Sidang Tesis KLASIFIKASI DAN IDENTIFIKASI...

Sidang Tesis

KLASIFIKASI DAN IDENTIFIKASI KLASIFIKASI DAN IDENTIFIKASI GANGGUAN GANGGUAN POWER QUALITY (PQ)POWER QUALITY (PQ)

MENGGUNAKAN METODE MENGGUNAKAN METODE MULTIPLE MULTIPLE SEQUENCE ALIGNMENT (MSA)SEQUENCE ALIGNMENT (MSA)

Agus.S, Adi.S, Mauridhi.H.P Electrical Engineering Dept - ITS

Telah diseminarkanSITIA 2011, 25 Mei 2011

2

Multiple Sequence Alignment (MSA) adalah metode penyelarasan tiga atau lebih urutan DNA, RNA, atau protein untuk di identifikasi similaritasnya dalam hal hubungan secara fungsional, struktural atau evolusinya [1, 4, 10, 13, 15, 19, 22, 24, 27].

Implementasi metode Multiple Sequence Alignment (MSA) yang biasanya diaplikasikan oleh bidang bioinformatic ke dalam bidang teknik sistem tenaga listrik.

MSA di implementasi untuk mendeteksi dan mengklasifikasi gangguan-gangguan power quality seperti interuption, sag, swell, undervoltage, dan overvoltage.

Metoda ini menyelaraskan sinyal inputan terhadap sinyal database gangguan power quality untuk di identifiakasi similaritas atau kesamaannya.

Similaritas ini ditunjukkan dengan error terkecil dari proses penyelarasan terhadap sinyal PQ tersebut.

Sinyal PQ di representasikan dalam sebuah matrix.

Hasil simulasi menunjukkan bahwa implementasi metode MSA dapat secara efektif mendetesi dan mengklasifikasi sinyal PQ.

AbstrakAbstrak

3

Latar BelakangLatar Belakang

4

Perumusan MasalahPerumusan Masalah

11Apakah deteksi dan klasifikasi berbasis MSA dapat mengidentifikasi sinyal?.

22Bagaimana proses atau metode MSA dalam mengidentifikasi sinyal?.

33Bagaimanakah kinerja identifikasi dan klasifikasi berbasis MSA?

44Seberapa efektifkah metode ini bekerja?

5

Tujuan dari penelitian ini adalah ikut memberikan solusi untuk masalah monitoring (deteksi dan klasifikasi) gangguan pada sistem jaring tenaga listrik melalui pendeteksian gelombang sinus cacat yang diakibatkan oleh gangguan sehingga menyebabkan pelepasan atau penambahan beban, dan pemutusan aliran daya selama waktu tertentu.

Tujuan PenelitianTujuan Penelitian

6

Tipe rele yang digunakan adalah rele digital.

Plan yang digunakan adalah jaring IEEE 30 Bus.

Mendeteksi hanya sinyal tertentu, misalnya: Swell, Sag, Overvoltage, Undervoltage dan Interruption.

Sumber gangguan berasal dari pelepasan atau penambahan beban, dan pemutusan aliran daya selama waktu tertentu.

Batas MasalahBatas Masalah

7

Menambah literature baru tentang aplikasi konsep MSA dalam Power System Engineering.

Tercipta rele digital jenis baru berbasis MSA.

Peningkatan kualitas tenaga listrik

Kontribusi TesisKontribusi Tesis

8

Hirarki PenelitianHirarki Penelitian

9

Aplikasi MSA dalam BioinformaticAplikasi MSA dalam Bioinformatic

Contoh aplikasi MSA dalam Bioinformatic[29]

Multiple Sequence Alignment (MSA) adalah metode penyelarasan tiga atau lebih urutan DNA, RNA, atau protein untuk di identifikasi similaritasnya dalam hal hubungan secara fungsional, struktural atau evolusinya [1, 4, 10, 13, 15, 19, 22, 24, 27].

