Rancang Bangun Blade Pitch Angle Control Prototype Turbin Angin Berbasis Interval Fuzzy Logic Type II

Abstrak---Energi angin merupakan salah satu sumber

energi terbarukan. Kecepatan angin yang berubah-ubah menjadi kendala dalam desain turbin angin konvensional. Hal tersebut tentunya berpengaruh pada kecepatan putar turbin angin yang bergantung pada kecepatan angin. Dalam tugas akhir ini telah dirancang sebuah sistem pengendalian blade pitch angle control pada prototype turbin angin yang berbasis Interval Fuzzy Logic Type II. Tujuannya adalah didapatkan hasil berupa putaran optimal pada wind turbine. Dari hasil pengujian menunjukkan bahwa pada setpoint 10 pps sistem pengendalian ini memiliki maximum overshoot time sebesar 50%, error steady state 16,3%; setpoint 20 pps memiliki maximum overshoot time 35%, error steady state 12,65%; setpoint 30 pps memiliki maximum overshoot time 26,7%, error steady state 10,4%; sedangkan untuk setpoint 40 pps memiliki maximum overshoot time 12.5%, error steady state 5%. Berdasarkan perbandingan yang telah dilakukan terhadap 3 sistem pengendalian yang berbeda yaitu algoritma fuzzy, interval fuzzy type II, dan ANFIS, dapat disimpulkan bahwa respon sistem terbaik adalah respon sistem pengendalian sudut pitch turbin angin menggunakan algoritma fuzzy.

Kata kunci : blade pitch angle control, error steady state turbin angin, Interval Fuzzy Logic Type II, maximum overshoot

I. PENDAHULUAN

NDONESIA merupakan Negara kepulauan dengan panjang garis pantai terbesar ke- empat di dunia dengan panjang mencapai 95.181 Km. Pesisir indonesia memiliki potensi sumer daya angin yang besar. Potensi energy angin di Indonesia adalah 73 GW dengan kapasitas pemasangan optimum 25 MW, sedangkan instalasi yang terpasang saat ini sekitar 0,6 MW. Rendahnya pemanfaatan energy angin di Indonesia, juga berdampak pada pengemabangan teknologi turbin angin yang ada di Indonesia.

Indikator keterbatasan pengembangan teknologi turbin angin di Indonesia dapat dilihat pada penggunaan turbin angin yang bersifat konvensional artinya tanpa adanya mode kontrol. Kecepatan putar turbin terlalu rendah akan berpengaruh pada putaran generator yang dihasilkan sehingga tidak bisa bekerja secara optimal. Akan tetapi, kecepatan angin yang terlalu kencang akan berdampak pada range kerja putaran turbin melebihi ambang kerja, mengakibatkan kerja generator melebihi kapasitas sehingga berpengaruh pada umur generator.

Pada makalah penelitian ini dirancang Blade Pitch Angle Control Turbin Angin Berbasis Interval Fuzzy Logic Type II”. Hal tersebut diharapkan akan mampu mengoptimalkan kerja

dari turbin angin dalam menerima variasi kecepatan angin. Sistem kontrol ini telah digunakan untuk mengontrol sudut kemiringan dari blade (pitch angle). Dengan berubahnya sudut dari blade maka akan secara signifikan mengubah aerodinamis dari blade. Perubahan aerodinamis ini kemudian akan mengubah besarnya daya angin yang ditangkap[1].

Metode IT2FLS merupakan perbaikan dari metode fuzzy tipe 1. Fungsi keanggotaan pada fuzzy tipe 1 masih sangat sederhana, sehingga pada fungsi keanggotaan IT2FLS diperbaiki dengan memberi interval tertentu. Diharapkan dengan menggunaka mode kontrol ini dapat menghasilkan optimasi blade pitch angle turbin angin untuk setiap variasi kecepatann angin yang diterima. Permasalahan yang akan diangkat dalam jurnal penelitian kali ini adalah bagaimana rancang bangun Sudut Blade Pitch Angle Control Turbin Angin Berbasis Interval Fuzzy Logic Type II, sehingga memberikan hasil putaran yang optimal pada blade turbin angin.

II. TURBINANGIN

Turbin angin dengan konfigurasi elektrik dan mekanik yang berbeda akan menghasilkan daya listrik yang berbeda, namun teori tentang aerodinamis blade tetap sama. Angin memiliki energi kinetik karena mengandung massa dan kecepatan. Turbin angin menangkap energi kinetik tersebut dan merubahnya menjadi energi putaran rotor.

