`

1
Metode Sizing(penentuan kapasitas) Optimal Pada
PLT Hibrid Surya-Angin Stand-Alone dengan
Teknologi LPSP Menggunakan Genetic Algorithm
Amir Rudin, Heri Suryoatmojo, Vita Lystianingrum Budiharto Putri
Jurusan Teknik Elektro FTI-ITS
Abstrak- Sistem pembangkit tenaga angin dan
surya di desain untuk mensuplai permintaan daya.
Sasaran dari desain ini adalah meminimalkan biaya
operasional dari sistem pembangkitan tersebut untuk
operasi selama 20 tahun untuk daerah terpencil.
Permasalahan optimalisasi dalam sistem pembangkit
listrik tenaga angin dan surya adalah bersubyek pada
kehandalan suplai daya. ACS (annualized cost of
sistem) atau pembiayaan sistem pembangkit
melibatkan investasi, penggantian, operasional,
perawatan serta menentukan nilai LPSP(loss of
power supply probability). Metode algoritma
genetika digunakan untuk menyelesaikan
permasalahan optimalisasi sistem pembangkitan.
Algoritma Genetika dipilih karena mampu
menyelesaikan sistem pembangkit tenaga angin dan
surya yang lebih besar untuk mensupplai beban
dengan kehandalan yang diinginkan dengan
meminimalkan pemadaman.
Kata kunci : Sistem Pembangkit Tenaga angin Dan
Surya, Optimal Design, ACS, LPSP, Algoritma
Genetika.
I. PENDAHULUAN
engan semakin menipisnya sumber energi dari
fosil, mengharuskan sumber energi alternatif
menjadi penting untuk memenuhi kebutuhan energi
saat ini. Sumber daya alternatif seperti energi surya
dan angin telah beberapa menarik pihak di sektor
energi untuk menghasilkan listrik dalam skala besar.
Kekurangan umum dari sumber energi angin dan
surya adalah sumber energi tersebut tidak dapat
diprediksi dan tergantung pada keadaan perubahan
cuaca dan iklim serta variasi energi surya dan angin
mungkin tidak sesuai dengan distribusi waktu
permintaan beban. Masalah yang disebabkan oleh
sifat variabel sumber daya ini sebagian dapat diatasi
dengan mengintegrasikan dua sumber daya dalam
kombinasi yang tepat dengan menggunakan kekuatan
dari satu sumber untuk mengatasi kelemahan lainnya.
Sistem hybrid yang menggabungkan unit pembangkit
surya ,angin dengan cadangan baterai dapat menjadi
solusi karena fluktuasinya sumber energi dan variasi
kebutuhan energi.
Dalam rangka efisiensi dan ekonomis
memanfaatkan sumber daya energi yang terbarukan,
diperlukan suatu desain yang tepat untuk optimum
metode sizing. Metode optimasi sizing dapat
membantu untuk menjamin investasi terendah yang
memadai dengan penggunaan sistem surya, sistem
angin dan baterai bank, sehingga sistem hybrid dapat
bekerja pada kondisi optimum dalam hal investasi
dan kebutuhan daya keandalan sistem.
Ukuran Optimal sizing method for stand-alone
hybrid solarwind system menggunakan baterai
dikembangkan berdasarkan Loss Power Supplay
Probability (LPSP) dan konsep annualized cost of
system (ACS). Prosedur optimasi bertujuan untuk
mengetahui konfigurasi bahwa hasil kombinasi
terbaik antara keduanya dianggap tujuan yaitu LPSP
dan ACS. Variabel keputusan termasuk dalam proses
optimasi jumlah modul PV, turbin angin, jumlah
baterai, dan banyaknya modul PV serta jumlah
instalasi turbin angin. Konfigurasi sistem hibrida yang
dapat memenuhi keandalan kebutuhan daya system
dengan biaya minimum dapat diperoleh dengan
optimasi Teknik - algoritma genetika (GA), yang
merupakan pencarian lanjutan dan teknik optimasi
yang umumnya mampu mencari solusi optimal
global, khususnya di multi-modal dan masalah
optimasi multi-tujuan.
II . PEMODELAN MATEMATIK PEMBANGKIT
A. Pemodelan Pembangkit Tenaga Surya
Parameter electrical yang digunakan pada
pemodelan PV antara lain arus hubung singkat (I
sc
)
Tegangan terbuka (V
oc
), arus puncak maksimum (
I
mp
) dan Tegangan Puncak (V
mp
) dari kurva I-V.
Variabel masukan dari model ini adalah temperatur
dari solar cell dari Array Panel PV. Pemodelan
matematika dari modul PV dapat ditunjukkan pada
persamaan dibawah. Dengan mengasumsikan fungsi
absolut massa udara sama dengan 1.0. Maka Arus
hubung singkat dapat dihitung menggunakan
persamaan berikut:
D
`
2
( )
=
( )
+(1+
( ( )
)
)
.. (1)
Untuk parameter tegangan terbuka , Arus puncak
dan tegangan puncak dapat dihitung sebagai berikut:
( )
= +
( ) ( )
+
( )
(
( )
)..(2)
( )
=
( ( )
+
( ) )
1+
(
( )
)................................................. (3)
( )
= +
( ) ( )
+
( ) ( )
+
( )( ( )