Asam Amino

Nucleotide

10

Aplikasi MSA dalam BioinformaticAplikasi MSA dalam Bioinformatic

11

Pseudo Color Image

Aplikasi MSA dalam BioinformaticAplikasi MSA dalam Bioinformatic

Spe

ctro

gram

Indi

ces

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

2

4

6

8

10

12

14

16

12

Aplikasi MSA dalam BioinformaticAplikasi MSA dalam Bioinformatic

Objective Function

Sum-of-Pairs

Performance of MSA

dengan:k = 1 : baris ke-1 adalah sinyal inputl : baris ke-2 sampai ke-l adalah database sinyal gangguani : kolom ke i

i

li

kiil mmSmS ),()(

%100|)(|(%) li

ill m

mSError

13

Aplikasi MSA dalam Teknik Sistem TenagaAplikasi MSA dalam Teknik Sistem Tenaga

14

Aplikasi MSA dalam Teknik Sistem TenagaAplikasi MSA dalam Teknik Sistem Tenaga

Database Sinyal gangguan PQ

Courtesy of IEEE

15

Ilustrasi proses identifikasi sinyal gangguan menggunakan metode MSA

Aplikasi MSA dalam Teknik Sistem TenagaAplikasi MSA dalam Teknik Sistem Tenaga

Database SelisihSinyal gangguan 0.7 0.7 0.7 0.7 0.9 0.9 0.9 0.9 0.7 0.7 0.7 0.7Database Ke-1 0.7 0.7 0.7 0.7 0.3 0.3 0.3 0.3 0.7 0.7 0.7 0.7 6.8

0 0 0 0 0.6 0.6 0.6 0.6 0 0 0 0 2.4 35.29Database Ke-2 0.7 0.7 0.7 0.7 0.9 0.9 0.9 0.9 0.7 0.7 0.7 0.7 9.2

0 0 0 0 0 0 0 0 0 0 0 0 0 0Database Ke-3 0.7 0.7 0.7 0.7 1.1 1.1 1.1 1.1 0.7 0.7 0.7 0.7 10

0 0 0 0 0.2 0.2 0.2 0.2 0 0 0 0 0.8 8

Tegangan phasorNilai Komulatif

Error (%)

16

Aplikasi MSA dalam Teknik Sistem TenagaAplikasi MSA dalam Teknik Sistem Tenaga (Simulasi dan Analisis)(Simulasi dan Analisis)

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.90.8

0.85

0.9

0.95

1

1.05

1.1

1.15

1.2

Waktu (detik)

Mag

nitu

do T

egan

gan

(pu)

Sinyal Gangguan PQ

17

AplikasiAplikasi MSA MSA dalamdalam TeknikTeknik SistemSistem TenagaTenaga ((SimulasiSimulasi dandan AnalisisAnalisis))

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10

0.5

1

1.5

Waktu (detik)

Mag

nitu

do T

egan

gan

(pu)

Sinyal Gangguan PQ terhadap Database

Sinyal Input0 pu0.1 pu0.2 pu0.3 pu0.4 pu0.5 pu0.6 pu0.7 pu0.8 pu0.9 pu1 pu1.1 pu1.2 pu1.3 pu>1.4 pu

18

AplikasiAplikasi MSA MSA dalamdalam TeknikTeknik SistemSistem TenagaTenaga ((SimulasiSimulasi dandan AnalisisAnalisis))

Baris Magnitudo Tegangan

baris 1 : Sinyal Inputbaris 2 : 0.0 pubaris 3 : 0.1 pubaris 4 : 0.2 pubaris 5 : 0.3 pubaris 6 : 0.4 pubaris 7 : 0.5 pubaris 8 : 0.6 pubaris 9 : 0.7 pubaris 10 : 0.8 pubaris 11 : 0.9 pubaris 12 : 1.0 pubaris 13 : 1.1 pubaris 14 : 1.2 pubaris 15 : 1.3 pubaris 16 : >1.4 pu

pg

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

2

4

6

8

10

12

14

16 0 pu

1.3 pu

1 pu

Database Sinyal Gangguan

Sinyal Input

Waktu (s)

0.3 0.4 0.5 0.6 0.7 0.8 0.9 10

50

100

150

200

250

300

350

400

450

Waktu (detik)

Erro

r Sin

yal g

angg

uan

Terh

adap

Dat

abas

e (%

)Performa Metoda MSA

0 pu0.1 pu0.2 pu0.3 pu0.4 pu0.5 pu0.6 pu0.7 pu0.8 pu0.9 pu1.0 pu1.1 pu1.2 pu1.3 pu>1.4 pu