Gambar 1. Vektor gaya pada blade turbin [1]

Pada gambar 1 dijelaskan ketika sebuah air foil terkena angin dari arah depan W, maka akan menghasilkan vektor gaya lift (FL) dan drag (FD) dengan resultan (FT). Gaya lift dan gaya drag ini perubahannya dipengahuri langsung oleh bentuk geometri blade, kecepatan dan arah angin terhadap garis

Rancang Bangun Blade Pitch Angle Control Prototype

Turbin Angin Berbasis Interval Fuzzy Logic Type II

Dwi Aftika, Ali Musyafa’

Jurusan Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111

E-mail: Musyafa@ep.its.ac.id

utama blade. Akibat dari perubahan gaya lift dan drag, maka kecepatan sudut dan torsi poros akan berubah pula (6; 3). Sistem pengendalian kemiringan sudut (𝛽𝛽) adalah salah satu mekanisme kontrol pada turbin angin yang bekerja dengan mengendalikan aerodinamis dari blade melalui kontrol kemiringan sudut blade terhadap arah tiupan angin (angle of attack 𝛼𝛼) seperti tampak pada gambar 1.[1] Perubahan sudut blade ini akan mempengaruhi kecepatan sudut (RPM) dari shaft karena adanya perubahan jumlah daya tiup angin yang diterima oleh blade yang dikonversi menjadi kecepatan putar shaft.

Daya mekanik yang dapat dihasilkan turbin angin pada kecepatan angin v, luas penampang tersapu angin A memenuhi persamaan

𝑃𝑃𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤 =1_{2 𝜌𝜌}𝑎𝑎𝑤𝑤𝑎𝑎. 𝐴𝐴. 𝑣𝑣3 (1) Pada kondisi sebenarnya massa jenis udara bergantung pada kelembapan dan suhu udara. Efisiensi mekanik bergantung pada koefisien daya 𝑐𝑐𝑝𝑝. Koefisien daya turbin angin merupakan fungsi dari tip speed ratio dan kemiringan sudut 𝑐𝑐𝑝𝑝(𝜆𝜆, 𝜃𝜃). Tip speed ratio (TSR) didefinisikan sebagai perbandingan kecepatan linier rotor dan kecepatan angin, dengan 𝜔𝜔 adalah kecepatan anguler blade maka TSR didefinisikan [1]

𝜆𝜆 =𝜔𝜔. 𝑅𝑅_{𝑣𝑣 (2)} Dengan mensubtitusikan persamaan1 ke persamaan 2 didapatkan daya turbin angin

𝑃𝑃𝑡𝑡𝑡𝑡𝑎𝑎𝑡𝑡𝑤𝑤𝑤𝑤 =1_{2 𝑐𝑐}𝑝𝑝(𝜆𝜆, 𝜃𝜃). 𝜌𝜌𝑎𝑎𝑤𝑤𝑎𝑎. 𝐴𝐴. 𝑣𝑣3 (3) Secara teori, nilai 𝑐𝑐𝑝𝑝 tidak akan pernah lebih besar dari 59,3% . Hal ini dikemukakan oleh Albert Betz, seorang fisikawan Jerman. Teori tersebut dikenal dengan Limit Betz. Pada saat ini, turbin angin modern memiliki nilai 𝑐𝑐_𝑝𝑝 yang berkisar antara 35-45%.obyek yang terkandung di dalamnya tetap dapat dibaca atau dibedakan.

III. INTERVALFUZZYLOGICTYPEII A. Penjelasan Umum

Fuzzy Logic type 2 merupakan pengembangan dari Fuzzy Logic type 1. Pada Fuzzy Logic type-1 sering kali basis pengetahuan yang digunakan untuk membangun rules tidak menentu. Ada tiga alasan mengapa ketidaktentuan rules bisa terjadi, yaitu:

a. Kata yang digunakan sebagai antecedents dan consequents dari rules bisa mempunyai makna yang berbeda pada orang yang berbeda.

b. Consequents yang diperoleh dari polling sekelompok ahli akan seringkali berbeda pada rule yang sama dikarenakan para ahli belum tentu semuanya setuju pada rule tersebut.

