Penerapan Kontrol PSF (Particle Swarm Fuzzy) Pada Sistem Penjejak Matahari 2 Sumbu

Abstrak— Sel surya adalah sebuah elemen semikonduktor yang dapat mengkonversi energi matahari menjadi energi listrik.

Dan daya listrik yang dihasilkan oleh panel surya dipengaruhi oleh radiasi matahari dan suhu lingkungannya. Salah satu cara yang dilakukan agar menghasilkan daya listrik yang maksimal adalah dengan mengatur posisi panel surya terhadap posisi matahari secara otomatis yang disebut solar tracking 2 DOF.

Beberapa teknik pengendali telah ditawarkan untuk mengatasi problem ini, diantarannya adalah pengendali yang berbasiskan kepada logika fuzzy. Dalam penelitian ini menawarkan teknik baru dengan menggunakan kendali logika particle swarm fuzzy (PSF), yaitu logika fuzzy yang dioptimalkan dengan menggunakan particle swarm optimization (PSO), yang bertujuan untuk memilih secara otomatis fungsi keanggotaan fuzzy. Dalam hal ini fungsi keanggotaan fuzzynya berupa error tegangan yang dihasilkan dari outputan LDR.

Kata Kunci—Fuzzy Controller, Particle Swarm Optimization, Particle Swarm Fuzzy, Solar Tracking..

I. PENDAHULUAN

alam beberapa tahun terakhir ini isu tentang pencemaran lingkungan secara global semakin sering dibicarakan.

Oleh karena itu, penggunaan energi alternatif dan energi yang ramah lingkungan semakin meningkat. Energi matahari merupakan salah satu sumber energi terbarukan yang murah harganya dan merupakan sumber energi alternatif yang baik.

Energi matahari bisa dimanfaatkan dengan cara merubah menjadi energi listrik.

Panel surya merupakan suatu alat yang bisa digunakan untuk merubah energi matahari menjadi energi listrik. Daya listrik yang dihasilkan oleh panel surya dipengaruhi oleh dua variabel fisis, yaitu intensitas radiasi cahaya matahari dan suhu lingkungan. Intensitas radiasi cahaya matahari yang diterima sel surya sebanding dengan tegangan dan arus listrik yang dihasilkan oleh sel surya, sedangkan apabila suhu lingkungan semakin tinggi dengan intensitas radiasi cahaya matahari tetap, maka tegangan panel surya akan berkurang dan arus listrik yang dihasilkan akan bertambah. Supaya daya listrik yang dihasilkan sel surya selalu optimal untuk variasi intensitas radiasi cahaya matahari maka perlu dilakukan pengaturan posisi sel surya terhadap posisi matahari secara otomatis. Sistem yang digunakan untuk pengaturan tersebut dinamakan sistem Solar Tracking.

Dalam rangka pengembangan solar tracking perlu dilakukan penelitian mengenai aplikasi metode kendali cerdas yang kemudian diterapkan pada sebuah prototype solar tracking. Dalam penelitian ini menggunakan metode logika

particle swarm fuzzy pada solar tracking dua sumbu untuk mengendalikan posisi panel surya berdasarkan perbedaan intensitas cahaya matahari yang diterima oleh semnsor LDR di sisi timur dan barat panel surya, dan sensor LDR di sisi utara dan selatan. Dan diantara kedua - duanya dipasang sekat (balancer). Sehingga apabila panel surya tidak menghadap posisi matahari, maka akan terjadi perbedaan intensitas radiasi cahaya matahari yang akan diterima oleh masing – masing sensor.

Dalam penelitian ini menawarkan teknik baru untuk menentukan fungsi keanggotaan logika fuzzy dan basis aturan fuzzy secara otomatis menggunakan Particle Swarm Optimization (PSO). Pendekatan ini disebut dengan Particle Swarm Fuzzy Controller (PSFC). PSO adalah metoda optimasi yang menggunakan prinsip perilaku sosial dari kumpulan partikel, seperti burung atau ikan.

