RANCANG BANGUN SISTEM PREDIKSI PEMBANGKIT LISTRIK … · BANYAK PLTS TANPA PERAWATAN ... PLTS ini terbengkalai dan menggantinya dengan listrik dari Perusahaan ListrikNegara. 4. ...

RANCANG BANGUN SISTEM PREDIKSI PEMBANGKIT LISTRIK TENAGA SURYA SECARA MOBILE BERBASIS LOGIKA FUZZY UNTUK PREDICTIVE MAINTENANCE DI PT. GMN TUBAN JAWA TIMUR

Abu Bakar Abdul Karim Al MukminNRP. 2410 100 025

Dosen Pembimbing :Hendra Cordova, ST, MTNIP. 19690530 199412 1 001

BACKGROUNDLatar Belakang Masalah

KEBUTUHAN ENERGI MASA DEPAN DIANGGAP SANGAT PENTING

▪ Shell menugaskan Ipsos untuk mengadakan “Future Energy Survey” diIndonesia untuk mengkaji pandangan responden Indonesia akan masadepan energi. 1017 responden mengikuti survey tatap muka di bulanMaret 2013. Survey yang sama di‐posting online dan 2160 orangIndonesia berpartisipasi dalam survey ini yang diadakan pada minggudimana ada Hari Bumi, yaitu pada tanggal April 22, 2013.

▪ Survey menunjukkan :▪ 9 dari 10# (93%)# menganggap penting energi masa depan.▪ Sebanyak 93%* menganggap pengurangan emisi CO2 sebagai hal yang sangat

penting.▪ Energi surya (43%)^ dan energi hidro/air (29%) lebih banyak dipilih sebagai

sumber energi masa depan.▪ Mayoritas (98%) bersedia membayar lebih banyak untuk pembangkitan listrik

yang dari sumber energi yang lebih bersih.▪ 42% berpendapat bahwa pemerintah memainkan peran paling besar dalam

menciptakan masa depan enegi yang lebih baik, diikuti oleh sektor Industri(39)%^.

3

BANYAK PLTS TANPA PERAWATAN DIBIARKAN TERBENGKALAI

▪ GUNUNG KIDUL, KOMPAS.com ‐ Pemanfaatan energi alternatif diKabupaten Gunung Kidul belum berhasil dengan baik. Banyak teknologibaru berupa Pembangkit Listrik Tenaga Surya atau PLTS yang dibiarkanterbengkalai. Masyarakat tidak memperoleh transfer teknologiperbaikan kerusakan PLTS dan tidak ada penanaman rasa kepemilikansehingga pencurian bagian dari perangkat PLTS pun marak terjadi.Senin (31/8/2009).

▪ PANGKALPINANG, BANGKAPOS.com ‐Menurut anggota Komisi III DPRDBabel Didit Srigusjaya, PLTS di Babel dipasang begitu saja tanpa adaperawatan berkelanjutan. Sehingga, bila ada PLTS rusak wargasetempat tidak mampu memperbaikinya. Bila dibiarkan terus menerusmaka PLTS yang rusak akan terbengkalai. Kamis (28/4/2011).

▪ Kesimpulan : Warga mengaku tidak tahu cara memperbaiki kerusakanpada dua dari tiga sel surya yang menggunakan sistem pompa airFotovoltaik tersebut. Laporan kerusakan sudah dibuat oleh pemerintahdesa, tetapi tak kunjung diperbaiki. Warga pun akhirnya membiarkanPLTS ini terbengkalai dan menggantinya dengan listrik dari PerusahaanListrik Negara.

4

DIBUTUHKAN SISTEM PREDIKSI SECARA MOBILE

▪ Sistem prediksi yang dapat memantau segala aktivitas pembangkitlistrik tenaga surya

▪ Sistem prediksi yang dapat mengirimkan hasil pemantauan secaramandiri ke stasiun pemantau atau badan yang bertanggung jawab

▪ Sistem prediksi yang handal dapat diletakkan dimana saja dan mampumengirimkan data secara konsisten

▪ Sistem prediksi yang mampu melakukan analisa terhadap data yangdidapatkan dan menyimpulkan sebuah statement tindakan perawatanapa yang dibutuhkan

5

PROBLEMSPerumusan Masalah

ADAPUN BEBERAPA PERMASALAHAN YANG DIHADAPI DALAM PENGERJAAN TUGAS AKHIR INI ADALAH SEBAGAI BERIKUT :

▪ Bagaimana Integrasi sensor yang membangun sistem prediksi pembangkit listrik tenaga surya?

▪ Bagaimana merancang dan membangun logika fuzzy untuk memperkirakan daya dari pembangkit listrik tenaga surya?