c. Data training yang mengandung banyak noise.[4] Fungsi keanggotaan Fuzzy Logic type 1 tidak bisa secara langsung menangani ketidakpastian rule. Fungsi keanggotaan antecendent atau consequent Fuzzy Logic type 2 mampu menangani ketidakpastian aturan. Konsep ketidakpastian dari fuzzy set type-2 pertama kali dikenalkan oleh Zadeh, sebagai

pengembangan dari konsep ordinary fuzzy set. Tingkatan pada fuzzy set type-2 bisa berada pada primary membership subset, dan pada secondary membership subset. Sama dengan Fuzzy Logic type 1, fuzzy Logic type 2 juga meliputi membership fuction, Fuzzy Inference System, dan defuzzyfikasi.[3]

B. Membership Function

Interval type-2 fuzzy logic memiliki kesamaan dengan fuzzy logic tipe-1 yaitu proses fuzzifier, rule base, inference engine, dan output processor. Output processor, meliputi tipe reducer dan defuzzifier menghasilkan suatu output fuzzy set tipe-1 atau sebuah bilangan. Namun perbedaannya terletak dalam proses pencarian centroid pada interval type-2 fuzzy set dilakukan dengan Upper Membership Function (UMF) dan Lower Membership Function (LMF).

Fungsi keanggotaan dalam interval type 2 fuzzy logic diatur sebagai daerah yang disebut dengan Footprint Uncertainty dimana dibatasi dengan 2 type 1 fungsi keanggotaan fuzzy logic UMF dan LMF. Fungsi keanggotaan interval type 2 fuzzy logic dapat dilihat pada gambar 5 berikut ini :

Gambar 2. Footprint of Certainty[3]

C. Operasi pada Membership function type-2

Operasi pada Interval Type-2 Fuzzy set hampir sama dengan Type-1 Fuzzy set, hanya saja pada Interval Type-2 Fuzzy System, operasi dilakukan pada dua interval, atas (UMF) dan bawah (LMF) sekaligus. Operasi pada membership function type-2 dapat dilihat pada Gambar 3 sebagai berikut.

Gambar 3. Operasi pada Membership Function Type-2[3]

D. Fuzzy Interference System

Fuzzy Inference System pada type-2 hampir sama dengan Fuzzy Inference System pada Type-1, dengan

menggunakan tahapan yang sama.[5] Operasi Fuzzy Inferenece System dapat dilihat pada Gambar 7 sebagai berikut.

Gambar 4. Fuzzy Inference System pada Type-2[3]

IV. METODOLOGIPENELITIAN

Adapun diagram alir penelitian adalah sebagai berikut :

Gambar 5. Diagram Alir Penelitian

Dari diagram alir diatas, dapat dijelaskan bahwa proses pengerjaan penelitian tugas akhir berjudul Rancang

Bangung Blade Pitch Angle Control Prototype Turbin Angin Berbasis Interval Fuzzy Logic Type II adalah sebagai berikut : A. Perancangan Prototype Turbin Angin

Turbin yang dirancang memiliki diameter 2 m dan memiliki 3 bilah utama. Turbin yang dirancang merupakan Horozontal Axis Wind Turbine. Turbin angin akan dilengkapi sensor kecepatan yang berupa Rotary Encoder yang terintegrasi dengan ATMEGA 16 sebagai indikator kecepatan turbin angin. Turbin angin memiliki berat 1297 gram untuk masing- masing blade. Sebagai aktuator penggerak blade digunakan motor servo dengan torsi maksimum sebesar 6kg.cm.

B. Perancangan Algoritma Kontrol menggunakan Interval Fuzzy Type 2

Algoritma disusun dengan menggunakan logika interval fuzzy type 2. Logika yang ada akan disusun dalam bahasa C sehingga bisa digunakan dalam mikrokontroler ATEMEGA 16. Algoritma yang dirancang memiliki dua fungsi keanggotaan input dan 1 fungsi keanggotaan output type takagi sugeno. Adapun fungsi keanggotaan untuk masing-masing input dan output, dapat dilihat pada gambar sebagai berikut :

Gambar 6. Fungsi keanggotaan input error

Gambar 7. Fungsi keanggotaan input delta error

Berdasarkan software komputasi yang digunakan, metode Takagi-Sugeno dengan nilai output konstan tidak memperhatikan bentuk fungsi keanggotaan input. Sistem perbandingan dua input yang digunakan adalah maksimum. Apabila data input terletak pada bagian perpotongan maka nilai yang diambil adalah nilai maksimum, sehingga batas pada daerah yang berpotongan tersebut adalah perpotongan dua fungsi garis lurus.