Penyusunan laporan tugas akhir ini dilakukan secara sistematis dan tersusun dalam lima bab dengan penjelasan sebagai berikut, BAB I Pendahuluan, Bab ini dijelasakan tentang latar belakang, perumusan masalah, tujuan penelitian, batasan masalah, dan sistematika laporan. BAB II Teori Penunjang. Bab ini dibahas mengenai teori-teori yang berkaitan dengan penelitian yang akan dilakukan. BAB III Metodologi Penelitian, Bab ini berisi mengenai rancangan dari penelitian yang dilakukan, metode, dan langkah-langkah dalam penelitian. BAB IV Pengujian dan Analisis Data. BAB V Kesimpulan dan Saran, Bab ini berisi tentang kesimpulan pokok dari seluruh rangkaian penelitian yang telah dilakukan dan saran yang dapat dijadikan sebagai pengembangan penelitian selanjutnya.

II. METODOLOGIPENELITIAN

Pada bab ini akan dibahas mengenai metodologi penelitian mengenai penerapan kontrol PSF (Particle Swarm Fuzzy) pada sistem penjejak matahari 2 sumbu.

A. Perancangan dan Realisasi Plant

Langkah awal dalam perancangan ini adalah menghitung momen inersia dari panel surya sebagai objek penelitian. Hal ini ditujukan untuk menentukan letak sumbu putar panel surya. Dalam hal ini terdapat dua kemungkinan, yaitu di tengah-tengah dimensi panjang (l) panel surya dan di tengah- tengah dimensi lebar (w) panel surya.

Muhammad Fathoni, Imam Abadi, dan Yaumar

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

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

D

B. Diagram Blok Sistem

 Set point adalah intensitas matahari yang diterima di sisi timur panel surya. Karena pada saat pengambilan data (pukul 08.00) posisi panel surya menghadap ke barat.

 Variabel yang dikendalikan adalah posisi panel surya berdasarkan perbedaan intensitas cahaya matahari yang diterima di sisi timur dan barat panel surya. Disini menggunakan 4 LDR dimana LDR 1 dan LDR 2 diletakkan di bagian timur dan barat yang digunakan untuk menggerakkan panel. Dan LDR 3 dan LDR 4 diletakkan dibagian utara dan selatan yang digunakan untuk menggerakkan sudut putarnya.

 Variable terukur adalah intensitas matahari di sisi barat panel surya.

 Sinyal feedback dari sensor LDR adalah tegangan.

 Kendali menggunakan logika particle swarm fuzzy, yaitu logika fuzzy yang optimasikan dengan menggunakan PSO (particle swarm optimation).

 Variable manipulasi berupa perubahan posisi angular (α) pada motor DC dan perubahan posisi angular (α) pada motor servo, dengan mengubah posisi angular motor DC dan motor servo maka juga berarti mengubah posisi panel surya.

C. Perancangan Logika Fuzzy

Dalam penelitian ini fuzzy dilakukan dengan metode Sugeno. Hal ini dikarenakan keluaran dari system tracking matahari adalah konstanta yang berupa nilai desimal.

D. Perancangan Kendali Logika Particle Swarm Fuzzy Gambar. 1. Prototype Panel Surya 2 sumbu

Gambar. 2. Diagram Blok sistem

Gambar. 3. Fungsi keanggotaan masukan logika fuzzy pada motor DC

CCW SLOW STOP CW SLOW

-55 0 55 Gambar. 4. Fungsi keanggotaan keluaran logika fuzzy pada motor DC

Gambar. 5. Fungsi keanggotaan masukan logika fuzzy pada motor servo

CCW SLOW STOP CW SLOW

-60 0 60 Gambar. 6. Fungsi keanggotaan keluaran logika fuzzy pada motor servo

Gambar. 7. Konsep Kendali Logika Fuzzy

 Population disini yang dimaksud adalah kumpulan error tegangan yang dihasilkan oleh LDR

 Fitness function berupa fungsi obyektif yaitu suatu fungsi yang berasal dari fungsi outputan logika fuzzy

 Pbest, setiap error mempunyai posisi terbaik yang akan digunakan untuk mendapatkan solusi yang terbaik

 Gbest, dari beberapa pbest tersebut akan ada satu pbest yang terbaik yang disebut dengan gbest.

