Penggunaan ACO dan FA Dalam Mengoptimasikan PID Controller Untuk Partial Shading pada Photovoltaic
Article Sidebar
Main Article Content
Abstract
Partial shading terjadi ketika modul PV menerima radiasi matahari yang berbedabeda akibat perubahan cuaca lokal atau keadaan lingkungan sekitar sehingga PV tertutup oleh awan, bayangan bangunan atau pepohonan. Kondisi ini menyebabkan daya keluaran dari PV array menurun. Berdasarkan kurva PV, Partial shading menimbulkan efek langsung yang dihasilkan sehingga penurunan tegangan atau arus menyebabkan penurunan daya keluarkan dari PV. Pada penelitian ini membandingkan metode tanpa kontrol, PID kontrol, PID konvensional Ziegler Nichols (ZN), PID dituning Firefly Algorithm (FA), dan PID dituning dengan Ant Colony Optimization (ACO). Dari hasil simulasi didapatkan bahwa tegangan terbaik diperoleh dari kontroler PID-FA yaitu sebesar 1.336pu, arus terbaik pada PID-FA arus maksimum sebesar 7.88 pu dengan arus sebesar 0.0668 pu, dan daya terbaik pada kontroler PID-FA daya maksimum sebesar 8.304 pu dan daya nominal 0.0894 pu. Dengan demikian dapat disimpulkan bahwa kontroler terbaik pada PID-FA. Penelitian ini nanti bisa dipakai sebagai acuan dan digunakan kontroler lain agar diperoleh kontroler yang optimal.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Y. del Valle, G. K. Venayagamoorthy, S. Mohagheghi, J.-C. Hernandez, and R. G. Harley, “Particle Swarm Optimization: Basic Concepts, Variants and Applications in Power Systems,” IEEE Trans. Evol. Comput., vol. 12, no. 2, pp. 171–195, 2008.
M. Ali, I. Umami, and H. Sopian, “Particle Swarm Optimization (PSO) Sebagai Tuning PID Kontroler Untuk Kecepatan Motor DC,” J. Intake, vol. 7, no. 1, pp. 10–20, 2016.
H. Kusuma, M. Ali, and N. Sutantra, “The comparison of optimization for active steering control on vehicle using PID controller based on artificial intelligence techniques,” in Proceedings - 2016 IEEE- International Seminar on Application of Technology for Information and Communication, ISEMANTIC 2016, 2017.
M. Ali and I. Robandi, “Desain Pitch Angle Controller Turbin Angin Dengan Permanent Magnetic Synchronous Generator (PMSG) Menggunakan Imperialist Competitive Algorithm (ICA),” Pros. SENTIA 2015 – Politek. Negeri Malang, vol. 7, no. 1, pp. 2085–2347, 2015.
T. Siswanto, D. H. Kusuma, and A. Raikhani, “Desain Optimal Load Frequency Control ( Lfc ) Pada Sistem Pembangkit Listrik Tenaga Mikrohidro ( Pltmh ) Menggunakan Metode Particle Swarm Optimization ( Pso ) B-35 B-36,” Pros. SENTIA 2016 – Politek. Negeri Malang, vol. 8, pp. 35–39, 2016.
M. Ali, I. Umami, and H. Sopian, “Optimisasi Steering Control Mobil Listrik Auto-Pilot Menggunakan Metode Ant Colony Optimization (ACO),” J. Intake, vol. 6, no. 1, pp. 34–50, 2015.
M. Ali and A. Suhadak, “Optimisasi Steering Control Mobil Listrik Auto-Pilot Menggunakan Metode Firefly Algorithm (FA),” in Semnasinotek 2017, UN PGRI, Kediri, 2017, pp. 61–68.
H. Nurohmah, A. Raikhani, and M. ALI, “Rekonfigurasi Jaringan Distribusi Radial Menggunakan Modified Firefly Algorithms (MFA) Pada Penyulang Tanjung Rayon Jombang,” J. JEEEU, vol. 1, no. 2, pp. 13–16, 2017.
M. Ali, D. Ajiatmo, and M. R. Djalal, “Aplikasi Modified-Imperialist-Competitive-Algorithm (MICA) Untuk Merekonfigurasi Jaringan Radial Tenaga Listrik Pada Penyulang Mojoagung,” J. JEEEU, vol. 1, no. 2, pp. 17–21, 2017.
M. Ali, D. Ajiatmo, and M. Djalal, “Aplikasi Modified-Imperialist-Competitive-Algorithm (MICA) Untuk Merekonfigurasi Jaringan Radial,” JEEE-U, vol. 1, no. 2, pp. 17–20, 2017.
A. Cahyono, H. K. Hidayat, S. Arfaah, and M. Ali, “Rekonfigurasi Jaringan Distribusi Radial Untuk Mengurangi Rugi Daya Pada Penyulang Jatirejo Rayon Mojoagung Menggunakan Metode Binary Particle Swarm Optimization (BPSO),” in SAINTEK II-2017, UB, Malang, 2017, pp. 103–106.
M. Fayyadl, T. Sukmadi, and B. Winardi, “Rekonfigurasi Jaringan Distribusi Daya Listrik dengan Metode Algoritma Genetika,” Transmisi, vol. 8, no. 2, 2006.
L.-Y. Chuang, J.-H. Tsai, and C.-H. Yang, “Binary particle swarm optimization for operon prediction,” Nucleic Acids Res., vol. 38, no. 12, pp. e128–e128, 2010.