Batas input error

NH_UMF : [-102.5 -60 -40 -19] NH_LMF : [-103 -59.7 -40 -20.5] NM_UMF : [-28.5 -20 -10.5] NM_LMF : [-27 -20 -12] NL_UMF : [-19.5 -10.5 0.25] NL_LMF : [-17.5 -10.5 -1.5] ZE_UMF : [-6.5 0 6.5] No ya No ya Mulai

Perancangan Protoype Wind Turbine

Perancangan algoritma kontrol menggunakan Interval Fuzzy type 2 Simulasi algoritma kontrol menggunakan Software komputasi

Pengujian algoritma kontrol

Berhasil

Pengambilan data Interface hardware dan software

Berhasil

Analisa Data dan Pembahasan

Pembuatan Laporan

ZE_LMF : [-5 -0 5] PL_UMF : [-0.25 10 19.5] PL_LMF : [1.25 10 18] PM_UMF : [10.5 20 28.5] PM_LMF : [12 20 27] PH_UMF : [19 40 60 109] PH_LMF : [20.5 40 60 109] Batas input delta error NB_UMF : [-21 -16.5 -12] NB_LMF : [-20 -16.5 -13] NM_UMF : [-16 -11 -6] NM_LMF : [-15 -11 -7] NS_UMF : [-10.5 -5.5 -1.5] NS_LMF : [-9.5 -5.5 -2.5] ZE_UMF : [-4.98 0 4.97] ZE_LMF : [-5 0 5] PS_UMF : [-4 0 4] PS_LMF : [0.75 5 10.5] PM_UMF : [1.75 5 9.5] PM_LMF : [7 11 15] PB_UMF : [12 16.5 21] PB_LMF : [13 16.5 20]

Nilai output sudut pitch : 0, 5, 10, 15, 20, 25, 30, 35, 40, 45. Batasan fungsi kenggotaan dibuat lebih sempit, agar nilai output semakin teliti. Namun, resolusi terkecil yang dihasilkan adalah 50.

C. Perancangan Rule Base

Perancangan rule base pada fuzzy type 2 tidak berbeda dengan perancangan rule base pada fuzzy biasa. Rule base atau aturan logika fuzzy merepresentasikan hubungan antara input-output. Rule base dibangun berdasarkan data yang telah diambil sebelumnya Tabel 1. Rule base DE / E NH NM NL ZE PL PM PH NB 45 45 40 15 15 15 15 NM 45 45 40 10 10 10 15 NS 40 35 20 5 10 10 10 ZE 40 35 20 5 10 10 10 PS 35 20 15 5 10 10 10 PM 30 15 10 10 5 5 5 PB 30 15 10 10 5 5 5 Dimana, 𝑬𝑬𝑬𝑬𝑬𝑬𝑬𝑬𝑬𝑬 = 𝒔𝒔𝒔𝒔 – 𝒔𝒔𝒔𝒔𝒔𝒔 (𝒗𝒗𝒗𝒗𝑬𝑬𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗 𝒔𝒔𝑬𝑬𝑬𝑬𝒔𝒔𝒗𝒗𝒔𝒔) (𝟑𝟑. 𝟑𝟑) 𝑫𝑫𝒗𝒗𝒗𝒗𝑫𝑫𝒗𝒗 𝒗𝒗𝑬𝑬𝑬𝑬𝑬𝑬𝑬𝑬 = 𝒗𝒗𝒏𝒏 – 𝒗𝒗𝒏𝒏−𝟏𝟏 (𝟑𝟑. 𝟒𝟒) D. Simulasi Algoritma Kontrol dengan Menggunakan

Software Komputasi

Simulasi ini bertujuan untuk mendapatkan kesesuaian logika kontrol yang ada dengan karakteristik turbin angin yang telah dibuat. Simulasi juga berguna untuk menghindari kesalahan sekecil mungkin saat proses pengambilan data pada plan sebenarnya.

E. Pengujian Algoritma Kontrol

Pengujian algoritma kontrol dilakukan untuk mengetahui bahwa kontrol yang dibuat berfungsi dengan baik atau tidak.