III. PENGUJIANDANANALISADATA

Pada bab ini akan dibahas data – data hasil pengujian alat serta dilakukan analisis terhadap data – data tersebut.

Pengujian meliputi pengujian ADC, pengujian karakteristik sensor LDR, pengujian panel surya, serta pengujian sensor quadrature encoder.

A. Pengujian ADC

Pengujian ADC dilakukan untuk mengetahui tingkat keakuratan ADC dalam mengambil sampling data dari sinyal analog. Hal ini dilakukan dengan cara membandingkan hasil display LCD dan hasil perhitungan manual.

Data pengujian ADC menunjukkan error yang dihasilkan ADC dari mikrokontroler ATMEGA8535 terhadap nilai ADC perhitungan, dengan nilai tegangan refrensi adalah 5,24 Volt.

Gambar 9 menunjukkan error rata – rata desimal pada pengujian ADC dengan variasi tegangan masuk semakin naik sebesar 0,39% dan variasi tegangan masuk semakin turun sebesar 0,72%. Dan dari gambar 9 tersebut dapat diketahui bahwa pada teganga masukan sebesar 3,85 Volt, yaitu memiliki selisih sebesar 27 desimal, sehingga dapat diperoleh hysterisis sebesar 2,64%.

Gambar 9 di bawah ini menunjukkan hubungan antara tegangan masukkan ADC mikrokontroller dengan konversi tegangan masukan. Sumbu X mewakili variasi tegangan

Dari hasil pengujian yang saya lakukan diperoleh data pengujian ADC menunjukkan error yang dihasilkan ADC dari mikrokontroler ATMEGA8535 terhadap nilai ADC perhitungan, dengan nilai tegangan refrensi adalah 5,24 Volt.

Hasil pengujian menunjukkan error rata – rata desimal pada pengujian ADC dengan variasi tegangan masuk semakin naik sebesar 0,39% dan variasi tegangan masuk semakin turun sebesar 0,72%.

B. Pengujian karakteristik sensor LDR

Pengujian karakteristik sensor LDR dilakukan dengan 2 tahap. Tahap 1 dilakukan dengan merubah nilai hambatan tetapnya dengan bertujuan untuk mengetahui sinyal conditioning dari rangkaian sensor LDR tersebut. Sedangkan tahap 2 dilakukan dengan cara merubah nilai kuat pencahayaannya dengan nilai hambatan tetap.

Gambar. 8. Diagram Alir Logika PSF

Gambar. 9. Grafik hambatan dengan tegangan dengan posisi LDR BOTTOM

Gambar. 10. Grafik hambatan dengan tegangan dengan posisi LDR TOP

Pada gambar 10 dan gambar 11 di atas menunjukkan bahwa semakin besar nilai hambatan tetap,maka semakin kecil nilai hambatan yang dihasilkan dan begitu pula sebaliknya.

Pengujian tahap 2 ini dilakukan dengan 2 cara, yaitu pengujian sensor dengan kuat pencahayaan semakin naik dan pengujian sensor dengan kuat pencahayaan semakin turun.

Pengujian dengan kuat pencahayaan semakin naik maksudnya adalah pengukuran dilakukan dari tingkat pencahayaan rendah menuju tingkat pencahayaan tinggi, sedangkan pengujian dengan kuat pencahayaan semakin turun maksudnya adalah pengukuran dilakukan dengan dimulai dari tingkat pencahayaan tertinggi menuju tingkat pencahayaan terendah.

Dilakukan dua pengujian ini bertujuan untuk mencari pengaruh perubahan pengukuran, dari tingkat kuat pencahayaan tinggi ke rendah, dan sebaliknya

Dari gambar 12 dan 13 di bawah ini dapat diketahui grafik hubungan antara kuat pencahayaan yang diterima oleh sensor LDR dengan tegangan yang dihasilkan oleh sensor tersebut. Pada grafik tersebut, sumbu-X mewakili nilai kuat pencahayaan yang diterima oleh sensor LDR dalam satuan lux dan sumbu-Y mewakili nilai tegangan keluaran dalam satuan Volt. Dan dari gambar grafik tersebut dapat dilihat bahwa semakin besar kuat pencahayaan, maka tegangan yang dihasilkan oleh LDR juga semakin besar.

