

Dimana

𝒗𝒎 adalah tegangan sumber, 𝒁𝒃 adalah impedansi dasar,

𝒃 sama dengan 𝒆 adalah perputaran medan sinkron

stator (rps), 𝒓 adalah perputaran sudut rotor, 𝐯𝒒𝒔𝒉 adalah

tegangan short circuit pada q reference frame, 𝒒 𝒔𝒉

adalah

fluk stator terhubung singkat pada q reference frame,

𝒒 𝒓

adalah fluk rotor pada q reference frame, 𝐫𝒒𝒅𝟎𝒔 adalah

metrik resistansi stator pada abc reference frame, 𝒗𝒔𝒈

3


adalah tegangan stator ke netral, 𝒗𝒂𝒈

adalah tegangan fasa

a, 𝒗𝒂𝒔 adalah tegangan stator fasa a, 𝒗𝒒

𝒔 adalah tegangan

stator fasa q, 𝒊𝒂𝒃𝒄𝒔 adalah vektor kolom arus stator pada

abc, 𝐓𝒒𝒅𝟎(𝜽) adalah transformasi qdo.

Karena memiliki banyak keterbatasan, maka motor

induksi tiga fasa di transformasikan ke dalam bentuk dua

fasa. Pemodelan dua fasa yang digunakan adalah qd0

stationary reference frame. Model matematika

transformasi tiga fasa ke dua fasa adalah[5]:

𝑓𝑞𝑓𝑑𝑓0

= 𝐓𝑞𝑑0(𝜃)

𝑓𝑎𝑓𝑏𝑓𝑐

(5)

Dari persamaan 4 dapat ditulis:

𝑓𝑞𝑑0 = 𝐓𝑞𝑑0(𝜃) 𝑓𝑎𝑏𝑐 (6)

𝐓𝑞𝑑0 (𝜃) =2

3

cos 𝜃 cos 𝜃 −

2𝜋

3 cos 𝜃 +

2𝜋

3

sin 𝜃 sin 𝜃 −2𝜋

3 sin 𝜃 +

2𝜋

3

1

2

1

2

1

2

Dimana = 0 dan 𝜃 = 0 maka

𝐓𝑞𝑑0 (𝜃) =2

3

1 −

1

2−

1

2

0 − 3

2

3

21

2

1

2

1

2

(7)

Tegangan perfasa stator adalah

𝑣𝑞𝑠 =

2

3 𝑣𝑎

𝑠 −1

2 𝑣𝑏

𝑠 + 𝑣𝑐𝑠 =

2

3 𝑣𝑎

𝑔−

1

2 𝑣𝑏

𝑔+ 𝑣𝑐

𝑔 (8)

𝑣𝑑𝑠 =

1

3 −𝑣𝑏

𝑠 + 𝑣𝑐𝑠 =

1

3 −𝑣𝑏

𝑔+ 𝑣𝑐

𝑔 (9)

Karena adanya ketidakseimbangan arus pada fasa 0 maka

tegangan pada titik netral atau fasa 0 adalah:

𝑣0𝑠 =

1

3 𝑣𝑎

𝑔+ 𝑣𝑏

𝑔+ 𝑣𝑐

𝑔 − 𝑣𝑠

𝑔 (10)

Dimana

𝑣𝑠𝑔

=1

𝐶𝑠𝑔 (𝑖𝑎

𝑠 + 𝑖𝑏𝑠 + 𝑖𝑐

𝑠) 𝑑𝑡 (11)

1

𝐶𝑠𝑔 = 50 × 𝑍𝑏𝑏 (12)

Hubungan antara q-axis sator dan rotor serta d-

axis stator dan rotor bisa dilihat pada gambar 2.

rext

sh

qv-

-

--

-

+

+

+

+

+s

qv

r

qvr

dv

s

qv

Gambar 3. Rangkaian motor terhubung singkat pada

stator

Pada gambar 2 tidak terlihat adannya hubungan

antara fasa 0 stator dan fasa 0 rotor hal ini disebabkan

karena mesin induksi terhubung three-wire koneksi, maka

urutan nol diangap tidak ada[6]. Pada gambar diatas

karena adannya pengaruh tegangan short circuit (𝐯𝑞𝑠𝑕 ) di

fasa q-axis stator maka didapatkan model matematika

untuk tegangan distator fasa q dalam keadaan terhubung

singkat adalah:

𝐯𝑞𝑠 = 𝐯𝑞

𝑠𝑕 + 𝑝𝑞

𝑠+ r𝑞

𝒔 i𝒒𝒔 (13)