F. Interface Hardware dan Software

Bahasa pemrograman yang digunakan berbasis bahasa C. Dengan demikian, algoritma yang telah disusun diubah ke dalam bahasa C, sehingga bisa dimasukkan ke dalam mikrokotroler.

V. ANALISADATADANPEMBAHASAN

A. Analisa Kualitatif Respon System Pengendalian Sudut Pitch Turbin Angin menggunakan Interval Fuzzy Type II Analisa kualitatif dilakukan dengan cara membandingkan parameter kontrol seperti maksimum overshoot dan error steady state. Dengan analisa ini dapat diketahui kehandalan dan kualitas sistem pengendalian dalam melakukan respon terhadap setpoint yang diberikan. Pada gambar 8 berikut merupakan respon sistem saat diberikan setpoint 10 pps.

Gambar 8. Respon sistem setpoint = 10 pps

Saat diberikan setpoint 10 pps, respon sistem berfluktuasi antara 7-15 pps. Sistem memiliki maksimum overshoot sebesar 15 pps. Dari perhitungan didapatkan nilai standard deviasi untuk respon sistem sebesar 1,99 pps. Untuk nilai dari rata-rata respon sistem untuk setpoint 10 sebesar 10.84, dan memiliki error steady state sebesar 1,63. Secara kualitas tentu tidak memenuhi toleransi error yang diberikan jika diambil toleransi sebesar 5%.

Pada gambar grafik respon sistem yang ditunjukkan pada gambar 9 di bawah ini merupakan respon sistem jika diberikan standard deviasi sebesar 20 pps.

Gambar 9. Grafik respon sistem untuk setpoint sebesar 20pps

Ketika diberikan setpoint sebesar 20 pps, respon sistem berfluktuasi antara 27-17 pps dengan maksimum overshoot sebesar 27 pps. Dari perhitungan didapatkan nilai standard deviasi untuk respon sistem sebesar 2.1 pps. Nilai dari rata-rata respon sistem untuk setpoint 20 saat steady state sebesar 20,6 dan memiliki error steady state sebesar 2,53. Jika dilihat dari besarnya error yang dihasilkan, secara kualitas tentu tidak memenuhi toleransi error yang diberikan jika diambil toleransi sebesar 5%. Sedangkan untuk respon sistem dengan nilai setpoint sebesar 30 pps dapat dilihat pada gambar 10 sebagai berikut:

Gambar 10. Grafik respon sistem untuk setpoint sebesar 30 pps. Ketika diberikan setpoint sebesar 30 pps, respon sistem

berfluktuasi antara 38-27 pps dengan maksimum overshoot sebesar 38 pps. Dari perhitungan didapatkan nilai standard deviasi untuk respon sistem sebesar 3,32 pps. Nilai dari rata-rata respon sistem untuk setpoint 30 saat steady state sebesar 31,9, dan memiliki rata-rata error steady state sebesar 3,13 pps. Jika ditinjau dari besarnya error yang dihasilkan, secara kualitas tentu tidak memenuhi toleransi error yang diberikan jika diambil toleransi sebesar 5% (nilai 5% dari setpoint sebesar 1,5) .

Untuk nilai setpoint tertinggi yang diberikan untuk proses pengambilan data adalah 40 pps. Respon sistem untuk kecepatan tinggi ternyata memiliki respon yang relatif stabil dibanding dengan setpoint yang diberikan sebelumnya. Untu lebih jelasnya, dapat dilihat pada gambar 11 grafik resposn sistem di bawah ini.

Gambar 11. Grafik respon sistem untuk setpoint= 40pps

Sistem memiliki maksimum overshoot sebesar 45 pps. Dari perhitungan didapatkan nilai standard deviasi untuk respon sistem saat mencapai sebesar 1,83 pps. Untuk nilai dari rata-rata respon sistem untuk setpoint 40 sebesar 41,64 pps dan memiliki error steady state sebesar 2,0 pps. Untuk setpoint 40 pps, sistem pengendalian memenuhi toleransi error steady state sebesar 5% (5% dari 40 pps sebesar 2 pps). Dengan demikian untuk kecepatan yang relatif tinggi dalam hal ini 40 pps.

Dari 4 variasi setpoint yang telah diberikan, secara garis besar respon sistem dari algoritma pengendalian sudut pitch turbin angin menggunakan interval fuzzy type II dapat dilihat pada tabel 2 sebagai berikut :

Tabel 2.

