BAB II TINJAUAN PUSTAKA
2.7 Teori Ketidakpastian
terhadap seluruh keluaran lapisan sebelumnya. Fungsi yang digunakan yaitu
2 1 ,
3 w w
w w
O i i i
(2.18)
Lapisan 4. Simpul pada lapisan ini adalah adaptif dengan derajat pengaktifan ternormalisasi yang berasal dari lapisan sebelumnya. Fungsi simpul lapisan ini adalah:
)
, (
4i wifi wi pix qiy ri
O (2.19)
Parameter p, q, dan r adalah parameter konsekuen adaptif berdasarkan keluaran dari lapisan sebelumnya.
Lapisan 5. Simpul nonadaptif pada lapisan ini menjumlahkan seluruh keluaran dari simpul-simpul pada lapisan sebelumnya dan menghasilkan satu simpul keluaran dengan fungsi simpul sebagai berikut [11].
i i
i i i
i
i w
f f w
w
O5, (2.20)
Satu simpul keluaran pada persamaan 2.20 merupakan hasil dari defuzzyfikasi dari ANFIS. Jaringan adaptif dengan lima lapisan tersebut ekivalen dengan sistem inferensi fuzzy Tagaki- Sugeno- Kang (TSK) [14].
21 mengetahui nilai ketidakpastian. Untuk mengetahui nilai atau harga ketidakpastian. Langkah ketiga adalah menghitung nilai ketidakpastian pendekatan regresi (UA2). Adapun tahapan untuk mencari nilai ketidakpastian pendekatan regresi (UA2), yaitu pertama menggunakan persamaan regresi (Yreg), seperti pada persamaan 2.21.
yreg = a + b(xi) (2.21)
Untuk menghitung nilai persamaan regresi (Yreg), sebelumnya mencari nilai a dan b. Tetapi untuk mencari nilai a, harus mencari nilai b dahulu. Seperti pada persamaan 2.22.
2
2) (
) (
x x
n
y x y
x
b n i i i i (2.22)
Sehingga setelah nilai b diketahui, maka selanjutnya menghitung nilai a dengan persamaan 2.23.
x b y
a (2.23)
Setelah nilai persamaan regresi (Yreg) dihitung, kemudian mencari nilai nilai sum square residual (SSR), persamaan untuk mencari SSR seperti pada persamaan 2.24.
R2
SSR (2.24)
Setelah nilai sum square residual (SSR) diketahui, maka bisa dilanjutkan dengan menghitung nilai ketidakpastian pendekatan regresi (UA2), dengan menggunakan persamaan 2.25 berikut [15]:
2 2
n
UA SSR (2.25)
(Halaman ini sengaja dikosongkan)
23 3 BAB III
METODOLOGI PENELITIAN
3.1 Diagram Alir
Penelitian Tugas Akhir yang dilakukan terdiri dari beberapa tahapan. Tahapan penelitian tersebut digambarkan dalam bentuk diagram alir sebagai berikut:
Gambar 3.1 Diagram Alir penelitian
Tahapan-tahapan penelitian berdasarkan diagram alir pada Gambar 3.1 dijelaskan sebagai berikut:
A. Studi Literatur
Penelitian ini dimulai dengan melakukan studi literatur.
Literatur yang digunakan berupa buku teks, paper, prosiding, dan laman internet dengan topik seputar Turbin Angin, kecerdasan buatan berbasis ANFIS, metode Maximum Power Point Tracking (MPPT), perancangan konverter DC-DC dan mikrokontroler.
B. Penentuan Spesifikasi Sistem
Tahap penelitian dilanjutkan dengan menentukan spesifikasi sistem berupa spesifikasi turbin angin, generator dan spesifikasi konverter DC-DC berdasarkan karakteristik generator turbin angin yang digunakan.
C. Pemodelan Sistem
Penelitian dilanjutkan dengan memodelkan sistem berupa pemodelan Turbin Angin, Generator dan konverter DC-DC.
Dengan melakukan pemodelan dapat diketahui karakteristik Turbin Angin, Generator dan konverter DC-DC sebagai dasar untuk merancang sistem MPPT berbasis ANFIS.
