OPTIMISASI MAXIMUM POWER POINT TRACKER (MPPT) SISTEM PHOTOVOLTAIC (PV) ALGORITMA PADA PENGISIAN BATERAI KENDARAAN LISTRIK BERBASIS FIREFLY ALGORITMA MODIFIKASI 1.
Dwi Ajiatmo1,2, Imam Robandi1. Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 2. Jurusan Teknik Elektro Fakultas Teknik Universitas Darul ‘Ulum Jombang 1.
[email protected] [email protected],
[email protected]
Abstrak This paper presents the electric car today has evolved rapidly in both research table prototype design, aerodynamics, and implementation. One source of energy that is widely used as a source of electrical energy to drive the vehicle was photovoltaic (PV). To obtain maximum performance of PV power required a method of control. PV maximum power is strongly influenced by temperature and solar irradiation value that falls on the surface of the PV. Maximum power point of the PV obtained through adjustment of the duty cycle of the boost converter. Boost converter is used to convert the voltage direct current (DC) low into high DC voltage obtained MPPT. Design Optimization based Firefly modified MPPT able to control the power output of PV systems that are connected to an electric vehicle with a high of efficiency so as to charge the battery optimally. The simulation results in this study showed a high efficiency performance accuracy using the modified algorithm firefly. Keyword : Photovoltaic (PV), Maximum Power Pont Tracker (MPPT), Bost Converter, Electric Vehicle, Firefly Algorthm 1.
Pendahuluan Banyak permasalahan terkait dengan energi yang dihadapi oleh Indonesia, semakin meningkat subsidi energi hingga mencapai Rp 255,6 triliun pada tahun 2011. Ketergantungan terhadap minyak masih dominan mencapai 49,7% sementara pemanfaatan energi baru terbarukan (EBT) masih sekitar 6%. Kajian Energi Outlook, (2012). Sistem tenaga fotovoltaik, sebagai energi alternatif, sebagai sumber energi baru terbarukan (EBT), non-polusi, ramah lingkungan, murah ditengah tingginya harga energi fosil dewasa ini. Karakteristik sel surya adalah nonlinier dan sangat dipengaruhi dipengaruhi oleh suhu dan radiasi matahari, kontrol MPPT dalam desain Sistem PV penting untuk mendapatkan daya puncak dari sel surya. karakteristik stabilitas sistem fotovoltaik dipengaruhi oleh kinerja MPPT kontroler. Anil S., et.al (2014) Sistem PV konvensional mengalami kesulitan dalam menanggapi variasi perubahan irradiasi yang cepat karena shanding. Yanuar Mahfuds S., et al (2014); Kinattingal, et al (2014). Kelemahan utama dari sistem PV adalah bahwa biaya instalasi awal cukup tinggi dan efisiensi konversi energi (dari 12%
menjadi 29%) relatif rendah. Selanjutnya, dalam banyak kasus, sistem PV memerlukan pengkondisan daya (dc-dc atau dc-ac converter) untuk antarmuka beban. Simulasi MPPT telah diteliti selama beberapa tahun terakhir dan diringkas dalam Esram T. & Chapman, P. L. (2010); Bianconi E., et al (2012); Salah C.B. & Ouali, M. (2010); Seno Aji, et al (2013). Salah satu metode konvensional telah banyak digunakan untuk MPPT seperti Perturb and Observe (P&O), fractional open-circuit voltage and incremental conductance. Metode konvensional memiliki respon lambat dan tidak memuaskan. Untuk memecahkan masalah perubahan lingkungan yang cepat dan mengatasi non linearitas PV. Masalah perubahan lingkungan yang cepat dan mengatasi non linearitas PV oleh karena itu ditawarkan metode MPPT Firefly termodifikasi akan dibahas dalam makalah ini. 2. Sistem Photovoltaic 2.1 Model Photovoltaic Model PV digambarkan sebagai rangkaian sederhana terdiri dari sumber arus yang terhubung secara paralel dengan dioda seperti yang ditunjukkan