Analisa respon sistem pengendalian Interval Fuzzy type II Setpoint (pps) Maximum overshoot Rata-rata kondisi steady Error Steady State STDEV 10 50% 10,84 16,3% 1,99 20 35% 20,6 12,65% 2,1 30 26.7% 31,9 10,4% 3,32 40 12.5% 41.64 5% 1,83

Dari tabel 2 di atas dapat diketahui bahwa sistem pengendalian sudut pitch turbin angin menggunakan interval fuzzy type II stabil saat diberikan setpoint yang relatif tinggi (30-40 pps).

B. Uji Tracking Setpoint

Pengujian tracking setpoint dilakukan dengan memberikan nilai setpoint antara 20 pps menuju ke 30 pps kemudian turun kembali ke 20 pps. Algoritma kurang stabil untuk perubahan setpoint secara mendadak. Jadi dapat dikatakan waktu yang dibutuhkan turbin angin untuk mencapai perubahan setpoint yang diberikan relatif lama. Untuk lebih jelasnya, dapat dilihat pada gambar 12 sebagai berikut :

Gambar 12. Grafik respon sistem untuk tracking setpoint

Dari grafik pada gambar 16 di atas, jelas bahwa sistem kendali sudut pitch turbin angin menggunakan interval fuzzy type 2 kurang cocok untuk diterapkan untuk model pengendalian dengan tipe tracking setpoint. Hal tersebut dikarenakan semakin panjang algoritma fuzzy yang digunakan, semakin lama sistem (turbin angin) untuk menyesuaikan setpoint yang diberikan. Pada grafik diatas, urbin angin mengalami kondisi steady untuk setpoint 20 saat t=80. Ketika setpoint dinaikkan menjadi 30 pps, turbin angin menyesuaikan dengan setpoint yang ada. Kemudian setpoint coba diturunkan ke 20 pps. Penurunan setpoint yang tiba-tiba, membuat penurunan pps menuju setpoint yang diinginkan terjadi secara drastis. Waktu yang dibutuhkan dari 30 pps menuju ke 20 pps sekitar 50s.

C. Analisa Kuantitatif Integral Time Absolute Error Sistem Pengendalian (ITAE)

Analisa kuantitatif sistem pengendalian dilakukan dengan cara menghitung Integral Time Absolute Error (ITAE). Nilai dari ITAE dihitung selama proses pengamatan. Tujuan dengan adanya analisa ini adalah mengetahui jumlah error absolut respon sistem terhadap setpoint yang dihasilkan. ITAE dihitung berdasarkan nilai setpoint yang diberikan.Untuk lebih jelasnya, besarnya nilai ITAE dapat dilihat pada tabel 3 sebagai berikut. Tabel 3. ITAE t= 140s No Setpoint (pps) ITAE 1 10 31460 2 20 58380 3 30 105420 4 40 129780

Nilai ITAE mengalami kenaikan mengikuti dari kenaikan setpoint yang diberikan. Hal tersebut dikarenakan waktu yang

digunakan sistem untuk mencapai steady state berbanding lurus dengan nilai set point yang diberikan.

D. Perbandingan Sistem Pengendalian Sudut Pitch Turbin Angin menggunakan Interval Fuzzy Type II, Ordinary Fuzzy dan ANFIS

Tujuan dari perbandingan ini adalah ingin mengetahui respon sistem pengendalian terbaik untuk sudut pitch turbin angin. Untuk parameter perbandingan akan dilihat berdasarkan maximum overshoot, standard deviasi, error steady state dan nilai dari ITAE.

Tabel 4.

Sistem pengendalian sudut pitch turbin angin menggunakan interval fuzzy type 2 Setpoint (pps) Maximum overshoot Rata-rata kondisi steady Error Steady State STD EV ITAE 10 50% 10,84 16,3% 1,99 31460 20 35% 20,6 12,65% 2,1 58380 30 26.7% 31,9 10,4% 3,32 105420 40 12.5% 41.64 5% 1,83 129780 Tabel 5.