Gambar 12 Grafik antara kuat pencahayaan dengan tegangan dengan posisi LDR TOP

Gambar 13 Grafik antara kuat pencahayaan dengan tegangan dengan posisi LDR BOTTOM

C. Indeks Performansi Sistem dengan menggunakan kendali logika fuzzy dan kendali logika PSF

Set point dalam penelitian ini adalah intensitas cahaya matahari pada pagi hari dimulai pada pukul 08.00. Karena intensitas cahaya matahari sebanding dengan tegangan dan arus listrik yang dihasilkan oleh panel surya, maka semakin tinggi intensitas cahaya matahari maka semakin tinggi pula tegangan yang dihasilkan oleh panel surya tersebut.

Karena intensitas cahaya matahari sebanding dengan tegangan maka untuk mengetahui respon sistem set point dapat digantikan oleh tegangan yang dihasilkan oleh panel surya. Untuk mengetahui respon sistem solar tracking ini saya lakukan ketika pagi hari tepatnya pada pukul 08.00. Artinya pada saat itu matahari berada di posisi sebelah timur dan saat itu solar tracking berada dalam keadaan menghadap ke atas atau dalam keadaan zero. Kemudian tegangan yang dikeluarkan oleh panel surya akan direcord dan dibuat grafik respon sistem dengan menggunakan PC.

Pengujian sistem dengan kendali logika PSF (Particle Swarm Fuzzy) dilakukan pada tanggal 24 juni 2012 dan dimulai pada pukul 08.00. Pada saat itu diperoleh data intensitas cahaya matahari sebesar 11128 Lux. Dan dengan menggunakan persamaan linear diperoleh bahwa dengan kuat pencahayaan sebesar 11128 lux diperoleh tegangan sebesar 18,725 Volt. Sehingga nilai tersebut dijadikan sebagai set point untuk mengetahui respon sistem solar tracking dengan menggunakan kendali logika particle swarm fuzzy.

Pada gambar 14 di bawah ini menunjukkan grafik respon sistem dengan menggunakan logika particle swarm fuzzy. Sumbu X mewakili waktu dalam satuan detik, dan sumbu Y mewakili variable tegangan yang dihasilkan panel surya setiap detiknya. Pengambilan data di atas dilakukan dengan menggunakan komunikasi serial mikrokontroller ATMega8535 dengan PC. Pengambilan data ini dilakukan dengan kondisi panel surya saat tracking.

0 1 2 3 4

150 650 1150 1650 2150

Tegangan (Volt)

Kuat Pencahayaan (Lux) LDR TOP

0 1 2 3 4 5

2000 4000 6000 8000 10000

Tegangan (Volt)

Kuat Pencahayaan (Lux) LDR BOTTOM

Gambar. 11. Grafik hambatan dengan tegangan dengan posisi LDR BOTTOM

Pada gambar 15 di bawah ini menunjukkan hasil outputan dari panel surya saat kondisi tetap (fix) dan saat kondisi tracking dengan menggunakan kendali logika PSF (Particle Swarm Fuzzy).

Pengujian alat ini dilakukan pada tanggal 24 juni 2012, pada pukul 08.00 sampai pukul 16.00 dengan ketinggian tempat pengujian 12 meter. Pengukuran daya listrik dilakukan secara manual setiap 60 menit.

Data pengujian terdapat pada lampiran. Pada gambar 4.7 di atas menunjukkan bahwa pada pukul 08.00 sampai pukul 11.00 terjadi perbedaan yang signifikan mengenai daya yang dihasilkan dari panel tersebut. Sedangkan pada pukul 12.00 panel surya dalam kondisi fix dan panel surya dalam kondisi tracking menghasilkan daya listrik yang sama yaitu sebesar 15,8115 Watt. Hal ini menunjukkan bahwa pada pukul 12.00 posisi panel surya adalah sama – sama menghadap posisi matahari.