pada Gambar 1. Output daya PV tergantung pada iradiasi sinar matahari dan suhu yang diterima oleh PV sel Permukaan. Hong Wang, (2010)
Rs
Io
L
Ish
Id Iph
boost konverter sedangkan parameter yang diperlukan untuk desain boost converter, Esram, T. & Chapman, P. L. (2010), seperti yang terlihat pada Tabel 2. Dimana. Seno Aji, et al (2013)
Vin
Rsh
Mosfet
Vo
R
C
Gambar 2. DC-DC Boost Konverter Gambar 1. Permodelan Photovoltaic Dari Model fotovoltaik pada gambar 1, arus keluaran (I0) dapat ditulis sebagai; Ramaprabha, R. & Matur, B.L., (2010) (1) Arus Photovoltaic IPh merupakan hubungan pendek arus dipengaruhi oleh matahari insolation dan suhu permukaan. IPh dapat dihitung dengan persamaan berikut: (
(
)) ⁄
(2)
Dimana S adalah insolation surya di W / m2, dan Sref adalah referensi dari insolation surya. T adalah temperatur survace PV di Kelvin, dan Tref adalah referensi suhu permukaan PV. Isco adalah hubungan pendek arus dalam insolation standart modul PV dan suhu yang ditulis dalam spesifikasi PV. Id adalah arus dioda dapat dinyatakan dengan berikut: t s q (4) Dimana adalah faktor idealistis PV, k adalah konstanta Boltzmann (1,380x10-23 J/K) dalam joule per kelvin, Ns adalah jumlah sel seri, dan q (1,602x 10-19C) nilai elektronik dalam coulomb. Daya yang dihasilkan oleh fotovoltaik (PPV) dapat dinyatakan dengan persamaan berikut: Yanuar Mahfuds S. (2014) (5) 2.2 DC-DC Converter Design DC- DC converter yang digunakan dalam makalah ini adalah jenis boost converter dengan beban resistif. DC-DC boost konverter memiliki peran penting dalam sistem PV. Kondisi MPP dapat dicapai dengan menggunakan boost konverter sebagai daya kondisioner. Salah C.B. & Ouali M.(2010); Seno Aji, et al (2013). Gambar 2 menunjukan desain DC-DC
Menghitung Duty Cycle (D) : ( ⁄ ) Menghitung arus output (Iout)
(6)
⁄ Menghitung tahanan (R) ⁄ Menghitung arus induktor (IL) ⁄ Menghitung Induktor (L) konventer boost ( ))⁄( ( ( )) Menghitung Capasitor (C) Diasumsi an : Δ out r 0.1v ( )⁄(( ⁄ ) )
(7) (8) (9) (10)
(11)
2.3 Proposed Algoritma Firefly algorithm yang diperkenalkan pada tahun 2008 oleh Yang dalam rangka untuk mempercepat tingkat komputasi. Cahaya firefly rendah tertarik terhadap Cahaya firefly tinggi dan ini terus berlanjut sampai semua firefly yang berkumpul di satu titik yang mungkin titik dioptimalkan global. Memperbarui hukum pergerakan cahaya firefly rendah ke arah cahaya firefly tinggi terjadi dengan menggunakan persamaan 11. Yang Xin She (2008); Srivatsava, P. R. (2013) (
)
(
)
11
Dalam persamaan 11, nilai-nilai α, β0 dan γ dianggap konstan. α, β0 dipilih dari [0, 1] dan γ dipilih dari [0, ∞). Juga, rij adalah jarak Euclid dari dua kunang-kunang yang diidentifikasi sebagai persamaan 12. Srivatsava, P.R. (2013) ‖
‖
√∑
(
)
12
Koefisien penyerapan antara dua berlangsung menggunakan persamaan 13.
