PREDIKSI NILAI PARAMETER PEMELIHARAAN TAHUNANGENERATOR CIRCUIT BREAKER TYPE 20-SFWA-80MENGGUNAKAN METODE EXPONENTIAL SMOOTHING DANARTIFICIAL NEURAL NETWORK

• Main Author: Aji Setiyawan, - (Author)
• Format: Book
• Published: 2023-08-30.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/103246/8/S_TE_1906212_Title.pdf; http://repository.upi.edu/103246/2/S_TE_1906212_Chapter1.pdf; http://repository.upi.edu/103246/3/S_TE_1906212_Chapter2.pdf; http://repository.upi.edu/103246/4/S_TE_1906212_Chapter3.pdf; http://repository.upi.edu/103246/5/S_TE_1906212_Chapter4.pdf; http://repository.upi.edu/103246/6/S_TE_1906212_Chapter5.pdf; http://repository.upi.edu/103246/9/S_TE_1906212_Appendix.pdf
• Keywords: L Education (General); T Technology (General); TK Electrical engineering. Electronics Nuclear engineering

Pemeliharaan tahunan di pembangkit merupakan hal yang perlu dilakukan untuk merawat, mencegah, dan memperbaiki peralatan dari kerusakan agar tetap andal. Namun, untuk melakukan pemeliharaan tahunan memerlukan waktu dan biaya yang cukup besar. Salah satu peralatan yang harus dijaga ialah Generator Circuit Breaker atau pemutus tenaga generator. Hasil pemeliharaan tahunan 2022 menunjukkan bahwa terdapat beberapa parameter pemeliharaan yang berada di atas nilai standar serta memiliki tren yang cenderung memburuk. Tujuan dari penelitian ini ialah membandingkan metode untuk memprediksi nilai parameter pemeliharaan tahunan Generator Circuit Breaker Type 20- SFWA-80. Metode yang digunakan ialah exponential smoothing (ES), artificial neural network (ANN), dan model regresi MATLAB. Penelitian dilakukan di PT PLN Indonesia Power Saguling POMU (PLTA Saguling) dengan menggunakan data pemeliharaan tahunan GCB sejak beberapa tahun ke belakang. Hasil penelitian menunjukkan bahwa metode ESANN memiliki akurasi yang lebih baik daripada model regresi MATLAB dengan nilai ratarata error pada keseluruhan parameter sebesar 1,06% berbanding dengan 11,92%. Hasil forecasting menggunakan ANN hingga 2027 menunjukkan bahwa nilai tahanan kontak, uji switch tekanan udara, dan persentase kebocoran udara pada air leakage test diprediksi akan berada di atas nilai standar. Annual inspection (maintenance) at power plants is necessary to maintain, prevent, and repair equipment from damage to keep it reliable. However, to perform annual inspection requires considerable time and cost. One of the equipment that must be maintained is the Generator Circuit Breaker. The 2022 annual inspection results show that there are several inspection parameters that are above the standard value and have a trend that tends to worsen. The purpose of this study is to compare methods for predicting the value of the annual inspection parameters of the Type 20-SFWA-80 Generator Circuit Breaker. The methods used are exponential smoothing (ES), artificial neural network (ANN), and MATLAB regression model. The research was conducted at PT PLN Indonesia Power Saguling POMU (PLTA Saguling) using GCB annual inspection data from several years back. The results show that the ES-ANN method has better accuracy than the MATLAB regression model with an average error value on all parameters of 1.06% compared to 11.92%. The forecasting results using ANN until 2027 show that the contact resistance value, air pressure switch test, and air leakage percentage on the air leakage test are predicted to be above the standard value