Dimana

𝐯𝑞𝑠𝑕 = 𝑝

𝑞 𝑠𝑕 − 𝐫𝑞

𝑠𝑕 𝐢𝑞𝑠𝑕 (14)

Maka

𝑞 𝑠𝑕 = 𝐯𝑞

𝑠𝑕 − 𝐫𝑞𝑠𝑕 𝐢𝑞

𝑠𝑕 𝑑𝑡 (15)

r𝑞𝑑0𝒔 =

𝑟11𝑠 𝑟12

𝑠 𝑟13𝑠

𝑟21𝑠 𝑟22

𝑠 𝑟23𝑠

𝑟31𝑠 𝑟32

𝑠 𝑟33𝑠 (16)

Jadi persamaan untuk fluks q-axis stator dan rotor adalah:

𝑞 𝑠 = 𝐯𝑞

𝑠 − 𝐯𝑞𝑠𝑕 − r11

𝒔 i𝒒𝒔 − r12

𝒔 i𝑑𝒔 𝑑𝑡 (17)

𝑞 𝑟 = 𝑟𝑑

𝑟 − r𝑟𝑟 𝐢𝑞

𝑟 𝑑𝑡 (18)

Persamaan fluks d-qxis stator dan rotor adalah:

𝑑 𝑠 = 𝐯𝑑

𝑠 − r21𝒔 i𝒒

𝒔 − r22𝒔 i𝑑

𝒔 𝑑𝑡 (19)

𝑑 𝑟 = − 𝑟𝑞

𝑟 + r𝑟𝑟 𝐢𝑑

𝑟 𝑑𝑡 (20)

Sedangkan untuk persamaan torsi adalah

𝐓𝑒𝑚 =3

2

𝑷

2 𝑑

𝑠 𝐢𝑞𝑠 − 𝑞

𝑠 𝐢𝑑𝑠 (21)

2𝑱𝑏

𝐏

𝑑 𝑟𝑏

𝑑𝑡= 𝐓𝑒𝑚 + 𝐓𝑚𝑒𝑐 𝑕 + 𝐓𝑑𝑎𝑚𝑝 (22)

Jadi 𝑟

𝑏= 𝐓𝑒𝑚 + 𝐓𝑚𝑒𝑐 𝑕 + 𝐓𝑑𝑎𝑚𝑝 .

1

2𝐇 dt (23)

Dimana 𝑏 = 𝑒 = 2𝜋𝑓𝑒 , 𝐓𝑒𝑚 = Torsi elektromagnetik,

P adalah jumlah pole, H adalah Inersia rotor konstan

(detik), 𝐓𝑑𝑎𝑚𝑝 adalah Torsi damping, 𝐓𝑚𝑒𝑐 𝑕 adalah Torsi

mekanik. Untuk mendapatkan arus tiga fasa maka output

dari arus 𝐢𝑞𝑠 , 𝐢𝑑 ,

𝑠 dan 𝐢0𝑠 ditransformasikan ke bentuk tiga

fasa abc sebagai berikut.

𝑓𝑎𝑏𝑐 = 𝐓𝑞𝑑0(𝜃) −1

𝑓𝑞𝑑0

Maka untuk merubah arus dua fasa ke tiga fasa adalah

𝐢𝑎𝑏𝑐 = 𝐓𝑞𝑑0(𝜃) −1

𝒊𝑞𝑑0 (24)

𝐓𝑞𝑑0 (𝜃) −1

=

cos θ sinθ 1

cos θ −2π

3 sin θ −

2π

3 1

cos θ +2π

3 sin θ +

2π

3 1

Dimana = 0 dan 𝜃 = 0 maka arus untuk fasa abc

adalah

𝐢𝑎𝑠

𝐢𝑏𝑠

𝐢𝑐𝑠 =

1 0 1

−1

2−

3

21

−1

2

3

21

𝐢𝑞𝑠

𝐢𝑑𝑠

𝐢0𝑠

(25)

𝐢𝑎𝑠 = 𝐢𝑞

𝑠 + 𝐢0𝑠 (26)

𝐢𝑏𝑠 = −

1

2𝐢𝑞𝑠 −

3

2𝐢𝑑𝑠 + 𝐢0

𝑠 = − 𝐢𝑞𝑠 + 3 𝐢𝑑

𝑠

2 + 𝐢0

𝑠 (27)

𝐢𝑐𝑠 = −

1

2𝐢𝑞𝑠 +

3

2𝐢𝑑𝑠 + 𝐢0

𝑠 = − 𝐢𝑞𝑠 − 3 𝐢𝑑

𝑠

2 + 𝐢0

𝑠 (28)

4


1

0

(a)

Pemodelan motor induksi tiga fasa bisa dilihat pada gambar 4.