firefly
13 Dalam persamaan 13, β0 menunjukkan maksimum penyerapan dan diidentifikasi dalam [0, 1].
Parameter γ adalah koefisien penyerapan dan diidentifikasi dalam [0, ∞). Parameter r mengidentifikasi jarak antara firefly dan nilai itu dihitung dengan persamaan 11. Jika β0 = 0, salah satu firefly mencari ruang masalah tanpa kontribusi dari firefly lain dan pencarian berlangsung secara acak. jika γ = ∞, ini mengarah ke pencarian acak dalam ruang masalah. Pada paper ini dikembangkan firefly algoritma modifikasi untuk MPPT yaitu untuk mendeteksi daya maksimum total, sehingga tidak terjebak dalam daya maksimum lokal. Modifikasi MPPT firefly algoritma dalam paper ini diusulkan dalam dua langkah; Langkah pertama, tidak memperhitungkan parameter yang tidak perlu untuk menyederhanakan algoritma. Langkah Kedua, memperbaiki koefisien β sebagai langkah iterasi untuk mencapai konvergensi yang lebih cepat dan meningkatkan kecepatan pelacakan. Dalam aplikasi MPPT optimisasi dengan firefly, fungsi tujuan adalah output daya fotovoltaik (PV) dan posisi firefly merupakan representasi duty cycle. Kemudian siklus diterapkan di DC-DC boost converter berkisar antara 0 sampai 1. Hal ini berarti memberikan berbagai Posisi kunang sebagai variabel kontrol ruang yang sangat sempit. Oleh karena itu, faktor γ dan faktor α tidak dibutuhkan. Oleh karena itu, posisi pertama kunang-kunang bisa di seleksi secara manual mulai dari 0 sampai 1. Hal ini tergantung pada jumlah kunang-kunang. Jadi, itu juga perlu mengacak posisi pertama kunang-kunang. Persamaan kunang-kunang sederhana dapat ditulis sebagai: Jumlah kunang dipilih 6, dan posisi awal secara manual dipilih 0,05, 0,25, 0,5, 0,75, dan 0,95. Pada algoritma kunang-kunang dasar, faktor daya tarik yang berkisar dari 0 hingga 1 adalah koefisien β mewakili kunang-kunang. Cepat dan keakuratan perhitungan dipengaruhi oleh besar koefisien β. Koefisien β tinggi akan menjamin cepat perhitungan, tapi kurang akurat. Dan kemudian, koefisien β rendah akan membuat perhitungan lambat, tetapi lebih akurat. Dalam tulisan ini, koefisien β akan diperbarui setiap iterasi untuk membuatnya lebih cepat konvergensi, tapi masih akurat. Langkah pertama kita menetapkan koefisien β 0,4. Ini berarti bahwa kunang-kunang akan bergerak perlahan ke
dalam satu terang. Setiap iterasi, β koefisien akan ditambahkan sebesar 0,25. Ini berarti bahwa setiap iterasi berikutnya kunang-kunang akan bergerak lebih cepat dari iterasi terakhir. Modifikasi firefly ini akan membuat algoritma yang diusulkan lebih cepat dari kunang-kunang standar, tapi masih akurat. 3.
Experimental/Hasil Simulasi dan Diskusi Pada gambar 4-7 menggambarkan perbedaan effisiensi dari MPPT yang dioptimasi dengan firefly standar dan metode firefly dimodifikasi yang diusulkan. Simulasi dikerjakan dengan menggunakan software PSIM. Untuk firefly standart memakai parameter β, γ, dan α dipilih 0.5, 0.98, dan 0.0012. Sebuah array PV digunakan untuk eksperimental dengan data jenis modul BELL 50WP. Modul ini memiliki output daya maksimum 50 W dan 20V tegangan rangkaian terbuka pada iradiasi 1000 W / m2 dan suhu 25 ° C. Spesifikasi modul PV yang disediakan oleh produsen pada Tabel 1. Tabel 1. Spesifikasi dari Solar Panel BELL 50WP[8] Daya maksimum (Pmax) 50W Tegangan maksimum (Vmp) 17,35V Arus maksimum (Imp) 2,88 A Open Circuit Voltage (Voc) 21,88 V Short circuit current (Isc) 3. 3,08A Temperatur saat bekerja -40oC sampai 85oC Jumlah sell 24 cel Berat modul 10 Kg Dimensi (PanjangxLebarxTinggi) 670x620x35mm Sedangkan data eksperimental untuk DC-DC boost konverter adalah Tabel 2. Parameter DC-DC Boost Converter Kapasitor, C Inductor, L Tahanan, R Switching frequency, f
640 uF 5,44 mH 2,5 Ohm 20kHz
Hubungan sistem PV array DC-DC boost converter untuk mengisi battery yang bertegangan 24 Volt jenis lead acid merek trojan untuk kendaraan listrik motor drive sistem kontrol dan sebagai penggerak jenis motor DC 3,5kW.
Gambar 3. Plant Sistem MPPT dengan Optimasi Firefy Algoritma Modifikasi Hasil simulasi pada Gambar 4-7 adalah sistem MPPT yang dioptimasi dengan firefly standart dan firefly dimodifikasi yang akan diaplikasikan di kendaraan listrik tenaga surya, dan hasil simulasi dapat dilihat pada gambar menunjukkan bahwa dengan iradiasi 1000 w/m2 suhu 25oC perubahan daya output PV.
