Lewati ke konten utama
Beranda / Publikasi / Thesis
ThesisOpen AccessTerbit 2024Versi 1

Desain simulasi maximum power point tracking (MPPT) berbasis neural network pada PLTS menggunakan boost converter

Skripsi, Thesis, Disertasi, dan Tugas Akhir•TEKNIK ELEKTRO•1 dilihat · 0 unduhan

Abstrak

Energi surya yang berasal dari cahaya matahari merupakan salah satu jenis sumber energi terbarukan yang melimpah di alam. Salah satu masalah dalam penggunaan panel surya atau PV (photovoltaic) adalah fluktasi daya listrik yang dihasilkan, bergantung pada kondisi cuaca seperti intensitas cahaya matahari dan suhu, akibatnya daya keluaran panel sering kali tidak mencapai kapasitas maksimum, untuk lebih meningkatkan daya dan tegangan dari keluaran panel surya maka diperlukan penggunaan metode kontrol yang dikenal sebagai Maximum Power Point Tracking (MPPT). Tujuan penelitian ini dapat mendesaian dan mensimulasikan Maximum Power Point Tracking metode algoritma dapat digunakan untuk menerapkan Neural Network dengan converter boost converter yang dapat menaikkan tegangan. Hasil penelitian dengan pengujian boost converter dimana ketika duty cycle diatur sebesar 40% arus keluaran yang dihasilkan adalah 2.053 A, tegangan keluaran 484.9 V dan daya keluaran sebesar 995.5 W, semakin besar nilai duty cycle diatur maka semakan besar juga keuaran arus, tegangan dan daya yang dihasilkan. Ketika intensitas cahaya divariasikan dari 100 hingga 1,000W/m² pada suhu 25°C MPPT menghasilkan tegangan keluaran 73.8 V hingga 293.2 V dengan suhu yang tetap.

Kata kunci

Kata kunci: Photovoltaic, mppt, neural network, boost converter.

Informasi bibliografis

Versi dan riwayat publik

  1. Versi 1Desain simulasi maximum power point tracking (MPPT) berbasis neural network pada PLTS menggunakan boost converter2024 · oai:ais:skripsi:6448