Dewantoro, Fajar (2018) Sistem Estimasi Output Daya Pada Photovoltaic (PV) Berdasarkan Kondisi Cuaca Dengan Metode Neural Network. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.
Text
0414040015 - Fajar Dewantoro - Sistem Estimasi Output Daya Pada Photovoltaic (PV) Berdasarkan Kondisi Cuaca Dengan Metode Neural Network.pdf Restricted to Repository staff only Download (4MB) |
Abstract
Saat ini sumber energi terbarukan berperan penting bagi ketersediaan kebutuhan energi yang di perlukan masyarakat, salah satu energi terbarukan yang saat ini dikembangkan adalah Pembangkit Listrik Tenaga Surya (PLTS), sehingga manajemen sistem dalam suatu PLTS sangatlah penting untuk menyediankan energi yang dihasilkan oleh PLTS. Namun Sumber energi yang di hasilkan Panel Surya (Photovoltaic) berubah-ubah dikarenakan oleh kondisi sinar matahari dan cuaca. Maka dibuatlah suatu sistem estimasi untuk mengetahui daya yang di hasilkan Panel Surya, dalam tugas akhir ini sistem estimasi menggunakan metode Neural Network (jaringan syaraf tiruan) dengan algoritama Backpropagation. Variabel yang digunakan dalam sistem estimasi ini berupa Tegangan, Arus, Intensitas, Suhu, dan Daya. Data variabel didapat dari hasil pembacaan sensor dan panel surya yang diambil selama 30 hari per 1 jam tersebut dijadikan data input dan target pada matlab. Dari hasil pelatihan dan pengujian data menggunakan metode Neural Network yang telah dilakukan, hasil estimasi menunjukan nilai error menggunakan Mean Square Error (MSE) sebesar 0.00057918 pada epoch 2836 dengan fungsi pelatihan traincgp dengan neuron hidden layyer 220 dan learning rate = 0.7.
Item Type: | Thesis (Diploma) |
---|---|
Additional Information: | No. Inventaris : 4359/PE-14/2018 _Lokasi TA : 404 |
Uncontrolled Keywords: | Panel Surya (Photovoltaic) , Estimasi daya, Neural Network. |
Subjects: | PE - Teknik Kelistrikan Kapal > Elektronika Komunikasi dan Navigasi |
Divisions: | Jurusan Teknik Kelistrikan Kapal > D4 Teknik Kelistrikan Kapal |
Depositing User: | Unnamed user with email repository@ppns.ac.id |
Date Deposited: | 22 Jul 2019 06:36 |
Last Modified: | 26 Jun 2021 02:23 |
URI: | http://repository.ppns.ac.id/id/eprint/2073 |
Actions (login required)
View Item |