Gambar 5 Hasil Simulasi dengan firefly Modifikasi β 0.3
Gambar 6 Hasil Simulasi dengan Firefly Standar β
Gambar 4 Hasil Simulasi dengan Firefly Standar β
0.4
0.3
Gambar 7 Hasil Simulasi dengan firefly Modifikasi β 0.4 Dari hasil simulasi maka dapat ditulis dalam tabel 3 Tabel 3. Hasil simulasi daya output dengan irradian 1000w/m2 pada suhu 25 oC Beta β
Metode Pelacakan
0.3 0.4
Daya Pelacakan (W)
Tegangan (V)
Arus (A)
Kecepatan Pelacakan (s)
Daya Maksimum (W)
Effisiensi Pelacakan ()
FA Standart FA Modifikasi
182.30 188.07
30.25 30.68
6.13 6.12
1.000 1.028
199.99 199.99
91.15835 94.04031
FA Standart
187.10
32.19
6.14
0.828
199.99
93.55522
FA Modifikasi
187.60
32.19
6.13
0.832
199.99
93.80644
Dari tabel 3 jelas terlihat bahwa efisiensi MPPT menggunakan optimasi algoritma firefly modifikasi lebih baik dari pada menggunakan optimasi firefly standart, Hal ini menunjukkan bahwa output daya PV mencapai daya maksimum (Pmax). Dari hasil pada Tabel 3, dijelaskan bahwa sistem dengan optimasi MPPT firefly dimodifikasi memberikan efisiensi yang lebih tinggi dari pada MPPT firefly standart. Optimasi MPPT firefly dimodifikasi ripple yang dihasilkan lebih sedikit, dan akurasinya lebih baik. 4.
Kesimpulan dan Saran Dalam makalah ini kami telah menyajikan desain dan simulasi Maximum Power Point Tracking (MPPT) untuk sistem fotovoltaik di kendaraan listrik menggunakan Firefly algoritma termodifikasi. Berdasarkan hasil simulasi dapat disimpulkan bahwa: Pengaruh dari penggunakan firefly modifikasi pada perubahan pencapaian konvergensi lebih baik. Menghasilkan sistem nilai efisiensi dengan MPPT Firfly Modifikasi adalah 93% dan 94% sedangkan efisiensi yang dihasilkan MPPT Firefly standart adalah 91% dan 93%. Untuk lanjutan penelitian perlu aplikasi pada kendaraan skala besar. Daftar Pustaka Anil S. Hiwale, Muhdha V. Patil, Hemangi Vinchurkar, An efficient MPPT Solar Charge Control, International Journal of advance research in electrical electronics and intrumentation engineering, Ijareeie, Vole. 3, Issue 7, July 2014. Bianconi E., et al., Perturb And Observation MPPT Algorithm With A Current Controller, Based On The Sliding Mode, Science Direct: Electrical Power and Energy Systems vol.44, pp. 346-356, July 2012. Esram T. and Chapman P. L., T-S Fuzzy Maximum Power Point Tracking Control Of Solar Power Generation Systems, IEEE Transactions on Energy Conversion vol. 25, no. 4, December 2010. Hong Wang, The Stand-Alone PV Generation System With Parallel Battery Charger, International Conference on Electrical and Control Engineering (ICECE), pp. 4450-4453, June. 2010. Ishaque K., Z. Salam, A Deterministic Particle Swarm Optimization Maximum Power Point Tracker for Photovoltaic System Under Partial. 2010.
Kajian Energi outlook, Pusat Data dan Informasi energi dan sumber daya mineral, Kementrian energi dan sumber daya mineral, 2012. Kinattingal sundareswaran, sankar peddapati, and sankaran palani, MPPT Of Pv System Under Partial Shaded Conditions Through A Colony Of Flashing Firefly, IEEE transactions on energy conversion, vol. 29, June 2014. Ramaprabha R.,& Matur B.L., Development of an Improved Model SPV Cell For Partially shaded Solar Photovoltaic Array, European Journal of Scientific Research, Vol. 47, No. 1, pp. 122-134, 2010. Srivatsava P.R., Mallikarjun B., X.S. Yang, Optimal Test Sequence Generation using Firefly Algorithm, Swarm and Evolutionary Computation, Vol. 8, pp. 44-53, Elsevier B.V, 2013. Salah C. B. and Ouali M., Comparison Of Fuzzy Logic And Neural Network In Maximum Power Point Tracker For PV Systems, Science Direct: Electric Power Systems Research vol. 81, pp. 43–50, July 2010.]. Seno aji, dwi ajiatmo, Imam robandi, heri suryoatmojo, MPPT Based On Fuzzy Logic Controller (FLC) For Photovoltaic (PV) System Soar Car, mechatronics, electrical power, and vehicular technology (MEV), pp 127-134, LIPI Bandung, 24 December 2013. Yang Xin She., Nature-Inspired Meta-heuristic Algorithms, Luniver Press, 2008. Yanuar Mahfudz Safarudin, Ardyono Priyadi, Mauridhi Hery Purnomo, Margo Pujiantara, Maximum Power Point Tracking Algorithm For Photovoltaic System Under Partial Shaded Condition By Means Updating Β Firefly Technique, proceeding, IEEE, Yogyakarta, 7-8 october 2014.
