PENGOPTIMALAN ENERGI TERBARUKAN MENGGUNAKAN MAXIMUM POWER POINT TRACKING BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM DAN PHOTOVOLTAIC BERBASIS DYE SENTIZED SOLAR CELL (DSSC)

abil huda huda, Hadi Santoso

Abstract


Saat ini bahan bakar fosil berupa minyak bumi dan batu-bara masih menjadi sumber energi yang paling banyak digunakan dalam proses pembangkitan tenaga listrik. Bahan bakar fosil tersebut tidak dapat diperbarui dan jumlahnya semakin menipis seiring dengan berjalannya waktu. Karena kebutuhan energi listrik semakin hari semakin meningkat, sumber energi alternatif terutama sumber energi terbarukan menjadi semakin dibutuhkan. (Sankarganesh, R. & Thangvel).

Salah satu sumber energi terbarukan adalah Photovoltaic (PV) yang memanfaatkan energi cahaya matahari. Sumber energi ini memiliki kelebihan yaitu bersih dan tersedia di alam dalam jumlah yang melimpah (Soedibyo, Priananda, C. W. & Haikal, M. A).

Sejak ditemukannya PV, teknologi ini terus berkembang hingga saat ini telah ditemukan beberapa jenis sel surya. Pada tahun 1991, seorang ilmuan asal Swis, Michael Gratzel menemukan salah satu jenis sel surya yang memanfaatkan kandungan organik tumbuhan. Temuannya tersebut dikenal dengan Dye Sensitized Solar Cell (DSSC). Prinsip kerja DSSC adalah memanfaatkan eksitasi elektron oleh foton pada cahaya matahari yang mengenai bagian sensitif dari tumbuhan yang disebut dengan dye (O’regan dan Gratzel).

Permasalahan dalam penggunaan PV, tak terkecuali jenis DSSC saat ini adalah efisiensinya yang masih rendah dengan biaya yang tinggi. Kebutuhan penggunaan PV yang semakin meningkat mendorong berbagai penelitian mengenai peningkatan efisiensi pada sistem PV. Terdapat tiga faktor yang mempengaruhi efisiensi sistem PV. Pertama adalah material PV. Kedua adalah efisiensi konverter dan efisiensi algoritma Maximum Power Point Tracking (MPPT) (Devi, M. L. & Chilambarasan, M).

Adaptive Neuro Fuzzy Inference System (ANFIS) merupakan metode yang menggunakan jaring syaraf tiruan (Neural Network) untuk mengimplementasikan Fuzzy Inference System (FIS) atau sistem inferensi fuzzy. Keunggulan sistem inferensi fuzzy adalah dapat menerjemahkan pengetahuan dari pakar dalam bentuk aturan-aturan, namun biasanya dibutuhkan waktu yang lama untuk menetapkan fungsi keanggotaannya. Oleh sebab itu dibutuhkan teknik pembelajaran dari jaringan syaraf tiruan untuk mengotomatisasi proses tersebut sehingga dapat mengurangi waktu pencarian, hal tersebut menyebabkan metode ANFIS sangat baik untuk diterapkan pada MPPT (Tarek, B., Said, D., & Benbouzid, M.E.H).

Penelitian ini mengoptimalkan sistem photovoltaic menggunakan DSSC untuk sisi material, Cuk converter untuk sisi converter dan metode ANFIS sebagai MPPT (Maximum Power Point Tracking) yang mengontrol Cuk converter untuk aplikasi sistem PV.


Keywords


ANFIS, DSSC, MPPT, PV

Full Text:

PDF

References


Sankarganesh, R. & Thangvel, S. 2012. Maximum Power Point Tracking in PV System using Intelligence based P&O Technique and Hybrid Cuk Converter. 2012-International Conference on Emerging Trends in Science, Engineering and Technology. Hal. 429-436.

Soedibyo, Priananda, C. W. & Haikal, M. A. 2014. Maximum Power Point Tracking Using Root Finding Modified Bisection Algorithm. International Conference on Information Technology, Computer and Electrical Engineering (ICITACEE). Hal. 394-399.

O’regan, B dan Gratzel, M. (1991), A Low-Cost, High Effeciency Solar Cell Based On Dye-Sensitized Colloidal TiO2 films, Nature Vol. 353. Issue 6346, 737.

Devi, M. L. & Chilambarasan, M. 2013. Design and Simulation of Incremental Conductance MPPT Using Self Lift Cuk Converter. 2013 International Conference on Renewable Energy and Sustainable Energy [ICRESE’ 13]. Hal. 105-111.

A. Huda, & P. Julianto, “Desain dan pemodelan maximum power point tracking menggunakan ANFIS pada sistem photovoltaic dengan buckboost converterâ€, Rekayasa Keteknikan & Optimasi (REAKTOM), Vol. 2, No. 2, pp. 21-25, September 2017.

Sahu, T. P. & Dixit, T.V. 2012. Modelling and Analysis of Peturb & Observe and Incremental Conductance MPPT Algorithm for PV Array Using Cuk Converter. 2012 IEEE Student’s Conference on Electrical, Electronics and Computer Science. Hal. 1-6.

Tarek, B., Said, D., & Benbouzid, M.E.H. 2013. Maximum Power Point Tracker Control for Photovoltaic System Using Adaptive Neuro-Fuzzy “ANFISâ€. 2013 Eighth International Conference and Exhibition on.




DOI: https://doi.org/10.35314/ip.v9i1.962

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 INOVTEK POLBENG


This Journal has been listed and indexed in :

         

Creative Commons License
inovtek polbeng by http://ejournal.polbeng.ac.id/index.php/IP is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License