Gambar 15 Grafik antara jam dengan daya dalam kondisi panel fix dan tracking

IV. KESIMPULANDANSARAN A. Kesimpulan

Dari penelitian dan analisis yang telah dilakukan, maka dapat disimpulkan bahwa sistem penjejak matahari 2 sumbu dengan menggunakan kendali logika Particle Swarm Fuzzy (PSF) dapat diperoleh tegangan maksimal sebesar 19,26 Volt yang terjadi pada jam 16:00 dan tegangan minimal sebesar 18,82 Volt yang terjadi pada jam 08:00. Dan sistem tersebut

suhu lingkungan maka daya listrik yang dihasilkan akan semakin tinggi.

Untuk indeks performansi sistem penjejak matahari 2 sumbu dengan menggunakan kendali logika PSF (Particle Swarm Fuzzy) diperoleh overshoot 0,56% dan error study state 0,08%. Dan jika dibandingkan dengan menggunakan kendali logika fuzzy sistem penjejak matahari 2 sumbu tersebut mengalami overshoot 0,69% dan error study state 0,26%.

B. Saran

Adapun saran yang memungkinkan untuk penyempurnaan penelitian ini adalah perlu dilakukan penyimpanan dan pemanfaatan energy yang dihasilkan oleh panel surya tersebut.

V. DAFTARPUSTAKA

[1] Adriansyah Andi, Pengendali Robot Bergerak Berbasis Perilaku menggunakan Particle Swarm Fuzzy Controller, Fakultas Teknik, Universitas Mercu Buana.

[2] Abouzeid M, “Use of a reluctance stepper motor for solar tracking based on a programmable logic array (PLA) controller”. Renew Energy 2001;23:551–60.

[3] Alireza Alfi, Intelligent identification and control using improved fuzzy particle

swarm optimization, Shahrood University of Technology, Faculty of Electrical and Robotic Engineering, Shahrood 36199-95161, Iran [4] Ary Heryanto, Mirokontroler ATMega8535, Andi Yogyakarta (2008).

[5] Boumediene ALLAOUA, Neuro-Fuzzy DC Motor Speed Control Using Particle Swarm Optimization, Department of Electrical Engineering, Bechar University, B.P 417 BECHAR (08000) Algeria

[6] John A. Duffie, Solar Engineering of Thermal Processes, John Willey &

Sons, Inc. (1991).

[7] J.E.Braun dan J.C.Mitchell, Solar Geometry For Fixed and Tracking Surfaces, Solar Energy Vol.31,No.5,pp.439-444,Printed in Great Britain (1983).

[8] Puji Hartono. Analisis Pengendali Kecepatan Motor DC menggunakan Metode Logika Fuzzy, Program Studi Teknik Elektro, Sekolah Teknik Elektro dan Informatika, Institute Teknologi Bandung (2008).

[9] Taugeh Maickel, Modified Improved Particle Swarm Optimization For Optimal Generator Scheduling, Jurusan Teknik Elektro Universitas Sam Ratulangi Manado, Sulawesi Utara, (2009).

[10] V.Salas, E.Olias, A.Barrado, A.Lazaro, FReview of The Maximum Power Point Tracking Algorithms for Stand-Alone Photovoltaic Systems, Solar Energy Materials & Solar Cells 90 page 1555-1578 (2006).

[11] V. Mukherjee, Comparison of intelligent fuzzy based AGC coordinated PID controlled and PSS controlled AVR system, Department of Electrical Engineering, Asansol Engineering College, Asansol, West Bengal, India

[12] Zafer Bingül, A Fuzzy Logic Controller tuned with PSO for 2 DOF robot trajectory control, Department of Mechatronics Engineering, Kocaeli University, Kocaeli, Turkey

0 2 4 6 8 10 12 14 16 18

Daya (watt)

Pukul (jam)

Panel Surya Fix Panel Surya Tracking Gambar. 14. Grafik Indeks Perfoemansi sistem