19

Aplikasi MSA dalam Teknik Sistem TenagaAplikasi MSA dalam Teknik Sistem Tenaga (Simulasi dan Analisis)(Simulasi dan Analisis)

Error terkecil untuk magnitudo Tegangan Bernilai 1.1 pu

Swell Swell ––

InterruptionInterruption

20

(Simulasi dan Analisis)(Simulasi dan Analisis) Instantaneous Instantaneous –– InterruptionInterruption

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10

0.2

0.4

0.6

0.8

1

Waktu (detik)

Mag

nitu

do T

egan

gan

(pu)

Sinyal Gangguan PQ

21

(Simulasi dan Analisis)(Simulasi dan Analisis) Instantaneous Instantaneous –– InterruptionInterruption

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10

0.5

1

1.5

Waktu (detik)

Mag

nitu

do T

egan

gan

(pu)

Sinyal Gangguan PQ terhadap Database

Sinyal Input0 pu0.1 pu0.2 pu0.3 pu0.4 pu0.5 pu0.6 pu0.7 pu0.8 pu0.9 pu1 pu1.1 pu1.2 pu1.3 pu>1.4 pu

22

(Simulasi dan Analisis)(Simulasi dan Analisis) Instantaneous Instantaneous –– InterruptionInterruption

Mass/Charge (M/Z)

Spe

ctro

gram

Indi

ces

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

2

4

6

8

10

12

14

16

Rel

ativ

e In

tens

ity

23

(Simulasi dan Analisis)(Simulasi dan Analisis) Instantaneous Instantaneous –– InterruptionInterruption

0.4 0.5 0.6 0.7 0.8 0.9 1

0

50

100

150

200

250

300

Waktu (detik)

Erro

r Sin

yal g

angg

uan

Terh

adap

Dat

abas

e (%

)Performa Metoda MSA

0 pu0.1 pu0.2 pu0.3 pu0.4 pu0.5 pu0.6 pu0.7 pu0.8 pu0.9 pu1.0 pu1.1 pu1.2 pu1.3 pu>1.4 pu

24

Kategori Error (%)Durasi pendeka Instantaneous

Interruption 23Sag (Dip) 0Swell 0

b MomentaryInterruption 74Sag (Dip) 0Swell 0

c TemporaryInterruption 54Sag (Dip) 0Swell 0

Durasi panjanga Interruption 0.00054b Undervoltage 0c Over voltage 0

Simulasi dan AnalisisSimulasi dan Analisis

Tabel 4.2

Performa MSA

25

Dalam penulisan ini, metode Multiple Sequence Alignment (MSA) dapat digunakan dalam mengidentifikasi dan mengklasifikasi sinyal gangguan Power Quality (PQ) secara efektif.

MSA memiliki kinerja yang tinggi dengan menunjukkan error terkecil di setiap proses identifikasi dan klasifikasi sinyal gangguan, walaupun errornya bervariasi yang disebabkan oleh sinyal transient.

Dalam perhitungan, metode MSA tidak menggunakan learning data dan proses iterasi seperti penelitian sebelunya, sehingga membuat metode MSA lebih cepat dari pada penelitian sebelumnya.

KesimpulanKesimpulan

26

Dalam penelitian selanjutnya, diharapkan metode MSA digunakan pada kondisi non ideal.

Diharapkan MSA dapat diaplikasikan di bidang teknik sistem tenaga dalam permasalahan yang lain berkaitan dengan identifikasi dan klasifikasi menggunakan MSA.

Diharapkan pada penelitian selanjutnya, metode MSA di sesuaikan pada kondisi transient sehingga dapat meminimalisasi error.

SaranSaran

27

1. Altschul, S.F., Madden, T.L., Schaffer, A.A., Zhang, J., Zhang, Z., Miller, W., Lipman, D.J. (1997), "Gapped BLAST and PSI-BLAST: a new generation of protein database search programs". Nucl. Acids Res. 25, 3389–3402.

2. Chilukuri, M.V., dan Dash, P.K. (2004), "Multiresolution S-transform-based fuzzy recognition system for power quality events". IEEE Transactions on Power Delivery, 19(1), 323–330, .

3. Chung, J. Edward, J. Power, W. Grancy, M. dan Bhatt, S.C. , "Power Disturbance Classifier Using A Rule-Based Method And Wavelet Packet-Based Hiden Markov Model".