D. Perancangan MPPT berbasis ANFIS
Dalam mencari daya maksimum digunakan alogaritma Perturb and Observe dengan metode Climbing Hill sebagai algoritma kontrol MPPT karena perhitungan yang cepat dan mudah[12], yakni dengan memperhitungkan slope dari kurva karakteristik turbin angin sehingga akan ditraking daya maksimum melalui daya dan tegangan yang dihasilkan.
Keluaran dari ANFIS akan menghasilkan nilai PWM dengan duty cycle tertentu sebagai sinyal switching ON-OFF pada MOSFET yang akan digunakan pada Buck-Boost Converter untuk menaikan dan menurunkan tegangan sesuai dengan traking daya.
25
E. Simulasi MPPT berbasis ANFIS
Tahap simulasi perlu dilakukan untuk mengetahui performansi ANFIS yang telah dirancang dilakukan pada sistem MPPT. Performansi MPPT ANFIS dalam melakukan penjejakan MPP akan dievaluasi. Simulasi dilakukan menggunakan bantuan perangkat MultiSim dan MATLAB Simulink.
F. Realisasi MPPT berbasis ANFIS
Realisasi sistem MPPT ANFIS berupa perancangan dan pengujian sub-sistem berupa perangkat pengukuran tegangan dan arus, perancangan konverter DC-DC, dan implementasi ANFIS pada mikrokontroler. Proses akhir dari tahap ini adalah integrasi sub-sistem menjadi suatu perangkat purwarupa MPPT ANFIS.
G. Pengujian dan Eksperimen MPPT berbasis ANFIS
Setelah realisasi dan implementasi sistem secara kesulurahan telah selesai dilaksanakan, tahapan penelitian beranjak menuju pengujian sistem secara keseluruhan. Apabila unjuk kerja sistem sudah sesuai dengan kriteria yang diharapkan maka proses akuisisi data mulai dilakukan.
H. Pengambilan Data dan Analisis
Data yang telah diperoleh dari proses sebelumnya kemudian diolah dan dianalisis untuk mengetahui kinerja MPPT ANFIS dalam melakukan penjejakan MPP serta peningkatan efisiensi konversi yang diperoleh. Selanjutnya hasil penelitian disusun dan dilaporkan dalam bentuk buku laporan Tugas Akhir.
3.2 Diagram Blok MPPT ANFIS
MPPT ANFIS yang dirancang pada penelitian ini terdiri dari konverter DC-DC buck-boost, kontroler MPPT ANFIS, sensor tegangan dan arus. Konverter buck-boost mempunyai peran untuk mengubah-ubah nilai Tegangan keluaran berdasarkan nilai duty
cycle yang diterima. Kontroler MPPT ANFIS dalam hal ini akan melakukan penjejakan dengan memberikan output duty cycle tertentu sedemikian sehingga kondisi MPP tercapai. Masukan untuk kontroler MPPT ANFIS berupa tegangan dan arus dari generator DC untuk diperoleh nilai daya.
Blok kontroler MPPT ANFIS terdiri dari kontroler ANFIS, dan generator PWM seperti ditampilkan pada Gambar 3.2. Input kontroler ANFIS berupa tegangan dan arus sehingga didapatkan nilai error (𝑒) dan selisih error (Δ𝑒) yang dinyatakan dengan persamaan:
) 1 ( ) ( )
( n
V n P V n P
e (3.1)
) 1 ( ) ( )
(
e n e n e n (3.2)
Dalam penelitian ini digunakan alogaritma Perturb and Observe dengan metode Climbing Hill sebagai algoritma kontrol MPPT karena perhitungannya yang cepat dan mudah. Bila slope positif yakni error > 0 maka diperlukan penggeseran ke kanan atau menaikan tegangan, dan bila slope negatif yakni error < 0 maka diperlukan penggeseran ke kiri atau menurunkan tegangan agar dicapai daya maksimum. Sedangkan Δe menyatakan seberapa besar tegangan dinaikan atau diturunkan, seperti pada gambar 3.3.