▪ Bagaimana menguji kehandalan sistem prediksi secara mobile?

7

PURPOSETujuan

TUJUAN DARI TUGAS AKHIR INI YAITU :

▪ Integrasi sensor yang membangun sistem prediksi pembangkit listrik tenaga surya

▪ Merancang dan membangun logika fuzzy untuk memperkirakan daya dari pembangkit listrik tenaga surya

▪ Menguji kehandalan sistem prediksi secara mobile

9

RESTRICTIONBatasan Masalah

PADA TUGAS AKHIR INI, ADA BEBERAPA BATASAN YANG DIGUNAKAN ANTARA LAIN:

▪ Pengujian dilakukan di pilot project PT. Gerbang Multindo Nusantara dengan daya pembangkit listrik yang diketahui

▪ Tidak ada daya dari luar pembangkit listrik 

▪ Spesifikasi sistem sesuai datasheet alat masing ‐masing

▪ Uji kehandalan dilakukan dengan input yang direkayasa

11

LITERATURE REVIEWTinjauan Pustaka

PREDIKSI OF PHOTOVOLTAICS SYSTEMS: GOOD PRACTICES AND SYSTEMATIC ANALYSIS

▪ Achim Woyte, Maurrice Richter, David Moser, Stefan Mau, Nils Reich, Ulrike Jahn. 2013

▪ Paper ini menjelaskan historical review dari performa sistemphotovoltaic dari 20 tahun yang lalu. Dan didapatkan rasio peformarata‐rata secara statistik dari instalasi photovoltaic terbaru pada iklimyang berbeda‐beda mengalami kemajuan dari 0.65 hingga kurang lebih0.85. Kemajuan ini tentu tidak dapat berlanjut apa bila tidak ada sistemprediksi yang beroperasi secara terus menerus untuk menagnalisa danprediksi data dari photovoltaic itu sendiri. Adapun data‐data yang perludiamati dari sebuah photovoltaic untuk mengetahui performanyaadalah : Temperatur, Debu dan Kotoran, Mismatch dan Wiring Losses,DC to AC Conversion Losses. Selain beberapa faktor yangmempengaruhi kinerja dari photovoltaic itu sendiri, ada juga pengaruhdari performa sistem, yaitu PR (Performance Ratio), MTTF (Mean TimeTo Failure), dan MTTR (Mean Time To Repair).

13

PHOTOVOLTAIC PROGNOSTICS AND HEATH MANAGEMENT USING LEARNING ALGORITHMS

▪ Daniel Riley, Jay Johnson. 2012

▪ Sistem prognostic and health management (PHM) didesain untukmemonitor kesehatan dari sebuah sistem fotovoltaik, pengukurandegradasi, dan indikasi jadwal maintenance. Sistem PV PHM padaumumnya membandingkan data‐data hasil pengukuran (dalam hal inidaya AC) sampai memprediksikan hasil pengukuran dari sebuah model.Kemudian digunakan metode artificial neural network (ANN) yangmana mempunyai kelebihan, yaitu pengguna tidak perlu mengetahuisegala spesifik dari komponen sistem photovoltaic. Karena neuralnetwork hanya mengidentifikasi hubungan antara lingkungan sistem PV(input) dan daya yang dihasilkan (output).

14

DESIGN OF A COST EFFICIENT PV PARAMETERS PREDIKSI SYSTEM

▪ Muhammad Ali, Mahmood Khan, Khasan S Karimov. 2012

▪ Paper ini mendeskripsikan sebuah desain sistem prediksi PV sederhanayang efisien biaya (murah). Desain ini terdari dari sebuah hardwareberbasis mikrokontroller dan sebuah program komputer yang didesainmenggunakan program grafis LabView. Desain ini juga diobservasi padakondisi yang realistis menggunakan sensor LDR, temperatur, tegangan,dan juga arus.

15

REMOTE PREDIKSI OF PHOTOVOLTAIC SYSTEMS

▪ Pengcheng Liu. 2013

▪ Paper ini mendeskripsikan sebuah desain dan pengembangan dariremote prediksi sistem fotovoltaik berbasis mikrokontroller. Fungsiutama dari sistem ini adalah mengumpulkan data generasi daya dandata klimatik dari sistem fotovoltaik dan mengirimnya secara remote kepengguna. Sistem mengarsipkan komunikasi remote GSM secaralangsung ke pengguna dan juga menyimpannya pada sebuah serverdatabase melalui koneksi internet melewati modem GSM yangterpasang pada tiap stasiun prediksi fotovoltaik.

