Optimisasi Daya Photovoltaic pada kondisi Partially Shaded dengan Maximum Power Point Tracker (MPPT) Menggunakan Metode Particle Swarm Optimization (PSO) Double Diode Model

Bahrudin, Muhammad Irfan (2018) Optimisasi Daya Photovoltaic pada kondisi Partially Shaded dengan Maximum Power Point Tracker (MPPT) Menggunakan Metode Particle Swarm Optimization (PSO) Double Diode Model. Undergraduate thesis, Institut Teknologi sepuluh nopember.

[img] Text
07111545000078-Undergraduate_Theses.pdf - Published Version
Restricted to Repository staff only

Download (3MB) | Request a copy

Abstract

Sistem Fotovoltaik merupakan alat utama yang terdapat di Pembangkit Listrik Tenaga Surya (PLTS). Sistem Fotovoltaik memiliki permasalahan performansi daya yang dihasilkan. Daya yang dihasilkan seringkali tidak maksimum tergantung pada radiasi matahari dan panas lingkungan. Oleh karena itu diperlukan sebuah metode untuk memaksimalkan daya yang dihasilkan oleh Sistem Fotovoltaik. Metode memaksimalkan daya keluaran dari Sistem Fotovoltaik disebut Maximum Power Point Tracker (MPPT). Fungsi dari MPPT adalah mencari titik maksimum pada panel surya atau Maximum Power Point (MPP) yang membutuhkan teknik atau algoritma optimisasi.Proses pencarian MPP pada Sistem Fotovoltaik dibutuhkan teknik atau algoritma optimisasi. Pada kadaan normal untuk mencari MPP dapat menggunakan algoritma Perturb and Observed (P&O). Algoritma ini sering digunakan karena teknik yang sederhana dan dalam keadaan normal memiliki efisiensi daya yang tinggi. Namun jika panel surya dalam kondisi cahaya matahari tertutup sebagian teknik P&O memiliki optimisasi daya yang buruk dan efisiensi yang rendah. Sehinga pada Partially shaded Condition (PSC) dibutuhkan algoritma optimisasi agar didapat nilai efisiensi daya yang tinggi. Sehinga pada penelitian ini mengggunakan algoritma optimisasi Particle Swarm Optimization (PSO) untuk pencarian nilai MPP. Dengan menggunakan algoritma PSO diperoleh hasil efisiensi 99,98%, dan menggunakan teknik P&O diperoleh efisiensi kurang dari 90%, sehingga dapat disimpulkan bahwa dengan menggunakan algoritma PSO memiliki efisiensi lebih baik. ================== The Photovoltaics system is the main tool in the Solar Power Plant (PLTS). The Photovoltaics system has performance power problems generated. The power generated is often not maximum depending on solar radiation and environmental heat. Therefore we need a method to maximize the power generated by the Photovoltaics System. The method of maximizing the output power of a Photovoltaic System is called the Maximum Power Point Tracker (MPPT). The function of MPPT is to find the maximum point on a solar panel or Maximum Power Point (MPP) that requires an optimization technique or algorithm. The MPP search process on a Photovoltaics System requires an optimization technique or algorithm. In normal condition to look for MPP can use Perturb and Observed (P & O) algorithm. This algorithm is often used because of a simple technique and under normal condition has high power efficiency. But if solar panels are in closed sunlight some P & O techniques have poor power optimization and low efficiency. So that in Partially shaded Condition (PSC) optimization algorithm is needed to obtain high efficiency value of power. So in this research using Particle Swarm Optimization (PSO) optimization algorithm to search MPP value. By using PSO algorithm obtained efficiency of 99,98%, and using P & O technique obtained efficiency less than 90%, so it can be concluded that by using PSO algorithm have better efficiency.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: PSO,MPPT,MPP,P&O,PSC,PSO
Subjects: Q Science > Q Science (General) > Q337.3 Swarm intelligence
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1087 Photovoltaic power generation
Divisions: Faculty of Electrical Technology > Electrical Engineering > (S1) Undergraduate Theses
Depositing User: Muhammad Irfan Bahrudin
Date Deposited: 02 Nov 2018 06:48
Last Modified: 02 Nov 2018 06:48
URI: http://repository.its.ac.id/id/eprint/52790

Actions (login required)

View Item View Item