Kendali Cerdas Droop Control Berbasis Modifikasi Osprey Optimization Algorithm Untuk Meningkatkan Kinerja Voltage Regulation Dan Akurasi Load Sharing Pada Mikrogrid DC

Aribowo, Widi (2024) Kendali Cerdas Droop Control Berbasis Modifikasi Osprey Optimization Algorithm Untuk Meningkatkan Kinerja Voltage Regulation Dan Akurasi Load Sharing Pada Mikrogrid DC. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 7022212006_DISSERTATION.pdf - Accepted Version Restricted to Repository staff only until 1 April 2027. Download (5MB) | Request a copy

Abstract

Prinsip utama dari droop control adalah pengaturan tegangan output dari sumber daya listrik untuk menyeimbangkan daya antar sumber tanpa memerlukan komunikasi langsung antar unit, sehingga membuat sistem lebih sederhana dan handal. Dalam konteks Artificial Intelligence (AI), metaheuristik sering digunakan untuk menyelesaikan masalah optimasi yang rumit di berbagai bidang seperti pengenalan pola, pembelajaran mesin, dan pengolahan data. Disertasi ini difokuskan untuk menghasilkan 3 kontribusi sebagai luaran penelitian. Pertama, mendapatkan Konsep algorithm Osprey optimization algorithm yang dimodifikasi (MOOA). Kedua, Konsep Droop Control yang dimodifikan dalam tujuan sebagai voltage regulation, dan distribusi daya beban yang akurat dalam system Mikrogrid DC. Ketiga, Modifikasi Droop Control yang dioptimalkan dengan MOOA. Penelitian ini dikembangkan dan diterapkan pada aplikasi MATLAB/Simulink. Percobaan dengan menerapkan MOOA pada kendali mikrogrid DC yang terdiri dari koefisien droop, primery control dan secondary control pada setiap sumber. Validasi menggunakan Reptile Search Algorithm (RSA), Marine Predator Algorithm (MPA), Golden Jackal Optimization Algorithm (GJO), Aquila Optimizer (AO), dan Whale Optimization Algorithm (WOA). Didapatkan Hasil Integral of Time Absolute Error (ITAE) dari metode MOOA yang diusulkan adalah 0,023, yang lebih tinggi dari metode OOA, yang merupakan metode asli MOOA. Hasil selisih ITAE antara metode OOA dan MOOA adalah lebih baik metode MOOA sebesar 4.17% . Percobaan dengan melakukan modifikasi secondary control yang memiliki konsep proportioanl-intergal dengan menambahkan paramter derivatif sehingga menjadi proportional-intergal-derivatif (PID). Validasi menggunakan metode pembanding yaitu Preschool Education Optimization Algorithm (PEOA), Red-Tailed Hawk Algorithm (RTH), One-to-One Based Optimizer (OOBO), dan OOA asli. Penerapan MOOA pada PID di secondary control didapatkan hasil ITAE dari metode MOOA adalah 0.4188, dan menjadi nilai paling baik diantara algorithma lainnya. ITAE paling rendah menunjukkan bahwa kendali memberikan prioritas pada stabilitas jangka panjang tanpa fluktuasi besar. Sementara nilai ITSE dari MOOA nomer dua terbaik setelah OOBO. ITSE rendah menunjukkan bahwa respon kontrol dapat memastikan sistem beroperasi dengan respons cepat dan stabil.
===================================================================================================================================
The main principle of droop control is the regulation of the output voltage of the power source to balance power between sources without requiring direct communication between units, making the system simpler and more reliable. In the context of Artificial Intelligence (AI), metaheuristics are often used to solve complex optimization problems in various fields such as pattern recognition, machine learning, and data processing. This dissertation is focused on producing 3 contributions as research outputs. First, getting the concept of the modified Osprey optimization algorithm (MOOA). Second, the concept of modified Droop Control in the purpose of voltage regulation, and accurate load power distribution in the DC Mikrogrid system. Third, Modified Droop Control optimized with MOOA. This research was developed and applied to the MATLAB/Simulink application. Experiments by applying MOOA to DC Mikrogrid control consisting of droop coefficients, primary control and secondary control at each source. Validation using Reptile Search Algorithm (RSA), Marine Predator Algorithm (MPA), Golden Jackal Optimization Algorithm (GJO), Aquila Optimizer (AO), and Whale Optimization Algorithm (WOA). The ITAE result of the proposed MOOA method is 0.023, which is higher than the OOA method, which is the original MOOA method. The Integral of Time Absolute Error (ITAE) difference between the OOA and MOOA methods is better than the MOOA method by 4.17%. Experiments by modifying the secondary control that has a proportional-intergal concept by adding derivative parameters so that it becomes proportional-intergal-derivative (PID). Validation using comparative methods, namely Preschool Education Optimization Algorithm (PEOA), Red-Tailed Hawk Algorithm (RTH), One-to-One Based Optimizer (OOBO), and the original OOA. The application of MOOA to PID in secondary control obtained the ITAE result from the MOOA method is 0.4188, and is the best value among other algorithms. The lowest ITAE indicates that the control prioritizes long-term stability without major fluctuations. While the ITSE value of MOOA is the second best after OOBO. Low ITSE indicates that the control response can ensure the system operates with a fast and stable response.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Droop Control, Voltage Regulation, Load Sharing, Kecerdasan Buatan, Metaheuristic, Voltage Regulation, Artificial Intelligence
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1007 Electric power systems control
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20001-(S3) PhD Thesis
Depositing User:	Widi Aribowo
Date Deposited:	22 Jan 2025 02:39
Last Modified:	22 Jan 2025 02:39
URI:	http://repository.its.ac.id/id/eprint/116500

Actions (login required)

View Item