16

AN APPROACH TO IMPLEMENT PHOTO VOLTAIC SYSTEM USING ARDUINO

▪ Neeraj Vijay Kale, Prashant Shivasharan Malge. 2013

▪ Dijelaskan bahwa penggunaan power conditioner (DC to DC atau DC toAC) untuk load interface dapat ditingkatkan efisiensinya. Peningkatanefisiensi dilakukan menggunakan sebuah sistem yang dapatmengekstrak daya maksimal yang memungkinakan pada modul PVdengan teknik MPPT (Maximum Power Point Tracking). Paper ini akanmenjelaskan desain dan implementasi MPPT menggunkan Arduino.

17

BASIC THEORYTeori Dasar

1

2

3

OUT

19

METHODOLOGYMetodologi Penelitian

FLOW CHART PENGERJAAN TUGAS AKHIR

21

22

DATA ANALYSISAnalisa Data

24

0

10

20

30

40

50

60

70

80

90

100

0:00

1:00

2:00

3:00

4:00

5:00

6:00

7:00

8:00

9:00

10:00

11:00

12:00

13:00

14:00

15:00

16:00

17:00

18:00

19:00

20:00

21:00

22:00

23:00

Nilai

Waktu (jam:menit)

Humidity (%RH) Temperature (°C)

25

26

27

28

29

30

31

32

33

NILAI RMSE PERKIRAAN DAYA DALAM 1 MINGGU

34

No Hari RMSE

1 Senin 11.646983932 Selasa 9.0328209173 Rabu 13.644045384 Kamis 12.257644255 Jumat 11.247055636 Sabtu 8.9452542967 Minggu 7.374976735

NILAI RMSE PERKIRAAN DAYA HISTORICAL DATA

No Durasi Data RMSE

1 2 bulan 6.996670218

2 3 bulan 7.515509433

3 4 bulan 7.152465648

4 5 bulan 7.605316192

35

CONCLUSIONKesimpulan

KESIMPULAN▪ Dari hasil perekaman data suhu dan kelembapan, didapatkan hasil bahwa perubahan suhu tidak selalu signifikan jika dilihat tiap jamnya (hanya sekitar 1 hingga 3 derajat) sedangkan perubahan kelembapan sangat signifikan berkisar antara 38% paling kecil hinggal 92% paling besar. Tingkat pengaruhnya pada perkiraan daya lebih berat pada kelembapan daripada suhu.

▪ Dari hasil pemrosesan logika fuzzy untuk memperikirakan daya keluaran PV menggunakan software MATLAB, didapatkan bahwa perkiraan daya cukup baik dengan nilai kesalahan pada 3 hari dalam 1 minggu mencapai RMSE kurang dari 10 persen. Namun 4 hari perkiraan yang lainnya masih nilai kesalahnnya belum mencapai tujuan. Ini dikarenakan adanya fluktuasi daya yang dinamis dan tidak teratasi oleh faktor cuaca.

▪ Setelah dilakukan perhitungan dengan historical data hingga 5 bulan kebelakang, didapatkan bahwa nilai kesalahan RMSE turun hingga kurang dari 10 persen, namun nilai itu tidak dapat stabil turun secara periodik. Didapatkan bahwa pada penambahan historical data justru meningkatkan sedikit error. Dibutuhkan variabel lain yang bisa mengatasi dinamika fluktuasi daya.

37

WORKPengerjaan

39

40

PHP CODING

41

42

REFERENCESDaftar Pustaka

DAFTAR PUSTAKA1. Kebutuhan Energi Masa Depan Dianggap Sangat Penting oleh Responden

Indonesia dalam Survey Energi Shell, “shell.co.id”, Juni 2013. [Online].[Accessed June 2014].

2. Banyak PLTS Dibiarkan Terbengkalai, Gunung Kidul, “kompas.com”, Agustus2009. [Online]. [Accessed June 2014].

3. Irwan Fachrurrozi. “Perancangan Sistem Monitoring Dan Optimasi BerbasisLabview Pada Pembangkit Listrik Tenaga Surya Dan Angin”. ProceedingSeminar Tugas Akhir Jurusan Teknik Elekto FTI – ITS, 2010.

4. Eugene A. Feinberg, Dora Genethliou. “Applied Mathematics For PowerSystems”. Chapter 12 : Load Forecasting. State University of New York, StonyBrook, 2003.

5. E. Srinivas, Amit Jain. “A Methodology for Short Term Load Forecasting UsingFuzzy Logic and Similarity”. The National Conference on Advances inComputational Intelligence Applications in Power, Control, Signal Processingand Telecommunications (NCACI-2009), Bhubaneswar, India, March 20-22,2009.

6. Amit Jain, E. Srinivas, Rasmimayee Rauta, “Short Term Load Forecasting usingFuzzy Adaptive Inference and Similiarity” IEEE Nature Biologically InspiredComputing, 2009.44