Mohamad Almas Prakasa, 5311417004 (2021) Optimasi Sistem PV/Baterai/Diesel Terhubung Grid di Area Kampus Menggunakan Kombinasi Genetic Algorithm-Particle Swarm Optimization. Under Graduates thesis, Universitas Negeri Semarang.

PDF - Published Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Algoritma cerdas menjadi penting dalam perencanaan dan optimasi sistem microgrid berbasis energi terbarukan. Hal tersebut dikarenakan banyaknya pertimbangan, seperti ekonomi dan kelayakan serta skenario yang kompleks, yaitu sistem harus dapat bekerja dengan baik di mode grid-connected maupun stand�alone. Penelitian terdahulu telah membuktikan bahwa penggunaan algoritma cerdas, seperti genetic algorithm dan particle swarm optimization, dapat meningkatkan hasil optimasi microgrid. Namun, kombinasi algoritma cerdas belum diinvestigasi lebih lanjut untuk mengoptimasi microgrid yang memiliki karakteristik unik, seperti microgrid di area kampus dengan sistem manajemen energi yang spesifik. Pada penelitian ini, kombinasi GAPSO digunakan untuk meminimalisasi biaya dengan tetap mempertimbangkan kelayakan sistem yang direpresentasikan dalam net present cost (NPC). Microgrid yang akan dioptimasi adalah sistem PV/Baterai/Diesel yang terhubung grid di area kampus. Microgrid dimodelkan secara matematis dan disimulasikan di MATLAB. GAPSO mengombinasikan algoritma GA dan PSO konvensional untuk diambil keunggulannya dalam menentukan ukuran komponen yang optimal pada desain microgrid. Operator PSO akan menginisiasi dan mengevaluasi dengan cepat populasi awal, sehingga hasil yang ditunjukkan GAPSO lebih cepat menuju konvergen. Operator GA digunakan untuk memodifikasi solusi agar lebih baik melalui proses seleksi, rekombinasi, mutasi, dan elitisme. Hasil ukuran optimal yang didapatkan dari GAPSO akan disesuaikan dengan ukuran yang ada di lapangan. Optimasi GAPSO dilakukan dengan membandingkan dua batasan LPSP, yaitu 2% dan 5%, untuk mengukur konsistensi algoritma. Hasil optimasi GAPSO menunjukkan kurva konvergensi yang baik dan konsisten. Solusi NPC yang ditawarkan GAPSO sebesar $163.378 dengan cost of energy (COE) sebesar 0,524 $kWh. Nilai tersebut 2 – 11% lebih rendah dari hasil optimasi dengan metode konvensional (GA, PSO, dan HOMER). Berdasarkan hasil ukuran yang optimal, untuk menyuplai beban listrik secara layak di studi lokasi dibutuhkan PV sebesar 586 kW, 755 kWh baterai dengan inverter sebesar 135 kW, serta penyokong berupa diesel berkapasitas 140 kW. Microgrid yang dioptimasi menggunakan GAPSO dapat menyuplai beban listrik dengan layak dan lebih tidak bergantung pada grid konvensional. Penelitian ini dapat dikembangkan dengan menambahkan faktor optimasi, seperti faktor lingkungan dan sosial. Selain itu, GAPSO dapat dibandingkan dengan kombinasi algoritma cerdas lainnya.

Actions (login required)

View Item