Wibisono, Gunawan (2014) Desain dan Pembuatan Maximum Power Point Tracking Menggunakan Metode Hibrid Jaringan Syaraf Tiruan dan Algoritma Genetika untuk Sistem Photovoltaic. Magister thesis, Universitas Brawijaya.
Abstract
Maximum Power Point Tracking (MPPT) adalah suatu metode/algoritma untuk menjejak ( track ) titik kerja sebuah sumber energi agar menghasilkan daya maksimum. Salah satu metode MPPT yang bisa diterapkan pada sistem photovoltaic adalah metode fractional open voltage . Metode ini sederhana dan mudah diterapkan, namun kurang fleksibel, karena tidak mampu menyesuaikan dengan kondisi lingkungan. Metode ini bisa dikembangkan dengan menggunakan jaringan syaraf tiruan yang dilatih dengan menggunakan algoritma genetika. Jaringan syaraf tiruan yang digunakan, memiliki 3 buah lapisan. Lapisan masukan dengan node V 0 dan T, lapisan tersembunyi dengan 3 buah node , dan lapisan keluaran dengan node V mpp . Data pelatihan dan pengujian didapatkan dari hasil percobaan menggunakan panel surya. Pelatihan dilakukan dengan menggunakan toolbox gaot. Jaringan syaraf tiruan yang digunakan telah berhasil dilatih dengan menggunakan algoritma genetika. Nilai MSE terbaik yang didapatkan adalah sebesar 0,000453. Kemudian setelah dilakukan pengujian menggunakan data uji didapatkan error rata-rata = 0,00949509 dan MSE = 0,00012814. Perangkat keras mikrokontroler sebagai pengendali utama telah berfungsi dengan baik, meskipun kadang-kadang terjadi kegagalan pengambilan data V 0 . Buck converter yang digunakan kinerjanya kurang baik. Pada duty cycle 100% rugi tegangannya berkisar 5 V (25%). Kendali MPPT berbasis JST-AG dapat memperbaiki kendali berbasis fractional open voltage dengan peningkatan daya sebesar 4,79%.
English Abstract
Maximum Power Point Tracking is a method to track power point of an energy source in order to generate maximum power. One of MPPT method for photovoltaic system is fractional open voltage MPPT. fractional open voltage MPPT is simple and easy to be implemented. refore, in this sis, fractional open voltage MPPT is modified by using artificial neural network trained using genetic algorithm. artificial neural networks that are used, has three layers. input layer contain node V 0 and node T, a hidden layer with 3 nodes, and output layer has a node of V mpp . Training and testing data are obtained from results of experiments using solar panels. Training is done by using ‘gaot` toolbox. Artificial neural networks are successfully trained by using genetic algorithm. best mean squared error (MSE) value obtained is 0.000453. network tested using test data, yielding average error = 0.00949509 and MSE = 0.00012814. microcontroller as main controller performed well, although sometimes it failed to capture V 0 data. buck converter that is used, did not perform well. At 100% duty cycle ranges from 5 V voltage loss (25%). Overall, neural network-based MPPT can improve fractional open voltage MPPT by 4.79%.
Item Type: | Thesis (Magister) |
---|---|
Identification Number: | TES/621.312 44/WIB/d/041407999 |
Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting |
Divisions: | S2/S3 > Magister Teknik Elektro, Fakultas Teknik |
Depositing User: | Endro Setyobudi |
Date Deposited: | 07 Jan 2015 14:52 |
Last Modified: | 07 Jan 2015 14:52 |
URI: | http://repository.ub.ac.id/id/eprint/158642 |
Actions (login required)
![]() |
View Item |