Pers. (3.1)

Pers. (3.2)

Pers. (3.3)

Roto

r

o

+ + +

abc2

qd0

Q-

axis

D-

axis

0-

axis

qd02

abc

Plot

characteristic

1

Sc Switch

0

Gambar 4. Model Simulasi state-space motor induksi tiga fasa.

IV. DETEKSI HUBUNG SINGKAT MENGGUNAKAN

TRANSFORMASI WAVELET DAN PSD

Gambar 5 merupakan hasil simulasi torsi

elektromagnetik dan kecepaatan. Torsi beban dimana

motor dalam keadaan normal dan tanpa beban adalah 0

sedangkan kecepatan adalah 1.

Gambar 5. Hasil simulasi torsi dan kecepatan, motor

dalam keadan normal.

Gambar 6. Hasil simulasi torsi dan kecepatan dengan

shorted turns 50 dan 70% pembebanan.

Berbeda dengan motor dalam keadaan normal,

motor dalam keadaan shorted turns 50 dan 70%

pembebanan, hasil simulasi torsi dan kecepatannya

mengalami osilasi.

A. Transformasi Wavelet

Range frekuensi bands pada simulasi ini terlihat

pada tabel 2.

Tabel 2.

Range frekuensi bands

Decomposition Detail Frekuensi Band (Hz)

Detail level 1 3000 – 1500



Detail level 4 375 – 187.5

Detail level 5 187.5 – 92.75

Detail level 6 92.75 – 46.37

Detail level 7 46.37 – 23.18

Range frekuensi band sinyal detail level 1

didapatkan dari fs/2, sedangkan range frekuensi band

sinyal detail level 2 didapat dari fs/4 dan seterusnya

sampai detail level 7. Pada tugas akhir ini, klasifikasi

gangguan pada motor dilihat pada saat motor beroperasi

steady state.

5


(b)

(c)

(d)

Gambar 7. Sinyal dekomposisi wavelet arus fasa a motor

dalam keadaan shorted turns 50 dan 70% pembebanan.

(a) wavelet meyer, (b) wavelet dB10, (c)wavelet dB8, (d)

wavelet dB6

Dari gambar 7 diatas, khususnya pada sinyal

sampling, nilai arus yang terbaca mencapai 5A (peak to

peak) atau 3.5A (rms). frekuensi sampling 6000 Hz dan

jumlah data N = 65000. Pada gambar 7 (a) yaitu

transformasi wavelet meyer, khususnya sinyal detail 6

kerapatan energi dan bentuk sinyalnya sama dengan

kerapatan energi dan bentuk sinyal samplingnya. Hal ini

karena dalam pengambilan nilai absolute, wavelet meyer

lebih detail dari pada wavelet lain. Oleh karena itu

wavelet meyer yang paling bagus digunakan sebagai

langkah awal untuk mendapatkan nilai PSD. Nilai PSD

ini nantinya digunakan sebagai acuan untuk mendeteksi

shorterd turns.

B. Power Spectral Density (PSD)

Karena efek perubahan dari jumlah shorted turns

dengan menggunakan metode transformasi wavelet

sulit dianalisa, maka hasil dari sinyal output yang

disimpan dalam workspace Matlab selain berupa sinyal,

juga berupa hasil penjumlahan kuadrat nilai-nilai data

pada setiap level frekuensi High pass filter yang disebut

juga dengan energi. Energi ini akan dibagi dengan

frekuensi masing-masing level sinyal High pass filter,

hasil bagi ini yang disebut dengan power spectral density

(PSD). Pada tabel 3 akan ditunjukan hasil PSD dari detail

1 sampai 7.

Tabel 3.

Power Spectral Density (PSD) menggunakan wavelet meyer.