Gambar 3.2 Diagram Blok MPPT ANFIS
27
Keluaran dari ANFIS akan menghasilkan nilai PWM dengan duty cycle tertentu sebagai sinyal switching ON-OFF pada MOSFET yang akan digunakan pada Buck-Boost Converter untuk menaikan dan menurunkan tegangan sesuai dengan penjejakan daya.
3.3 Pemodelan dan Simulasi Subsistem
Pemodelan dan simulasi dilakukan untuk mengetahui karakteristik masing-masing subsistem. Perangkat lunak yang digunakan untuk melakukan pemodelan dan simulasi adalah MATLAB Simulink R2015a.
3.3.1 Pemodelan Turbin Angin
Pemodelan Turbin Angin dilakukan pada software MATLAB Simulink dengan menggunakan persamaan daya turbin angin dengan input berupa kecepatan angin, sudut pitch dan kecepatan rotor generator dalam p.u, dengan keluaran berupa torsi mekanik.
Pada subbab 2.2.1 tentang karakteristik turbin angin, dilakukan pemodelan aerodinamika turbin dengan persamaan 2.1 sampai 2.5, dengan masukan berupa kecepatan angin, sudut blade dan putaran rotor dan keluaran berupa torsi mekanik dalam satuan p.u. Dengan persamaan tersebut dapat dimodelkan pada MATLAB seperti pada gambar 3.4 merupakan pemodelan dari aerodinamik turbin angin.
Gambar 3.3 Kriteria Kontrol Logika Fuzzy pada MPPT Turbin Angin
Gambar 3.4 Pemodelan Aerodinamik Turbin Angin
29 Pada pemodelan aerodinamik turbin angin perhitungan dilakukan dalam satuan per unit atau p.u. Sehingga harus diketahui parameter dari tiap satuan base yang digunakan.
Pada sistem yang dirancang pada penelitian ini, digunakan sebuah turbin angin dengan daya rating sebesar 3 kW. Daya rating tersebut dapat dihasilkan pada kecepatan angin rating sebesar 9 m/s. Parameter-parameter turbin angin tersebut dituliskan pada Tabel 3.1.
Tabel 3.1 Parameter Turbin Angin
Parameter Nilai
Daya Mekanik 3 kW
Kecepatan Angin 3 – 6 m/s
Diameter Blade 3 m
Laju rotor generator base 0,8 p.u
Cp base 0,48
λ base 8,1
C1 0,5176
C2 116
C3 0,4
C4 5
C5 21
C6 0,0068
Koefisien c1 hingga c6 merepresentasikan diameter rotor, konstanta bahan turbin, besar sumbu rotor, rasio gardan kecepatan rendah, rasio gardan kecepatan. tinggi dan tingkat kelenturan bahan, secara berurutan. Koefisien ini berbeda-beda besarannya untuk jenis turbin yang berlainan. Tiap jenis turbin memiliki standart besaran koefisien masing-masing yang berbeda satu dengan lainnya [15].
Kurva karakteristik antara kecepatan rotor turbin yang digunakan dengan daya yang dihasilkan oleh pemodelan aerodimaika turbin untuk kecepatan angin 3, 4, 5 dan 6 m/s ditunjukkan pada Gambar 3.5.
3.3.2 Pemodelan Generator
Pemodelan generator DC dilakukan pada software MATLAB Simulink dengan menggunakan blok DC Machine. Dimana DC Machine ini memiliki karakter seperti generator DC dengan menggubah parameter yang terdapat pada blok tersebut, sehingga tegangan dan arus keluaran sesuai dengan kondisi nyata generator DC. Pemodelan generator pada DC Machine MATLAB dapat dilihat pada gambar 3.6.
Gambar 3.5 Kurva Karakteristik Daya Mekanik terhadap Kecepatan Sudut Turbin Angin
Gambar 3.6 Pemodelan Generator DC
31 Dari data putaran generator, arus dan tegangan maka dapat dimasukan parameter pada DC Machine seperti amatur resistansi untuk pengaturan tegangan dan torsi konstan untuk pengaturan arus serta parameter lainya untuk didapatkan pemodelan yang sesuai dengan generator DC yang digunakan pada turbin angin.
