ISASISAS

Journal of Applied Smart Electrical Network and SystemsJournal of Applied Smart Electrical Network and Systems

Energi listrik dapat dihasilkan dari berbagai jenis energi primer dengan memanfaatkan energi terbarukan, salah satunya adalah tenaga angin. Pemanfaatan energi angin membutuhkan peralatan utama berupa turbin angin, yang memerlukan pemantauan dan perawatan untuk memastikan kinerjanya. Pemantauan konvensional menggunakan multimeter tidak efisien, sehingga teknologi Internet of Things (IoT) dapat digunakan untuk pemantauan dan pencatatan data secara otomatis. Sistem datalogger yang dirancang akan merekam kecepatan angin, tegangan, dan arus secara real-time menggunakan mikrokontroler. Hasil pengukuran menunjukkan bahwa sensor yang digunakan memiliki toleransi kesalahan rata-rata di bawah 5%. Sensor kecepatan angin RS-FSJT-N01 memiliki error sebesar 0,089%, sensor tegangan turbin angin memiliki error sebesar 0,08%, dan sensor arus ACS712 5 ampere memiliki error sebesar 0,051%. Kecepatan pengiriman data adalah 2154 milidetik per rekaman data, dengan penyimpanan online di web server dan offline di kartu memori SD, memungkinkan akses dan cadangan data yang andal. Keterbatasan penelitian ini adalah adanya keterlambatan 2 detik dalam tampilan data real-time, sehingga diperlukan peningkatan kecepatan pengiriman dan pembacaan data di masa depan.

Sistem monitoring dan datalogger untuk daya keluaran pembangkit listrik tenaga angin berhasil mencatat dan memantau kondisi sistem secara real-time menggunakan mikrokontroler ESP32 dan teknologi IoT, dengan data tersedia secara online maupun offline.Sensor yang digunakan menunjukkan akurasi tinggi dengan error rata-rata di bawah 5%, serta mampu menyimpan data hingga satu bulan dalam format Excel dan TXT.Keterbatasan utama adalah delay sekitar 2 detik dalam tampilan data real-time, sehingga perlu peningkatan pada kecepatan transmisi dan pembacaan data untuk mengurangi latensi.

Pertama, perlu dikembangkan sistem monitoring berbasis edge computing untuk memproses data di perangkat lokal sebelum dikirim ke server, guna mengurangi ketergantungan pada koneksi internet dan mempercepat respon real-time. Kedua, penelitian lanjutan dapat merancang model prediktif yang menggunakan data historis kecepatan angin, tegangan, dan arus untuk memprediksi kinerja turbin secara proaktif, sehingga memungkinkan perawatan preventif. Ketiga, perlu dievaluasi implementasi komunikasi nirkabel jangkauan jauh seperti LoRa atau 5G pada sistem datalogger ini untuk meningkatkan stabilitas transmisi data di lokasi terpencil dengan koneksi Wi-Fi terbatas, sehingga sistem dapat diterapkan lebih luas dalam skala komunitas atau pedesaan.

Read online
File size723.93 KB
Pages8
DMCAReport

Related /

ads-block-test