Ferlita, Olivia (2018) Optimasi Maximum Power Point Tracking Pada Array Photovoltaic Menggunakan Algoritma Particle Swarm Optimization dan Firefly Algorithm. Sarjana thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
Generally, Photovoltaic (PV) cannot work on its maximum power point automatically, because PV’s operating point corresponds to the battery or load voltage connected with the PV array. Modules connected in the PV array surely will not get the same irradiation level and even some of them maybe covered by partial shading caused by trees, clouds, or the other things. In this condition, power generated by each modules become unbalance, so that the total power output will extremely decrease and this also cause multi-peak occur in the PV curve characteristic. Many researchers had proposed many Maximum Power Point Tracking (MPPT) methods to track PV’s maximum power point and to overcome partial shading problems, but those methods have not obtained the optimal solution. For that reason, a metaheuristic algorithm with the concept of reshuffling becomes an optimization problem without defining a definite objective function is used, so that it can obtain global peak by utilizing randomization to avoid algorithm trapped in a local peak. This research aimed to know the performance of two metaheuristic methods, that is Particle Swarm Optimization (PSO) and Firefly Algoithm (FA) for MPPT and compare the performance of those two methods to track the PV’s maximum power point. This research use study case in 6 case selected that is possible in 5 series-connected modules. PV array characteristic curves generated by MATLAB Simulink and MPPT using PSO and FA has done by MATLAB programming. The experimental results shows that: 1) overall average efficiency of PSO for 6 case is 96.9344% ± 3.622 with tracking time 0.732 s ± 0.025; 2) overall average efficiency of FA for 6 case is 99.0382% ± 1.344 with tracking time 1.059 s ± 0.254; and 3) overall efficiency of FA algorithm is 2.25% better than PSO algorithm, but FA has a longer tracking time than PSO because of many random component to be able to search globally.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FT/2018/839/051808708 |
| Uncontrolled Keywords: | Array PV, bayangan parsial, titik daya maksimum, Maximum Power Point Tracking (MPPT), Particle Swarm Optimization (PSO), Firefly Algorithm (FA), global peak, local peak PV array, partial shading, Maximum Power Point (MPP), Maximum Power Point Tracking (MPPT), Particle Swarm Optimization (PSO), Firefly Algorithm (FA), global peak, local peak |
| Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting > 621.31 Generations, modification, storage, transmission of electric power > 621.312 Generation, modification, storage > 621.312 4 Direct energy conversion > 621.312 44 Generation of electricity from solar radiation |
| Divisions: | Fakultas Teknik > Teknik Elektro |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 18 Apr 2019 02:43 |
| Last Modified: | 09 Mar 2022 01:27 |
| URI: | http://repository.ub.ac.id/id/eprint/162321 |
Preview |
Text
Olivia Ferlita.pdf Download (26MB) | Preview |
Actions (login required)
 |
View Item |