Optimasi Maximum Power Point Tracking Pada Array Photovoltaic Menggunakan Algoritma Particle Swarm Optimization dan Firefly Algorithm
| Main Author: | Ferlita, Olivia |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/162321/ |
Daftar Isi:
- Photovoltaic (PV) umumnya tidak dapat langsung bekerja pada daya maksimum dari PV tersebut dengan sendirinya, karena tegangan operasi PV biasanya akan mengikuti tegangan baterai atau beban yang terhubung dengan PV tersebut. Modul-modul yang terhubung pada array PV juga pasti tidak semua mendapatkan level iradiasi yang sama dan bahkan mungkin sebagian diantaranya tertutup bayangan yang disebabkan oleh pepohonan, awan, ataupun benda lainnya. Dalam kondisi ini, daya yang dihasilkan dari masing-masing modul PV menjadi tidak seimbang, sehingga daya keluaran total akan menurun dan juga menyebabkan timbulnya multi-peak pada kurva karakteristik PV. Banyak peneliti telah mengembangkan berbagai macam metode Maximum Power Point Tracking (MPPT) untuk melacak titik daya maksimum PV dan mengatasi permasalahan yang ditimbulkan oleh bayangan parsial, namun metode-metode tersebut masih belum mencapai solusi yang optimal. Untuk itu, digunakan algoritma metaheuristik dengan konsep perombakan menjadi masalah optimasi tanpa mendefinisikan fungsi objektif yang pasti, sehingga dapat memperoleh global peak dengan memanfaatkan pengacakan untuk menghindari terjebaknya algoritma pada local peak. Penelitian ini bertujuan untuk mengetahui performansi dari dua metode metaheuristik, yaitu Particle Swarm Optimizaion (PSO) dan Firefly Algorithm (FA) untuk MPPT dan membandingkan performansi dari dua metode metaheuristik ini dalam melacak titik daya maksimum PV. Penelitian ini menggunakan studi kasus pada 6 kasus terpilih yang mungkin terjadi pada 5 modul PV yang dipasang secara seri. Kurva karakteristik dari array PV dihasilkan menggunakan MATLAB Simulink, sementara pelacakan menggunakan algoritma PSO dan FA dilakukan menggunakan pemrograman MATLAB. Hasil percobaan menunjukkan bahwa: 1) efisiensi rata-rata algoritma PSO secara keseluruhan untuk 6 kasus, yaitu 96,9344% ± 3,622 dengan waktu tracking 0,732 s ± 0,025; 2) Efisiensi rata-rata algoritma FA secara keseluruhan untuk 6 kasus, yaitu 99,0382% ± 1,344 dengan waktu tracking 1,059 s ± 0,254; dan 3) efisiensi algoritma FA secara keseluruhan lebih unggul 2,25% dibandingkan dengan algoritma PSO, namun metode FA memiliki waktu tracking yang lebih lama dibandingkan dengan PSO karena banyaknya komponen acak untuk melakukan pencarian secara global.