Dengan Input pada blok DC Machine adalah omega atau kecepatan sudut dari pemodelan torsi mekanik turbin angin. Parameter- parameter generator DC tersebut dituliskan pada Tabel 3.2 dan karakteristik respon generator pada gambar 3.7.
Tabel 3.2 Parameter Generator DC
Parameter Nilai
Amature resistansi 7 ohm
Amature Induktansi 0,51 mH
Torsi Konstan 0,609 N.m/A
Momen Inersia 0,4 kg.m2
Friction Factor 0,01 p.u
Speed Base 375 rpm
Gambar 3.7 Kurva Karakteristik Generator DC
Keluaran dari pemodelan aerodinamik turbin angin adalah merupakan torsi mekanik, sementara input atau masukan pada DC Machine atau generator adalah kecepatan sudut. Sehingga dibutuhkan konversi dari torsi mekanik ke kecepatan sudut dengan menggunakan persamaan 2.6.
Dari persamaan 2.6 dapat dimodelkan konversi torsi mekanik ke kecepatan sudut pada MATLAB. Tm merupakan torsi mekanik dari pemodelan aerodinamik turbin angin dan Te adalah torsi elektrik yakni perkalian antara torsi konstan dari generator dan arus yang dihasilkan oleh generator DC. Sehingga semakin besar arus yang diambil dari generator maka torsi elektrik yang dihasilkan oleh generator akan semakin besar dan putaran generator DC akan melambat. Pemodelan pada MATLAB ada seperti gambar 3.8.
3.3.3 Pemodelan Konverter DC-DC
Pemodelan dan simulasi konverter DC-DC dilakukan untuk mengetahui karakteristik konverter terhadap perubahan duty cycle.
Komponen yang digunakan pada pemodelan konverter buck-boost sesuai dengan nilai komponen yang terdapat pada perhitungan yang telah dilakukan pada lampiran C. Nilai dari komponen seperti induktor, kapasitor dan resistor telah disesuaikan dengan nilai komponen yang terdapat banyak di pasaran, sehingga mudah untuk Gambar 3.8 Pemodelan Konversi Torsi Mekanik ke Kecepatan
Sudut
33
diimplementasikan. Sehingga didapatkan spesifikasi dari konverter buck-boost seperti pada Tabel 3.3.
Tabel 3.3 Parameter Buck-Boost Converter
Parameter Nilai
Vin 3 – 18 V
Vout 12 V
Iout 2 A
Frekuensi pensaklaran 28 kHz
Induktor 470µH
Kapasitor output 4700µF / 50V
Beban resistif 6 Ω
Pemodelan konverter buck-boost dapat dilihat pada gambar 3.9 dengan pengukur tegangan polaritas terbalik karena keluaran dari konverter buck-boost adalah negatif.
Saat simulasi digunakan tegangan input Vin = 9 volt dan variasi duty cycle dengan dengan nilai 0,5 dengan tujuan Vout = Vin. Karakteristik dari konverter buck-boost adalah bila duty cycle <
0,5 maka Vout akan lebih kecil dari pada Vin, sedangkan bila duty cycle > 0,5 maka Vout akan lebih besar dari pada Vin.
Gambar 3.9 Pemodelan Buck-Boost Converter
Gambar 3.10 merupakan hasil simulasi yang ditampilkan pada grafik respon konverter buck-boost, memiliki overshoot yang besar dan terdapat rugi – rugi tegangan keluaran akibat Vcut in thereshold dari komponen semikonduktor Dioda dan Mosfet sebesar masing – masing 0,6 – 0,7 Volt. Sehingga dapat dilihat pada gambar 3.10 kurva karakteristik tegangan hanya mencapai 7,9 Volt. Sehingga dapat disesuaikan nilai duty cycle untuk menanggulangi nilai tengah dari keluaran konverter buck-boost untuk didapatkan unjuk kerja yang baik saat digunakan.
