Analisa Komparatif Teknik MPPT Berbasis Algoritma Evolusi untuk Modul Fotovoltaik

Karakteristik modul fotovoltaik dipengaruhi oleh tingkat penyinaran matahari dan suhu. Karakteristik ini digambarkan dalam kurva V-P. Pada kurva V-P digambar garis yang menunjukkan respon perubahan daya keluaran terhadap tingkat penyinaran matahari dan respon perubahan tegangan terhadap suhu lingkungan. Di bawah kondisi bayangan parsial, modul fotovoltaik mengalami iradiasi yang tidak seragam. Hal ini menyebabkan kurva V-P memiliki lebih dari satu maximum power point (MPP). MPP dengan nilai tertinggi disebut MPP global, sedangkan MPP lainnya disebut MPP lokal. Teknik penjejakan MPP konvensional tidak dapat mengatasi kondisi partial shading ini karena akan terjebak dalam MPP lokal. Artikel ini membahas tentang teknik pelacakan MPP menggunakan algoritma evolusi atau evolutionary algorithm (EA). EA yang dianalisis dalam artikel ini adalah genetic algorithm (GA), firefly algorithm (FA), dan fruitfly optimization (FFO). Kinerja pelacakan MPP ditunjukkan dengan membandingkan nilai daya keluaran, akurasi, waktu, dan efektivitas pelacakan. Analisis performansi untuk kasus bayangan parsial dilakukan pada berbagai populasi dan generasi.

Metode Analisa

Metode penelitian yang diusulkan dalam artikel ini adalah memodelkan karakteristik panel surya yang mengalami partial shading dan mengimplementasikan EA pada teknik MPPT. Model penelitian ini adalah panel surya dengan 6 sel surya secara seri dan 3 secara paralel. Implementasi EA pada teknik MPPT adalah dengan membandingkan GA, FA, dan FFO. Ketiga EA tersebut diuji dengan variasi jumlah individu dan jumlah generasi. Selain itu juga diuji dengan tiga macam kondisi insolasi sinar matahari yaitu seragam, setengah ternaungi, dan sepertiga ternaungi sebagian. Variasi jumlah individu yang diuji adalah 20, 40,60, dan 80. Sedangkan variasi jumlah generasi adalah 20, 40, 60, 80, dan 100. Hal ini dilakukan untuk optimasi jumlah induk. parameter dalam setiap penerapan teknik MPPT. Parameter spesifik untuk setiap EA dijelaskan dalam setiap pendekatan algoritma pada subbagian berikut.

Implementasi dan Hasil

Dari hasil perancangan dan pengujian teknik MPPT pada penelitian ini, dapat disimpulkan bahwa algoritma konvensional seperti P&O memiliki keunggulan dari aspek waktu pelacakan namun tidak mengatasi kondisi partial shading. Sedangkan algoritma berbasis evolusi yang diterapkan pada teknik MPPT dapat mengatasi kondisi partial shading dengan tingkat akurasi di atas 95%. Dengan model pencarian berbasis metaheuristik, EA dapat mencari titik optima global daripada optima lokal. Titik optima global ini adalah daya keluaran Pmpp (titik daya maksimum) yang dihasilkan pada Vmpp (tegangan titik daya maksimum). Pendekatan teknik MPPT dengan EA juga diuji dengan jumlah individu dan jumlah generasi yang bervariasi. Hal ini menentukan korelasi atau pengaruh parameter-parameter tersebut terhadap kinerja pelacakan titik MPP yang optimal. Dari pengujian tersebut dapat disimpulkan bahwa kinerja GA tidak dipengaruhi oleh jumlah individu dan jumlah generasi, berbeda halnya dengan FA dan FFO. Korelasi antara jumlah generasi yang dioperasikan terhadap kinerja FA dan FFO sangat tinggi, yaitu lebih dari 95%. Semakin banyak generasi, semakin kurang efektif operasi FA dan FFO pada teknik MPPT. Jumlah generasi yang optimal adalah 20. Hal yang sama ditambahkan dengan waktu pelacakan, yang justru akan lebih lama. Dari uji konvergensi, FF memiliki hasil kecepatan konvergensi terbaik dibandingkan GA dan FFO. Hanya membutuhkan sekitar 10 generasi untuk mencapai konvergensi dalam pelacakan MPP.

Penulis: Prisma Megantoro, ST. MEng.

Informasi detail dari riset ini dapat dilihat pada tulisan kami di:

https://ijece.iaescore.com/index.php/IJECE/article/view/28592 atau https://www.scopus.com/record/display.uri?eid=2-s2.0-85139003997&origin=resultslist&sort=plf-f

[1]      P. Megantoro, H. Faqih, A. Kusuma, L. J. Awalin, and Y. Afif, “Comparative analysis of evolutionary-based maximum power point tracking for partial shaded photovoltaic,” vol. 12, no. 6, pp. 5717–5729, 2022, doi: 10.11591/ijece.v12i6.pp5717-5729.


Leave a Reply

Your email address will not be published. Required fields are marked *