Pengembangan Smart Meter untuk Mendukung Home Energy Management System (HEMS) Mempertimbangkan Kualitas Daya Peralatan Rumah

Ibrahim, Ditya Addo (2021) Pengembangan Smart Meter untuk Mendukung Home Energy Management System (HEMS) Mempertimbangkan Kualitas Daya Peralatan Rumah. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text Ditya Addo Ibrahim_07111740000068_Revisi Buku TA_Signed.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (914kB) | Request a copy

Abstract

Pertumbuhan penduduk pada negara berkembang seperti Indonesia menyebabkan peningkatan kebutuhan energi menjadi tantangan yang harus dihadapi. Konsumsi listrik sektor rumah tangga menjadi salah satu faktor tingginya kenaikan beban listrik di mana diketahui sektor tersebut menghasilkan 30% kerugian dari energi terdistribusi. Sedangkan dalam pemenuhan energi listrik sebesar 88% suplai masih berasal dari energi fosil. Sehingga upaya konservasi energi perlu digiatkan terutama pada kelistrikan rumah tangga, salah satunya dengan konsep Home Energy Management System (HEMS) untuk mengoptimasi penggunaan listrik pada rumah. Pada penelitian tugas akhir ini dilakukan pengembangan pada sistem smart meter untuk monitoring konsumsi daya listrik rumah pendukung HEMS dengan Non-Intrusive Load Monitoring (NILM) untuk memantau penggunaan baik daya total dan per beban aktif dengan kualitas daya peralatan sebagai tambahan parameter identifikasi. Dengan adanya NILM maka sistem dapat mengidentifikasi jenis beban aktif rumah hanya menggunakan satu sensor pada saluran listrik utama sehingga proses monitoring menjadi lebih mudah serta memakan biaya dan energi yang lebih rendah. Proses identifikasi menggunakan model pelatihan dengan implementasi Artificial Neural Network (ANN) dalam mengolah data pengukuran untuk menentukan jenis beban yang sedang menyala. Hasil dari simulasi menunjukkan bahwa dengan konfigurasi 50 hidden neuron, pelatihan ANN dapat memperoleh akurasi dengan MAPE sebesar 2,201% dalam mengidentifikasi beban listrik.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Home Energy Management System, Non-Intrusive Load Monitoring, Artificial Neural Network
Subjects:	T Technology > T Technology (General) > T57.8 Nonlinear programming. Support vector machine. Wavelets. Hidden Markov models. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1007 Electric power systems control T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK153 Electric power factor. Lightning protection. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK351 Electric measurements.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Ditya Addo Ibrahim
Date Deposited:	19 Aug 2021 01:52
Last Modified:	19 Aug 2021 01:52
URI:	http://repository.its.ac.id/id/eprint/87579

Actions (login required)

View Item