Normal Pembebanan D1 D2 D3 D4 D5 D6 D7

PSD PSD PSD PSD PSD PSD PSD

0 0 1.9E-5 1.6E-5 0.00021 0.0077 0.78 192.6 0.32

0 70% 2E-5 1.8E-5 0.00018 0.0065 0.6 212.5 0.27

0 75% 2.1E-5 2E-5 0.00018 0.0065 0.6 222.6 0.28

0 100% 2.2E-5 2E-5 0.0002 0.006 0.6 222.8 0.31

Shorted Pembebanan

D1 D2 D3 D4 D5 D6 D7


5 0 2.3E-5 2.2E-5 0.00024 0.0087 0.9 231.6 0.35

5 100% 3.1E-5 2.8E-5 0.00019 0.0065 0.6 343.2 0.34

Shorted Pembebanan

D1 D2 D3 D4 D5 D6 D7


10 0 2.5E-5 2.4E-5 0.000263 0.0089 0.9 242.0 0.37

10 100% 3.7E-5 3.1E-5 0.0002 0.0072 0.7 388.6 0.33

Shorted Pembebanan

D1 D2 D3 D4 D5 D6 D7


20 0 3.2E-5 2.9E-5 0.000297 0.0108 1.1 317.0 0.44

20 100% 4.9E-5 4E-5 0.000268 0.0101 0.9 496 0.5

Shorted Pembebanan

D1 D2 D3 D4 D5 D6 D7


40 0 5.7E-5 5.1E-5 0.000468 0.0166 1.71 572.0 0.69

40 100% 7.7E-5 6E-5 0.000365 0.0134 1.3 807.2 0.8

Shorted Pembebanan D1 D2 D3 D4 D5 D6 D7


50 0 7.7E-5 6.5E-5 0.000545 0.0211 2.1 768.2 0.88

50 100% 0.0001 8.4E-5 0.000505 0.017 1.7 1029 1

Tabel 4.

Power Spectral Density (PSD) menggunakan wavelet db6

Normal Pembebanan D1 D2 D3 D4 D5 D6 D7


0 0 2.4E-5 1.4E-5 8.82E-05 0.003 4.5 191.2 7.5

0 70% 2.2E-5 1.5E-5 6.25E-05 0.003 4.8 207.6 8.3

0 75% 2.5E-5 1.7E-5 6.27E-05 0.003 5 233.5 9.5

0 100% 3.1E-5 2.1E-5 5.66E-5 0,0037 6.8 291.4 12.8

Shorted Pembebanan

D1 D2 D3 D4 D5 D6 D7


5 0 2.3E-5 1.6E-5 0.000124 0.004 5 212.4 8.3

5 100% 3.5E-5 2.3E-5 0.000064 0.0042 7.7 329.9 14

Shorted Pembebanan

D1 D2 D3 D4 D5 D6 D7


10 0 2.5E-5 1.7E-5 0.000126 0.004 5 239 9.4

10 100% 4E-5 2.5E-5 7.5E-5 0.0047 8.7 371.8 16

Shorted Pembebanan

D1 D2 D3 D4 D5 D6 D7


20 0 3.3E-5 2.2E-5 8.77E-05 0.004 7 312 12.5

20 100% 5E-05 3E-05 9.59E-05 0.006 11 475 20

Shorted Pembebanan

D1 D2 D3 D4 D5 D6 D7


40 0 5.9E-5 3.9E-5 0.000159 0.007 13 557 22.6

40 100% 8 E-5 5.4E-5 0.000134 0.009 18 773 33

Shorted

Pembebanan

D1 D2 D3 D4 D5 D6 D7


50 0 1E-4 7E-05 0.000172 0.012 23.1 981 42

50 100% 8E-5 5.2E-5 0.000189 0.010 17.6 746 30.8

6


Pada tabel nilai PSD dengan wavelet meyer, dB10,

dB8 dan dB6 nilai PSD akan naik seiring penambahan

jumlah shorted turns dan kenaikan beban. Tetapi ada

beberapa nilai PSD yang mengalami penurunan. Sama

halnya dengan sinyal dekomposisi wavelet, pada PSD

wavelet meyer yang paling bagus digunakan sebagai

acuan untuk mendeteksi motor. Apabila menggunakan

wavelet dB6, dB8 dan dB10 ada beberapa kekurangan,

seperti pada dB6 nilai detail 1, 2, 4, 5, 6, dan 7 pada

motor dalam keadaan shorted turns 5 beban 0 dan shorted

turns 5 dengan 70% pembebanan mengalami kenaikan.

Sedangkan pada PSD detail 3 mengalami penurunan. Hal

ini juga terjadi pada motor dengan shortd turns 10 sampai

40. Tetapi keadaan ini berbanding terbalik dengan motor

dalam keadaan shorted turns 50, pada nilai detail 1, 2, 4,

5, 6, dan 7 mengalami penurunan dan nilai detail 3

mengalami kenaikan. Jadi tidak ada satupun sinyal detail

yang bisa dijadikan acuan untuk mendeteksi pengaruh

perubahan beban dan shorted turns terhadap motor.

Untuk wavelet meyer baik motor dalam keadaan

normal berbeban maupun motor mengalami shorted turns

berbeban pada nilai PSD detail 1, 2, dan 6 mengalami

kenaikan dan sinyal detail yang lain mengalami

penurunan. Jadi yang bisa digunakan sebagai acuan untuk

memonitoring dampak perubahan beban dan shorted turns

terhadap motor adalah wavelet meyer pada detail 1,2 dan

6. Gambar 8 adalah perbandingan nilai PSD dengan

jumlah shorted turns pada wavelet meyer detail 2.

