Sistem Monitoring Dan Prediksi Daya Listrik Jangka Pendek Menggunakan Metode Artificial Neural Network

Fajriah, Laila Balqis (2023) Sistem Monitoring Dan Prediksi Daya Listrik Jangka Pendek Menggunakan Metode Artificial Neural Network. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 2040211128-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (4MB) | Request a copy

Abstract

Departemen Teknik Elektro Otomasi (DTEO) merupakan salah satu instansi yang menerapkan penggunaan Energi Baru Terbarukan (EBT) sebagai salah satu sumber pembangkit listriknya bersamaan dengan grid atau listrik yang dikelola oleh Perusahaan Listrik Negara (PLN). Saat ini EBT yang diterapkan pada DTEO adalah dengan menggunakan 6 unit Pembangkit Listrik Tenaga Surya (PLTS) on grid. Penggunaan PLTS sebagai sumber listrik di DTEO hanya dapat menghasilkan daya maksimal sebesar 1120,67 Watt, dimana jumlah jumlah tersebut hanya dapat memenuhi kebutuhan daya pada DTEO sebanyak 1,3%. Kebutuhan daya listrik yang tidak tercukupi dari penggunaan PLTS, terpenuhi dengan menggunakan energi yang bersumber dari grid. Dalam upaya peningkatan penggunaan EBT sebagai sumber baku listrik, diperlukan perencanaan penambahan unit panel surya untuk dapat meningkatkan daya listrik yang terbangkitkan oleh EBT. Dari permasalahan tersebut dibuatlah sistem manajemen energi untuk monitoring besar kebutuhan daya listrik dan memprediksi daya yang terbangkitkan oleh PLTS dalam jangka waktu pendek, yaitu perkiraan produksi dalam satu hari. Sistem tersebut digunakan untuk mengetahui besar kebutuhan daya yang belum terpenuhi dari hasil pembangkitan daya oleh PLTS. Dari penelitian yang telah dilakukan, diketahui jumlah solar panel tambahan yang dibutuhkan untuk memenuhi seluruh kebutuhan konsumsi daya listrik adalah sebanyak 455 unit. Pada penelitian ini prediksi konsumsi daya menggunakan metode artificial neural network (ANN) berdasarkan time-series, yaitu dengan masukan besar nilai daya yang terkonsumsi pada waktu sebelumnya. Konstruksi ANN yang digunakan adalah dengan 3 hidden layer. Pengujian kesalahan dilakukan menggunakan metode perhitungan MAPE dengan kesalahan prediksi produksi dan konsumsi daya sebesar 20,43% dan 23,48%.
================================================================================================================================
The Department of Electrical Automation Engineering (DTEO) is one of the agencies that implements the use of New, Renewable Energy (EBT) as a source of power generation together with the grid or electricity managed by the State Electricity Company (PLN). Currently the EBT applied to DTEO is by using 6 on grid Solar Power Plants (PLTS). The use of PLTS as a source of electricity in DTEO can only produce a maximum power of 1120.67 Watts, where this amount can only meet the power requirements of DTEO of 1.3%. The need for electric power that is not sufficient from the use of PLTS is fulfilled by using energy sourced from the grid. In an effort to increase the use of EBT as a raw source of electricity, it is necessary to plan for adding solar panel units to be able to increase the electric power generated by EBT. From these problems, an energy management system was created to monitor the amount of electricity needed and predict the power generated by PLTS in the short term, namely production estimates in one day. This system is used to find out the amount of unfulfilled power requirements from the results of power generation by PLTS. From the research that has been done, it is known that the number of additional solar panels needed to meet all the electricity consumption needs is 455 units. In this study, the prediction of power consumption uses the artificial neural network (ANN) method based on time-series, namely by inputting the power consumption value at the previous time. The ANN construction used is with 3 hidden layers. Error testing was carried out using the MAPE calculation method with production and power consumption prediction errors of 20.43% and 23.48%.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Energy Management System, Short-Term Forecast, Artificial Neural Network, EBT, PLTS, Sistem Manajemen Energi, Prediksi Jangka Pendek
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) Q Science > QC Physics > QC866.5 Climatology--Forecasting. T Technology > T Technology (General) T Technology > T Technology (General) > T174 Technological forecasting
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Laila Balqis Fajriah
Date Deposited:	16 Jun 2023 01:06
Last Modified:	16 Jun 2023 01:06
URI:	http://repository.its.ac.id/id/eprint/98125

Actions (login required)

View Item