Optimasi Kestabilan Daya Pembangkit Listrik Tenaga Surya dengan Support Vector Mechine (SVM)

  • Muhammad Zainal Roisul A Universitas PGRI banyuwangi
  • Charis Fathul Hadi Universitas PGRI Banyuwangi
  • Widhi Winata Sakti Universitas PGRI Banyuwangi
  • Riska Fita Lestari Universitas PGRI Banyuwangi
  • Bambang Sri Kaloko Universitas Jember
Keywords: Energi; Energi Terbarukan; Pembangkit Listrik Tenaga Surya; Support Vector Mechine (SVM)

Abstract

Menipisnya sumber energi fosil (non-renewable) merupakan alasan utama dibutuhkan suatu energi alternatif sebagai pengganti sumber energi fosil. Sumber energi alternatif tersebut adalah sumber energi yang ramah lingkungan dan sumber energi tebarukan (renewable energy). Sumber daya energi surya sangat berpotensi untuk memproduksi energi listrik yang banyak dengan panel surya yang sepenuhnya dari sistem panel surya yang di hybrid dengan sumber energi dari PLN sebagai sumber energi listrik. Sistem hybrid menghubungkan jaringan phase dan netral pada dua relay untuk menghindari short circuit yang terjadi pada dua sumber PLN dan PLTS. Pemodelan Support Vector Mechine (SVM) untuk men-switching antara PLN dan sistem PLTS. Sistem SVM melakukan prediksi yang didapatkan dari data sensor tegangan dan arus saat kondisi close loop. Pembebanan diisi dengan 3 variabel lampu LED 5 Watt dan prediksi SVM berupa kondisi stabil dan tidak stabil digambarkan dengan angka 1 dan 0. Sistem SVM menghasilkan tingkat akurasi mencapai 98% pada pengujian data set dan 97% saat kondisi variatif dengan sudut panel surya sebesar 60°, 90°, dan 120°. hal tersebut dibuktikan dengan pengujian data yang diambil dari kondisi saat diujikan pada relay dengan kesalahan prediksi error 3% pada kondisi siang hari.

Published
2023-10-15
How to Cite
Muhammad Zainal Roisul A, Charis Fathul Hadi, Widhi Winata Sakti, Riska Fita Lestari, & Bambang Sri Kaloko. (2023). Optimasi Kestabilan Daya Pembangkit Listrik Tenaga Surya dengan Support Vector Mechine (SVM). JOURNAL ZETROEM, 5(2), 140 - 144. https://doi.org/10.36526/ztr.v5i2.3072
Section
Article

Most read articles by the same author(s)

1 2 > >>