Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer (Nov 2022)

PREDIKSI POWER SOLAR ENERGY MELALUI SOLAR PHOTOVOLTAIC (SPV) MENGGUNAKAN ARTIFICIAL NEURAL NETWORK – RADIAL BASIC FUNCTION (ANN-RBF)

  • harmini harmini

DOI
https://doi.org/10.24176/simet.v12i2.6897
Journal volume & issue
Vol. 12, no. 2
pp. 191 – 204

Abstract

Read online

Sinar matahari yang sampai kepermukaan bumi dapat diubah menjadi energi listrik menggunakan sel surya atau Solar Photovoltaic Array (SPV) yang dipengaruhi oleh radiasi matahari dan temperatur yang selalu berubah-ubah dari musim ke musim. Tujuan penelitian ini adalah membuat model yang digunakan untuk memprediksi energi listrik yang dihasilkan oleh solar energi melalui SPV berdasarkan nilai radiasi matahari dan temperatur selama 5 tahun terakhir dan memprediksi selama 5 tahun ke depan menggunakan kontrol Artificial Neural Network (ANN) yang disimulasikan menggunakan software PVSYS dan MATLAB dengan variasi kondisi klimatologi. Variabel input ANN-RBF adalah daya dan energi listrik keluaran SPV sesuai kondisi radiasi dan suhu selama 5 tahun terakhir yang memiliki pengaruh signifikan terhadap respon ANN-RBF. Variabel keluaran dari ANN-RBF adalah daya dan energi listrik keluaran SPV untuk 5 tahun kedepan. Metode yang dilakukan (1) menghitung daya dan energi listrik berdasarkan variasi nilai radiasi matahari dan temperatur menggunakan software PVSYS, (2) melakukan pelatihan menggunakan ANN-RBF dari data 5 tahun (2015-2020), (3) pengujian data hasil pelatihan ANN-RBF, dan (4) memprediksi energi listrik untuk 5 tahun ke depan. Parameter NN-RBF yang digunakan untuk pola pembelajaran data energi listrik antara lain error goal (MSE) sebesar 1e-5, spread constant 2, number of neurons sebesar K= 20 dan Ki=10. Tingkat akurasi rata-rata proses pembelajaran dan pengujian data untuk menentukan pola prediksi energi listrik panel SPV pada tahun 2018 sebesar 92.35%, tahun 2019 sebesar 76.83 %, dan tahun 2020 sebesar 87.36%, sehingga prosentase error rata-rata tahun 2018 sebesar 7.6 %, tahun 2019 sebesar 23.16 % dan tahun 2020 sebesar 12.63 %. Tingkat akurasi menggunakan NN-RBF masih rendah dan error lebih dari 10%, hal ini dikarenakan NN-RBF masih memiliki osilasi pencapaian target yang selalu berubah-ubah dengan cepat. Prediksi rata-rata energi listrik selama 5 tahun kedepan dari tahun 2021-2025 berkisar antara 936 Wh-1894 Wh dari panel SPV dengan ukuran 240 Wp

Keywords