4. Dickerson, R.E., Timkovich, R., dan Almassy, R.J. (1976), "The cytochrome fold and the evolution of bacterial energy metabolism". J. Mol. Biol. 100, 473–491.

5. Djokic,S.Z. Stockman,K. Milanovic, J.V dan Belmans,R. (Januari 2005), "Sensitivity of AC Adjustable Speed Drive to Voltage Sag and Short Interuption", IEEE Transactions on power Delivery, Vol.20, No.2, hal494-504.

6. Dugan, R. C., . Mafk, F.M. dan Beaty, H.W. (1996), "Electrical Power System Quality", McGraw- Hill.

7. El-Hawary, M.E. (1995), "Electrical Power System Design and Analysis", IEEE Press, New York.

8. Gaing, Z.L. (October 2004), "Wavelet-Based Neural Network for Power Disturbance Recognition and Classification", IEEE Transaction on Power Delivery, Vol.19, No.4, hal 1560-1568.

9. Gomes, J.C. Marcos, M.M. Reineri, C.A. dan Campetelli, G.N. (April 2002), "Behavior of Induction Motor Due to Voltage Sag and Short Inerruption", IEEE Transaction on Power Delivery, Vol. 17, No. 2, hal434-440.

10. Higgins, D. dan Taylor, W. (2000), “Bioinformatics: Sequence, structure, and databanks”, Oxford University Press, Hal v.

Daftar PustakaDaftar Pustaka

28

11. Huang, H. dan Negnevitsky, M. (April 2002), "A Neural-Fuzzy Classifier for Recognition of Power Quality Disturbance", IEEE Transaction on Power Delivery, Vol.17, No.2, hal.609-616.

12. Huang,S.J. Yang,T.M. dan Huang,J.T. (April 2002), "FPGA Realization of Wavelet Transform for Detection of Electrical Power System Disturbances", IEEE Transaction on Power Delivery, Vol.17, No 2.

13. Kal,R.S. (2009), "Bioinformatics Sequence Alignment and Markov Models",Mc Graw Hill, 41.14. Koen J.P. Macken, Math H.J. Bollean, dan Onnie J.M. Belman, (November 2004 ), “Mitigation of

Dip Trough Distributed Generation System”, IEEE transaction on industri application, Vol 40, No 6,, pp1686-1693.

15. Levin, J.M., Pascarella, S., Argos, P., Garnier, J.X. (1993), "Quantification of secondary structure prediction improvement using multiple alignments". Protein Eng. 6, hal 849–854.

16. Maradhona, R.W. Robandi, I. dan Siswanto, A. (November 2005)," Pengenalan Gangguan Power Quality Menggunakan Wavelet-Based Fuzzy (WBF)", proceeding industrial electronic seminar IES.

17. Michael Misiti, Yves Misiti, Goeges Oppenheim, Jean-Michel Ponggi, Wavelet Toolbox Version 2.2, July 2002.

18. Mielczarski,W. (1997), "Quality of Electricity Supply & Management of Network Losses", Melbourne.

19. Mount,D.M. (2004). "Bioinformatics: Sequence and Genome Analysis" (2nd Ed.). Cold Spring Harbor Laboratory Press: Cold Spring Harbor.

20. Olguin, G. (2005) , "Voltage Dip (Sag) Estimation Measurement in Power System Base on Stochastic Assesment and Optimal Monitoring", Departement Of Energy And Environment Division Of Electrical Power Engineering Chalmenrs University Of Technology Gotebong, Sweden.

Daftar PustakaDaftar Pustaka

29

21. Pradhan, A.K. dan Routray, A. (Januari 2005), "Applying Distance Relay for Voltage Sag Source Detection", IEEE Transaction on Power Delivery, Vol. 20, No. 2, , hal.529-531.

22. Robert,C.E. dan,Serafim,B. (2006), "Multiple sequence alignment", Elseiver, 368– 373.

23. Schlabbach, J. Blume, D. dan Stephanblome, T. (2001), "Voltage Quality in Electrical Power System", The Institute of Electrical Engineering, London, United Kingdom.

24. Simossis, V.A., Heringa, J. (2004), "Integrating protein secondary structure prediction and multiple sequence alignments". Curr. Protein Pept. Sci. Vol.5, hal 249–266.