3.4 Perancangan ANFIS
ANFIS pada penelitian ini digunakan sebagai kontroler pada MPPT. Input yang digunakan pada ANFIS terdiri 2 buah yaitu error (𝑒) dan selisih error (Δ𝑒). Output yang dihasilkan adalah nilai duty cycle. Seperti halnya Jaringan Syarat Tiruan, ANFIS perlu diberikan pelatihan terlebih dahulu menggunakan pasangan data input-output. Pelatihan perlu dilakukan agar ANFIS mampu mempelajari informasi mengenai sekumpulan data tersebut. Saat proses pelatihan, dilakukan penyesuaian paramater-parameter premis dan konsekuen sehingga ANFIS mampu membentuk model
Gambar 3.10 Kurva karakteristik Buck-Boost konverter
35 yang sesuai dengan sekumpulan data pelatihan yang diberikan.
Pada penelitian ini perancangan ANFIS dilakukan dengan bantuan ANFIS Editor GUI pada perangkat lunak MATLAB.
Data pelatihan pada ANFIS didapatkan dari hasil simulasi menggunakan Fuzzy dengan alogaritma Perturb and Observe dengan metode Climbing Hill. Data pelatihan diambil dengan memberikan kecepatan angin yang fluktuatif dari 2 – 8 m/s dan diperoleh rekaman sebanyak 115.001 data. Data dilatih pada ANFIS Editor dengan 100 iterasi dan dipilih hasil pelatihan yang memiliki error terkecil. Struktur rule ANFIS dapat dilihat pada gambar 3.11.
Dalam pelatihan ANFIS di buat 2 jenis fungsi keanggotaan input yang digunakan, yakni tipe Gaussian (gaussmf) dan Segitiga (trimmf) sebanyak 5 buah untuk masing-masing masukan.
Setelah dilakukan pelatihan, diperoleh bentuk fungsi keanggotaan input dengan parameter-parameter yang sudah dioptimalkan seperti ditampilkan pada Gambar 3.12 untuk input
Gambar 3.11 Struktur Rule ANFIS
error dan Gambar 3.13 untuk input selisih (delta) error pada fungsi keanggotaan Gaussian dengan RMSE sebesar 0,000318.
Input error hasil pelatihan terdiri dari 5 buah fungsi keanggotaan dengan parameter sebagai berikut:
NB [σ = 0,135; c= 0,035]
NS [σ = 0.347; c= 0.499]
ZE [σ = 0.294; c= 0.918]
PS [σ = 0.309; c= 1.228]
PB [σ = 0.144; c= 1.730]
Gambar 3.12 Fungsi keanggotaan input error Gaussian
Gambar 3.13 Fungsi keanggotaan input selisih error Gaussian
37
Input selisih (delta) error hasil pelatihan terdiri dari 5 buah fungsi keanggotaan dengan parameter sebagai berikut:
NB [σ = 0,565; c= -5,101]
NS [σ = 0,546; c= -3,80]
ZE [σ = 0,531; c= -2,49]
PS [σ = 0,433; c= -1,13]
PB [σ = 0,604; c= 0,0229]
Setelah dilakukan pelatihan, diperoleh 25 buah fungsi keanggotaan output pada gambar 3.14 dengan parameter konsekuen.
Parameter konsekuen fungsi keanggotaan output sebagai berikut : ZE(1)
NS(2) NB(3) NB(4) NB(5) ZE(6) ZE(7) NS(8)
[-1,205e-06]
[0,02097]
[0,02097]
[0,5067]
[0,5257]
[-18,36]
[0,3004]
[0,5132]
ZE(14) NS(15) PS(16) PS(17) PS(18) ZE(19) ZE(20) PB(21)
[0,6373]
[3,138]
[0,3872]
[0,5864]
[0,5553]
[0,8242]
[-13,05]
[0,6072]
Gambar 3.14 Fungsi keanggotaan keluaran duty
NS(9) NS(10) PS(11) ZE(12) ZE(13)
[0,4402]
[0,3877]
[3,593]
[0,5922]
[0,5381]
PB(22) PB(23) PS(24) ZE(25)
[0,5876]
[0,7235]
[0,0008649]
[9,459e-05]
Aturan-aturan (rules) yang terbentuk setelah pelatihan pada ANFIS dengan jumlah sebanyak 25 buah aturan seperti yang disajikan pada Tabel 3.4.