Dimana motor dalam keadaan normal berbeban nilainya

dibawah nilai threshold, sedangkan motor dalam keadaan

shorted turns nilai PSD nya lebih tinggi dari nilai

threshold.

Gambar 8. Grafik nilai PSD pada wavelet meyer detail 2.

Selain pengaruh hubung singkat tabel PSD juga bisa

digunakan untuk melihat frekuensi harmonik. Harmonisa

pertama 60Hz terjadi pada range sinyal detail enam

dimana range frekuensi bansnya 47Hz – 92Hz, oleh sebab

itu sinyal detail enam memiliki energy yang besar dari

yang lainnya, sehingga nilai PSD nya juga lebih tinggi.

Sedangkan harmonisa ketiga terjadi pada level sinyal

detail 5 dan harmonisa ke lima terjadi pada sinyal detail 4.

IV. KESIMPULAN

Dari hasil simulasi dapat diambil kesimpulan,

Semakin banyak jumlah belitan yang terhubung singkat,

maka arus, energy dan nilai Power Spectral density yang

terbaca semakin besar. Hal ini disebabkan karena

penurunan jumlah ekivalen belitan pada stator. Untuk

memonitoring pengaruh perubahan beban dan shorted

turns pada motor, wavelet meyer lebih baik dari pada

wavelet lain. Karena pembacaan nilai absolute pada sinyal

high pass filternya, wavelet meyer lebih detail dari pada

wavelet daubechies. Nilai PSD pada motor dalam

keadaan berbeban, lebih tinggi dari motor dalam

keadaan tanpa beban. Karena motor memerlukan daya

yang besar untuk memikul beban mekanik. Selain unuk

mendeteksi pegaruh beban dan jumlah shorted turns

terhadap motor. Sinyal wavelet dan nilai PSD juga bisa

melihat adanya frekuensi harmonik. Terbukti nilai pada

sinyal detail level enam, lebih tinggi dari pada sinyal

level lainnya. Hal ini disebabkan karena pada range

frekuensi band sinyal detail enam yaitu 92.75 – 46.37 Hz

terdapat frekuensi fundamental 60 Hz.

DAFTAR PUSTAKA

[1] Cusido Jordi and Romeral Luis, “Fault Detection

in Induction Machines Using Power Spectral

Density in Wavelet Decomposition”, IEEE Trans.

On Industrial Electronics, vol. 55, no. 2, February

2008.

[2] Stephen J. Chapman, “Electric Machinery

Fundamentals. Fourth Edition”. Mc Graw Hill.

BAE SYSTEMS Australia. 2005.

[3] Ong-Chee mun. “Dynamic Simulation of Electric

Machenery”. Prentice Hall International. New

jersey. 1998.

[4] Arkan.M, Kostic-Perovic.D, Unsworth P.J,

“Modelling and simulation of induction motors

with inter-turn faults for diagnostics” ,

ELSEVIER. On Electric Power Systems Research

75 (2005) 57–66, May 2005.

[5] Heru Isnanto P. “Analisis Motor Induksi 3 Fasa

Dengan Metode Kerangka Referensi” , Makalah

Seminar Tugas Akhir Jurusan Teknik Elektro

Fakultas Teknik Universitas Diponegoro.

[6] Nova Dicky W. “Deteksi Hubung Singkat Pada

Belitan Stator Motor Induksi Satu Fasa

Menggunakan Jaring Saraf Tiruan”. Jurusan

Teknik Elektro-FTI, Institut Teknologi Sepuluh

Nopember.

[7] Misiti.Michel,Misiti.Yves, Oppenheim.Georges,

Poggi Michel-Jean, “Wavelet Toolbox. For Use

with MATLAB”. Part I. The MathWorks, Inc.

[8] F. H. Magnago and A. Abur, “Fault location using

wavelets,” IEEE Trans. Power Del., vol. 13, no. 4,

pp. 1475–1480, Oktober. 1998.

0 2 4 6 8 10 12 14 16

10-4.8

10-4.6

10-4.4

10-4.2

Case number

Va

ria

ble

de

tectio

n

Normal Operation

Short Circuit Fault at No Load

Short Circuit Fault at 75% Load

5 turn S.C10 turn S.C

20 turn S.C

30 turn S.C

40 turn S.C50 turn S.C

Threshold

simulasi dan analisa hubung singkat pada belitan stator ... · merupakan mesin listrik yang sering...

Documents