Algoritma Modified Firefly - Ekstraksi Daya Maksimum Dengan Algoritma Modified Firefly

BAB 4 OPTIMASI EKSTRAKSI DAYA MAKSIMUM PADA PMSG

4.5 Ekstraksi Daya Maksimum Dengan Algoritma Modified Firefly

4.5.1 Algoritma Modified Firefly

Algoritma modified firefly dikembangkan dari algoritma firefly yang memiliki karakteristik cahaya yang berkedip dan dapat dinyatakan dalam tiga rule yaitu [93] [96]:

1. Semua kunang-kunang memiliki jenis kelamin yang sama sehingga suatu kunang-kunang mengikuti yang lain dengan mengabaikan jenis kelamin. 2. Ketertarikan sebanding dengan kecerahan yang dimiliki kunang-kunang

dan keduanya berbanding terbalik dengan jarak antara dua kunang-kunang. Jika dua kunang-kunang berkedip, kunang-kunang yang kurang cerah akan bergerak mengikuti yang lebih cerah. Suatu kunang-kunang akan bergerak secara acak jika tidak ada yang lebih cerah disbanding dirinya.

3. Kecerahan atau intensitas cahaya suatu kunang-kunang dipengaruhi atau ditentukan oleh fungsi objektif yang akan dioptimasi.

Kecerahan dan variasi intensitas cahaya merupakan faktor penting di dalam algoritma firefly. Untuk maksimalisasi, kecerahan dapat disederhanakan secara proposional denga fungsi objektif. Intensitas cahaya bervariasi secara monoton dan eksponensial dengan jarak yang dapat dinyatakan dengan

(4.16 )

Io merupakan intensitas cahaya awal dan γ merupakan koefisien penyerapan cahaya yang merupakan parameter penting yang berhubungan dengan

variasi ketertarikan. Nilai γ merepresentasikan koefisien cuaca. Semakin tinggi nilai γ merepresentasikan cuaca berkabut, sedangkan semakin rendah nilai γ

merepresentasikan cuaca sedang cerah. Apabila cuaca berkabut, maka kunang-kunang akan cenderung mendekati kunang-kunang-kunang-kunang yang lebih dekat meskipun kurang terang karena kabut akan menghalangi kecerahan kunang-kunang terlihat oleh yang lain. Berkebalikan dari itu, apabila cuaca cerah maka kunang-kunang dapat melihat seluruh kunang-kunang karena tidak ada kabut yang menghalangi. Kunang-kunang yang redup akan mendekati kunang-kunang yang paling terang,

meskipun sangat jauh. Jika γ sebesar 0 maka ketertarikan kunang-kunang dengan lainnya akan konstan dan algoritma firefly akan sama dengan particle swarm optimization (PSO). Namun, jika γ sebesar ∞ maka ketertarikan akan sama

antara dua kunang kunang dengan posisi xi dan xj yang dinyatakan dengan persamaan euclidean

√∑( ) (4.17)

dimana Xi,k merupakan komponen kth dari xi dari kunang-kunang ke i. Jika intensitas cahaya sebanding dengan ketertarikan maka derajat ketertarikan, βm, merupakan fungsi dari jarak antara dua kunang-kunang yang dapat dinyatakan dengan

(4.18)

Dimana βo merupakan ketertarikan awal pada saat r sebesar 0. Semakin besar

nilai βm, maka kunang akan semakin cepat dalam mendekati kunang-kunang yang lebih terang, sehingga proses pencarian menjadi lebih cepat namun

kurang akurat. Sebaliknya apabila nilai βm kecil, maka akan lebih lambat, namun akan lebih teliti dalam mencari nilai puncak [95][99]. Dengan asumsi bahwa kecerahan kunang-kunang ke i kurang dari j maka perpindahan kunang-kunang i mengikuti j dapat dinyatakan dengan

( ) (4.19)

Dimana α merupakan pengali dari nilai vector acak ( yang suatu angka antara 0 dan 1 yang dibangkitkan dengan menggunakan distribusi normal. Kunang-kunang selain bergerak mendekati kunang-kunang yang lebih terang juga

bergerak secara acak. Semakin besar nilai α, maka kunang-kunang akan cenderung bergerak secara acak. Pergerakan kunang-kunang tergantung dari tiga kondisi yaitu posisi kunang-kunang saat ini, daya tarik kunang-kunang satu dengan yang lain, dan gerakan acak kunang-kunang yang ditentukan oleh nilai α.

Jumlah kunang-kunang juga mempengaruhi kecepatan dan ketepatan dari proses pencarian daya puncak. Semakin banyak kunang-kunang, maka dalam satu iterasi akan memerlukan banyak waktu, namun pencarian akan lebih akurat. Kemudian apabila jumlah kunang-kunang sedikit, maka dalam satu iterasi proses pencarian akan lebih cepat namun tidak akurat [93] .