25. Siswantono, A. dan Robandi, I. (2007), "Wavelet-Based Artificial Immune System untuk pengenalan dan klasifikasi Gangguan Kualitas Daya", Perpustkaan ITS, Surabay,

26. Tagare, D. M. (2004), "Reactive Power Management", Tata McGraw-Hill Publishing Company Limited Copyright

27. Xiong, J. (2006), ”Essential Bioinformatics”, Cambridge University Press, Hal 63.28. Zang, L. dan Math H.J. (April 2000), "Characteristic of Voltage Dip (Sag) in Power

System", IEEE Transaction on power Delivery, Vol.15, No.2, hal827-832.29. (Januari 2011), “Multiple sequence alignment”, Wikimedia

Daftar PustakaDaftar Pustaka

Pembimbing I : Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng

Pembimbing II : Prof. Dr. Ir. Adi Soeprijanto, MT

Penguji : Prof.Ir. Ontoseno Penangsang, M.Sc, Ph.D

Dr. I. Made Yulistya Negara. ST.MSc

Dr. Ardyono. ST.MSc

Terimakasih

Idea for You

Amino Acid Lookup (Courtesy of MATLAB)

Code Integer Abbreviation Amino Acid Name CodonsA 1 Ala Alanine GCU GCC GCA GCGR 2 Arg Arginine CGU CGC CGA CGG AGA AGGN 3 Asn Asparagine AAU AACD 4 Asp Aspartic acid (Aspartate) GAU GACC 5 Cys Cysteine UGU UGCQ 6 Gln Glutamine CAA CAGE 7 Glu Glutamic acid (Glutamate) GAA GAGG 8 Gly Glycine GGU GGC GGA GGGH 9 His Histidine CAU CACI 10 Ile Isoleucine AUU AUC AUAL 11 Leu Leucine UUA UUG CUU CUC CUA CUGK 12 Lys Lysine AAA AAGM 13 Met Methionine AUGF 14 Phe Phenylalanine UUU UUCP 15 Pro Proline CCU CCC CCA CCGS 16 Ser Serine UCU UCC UCA UCG AGU AGCT 17 Thr Threonine ACU ACC ACA ACGW 18 Trp Tryptophan UGGY 19 Tyr Tyrosine UAU UACV 20 Val Valine GUU GUC GUA GUGB 21 Asx Asparagine or Aspartic acid (Aspartate) AAU AAC GAU GACZ 22 Glx Glutamine or Glutamic acid (Glutamate) CAA CAG GAA GAGX 23 Xaa Any amino acid All codons* 24 END Termination codon (translation stop) UAA UAG UGA- 25 GAP Gap of unknown length NA

32

Kembali

33

Amino Acid Code IntegerAlanine A 1Arginine R 2Asparagine N 3Aspartic acid (Aspartate) D 4Cysteine C 5Glutamine Q 6Glutamic acid (Glutamate) E 7Glycine G 8Histidine H 9Isoleucine I 10Leucine L 11Lysine K 12Methionine M 13Phenylalanine F 14Proline P 15Serine S 16Threonine T 17Tryptophan W 18Tyrosine Y 19Valine V 20Asparagine or Aspartic acid (Aspartate) B 21Glutamine or Glutamic acid (Glutamate) Z 22Unknown amino acid (any amino acid) X 23Translation stop * 24Gap of indeterminate length - 25Unknown character (any character or symbol not in table) ? 0

Mapping Amino Acid Letter Codes to IntegersKembali

(Courtesy of MATLAB)

34

Nucleotide Integer CodeAdenosine 1 ACytidine 2 CGuanine 3 GThymidine 4 TUridine (if 'Alphabet' set to 'RNA') 4 UPurine (A or G) 5 RPyrimidine (T or C) 6 YKeto (G or T) 7 KAmino (A or C) 8 MStrong interaction (3 H bonds) (G or C) 9 SWeak interaction (2 H bonds) (A or T) 10 WNot A (C or G or T) 11 BNot C (A or G or T) 12 DNot G (A or C or T) 13 HNot T or U (A or C or G) 14 VAny nucleotide (A or C or G or T or U) 15 NGap of indeterminate length 16 -Unknown (any integer not in table) 0 or ≥

17 * (default)

Mapping Nucleotide Integers to Letter Codes Kembali

(Courtesy of MATLAB)