Tabel 3.4 Rule ANFIS Gaussian e
NB NS ZE PS PB
Δe
NB ZE(1) ZE(6) PS(11) PS(16) PB(21) NS NS(2) ZE(7) ZE(12) PS(17) PB(22) ZE NB(3) NS(8) ZE(13) PS(18) PB(23) PS NB(4) NS(8) ZE(14) ZE(19) PS(24) PB NB(5) NS(10) NS(15) ZE(20) ZE(25) Keterangan :
e : error tegangan Δe : selisih error NB : Negative Big NS : Negative Small ZE : Zero
PS : Positive Small PB : Positive Big
Bentuk fungsi keanggotaan input dengan parameter- parameter yang sudah dioptimalkan seperti ditampilkan pada gambar 3.15 untuk input error dan Gambar 3.16 untuk input selisih (delta) error pada fungsi keanggotaan Segitiga dengan RMSE sebesar 0,000287.
39
Input error hasil pelatihan terdiri dari 5 buah fungsi keanggotaan dengan parameter sebagai berikut:
NB [a = -0,45; b = 0,001596; c = 0,4399]
NS [a = -0,01084; b = 0,3775; c = 0,8688]
ZE [a = 0,4342; b = 0,9272; c = 1,352]
PS [a = 0,7038; b = 1,214; c = 1,872]
PB [a = 1,389; b = 1,531; c = 2,219]
Gambar 3.15 Fungsi keanggotaan input error Segitiga
Gambar 3.16 Fungsi keanggotaan input selisih error Segitiga
Input selisih (delta) error hasil pelatihan terdiri dari 5 buah fungsi keanggotaan dengan parameter sebagai berikut:
NB [a = -6,444; b = -5,129; c = -3,87]
NS [a = -5,157; b = -3,828; c = -2,527]
ZE [a = -3,854; b = -2,496; c = -1,45]
PS [a = -2,534; b = -1,206; c = 0,05758]
PB [a = -1,286; b = 0,05415; c = 1,356]
Setelah dilakukan pelatihan, diperoleh 25 buah fungsi keanggotaan output pada gambar 3.17 dengan parameter konsekuen sebagai berikut:
ZE(1) NS(2) NB(3) NB(4) NB(5) ZE(6) ZE(7) NS(8) NS(9) NS(10) PS(11) ZE(12)
[0]
[0]
[0]
[0.4979]
[0.5004]
[0]
[0.5052]
[0.5337]
[0.5337]
[0.5017]
[0]
[0.5137]
ZE(14) NS(15) PS(16) PS(17) PS(18) ZE(19) ZE(20) PB(21) PB(22) PB(23) PS(24) ZE(25)
[0.5651]
[1.32]
[0.582]
[0.5703]
[0.5741]
[0.5149]
[0]
[0.587]
[0.5938]
[0.5971]
[0]
[0]
Gambar 3.17 Fungsi keanggotaan keluaran duty
41
ZE(13) [0.5188]
Aturan-aturan (rules) yang terbentuk setelah pelatihan berjumlah sebanyak 25 buah seperti yang disajikan pada Tabel 3.5.
Tabel 3.5 Rule ANFIS Segitiga e
NB NS ZE PS PB
Δe
NB ZE(1) ZE(6) PS(11) PS(16) PB(21) NS NS(2) ZE(7) ZE(12) PS(17) PB(22) ZE NB(3) NS(8) ZE(13) PS(18) PB(23) PS NB(4) NS(8) ZE(14) ZE(19) PS(24) PB NB(5) NS(10) NS(15) ZE(20) ZE(25) Keterangan :
e : error tegangan Δe : selisih error NB : Negative Big NS : Negative Small ZE : Zero
PS : Positive Small PB : Positive Big
Setelah pelatihan selesai dilaksanakan maka ANFIS siap digunakan untuk proses penjejakan daya, dimana keluaran dari ANFIS adalah duty cycle.
