Khairunnisa, Khairunnisa (2020) Prediksi Daya Pembangkit Listrik PV Satu Hari Ke Depan Untuk Memudahkan Manajemen Energi Pada Sistem Menggunakan Neural Network. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07111850010003-Master_Thesis.pdf - Accepted Version Download (4MB) | Preview |
Abstract
Pembangkit listrik tenaga surya (PLTS) koneksi dengan jaringan PLN atau biasa dikenal sistem PV on-grid, sistem ini bertujuan untuk mengurangi tagihan listrik, dan memberikan nilai tambah kepada penggunanya, selain itu menghasilkan listrik ramah lingkungan dan bebas emisi. Oleh karena itu, daya yang dihasilkan dari panel surya harus dimaksimalkan untuk mencapai target yang diharapkan oleh pengguna. Dalam penelitian ini, penulis bertujuan melakukan prediksi daya keluaran PV menggunakan Elman Neural Network (ENN) dan Feedforward Neural Network (FFNN). Algoritma Levenberg-marquard digunakan untuk proses learning sebagai fungsi aktivasi dari deret waktu daya PV produksi dan variabel meteorologi yang diukur digunakan sebagai input Neural Network (NN). Beberapa nilai kesalahan dari hasil simulasi akan dievaluasi untuk memperkirakan keakuratan metode peramalan. Hasil dari prediksi daya PV yang didapatkan akan dibandingkan dengan data aktual untuk energi manajemen sistem dan bisa menjadi acuan dalam merencanakan pembagunan pembangkit PV kedepannya.
=================================================================================================================================
Solar power plant connected with the PLN network known as the PV system on-grid, this system aims to reduce electricity bills and provide added value to its users, besides producing environmentally friendly and emissions-free electricity. Therefore, the power generated from solar panels must be maximized to achieve the target expected by the user. In this study, the author aims to predict power output using Elman Neural Network (ENN) and Feedforward Neural Network (FFNN). The Levenberg-Marquardt algorithm is used for the learning process as an activation function of the time series of PV power production and measured meteorological variables are used as Neural Network (NN) input. Some error values from the simulation results will be evaluated to estimate the accuracy of the forecasting method. The results of the predicted PV power obtained will be compared with actual data for energy management systems and as a reference in planning the development of solar panel power plants in the future.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTE 621.31 Kha p-1 |
| Uncontrolled Keywords: | Elman Neural Network, Feedforward Neural Network, Levenberg-marquardt, Manajemen Energi Sistem, dan Neural Network. |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1007 Electric power systems control T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1087 Photovoltaic power generation |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis |
| Depositing User: | Khairunnisa' . |
| Date Deposited: | 08 May 2023 08:12 |
| Last Modified: | 08 May 2023 08:12 |
| URI: | http://repository.its.ac.id/id/eprint/73445 |
Actions (login required)
 |
View Item |