Photovoltaics (PV) merupakan salah satu energi terbarukan yang dapat merubah sinar matahari menjadi energi listrik. PV mempunyai keuntungan dalam lingkungan, biaya perawatan yang rendah serta dapat meningkatkan kehandalan dari sistem tenaga listrik. Namun, PV memiliki biaya investasi yang tinggi dan efisiensi yang rendah. Efisiensi ini dipengaruhi oleh radiasi matahari, suhu, dan kondisi PV. Oleh karena itu, peramalan daya dan maximum power point tracking (MPPT) pada PV diperlukan untuk mendapatkan daya keluaran PV yang optimal.
Peramalan daya merupakan salah satu cara untuk mengatasi radiasi matahari dan suhu yang tidak pasti. Radiasi matahari dan suhu yang tidak menentu ini dapat menyebabkan daya dari PV akan bersifat tidak menentu juga. Beberapa metode telah dikembangkan untuk mendapatkan peramalan yang akurat ini, diantaranya Artificial Neural Networks (ANN), Support Vector Machine (SVM).
Namun, hasil dari peramalan daya PV masih kurang akurat. Oleh karena itu, Jordan Recurrent Neural Network (JRNN) digunakan untuk memprediksi daya dari PV. JRNN merupakan perkembangan dari ANN yang dimodifikasi mempunyai feedback untuk mengoreksi keluaran output disetiap hidden layer dari ANN.
Setelah mendapatkan prediksi yang akurat, MPPT didesain untuk mendapatkan hasil output PV yang optimal dan meminimalkan osilasi. Teknik MPPT telah banyak digunakan seperti Incremental Conductance (IC), Perturb and Observe (P&O), dan Hill Climbing (HC). Beberapa kecerdasan buatan telah dikembangkan untuk meminimalkan osilasi dan mengoptimalkan daya PV. Di antaranya Neural Network (NN), Particle Swarm Optimization (PSO), Firefly, Grey Wolf Optimization (GWO), dan Fuzzy Logic Controller (FLC). Namun, minimal osilasi masih perlu diperbaiki. Oleh karena itu, Fuzzy Logic-Particle Swarm Optimization (FL-PSO) digunakan untuk meminimalkan osilasi dan mengoptimalkan daya PV.
Peramalan daya dan MPPT PV dapat mengoptimalkan daya PV dan meminimalkan osilasi daya PV. Adapun beberapa metode yang digunakan dalam peramalan daya adalah ANN dan JRNN. Kemudian beberapa metode yang digunakan dalam MPPT adalah PSO dan FL-PSO. Perlunya membandingkan metode-metode lainnya untuk mendapatkan hasil yang lebih optimal lagi. (*)
Penulis: Aji Akbar Firdaus
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
http://ijpeds.iaescore.com/index.php/IJPEDS/article/view/20544