3.5 Rancangan Simulasi MPPT berbasis ANFIS
Simulasi MPPT ANFIS secara keseluruhan dilakukan dengan menggabungkan model Aerodinamik Turbin Angin, Generator DC dan konverter buck-boost. Blok kontroler MPPT ANFIS kemudian ditambahkan untuk mengatur duty cycle konverter buck-boost sesuai dengan kondisi penjejakan yang bervariasi sehingga dapat menghasilkan daya maksimum. Untuk mengetahui unjuk kerja kontroler ANFIS dalam menjalakan aksi MPPT, diberikan variasi input fluktuatif nilai kecepatan angin.
Gambar 3.18Sistem Turbin Angin Tanpa MPPT ANFIS
43
Gambar 3.19Sistem Turbin Angin Dengan MPPT ANFIS
Pemodelan sistem tanpa MPPT yaitu gambar 3.18 digunakan untuk mengetahui karakteristik sistem pembangkit listrik tenaga angin. Sistemnya terdiri dari turbin angin generator DC dan diukur daya keluaran dengan memasang amperemeter dan voltmeter.
Untuk pengaturan daya yang optimal atau penjejakan digunakan Maximum Power Point Tracker (MPPT) dengan mengatur duty cycle pada Buck-Boost Converter.
Gambar 3.19 menunjukkan Sistem dengan MPPT ANFIS pada Turbin Angin. Pada kontrol MPPT ANFIS digunakan metode kontrol feedfoward seperti yang dijelaskan pada subbab 3.2.
dimana input adalah error dan Δerror, sedangkan keluaran adalah duty cycle yang akan dirubah kedalam PWM oleh PWM generator sebagai masukan pada Mosfet seperti pada gambar 3.20.
3.6 Realisasi MPPT ANFIS
Realisasi MPPT ANFIS dibedakan menjadi beberapa subsistem yaitu sensor, konverter DC-DC, kontroler dan juga display. Sensor yang digunakan adalah sensor tegangan dan arus ACS712 5A. Pengukuran tegangan dan arus masukan dilakukan untuk mendapatkan nilai error dan selisih error dari keluaran daya Generator Turbin Angin, yang mana digunakan sebagai masukan kontrol MPPT ANFIS. Konverter DC-DC yang digunakan adalah konverter buck-boost yang telah dikembangkan pada penelitian lain sesuai dengan spesifikasi (subbab 3.4.3). Arduino MEGA 2560 digunakan sebagai kontroler sekaligus sebagai perangkat
Gambar 3.20 Pemodelan Kontrol MPPT ANFIS
45 akuisisi data, dimana kontrol MPPT ANFIS direalisasikan.
Sementara display menggunakan LCD 16x2 sebagai monitoring daya yang dihasilkan.
Eksperimen yang digunakan yakni membandingkan keluaran dari generator DC tanpa MPPT dan menggunakan MPPT ANFIS.
Blok diagram eksperimen tanpa MPPT dapat dilihat pada gambar 3.21 dimana keluaran dari generator DC secara langsung dihubungkan ke beban dan diukur daya keluaranya.
Sedangkan untuk Blok diagram eksperimen dengan MPPT ANFIS yakni dengan menghubungkan keluaran dari generator DC ke konventer buck-boost untuk dilakukan penjejakan daya keluaran maksimum oleh MPPT ANFIS pada kontroler Arduino Mega 2650 seperti pada gambar 3.22 berikut.
Gambar 3.21 Blok diagram Eksperimen Tanpa MPPT ANFIS
Gambar 3.22 Blok diagram Eksperimen Dengan MPPT ANFIS
Arduino MEGA 2560 digunakan sebagai kontroler sekaligus sebagai perangkat akuisisi data, dimana kontrol MPPT ANFIS direalisasikan. Konventer buck-boost sebagai aktuaktor untuk penjejakan daya, Sementara display menggunakan LCD 16x2 sebagai monitoring daya yang dihasilkan, seperti setup eksperimen yang ditunjukan pada gambar 3.23.
