Nur Rohim, .5301416036 (2022) KINERJA MAXIMUM POWER POINT TRACKING PADA PHOTOVOLTAIC SYSTEM BERBASIS FEED�FORWARD NEURAL NETWORK DENGAN ALGORITMA PELATIHAN LEVENBERG MARQUARDT BACKPROPAGATION. Under Graduates thesis, Unnes.

PDF - Published Version Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Abstrak— Kinerja metode Neural Network Maximum Power Point Tracking (NN MPPT) dengan algoritma pelatihan levenberg marquardt backpropagation untuk photovoltaic (PV) diselidiki dalam makalah ini. Korelasi antara hidden layer dan fungsi aktivasi terhadap capaian titik daya maksimum, diselidiki dan dibandingkan. Studi perbandingan antara beberapa skenario NN MPPT dilakukan untuk membandingkan kinerja masing-masing skenario berdasarkan efisiensi daya yang dihasilkan. Setiap skenario NN MPPT menggunakan Vpv dan Ipv sebagai masukan, serta Dmpp sebagai keluaran. Skenario 1 menggunakan 1 lapis Feed�Forward Neural Network (FFNN) dengan fungsi aktivasi logsig, skenario 2 menggunakan 1 lapis FFNN dengan fungsi aktivasi tansig, skenario 3 menggunakan 2 lapis FFNN dengan fungsi aktivasi logsig, dan skenario 4 menggunakan 2 layer FFNN dengan fungsi aktivasi tansig. Meskipun hasil pelatihan menunjukkan bahwa skenario 3 memiliki nilai mean squared error (MSE) dan nilai regresi terbaik. Namun, skenario 1 menghasilkan efisiensi daya yang lebih tinggi. Hasil pengujian menunjukkan bahwa model NN MPPT skenario 1 menghasilkan efisiensi daya PV sebesar 95,02% dan efisiensi daya konverter sebesar 83,68%.

Actions (login required)

View Item