Gambar 4. 14 Pemodelan Untuk Implementasi MPPT dengan Metode Modified

Firefly

Dalam penelitian ini, algoritma firefly yang akan dimodifikasi sebagai MPPT untuk mendapatkan titik daya maksimum pada sistem turbin angin dengan PMSG yang terhubung ke grid. Performansi algoritma telah divalidasi melalui Simulasi dengan menggunakan pemodelan simpower pada Matlab, seperti yang ditunjukkan pada Gambar 4.14. Algoritma modified firefly akan mengatur duty cycle dari konverter boost tanpa menggunakan sensor mekanik. Penggunaan sensor tegangan dan arus dapat meningkatkan akurasi sistem dibandingkan dengan sensor mekanik. Pada algoritma modified firefly, duty cycle

merepresentasikan posisi kunang-kunang dan daya keluaran penyearah yang didapatkan dari pengukuran tegangan dan arus keluaran penyearah, merepresentasikan tingkat kecerahan kunang-kunang. Posisi kunang-kunang yang lebih rendah nilai dayanya akan mendekati posisi kunang-kunang yang lebih tinggi nilai dayanya berdasarkan persamaan 4.19.

Pada penelitian ini, dua modifikasi yang dilakukan pada algoritma kunang-kunang. Kecepatan kunang-kunang untuk mendapatkan posisi tergantung pada nilai α dan βm. Modifikasi pertama melalui nilai α yang akan di perbaharui untuk tiap iterasi berdasarkan persamaan

(4.20)

Dimana merupakan parameter acak sebelumnya dan k merupakan jumlah iterasi. Semakin besar nilai α maka gerakan kunang-kunang akan semakin menyebar dan membuat konvergen semakin lama. Oleh karena itu pada

wind speed ^Ws Wp Tm Wr A B C wind generator [Wr] Wr [Wp] Wp v + -Voltage v + -Volt 1 120 Vdcref [Tm] Tm A B C + -Rectifier In 2 D1 PWM I V Duty Modified Firefly MPPT L V DC LINK_ref V DC Pulse

Kontrol Sisi Grid

g A B C + -Inverter g m C E IGBT i + -I1 A C B Grid Diode C 1 C

penelitian ini nilai α terus diperbarui, semakin besar iterasi maka nilai α harus semakin kecil karena pencarian mendekati penyelesaian optimal. Selain itu algoritma akan mengevaluasi kecerahan kunang-kunang berdasarkan daya keluaran maksimum. Posisi kunang-kunang setelah diperbaharui dapat dinyatakan dengan

( ) (4.21)

Diagram alir algoritma modified firefly seperti yang ditunjukkan pada Gambar 4.15 yang terdiri dari beberapa tahapan yaitu

 Langkah 1 : inisialisasi parameter modifiedfirefly. Jumlah kunang-kunang yang digunakan dalam algoritma menentukan waktu komputasi. Semakin besar jumlah kunang-kunang maka waktu komputasi akan semakin lama. Oleh karena itu pada penelitian ini menggunakan jumlah kunang-kunang sebanyak 10. Nilai βo= 1, = 1,15 dan α0 = 0,009

 Langkah 2 : Mengukur tegangan dan arus keluaran penyearah dan menghitung daya konverter dengan menggunakan persamaan Pdc = Vdc . Idc

 Langkah 3 : Mengevaluasi kecerahan setiap kunang-kunang, yang merupakan daya keluaran konverter, dengan menentukan nilai maksimum.  Langkah 4 : Menentukan nilai βm menggunakan persamaan 4.18 dan nilai

α menggunakan persamaan 4.20 .

 Langkah 5 : Memperbaharui posisi kunang-kunang menggunakan persamaan 4.21.

 Langkah 6 : Menentukan apakah iterasi sudah mencapai maksimum jika belum akan mengulang ke langkah 2 dan berhenti hingga mencapai konvergen dan mencapai solusi optimal

Start

Initialisasi parameter algoritma modified Firefly

Menghitung daya keluaran penyearah

Mengevaluasi kecerahan kunang-kunang

Menghitung βm dan α

Memperbarui posisi kunang-kunang

Maxiterasi tercapai

Yes No

Mengirim duty cycleke konverter boost

Gambar 4. 15 Diagram Alir Algoritma ModifiedFirefly

Dalam dokumen Pengembangan Strategi Kontrol Optimal Pada PMSG Wind Turbine Melalui Sistem Penyimpan Energi Berbasis Algoritma Swarm Intelligence - ITS Repository (Halaman 110-114)