| dc.contributor.author | Khoirunnisa, Rina Atika | |
| dc.date.accessioned | 2025-02-06T08:45:11Z | |
| dc.date.available | 2025-02-06T08:45:11Z | |
| dc.date.issued | 2025-02-06 | |
| dc.identifier.uri | https://library.universitaspertamina.ac.id//xmlui/handle/123456789/13376 | |
| dc.description | Panel surya yang digunakan sebagai alat untuk mengkonversi energi cahaya matahari menjadi energi listrik memiliki karakteristik tidak linear yang bergantung pada variable intensitas cahaya matahari dan suhu. Kondisi lingkungan yang bervariasi seperti suhu dan intensitas matahari, menunjukan pada kurva karakteristik PV Maximum Power Point (MPP) yang tidak konsisten, sehingga menimbulkan tantangan pada saat pelacakan MPP, yaitu pada keadaan solar panel terkena partial shading dengan kondisi suatu bagian atau seluruh modul PV menerima iradiasi yang tidak sama. Iradiasi yang tidak sama ini bisa terjadi karena adanya partial shadding. Permasalahan partial shading dapat mengurangi tingkat efisiensi dan mempengaruhi daya keluaran yang dihasilkan panel surya. Oleh karena itu, permasalahan partial shading dapat ditangani dengan sistem Maximum Power Point Tracking (MPPT). Pada penelitian sebelumnya, dengan menggabungkan metode PSO dan GA untuk menghindari titik MPP jatuh ke dalam optimum lokal. Metode ini dapat melacak puncak global dengan cepat dibandingkan metode P&O MPPT konvensional. Adapun kelebihan dari metode PSO yaitu dapat mencakup kecepatan tracking yang cepat, lebih fleksibel, dan memiliki kemampuan untuk mencari solusi titik global. Maka, dalam penelitian ini digunakan metode PSO-GA untuk peningkatan kinerja yang lebih baik. Dari hasil penelitian, pengujian MPPT dengan menggunakan algoritma PSO-GA (Particle Swarm Optimization-Genetic Algorithm) mampu melacak daya maksimum dan stabil dengan kondisi variasi iradiasi, partial shading, variasi suhu dengan waktu 0.027 detik – 0.035 detik dengan rata-rata akurasi sebesar 98.01% - 98.62%. Performa MPPT PSO-GA dibandingkan PSO dan GA dengan menggunakan 4 case yang berbeda yaitu case1 dengan (1000 W/m2, 1000 W/m2), case2 (500 W/m2, 500 W/m2), case3 (1000 W/m2, 700 W/m2), dan case4 (1000 W/m2, 700 W/m2). Hasilnya waktu pelacakan PSO-GA mencapai 0.029 detik lebih cepat dibanding PSO (0.071 detik) dan GA (0.142 detik). | en_US |
| dc.description.abstract | Solar panels used as a device to convert sun light energy into electrical energy have non-linear characteristics that depend on the variables of sunlight intensity and temperature. Varying environmental conditions such as temperature and sunlight intensity, indicate inconsistent PV Maximum Power Point (MPP) characteristic curves, thus creating challenges when tracking MPP, namely in the condition of solar panels exposed to partial shading with the condition that one part or all PV modules receive unequal irradiation. This unequal irradiation can occur due to partial shading. Partial shading problems can reduce the level of efficiency and affect the output power produced by solar panels. Therefore, partial shading problems can be handled with the Maximum Power Point Tracking (MPPT) system. In previous studies, by combining the PSO and GA methods to avoid the MPP point falling into the local optimum. This method can track global peaks quickly compared to conventional P&O MPPT methods. The advantages of the PSO method include fast tracking speed, more flexibility, and the ability to find global point solutions. Therefore, in this study the PSO-GA method was used for better performance improvement. From the research results, MPPT testing using the PSO-GA (Particle Swarm Optimization-Genetic Algorithm) algorithm is able to track maximum and stable power with conditions of irradiation variation, partial shading, temperature variation with a time of 0.027 seconds - 0.035 seconds with an average accuracy of 98.01% - 98.62%. The performance of PSO-GA MPPT compared to PSO and GA using 4 different cases, namely case1 with (1000 W / m2, 1000 W / m2), case2 (500 W / m2, 500 W / m2), case3 (1000 W / m2, 700 W / m2), and case4 (1000 W / m2, 700 W / m2). The results of the PSO-GA tracking time reached 0.029 seconds faster than PSO (0.071 seconds) and GA (0.142 seconds). | en_US |
| dc.subject | GAPSO, MPPT, Solar Panel, Partial Shading | en_US |
| dc.title | SISTEM MAXIMUM POWER POINT TRACKING BERBASIS HYBRID PARTICLE SWARM OPTIMIZATION - GENETIC ALGORITHM (PSO-GA) PADA PANEL SURYA | en_US |
| dc.type | Thesis | en_US |