Sistem pengendalian sudut pitch turbin angin menggunakan logika fuzzy* Setpoint (pps) Maximum overshoot Error steady state STDEV ITAE 10 0% 8,57% 1,134 10875 20 5% 4,18% 1,027 10925 30 0% 4,65% 0,973 30887 40 0% 4,56% 1,05 39275

*(Sumber : Tugas Akhir Adri Adi, Teknik Fisika, Fakultas Teknologi Industri

ITS, 2011)

Tabel 6.

Sistem Pengendalian sudut pitch turbin angin menggunakan ANFIS* Setpoint (pps) Maximum overshoot Rata-rata kondisi steady Error Steady State STDEV ITAE 10 60% 11,838 18,38% 1,64 47.036 20 20% 19,76 6,02% 1,47 29.666 30 0% 26,39 11,89% 1,52 81.350 40 0% 32,58 18,46% 1,89 184.630

*(Sumber : Tugas Akhir Deny Putra Pratama, Teknik Fisika, Fakultas Teknologi Industri ITS, 2011).

Dapat disimpulkan bahwa untuk sistem pengendalian sudut pitch turbin angin, algoritma fuzzy biasa memiliki respon terbaik. Hal tersebut dapat dilihat dari besarnya error steady state yang selalu di bawah 10 % untuk semua setpoint yang diberikan. Maximum overshoot untuk sistem pengendalian ini dibawah 5%. Begitu pula jika melihat berdasarkan tinjauan ITAE, algoritma fuzzy untuk sistem pengendalian pitch angle memiliki nilai yang terkecil dibanding dengan 2 sistem pengendalian lainnya. Algoritma interval fuzzy type II yang digunakan dalam penelitian ini dapat dikatakan memiliki respon yang kurang baik dibanding dari 2 sistem pengendalian lainnya. Namun dari segi respon sistem, Interval Fuzzy Type II dapat digunakan dalam sistem pengendalian sudut pitch turbin angin.

VI. KESIMPULAN

Setelah melakukan serangkaian proses penelitian rancang bangun sistem pengendalian sudut pitch turbin angin menggunakan interval fuzzy type II, dapat diambil kesimpulan sebagai berikut :

1. Berdasarkan analisa kualitatif yang telah dilakukan, pada setpoint 10 pps sistem pengendalian ini memiliki maximum overshoot time sebesar 50%, error steady state 16,3%; setpoint 20 pps memiliki maximum overshoot time 35%, error steady state 12,65%; setpoint 30 pps memiliki maximum overshoot time 26,7%, error steady state 10,4%; sedangkan untuk setpoint 40 pps memiliki maximum overshoot time 12.5%, error steady state 5%. 2. Berdasarkan analisa kuantitatif yang telah dilakukan,

sistem pengendalian ini pada setpoint 10, 20, 30, 40 pps secara berturut-turut memiliki ITAE sebesar 31460, 58380, 105420, dan 129780.

3. Berdasarkan perbandingan yang telah dilakukan terhadap 3 sistem pengendalian yang berbeda yaitu algoritma fuzzy, interval fuzzy type II, dan ANFIS, dapat disimpulkan bahwa respon sistem terbaik adalah respon sistem pengendalian sudut pitch turbin angin menggunakan algoritma fuzzy.

UCAPAN TERIMA KASIH

Penulis D.Aftika menyampaikan ucapan terima kasih kepada asisten Laboratorium Pengukuran Fisis, Teknik Fisika ITS, terutama Sunarto dan Sofyan atas suka dan dukanya dalam pengerjaan penelitian ini.

VII. DAFTARPUSTAKA

[1] Tony Burton, David Sharpe, Nick Jenkins, Ervin Bossanyi. 2001. Wind Energy Handbook.. New York; John Wiley & Sons, Ltd

[2] Bogdan, Stjepan and Kovacic, Zdenco. Fuzzy Controller Design:Theory And Applications. Boca Raton : Taylor & Francis Group, 2006.

[3] Mendel dan Robert I. Bob John,"Type-2 Fuzzy Sets Made Simple Jerry", IEEE Transactions On Fuzzy Systems, Vol. 10, No. 2, APRIL 2002.

[4] Imam Robandi dan Bedy Kharisma,"Design of Interval Type-2 Fuzzy Logic Based Power System Stabilizer",Proceedings Of World Academy Of Science, Engineering And Technology Volume 31 July 2008. [5] Imam Robandi, “Modern Power System Design” (Desain

SystemTenaga Modern, in Bahasa Indonesia), Andi Offset Publisher: 2006.