Strategi Cerdas Sistem Distribusi Energi Standalone Photovoltaic untuk Stasiun Pengisian Kendaraan Listrik di Lingkungan Residensial

Putri, Syarifah Muthia (2025) Strategi Cerdas Sistem Distribusi Energi Standalone Photovoltaic untuk Stasiun Pengisian Kendaraan Listrik di Lingkungan Residensial. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 7022221001__Disertasion.pdf Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Pemanfaatan penuh energi dari photovoltaic (PV) pada Stasiun Pengisian Kendaraan Listrik (SPKL) residensial merupakan langkah strategis menuju teknologi hijau. Namun, intermiten PV adalah permasalahan krusial yang dapat mengakibatkan ketidakseimbangan daya. Penelitian ini mengusulkan strategi cerdas distribusi energi PV melalui penetapan waktu layanan pengisian daya (charging service time) yang optimal, dengan mempertimbangkan kapasitas PV dan keadilan antar kendaraan listrik. Karakteristik kendaraan listrik di wilayah residensial bersifat semi-statis, karena pengguna umumnya berada di kediaman mereka setelah kembali dari aktivitas harian pada sore hari. Dengan demikian, fleksibilitas waktu pengisian dapat ditentukan berdasarkan nilai State of Charge (SoC) baterai kendaraan listrik. Kendaraan dengan SoC baterai lebih dari 50% diklasifikasikan sebagai elastis, sedangkan kendaraan dengan SoC baterai di bawah 50% sebagai tidak elastis. Penelitian ini menggunakan genetic algorithm (GA) dan Particle Swarm Optimization (PSO) yang memanfaatkan parameter penurunan daya ketika terjadi intermiten pada sistem PV, untuk mendapatkan waktu layanan pengisian daya kendaraan listrik yang optimal. Proses identifikasi dalam strategi ini memerlukan Internet of Things (IoT) untuk akuisisi, pengolahan, serta komunikasi data antara sistem PV dan kendaraan listrik. Penempatan gateway IoT yang optimal diuji menggunakan tiga metode, yaitu penempatan acak, equally distributed placement (EDP), dan GA. Penempatan optimal gateway IoT dapat mengurangi kebutuhan jumlah gateway IoT yang dibutuhkan dan memastikan transmisi data yang handal. Hasil penelitian menunjukkan bahwa penetapan waktu layanan pengisian daya kendaraan listrik dapat memitigasi intermiten pada sistem PV terpusat untuk SPKL residensial. Hasil simulasi menunjukkan bahwa pemanfaatan rata-rata PV mencapai 95,08% dengan GA dan 96,63% dengan PSO. Tingkat keadilan (fairness index) antar kendaraan listrik mengalami peningkatan yang konsisten. Peningkatan tertinggi terjadi pada simulasi ketiga, yakni dari 0,45 menjadi 0,74 dengan GA (peningkatan relatif 64,44%) dan dari 0,45 menjadi 0,75 dengan PSO (peningkatan relatif 66,67%), jika dibandingkan dengan tanpa strategi yang diusulkan (first-come, first-served). Hasil ini menunjukkan adanya peningkatan keadilan dalam distribusi energi antar pengguna. Peningkatan nilai fairness index menunjukkan semakin kecilnya variasi SoC akhir antar kendaraan. Hal ini mengindikasikan bahwa energi telah dialokasikan secara proporsional terhadap kebutuhan masing-masing kendaraan, sehingga setiap kendaraan mencapai tingkat SoC akhir yang relatif seimbang meskipun dimulai dengan kondisi SoC awal yang berbeda-beda. Penempatan gateway IoT yang optimal dapat mengurangi jumlah gateway yang dibutuhkan. Metode penempatan GA, hanya memerlukan 3 gateway IoT untuk memenuhi ambang batas path loss (PL), dibandingkan dengan metode penempatan acak dan EDP memerlukan lebih dari 3 gateway IoT. Hal ini menunjukkan efisiensi penggunaan infrastruktur IoT dalam mendukung sistem SPKL residensial berbasis PV terpusat.
============================================================================================================================================
The full utilization of photovoltaic (PV) energy in residential Electric Vehicle Charging Stations (EVCS) represents a strategic step toward green technology. However, the intermittent nature of PV generation presents a critical challenge, potentially leading to power imbalance. This research proposes an intelligent energy distribution strategy through the optimal scheduling of charging service time, considering PV capacity and fairness among electric vehicles. Electric vehicles in residential areas exhibit semi-static behavior, as users typically return home in the evening after daily activities. Therefore, charging time flexibility can be determined based on the battery's State of Charge (SoC). Vehicles with SoC above 50 percent are classified as elastic, while those below 50 percent are considered non-elastic. The proposed strategy employs Genetic Algorithm (GA) and Particle Swarm Optimization (PSO), utilizing power drop parameters during PV intermittency to determine the optimal charging service time for electric vehicles. This strategy requires Internet of Things (IoT) for data acquisition, processing, and communication between PV systems and electric vehicles. Optimal IoT gateway placement is evaluated using three methods: random placement, equally distributed placement (EDP), and GA. Efficient gateway placement reduces the number of IoT gateways required and ensures reliable data transmission. The results indicate that optimal EV charging service time scheduling can mitigate intermittency in centralized PV-based residential EVCS systems. Simulation results show that average PV utilization reaches 95.08% using GA and 96.63% with PSO. The fairness index among electric vehicles also improves consistently. The highest improvement occurred in the third simulation, from 0.45 to 0.74 using GA (a relative increase of 64.44%) and from 0.45 to 0.75 with PSO (a relative increase of 66.67%), compared to the conventional first-come, first-served method. These results indicate an improvement in fairness in energy distribution among users. The increase in the fairness index reflects a reduction in the variation of final SoC among vehicles. This implies that energy has been allocated proportionally to each vehicle’s needs, allowing them to reach relatively balanced final SoC levels despite starting from different initial SoC conditions. Moreover, optimal IoT gateway placement using GA requires only three gateways to meet the path loss threshold, while random and EDP methods require more. This highlights the efficiency of IoT infrastructure in supporting centralized PV-based residential EVCS systems.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	charging service time, green energy, Internet of Things, intermiten PV, keseimbangan energi charging service time, energy balancing, green energy, Internet of Things, PV intermittent
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1087 Photovoltaic power generation T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5101 Telecommunication T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL220 Electric vehicles and their batteries, etc. T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL220.5 Battery charging stations (Electric vehicles)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20001-(S3) PhD Thesis
Depositing User:	Unnamed user with email marsudi1971
Date Deposited:	21 Jul 2025 06:37
Last Modified:	21 Jul 2025 06:37
URI:	http://repository.its.ac.id/id/eprint/120281

Actions (login required)

View Item