2019 : PENGEMBANGAN SISTEM CHARGING BATERAI PADA PEMBANGKIT LISTRIK TENAGA SURYA SKALA KECIL BERBASIS PENJEJAK MATAHARI DUA SUMBU MENGGUNAKAN KONTROL ADAPTIVE NEURO-FUZZY INFERENCE SISTEM (ANFIS)

Dr. Ir. Ronny Dwi Noriyati M.Kes
Dr. Drs. Chairul Imron MI.Komp.
Dr. Dra. Mardlijah MT
Dr. Imam Abadi ST., MT


Abstract

Sebagian besar Sistem Pembangkit Listrik Tenaga Surya (PLTS) di Indonesia baik untuk skala besar maupun kecil, umumnya masih terpasang secara fixed (tetap), hal ini menjadikan PLTS belum bisa secara maksimal menyerap radiasi matahari dan mengkonversinya menjadi energy listrik. Salah satu faktor kurang maksimalnya penerimaan radiasi ini disebabkan oleh posisi objek yang terus bergerak sementara PLTS di setup secara fixed. Usulan solusi yang digunakan untuk mengatasi masalah ini adalah melengkapi PLTS dengan sistem penjejak matahari (Solar Tracker) untuk melacak posisi dan pergerakan matahari sepanjang hari. Selain memaksimalkan penerimaan radiasi matahari melalui solar tracker, treatment peningkatan efisiensi PLTS juga bisa dilakukan melalui output PV dengan menggunakan penjejak daya maksimum (Maximum Power Point Tracking). Kedua pendekatan ini telah dilakukan pada 2 tahun penelitian pertama dan telah berhasil meningkatkan performansi dari PLTS (Photovoltaic) secara signifikan. Di sisi lain, proses penyimpanan energy listrik yang dihasilkan dari PLTS berbasis solar tracker dan MPPT ini menjadi hal yang sangat penting. Selain meningkatkan efektifitas dan kontinyuitas penyimpanan energy listrik, keamanan dan kendalan baterai juga menjadi pertimbangan utama dalam proses pengisiannya. Oleh karena itu dibutuhkan sebuah teknik pengisian baterai (Battery Charging System) yang mampu mengkondisikan input yang stabil pada baterai agar proses pengisiannya berlangsung optimal, mengingat penyedia sumber energi listrik masih bersifat fluktuatif karena bergantung variabel radiasi matahari dan suhu lingkungan. Sistem charging baterai yang dikembangkan pada penelitian ini adalah menggunakan Solar Charger Controller (SCC) berbasis Adaptive Neuro Fuzzy Inference System (ANFIS). Metode ANFIS digunakan oleh karena kemampuannya dalam melakukan tunning parameter fuzzy secara adaptive bergantung pada perubahan parameter plant. Selain itu, ANFIS juga memiliki kecepatan konvergensi serta akurasi yang tinggi dalam menemukan solusi optimal. SCC yang dikembangkan terdiri dari DC-DC converter yang menggunakan model Single Ended Primary Inductance Converter (SEPIC). Model SEPIC dipilih oleh karena beberapa kelebihannya dibandingkan dengan metode lain seperti kemampuan menurunkan dan menaikkan tegangan secara adaptif, polaritas tegangan input yang noninverting, arus masukan yang memiliki karakteristik non pulsating serta efisiensi yang tinggi. Selain converter, SCC dilengkapi dengan system kontrol ANFIS yang berfungsi mengendalikan tegangan pengisian baterai sesuai dengan spesifikasi baterai. Prinsipnya adalah system kontrol ANFIS yang dirancang menggunakan informasi tegangan pada baterai sebagai masukan sedangkan keluaran kontrolnya berupa variabel duty cycle atau frekuensi switching pada converter SEPIC. Kontrol cerdas diperlukan untuk setting duty cycle yang tepat berdasarkan informasi tegangan dan arus output PV serta karakteristik beban yang diberikan. Kinerja kontroler ANFIS akan diukur menggunakan indeks performansi kontrol meliputi RiseTime (tR), SettlingTime (tS), PeakTime (tP), eror steady state (ess) dan Maximum Overshoot (Mov). Pengujian system charging baterai yang dirancang dilakukan secara simulasi dan real plant untuk mengetahui berapa besar efisiensi yang dihasilkan dibandingkan dengan system tanpa menggunakan system charging baterai. Keyword: PV, solar charging baterai, ANFIS