DESAIN DAN SIMULASI MAXIMUM POWER POINT TRACKING (MPPT) BERBASIS NEURAL NETWORK PADA PLTS MENGGUNAKAN BOOST CONVERTER | ELECTRONIC THESES AND DISSERTATION
Image of DESAIN DAN SIMULASI MAXIMUM POWER POINT TRACKING (MPPT) BERBASIS NEURAL NETWORK PADA PLTS MENGGUNAKAN BOOST CONVERTER

DESAIN DAN SIMULASI MAXIMUM POWER POINT TRACKING (MPPT) BERBASIS NEURAL NETWORK PADA PLTS MENGGUNAKAN BOOST CONVERTER

Pengarang : Siti Roqiah Darsono - Personal Name;

Perpustakaan UBT : Universitas Borneo Tarakan., 2025
XML Detail Export Citation
    SKRIPSI

Abstract

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: Photovoltaic, mppt, neural network, boost converter

One kind of renewable energy source that is prevalent in nature is solar energy, which is produced from sunshine. One of the issue with using solar panels, also known as PV (photovoltaic), is that the electrical power genereted varies depending on weather factors like temperature and sunlight intensity. As a result, the panel output power frequently falls short of its maximum potential. A control technique called Maximum Power Point Tracking (MPPT) must be used to further boost the power and voltage of the solar panel output. The aim of this study was to develop and model the Maximum Power Point Tracking algorithm, which could be applied to neural networks with voltage-increasing boost converters. The study’s boost output current, 484.9 V of output voltage, and 995.5 W of output power were produced. The higher the duty cycle value, the higher the output current, voltage, and power. The MPPT genereted and output voltage of 73.8 V to 293.2 V at a constant temperature when the light intensity was adjusted between 100 and 1.000W/m² at 25°C Keywords : Photovoltaic, MPPT, Neural Network, Boost converter.

Detail Informasi