Gambar 3.24 Setup Eksperimen Kontrol MPPT ANFIS
Gambar 3.23 Setup Eksperimen Generator
47
3.7 Pengambilan Data
Pengambilan data MPPT ANFIS dilaksanakan dengan cara melakukan perbandingan keluaran daya Generator Turbin Angin yang dilengkapi MPPT ANFIS dan Generator Turbin Angin yang dihubungkan langsung dengan beban (non-MPPT). Selama pengujian kedua sistem diberikan beban yang sama. Pengukuran daya pada Generator Turbin Angin dengan MPPT ANFIS terdiri dari pengukuran daya input (Pin MPPT) dan output konverter buck- boost (Pout MPPT). Sedangkan untuk pengukuran daya pada sistem non-MPPT hanya terdiri dari pengukuran daya output (Pout non- MPPT). Perekaman data dilakukan pada simulasi MATLAB dan pada perangkat keras mikrokontroler.
3.8 Analisa Data
Tahap terakhir setelah pengambilan data adalah analisa dan penyusunan laporan. Untuk tahap analisa dijelaskan pada bab IV pada simulasi dan realisasi mengenai efisiensi konverter buck- boost, penjejakan daya dengan variasi kecepatan angin dan beban resistif, performansi tanggapan sistem penjejakan dan peningkatan daya dengan MPPT ANFIS dan tanpa MPPT.
Gambar 3.25 Setup Eksperimen Turbin Angin
(Halaman ini sengaja dikosongkan)
49 4 BAB IV
ANALISA HASIL DAN PEMBAHASAN
4.1 Hasil Simulasi Pengujian Kecepatan Putar Turbin Angin
Kecepatan Angin yang berubah terhadap waktu menyebabkan daya listrik yang dapat dihasilkan sistem turbin angin mengalami perubahan, sehingga apabila kecepatan angin semakin besar, maka daya mekanis turbin angin juga akan semakin besar. Semakin besarnya daya mekanis turbin angin akan berakibat semakin besarnya kecepatan putar rotor. Dikarenakan turbin angin terkopel dengan generator maka, kecepatan putar rotor yang semakin besar akan berakibat pada semakin besarnya juga daya listrik keluaran turbin angin. Meningkatnya kecepatan rotor tersebut menyebabkan emf yang dihasilkan oleh generator meningkat, sehingga menyebabkan daya listrik yang dihasilkan oleh generator juga semakin besar, seperti yang ditunjukan pada table 4.1 dengan beban 25 Ω.
Tabel 4.1 Pengaruh kecepatan angin terhadap kecepatan rotor dan daya
Angin (m/s) Rotor Generator
(rpm) Daya (W)
2,5 208,1 4,29
3,0 256,3 6,51
3,5 304,8 9,21
4,0 353,5 12,40
4,5 402,4 16,06
5,0 451,3 20,20
6,0 549,4 29,94
Semakin besar angin maka semakin besar daya yang dihasilkan.
Didapatkan daya sebesar 29,94 watt pada kecepatan angin 6 m/s/
Grafik perbandingan kecepatan angin dengan kecepatan rotor turbin ditunjukan pada gambar 4.1.
Gambar 4.1 Grafik perbandingan kecepatan angin dengan kecepatan rotor turbin
4.2 Hasil Simulasi Pengujian Buck-Boost Converter
Pengujian dilakukan dengan menentukan tegangan referensi sebesar 40V dengan beban variasi dari 25Ω - 100Ω . Besar duty cycle dihitung berdasarkan persamaan (2.7). Sedangkan hasil simulasi dari pengujian buck-boost converter ditunjukkan pada Tabel A-1 – Tabel A-4 yang terdapat pada lampiran A.
Dari hasil pengujian, buck-boost converter dapat bekerja dan berfungsi dengan baik. Tegangan keluaran dari buck-boost converter dapat dinaikkan dan diturunkan dengan mengatur besar duty cycle. Efisiensi dari buck-boost converter juga ditampilkan pada hasil pengujian. Idealnya buck-boost converter memiliki daya keluaran yang sama dengan daya masukkan, namun setiap komponen buck-boost converter itu sendiri memiliki rugi-rugi yang menyebabkan efisiensinya berkurang. Pemberian duty cycle kurang dari 0,5 menunjukan penurunan efisiensi dari buck-boost converter dan begitu pula pemberian duty cycle lebih dari 0,6
0 100 200 300 400 500 600
0 1 2 3 4 5 6 7
Kecepatan Rotor (rpm)
Kecepatan Angin (m/s)