Peramalan Deret Waktu Untuk Prediksi Parameter Operasional Untuk Optimasi Kapasitas Sistem Penyimpanan Energi Baterai (BESS)

Anandha, Rr. Diajeng Alfisyahrinnisa (2025) Peramalan Deret Waktu Untuk Prediksi Parameter Operasional Untuk Optimasi Kapasitas Sistem Penyimpanan Energi Baterai (BESS). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025211147-Undergraduate_Thesis.pdf Download (14MB)

Abstract

Pada off-grid power system, penerapan Photovoltaic (PV) sangatlah menguntungkan karena sumber energi listrik dipasok melalui solar panel dan memperoleh penghematan biaya yang signifikan dari proses de-dieselization. Akan tetapi, apabila hanya bergantung pada PV system, maka akan terjadi berbagai masalah yaitu tidakseimbangan supply-demand dan hasil voltase yang bervariasi. PV perlu diintegrasikan dengan Battery Energi Storage System (BESS) yang mampu memitigasi daya fluktuasi untuk menangani masalah tidakseimbangan dalam supply demand. Penelitian ini berfokus pada optimasi kapasitas untuk BESS dan PV dalam memenuhi permintaan listrik masyarakat dengan menggunakan algoritma Marine Predator Algorithm (MPA). Selain itu, penelitian ini memberikan rekomendasi berupa prediksi parameter operasional (temperature, Global Horizontal Irradiance [GHI], dan demand listrik) dengan metode peramalan deret waktu menggunakan model LSTM, Hybrid LSTM with Transformer, FEDFormer dengan Fourier Enhanced Block (FEDFormer FEB), FEDFormer dengan Wavelet Enhanced Block (FEDFormer WEB), Hybrid FEDFormer FEB with LSTM, dan Hybrid FEDFormer WEB with LSTM untuk menentukan waktu optimal bagi baterai dalam melakukan penyimpanan dan pelepasan energi. Dipilih satu model terbaik tiap parameter operasional menggunakan evaluasi metrik berupa Mean Absolute Error (MAE) dan Mean Squared Error (MSE). Hasil evaluasi menunjukkan bahwa dari lima percobaan yang dilakukan, model FEDFormer WEB memiliki kinerja terbaik pada parameter temperature dengan nilai average MAE sebesar 0,156 dan nilai average MSE sebesar 0,039. Selain itu, model Hybrid FEDFormer WEB with LSTM memiliki kinerja terbaik pada parameter GHI dengan nilai average MAE sebesar 56,123 dan nilai average MSE sebesar 10053,324. Terakhir, model FEDFormer WEB memiliki kinerja terbaik pada parameter demand listrik dengan nilai average MAE sebesar 18,296 dan nilai average MSE sebesar 604,718. Hasil dari berbagai parameter tersebut dilakukan proses MPA dan memperoleh kapasitas PV sebesar 7303 kW dan kapasitas BESS sebesar 10689 kW yang menghasilkan total biaya minimum sebesar $14.459.293,15 NTD.
====================================================================================================================================
In off-grid power systems, the implementation of Photovoltaic (PV) technology is highly beneficial as electricity is supplied via solar panels, leading to significant cost savings through the de-dieselization process. However, relying solely on PV systems poses several challenges, such as supply-demand imbalances and voltage fluctuations. To address these issues, PV systems need to be integrated with a Battery Energy Storage System (BESS), which can mitigate power fluctuations and ensure a stable power supply. This study focuses on optimizing the capacity of both BESS and PV to meet electricity demands using the Marine Predator Algorithm (MPA). Additionally, this research provides operational parameter predictions (temperature, Global Horizontal Irradiance [GHI], and electricity demand) using time series forecasting models, including LSTM, Hybrid LSTM with Transformer, FEDFormer with Fourier Enhanced Block (FEDFormer FEB), FEDFormer with Wavelet Enhanced Block (FEDFormer WEB), Hybrid FEDFormer FEB with LSTM, and Hybrid FEDFormer WEB with LSTM. The best-performing model for each operational parameter was selected based on evaluation metrics, including Mean Absolute Error (MAE) and Mean Squared Error (MSE). The evaluation results indicate that among five experimental trials, the FEDFormer WEB model yielded the best performance for the temperature parameter, achieving an average MAE of 0.156 and an average MSE of 0.039. Furthermore, the Hybrid FEDFormer WEB with LSTM model demonstrated the highest accuracy for the GHI parameter, with an average MAE of 56.123 and an average MSE of 10053.234. Lastly, the FEDFormer WEB model achieved the best results for electricity demand forecasting, with an average MAE of 18.296 and an average MSE of 604.718. Based on these predicted parameters, the MPA optimization process determined the optimal PV capacity of 7303 kW and BESS capacity of 10689 kW, resulting in a total minimum cost of $14,459,293.15 NTD.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	BESS, FEDFormer, Marine Predator Algorithm, Off-grid System, Optimizing, Transformer
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Rr. Diajeng Alfisyahrinnisa Anandha
Date Deposited:	24 Jul 2025 07:56
Last Modified:	24 Jul 2025 07:56
URI:	http://repository.its.ac.id/id/eprint/121230

Actions (login required)

View Item