STUDI PERANCANGAN PENGONTROL NEURO-FUZZY PADA PEMBANGKIT LISTRIK TENAGA SURYA
T 621.312 44 WIT
ABSTRAK
Pengontrol neuro-fuzzy (NFC) yang menirukan invers dari sistem dinamik merupakan salah satu alternatif pengganti sistem pengontrol konvensional dalam mengatasi masalah terjadinya osilasi pada keluaran sistem pembangkit listrik tenaga surya (PLTS) yang diaplikasikan untuk Listrik Rumah Desentralisasi SHS ( Solar Home System). Selain itu kemampuan untuk memanfaatkan kelebihan energi matahari serta kemudahan dalam pengembangannya dimasa mendatang merupakan pertimbangan didalam memilih pengontrol ini. Pada tesis ini akan dibuat studi perancangan NFC yang dapat belajar sendiri dalam menentukan parameter-parameternya berdasarkan aturan sistem inferensi fuzzy struktur ANFIS (Adaptive Network Based on Fuzzy Inference System). Pembentukan parameter pengontrol didalam proses belajar sangat tergantung kepada metode pelatihan dan data masukan yang diberikan. Metoda pelatihan menggunakan kaidah rambat mundur (back propagation) seperti pada jaringan syaraf tiruan, sedangkan untuk melengkapi data pelatihan, dibuat model SHS yang dibangun dari gabungan model-model subkomponennya seperti model fotovoltaik, model batere dan lainnya. Model fotovoltaik dengan galat RMS (root mean square error) sebesar 0. 0072 dan model batere asam timbal dengan galat pada kondisi pengisian dan pengosongan masing-masing sebesar 0.0865 dan 0.0053, dipakai untuk membuat sebuah model pengontrol NFC yang dirancang mempunyai dua masukan yang masing-masing mempunyai 5 buah fungsi derajat keanggotaan berbentuk fungsi Bell diperluas, dan satu keluaran sera 25 aturan fuzzy. Pemilihan masukan dilakukan untuk masing-masing 3, 4 dan 5 fungsi derajat keanggotaan, setelah proses pelatihan sampai 2000 kali, pengontrol ini menghasilkan galat RMS masing-masing sebesar 2.404, 0.700, 0.689 secara berurutan. Pada simulasi SHS menggunakan NFC dengan masing-masing masukan mempunyai 5 fungsi derajat keanggotaan diketahui bahwa sistem ini memerlukan beban semu/tambahan didalam proses pengendalian, walaupun demikian pengontrol ini dapat mengurangi osilasi dan dapat menambahkan energi tersimpan di batere sebesar 13% lebih baik dibandingkan dengan pengontrol konvensional pada arus pengisian 1 Ampere.
ABSTRACT The use of Neuro-Fuzzy Controller (NFC) is introduced to handle the limitation of on-off conventional controllers in reducing output oscillation generated by Solar Power Generator System. In the thesis, the simulation is carried out using one of the system applications known as Solar Home System ( SHS). NFC is also expected to solve the excessive solar energy problem that occurs due to limited conventional controller performance. Besides, the resulting NFC is still open for both better operation and further development. The proposed NFC can be trained and learned from data based on ANFIS ( Adaptive Network Base on Fuzzy Inference System). Training is intended to determine all the control parameters. The determination of these parameters does not only depend on learning algorithm but also data that is fed to the system. Error back propagation algorithm is used to train the controller using data that are generated from SHS model consisting of components such as Photovoltaic, Battery etc. Photovoltaic model having RMSE 0.0072, and Battery having 0.0865 ( charging) and 0.0053 (discharging) are used to develop the NFC having 2 inputs, and 1 output. Each input has 5 membership generalized Bell functions. The simulation is also done for 3 and 4-membership functions, using 2000 epochs. The resulting errors are 0.689, 0.700 and 2.404 for 5, 4 and 3 membership function, respectively. The implementation of NFC on SHS model shows that the additional load is needed. However, the designed NFC can still reduce the number of oscillation and store more energy in the battery as much as 13% at charging condition 1 A.
ii
