USKUSK

KITEKTROKITEKTRO

Energi terbarukan merupakan sumber energi yang dapat digunakan sebagai alternatif bahan bakar untuk pembangkit listrik. Salah satunya yaitu Energi surya, untuk memaksimalkannya dibutuhkan sebuah sistem agar dapat menerima nilai tegangan, arus dan daya dari cahaya matahari. Penelitian ini bertujuan untuk melakukan perbandingan antara metode Artificial Neural Network (ANN-MPPT) dan metode Hill Climbing (HC-MPPT) menggunakan boost converter dalam memperoleh output maksimum dari tegangan, arus dan daya menggunakan Simulink MATLAB. Simulasi dilakukan pada kondisi STC dan kondisi Non-STC dengan irradian dan suhu yang berubah-ubah untuk menemukan daya output maksimum yang terjadi saat simulasi. Dari hasil simulasi diperoleh tegangan dan arus mampu mengikuti kondisi STC dan Non-STC, sedangkan untuk daya output tidak dapat mencapai maksimum karena pengaruh daya konstan akibat R konstan sehingga daya PV ditransfer sesuai besar daya output.

Penelitian ini membandingkan kinerja algoritma Maximum Power Point Tracking (MPPT) berbasis Artificial Neural Network (ANN) dan Hill Climbing (HC) melalui simulasi pada berbagai kondisi iradiasi dan suhu.Hasil simulasi menunjukkan bahwa HC-MPPT secara umum memberikan nilai tegangan, arus, dan daya keluaran yang lebih tinggi dibandingkan ANN-MPPT pada sebagian besar kondisi, meskipun ANN-MPPT lebih adaptif dalam menangkap semua variasi kondisi simulasi.Namun demikian, kedua algoritma belum mampu mencapai daya keluaran maksimum karena pengaruh resistansi beban (R) yang konstan, yang membatasi transfer daya dari panel fotovoltaik.

Akan sangat bermanfaat untuk melihat bagaimana kinerja kedua metode pelacakan titik daya maksimum (MPPT) ini, yakni Artificial Neural Network (ANN) dan Hill Climbing (HC), jika diterapkan pada sistem panel surya dengan beban yang bervariasi secara dinamis, bukan hanya beban konstan seperti dalam penelitian ini. Hal ini penting karena dalam penggunaan sehari-hari, beban listrik seringkali berubah-ubah, sehingga perlu dipahami bagaimana kontrol MPPT dapat menyesuaikan diri untuk tetap menghasilkan daya maksimum. Selain itu, mengingat penelitian ini berbasis simulasi, langkah selanjutnya yang sangat relevan adalah melakukan implementasi fisik atau eksperimen langsung. Dengan membangun prototipe menggunakan panel surya asli dan perangkat keras konverter, peneliti dapat memvalidasi hasil simulasi serta mengamati tantangan praktis yang mungkin muncul saat ANN-MPPT dan HC-MPPT beroperasi di bawah kondisi lingkungan nyata seperti perubahan iradiasi dan suhu secara mendadak. Terakhir, untuk meningkatkan efisiensi dan adaptabilitas sistem, studi lebih lanjut dapat mengeksplorasi penggunaan algoritma MPPT yang lebih canggih atau hibrida, seperti penggabungan ANN dengan metode optimasi lain. Penelitian ini dapat mencari konfigurasi atau parameter ANN yang optimal, atau bahkan membandingkan performa ANN dengan metode seperti Fuzzy Logic atau Particle Swarm Optimization (PSO) dalam kondisi cuaca ekstrem atau bayangan parsial yang seringkali menjadi kendala besar bagi kinerja panel surya. Dengan demikian, kita bisa mendapatkan pemahaman yang lebih komprehensif tentang metode mana yang paling tangguh dan efisien untuk memaksimalkan produksi energi surya.

Read online
File size804.66 KB
Pages6
DMCAReport

Related /

ads-block-test