)
....(4)
Insolation efektif dari PV dapat diperoleh dari
persamaan berikut:
( )
=
( )
( ( ) )
....................(5)
Sedangkan tegangan thermal per cell diperoleh dari :
( )
=
( ( )
.
)
......................................(6)
Sehingga total daya output dari panel PV dapat
dihitung menggunakan persamaan berikut:
( )
=
( )
. ( ). ......(7)
Dimana
E
0
referensi insolation, 1000W/m
2
V
oco
V
oc
saat E
e
= 1 , T
c
= T
0
I
mpo
I
mp
saat E
e
= 1 , T
c
= T
0
V
mpo
V
mp
saat E
e
= 1 , T
c
= T
0
I
mp
koifisien temperatur normal
untuk I
mp
V
oco
koifisien temperatur untuk V
oc
pada
1000W/m
2
V
mpo
koifisien temperatur untuk V
mp
pada 1000W/m
2
C
0
, C
1
C
2
, C
3
N
s
banyaknya cell dalam cell-string
I
sc
koifisien temperatur normal
untuk I
sc
T
c
temperatur sel-sel dalam modul
T
0
temperatur referensi untuk kinerja
model 25
0
C
N jumlah pv dalam panel
k konstanta Boltzmann,
1.38066.10
-23
J/K
q dasar pengisian,
1.60218.10
-19
couloumb
P
PV
Daya output photovoltaic W
N
PV
Banyaknya panel PV
B. Pemodelan Pembangkit Tenaga Angin
Daya listrik yang dihasilkan sebenarnya
tergantung pada beberapa faktor, seperti jenis mesin
dan rotor yang digunakan, kecanggihan desain
baling-baling, kerugian gesekan, dan rugi-rugi yang
terhubung ke angin mesin. Ada juga batas-batas fisik
dengan jumlah daya yang dapat diekstraksi Hal ini
dapat ditunjukkan secara teoritis bahwa kincir angin
pun bisa hanya mungkin mengekstrak maksimum
59,3% dari daya dari angin (ini dikenal sebagai batas
Betz). Dalam kenyataannya hanya sekitar 45%
(maksimum) untuk memproduksi listrik Jadi,
memodifikasi rumus untuk 'Wind Power dapat
dinyatakan dalam persamaan matematika sebagai
berikut:
Dimana :
= berat jenis angin (kg/m
2
);
A = area sapuan dari rotor (m
2
);
v(t) = kecepatan angin :

w
= efesiensi WT (%)

c
= efesiensi dari perubahan AC/DC,
diasumsikan 90%;
v
c
= kecepatan minimum(m/s);
v
r
= kecepatan relatif(m/s);
v
f
= kecepatan maksimum(m/s);
Prated = daya rata-rata dari turbin (kW);
N
WT
= jumlah turbin
Pemilihan pemodelan turbin angin sangat
penting untuk mendapatkan konfigurasi optimal dari
energy yang terbarukan. Hasil dari turbin angin
tergantung pada kecepatan angin dimana turbin angin
berada, berat jenis air, sapuan area dari rotor dan
efesiensi yang berhubungan dengan konversi energi
dari energy angin menjadi energi listik. Pada simulasi
ini, model matematika dari turbin angin di desain
untuk perubahan dalam tiap jam dari kecepatan angin
menjadi tenaga listrik.
C. Baterai
Media penyimpanan baterai biasanya
merupakan tipe baterai timbel digunakan untuk
menyimpan surplus energy listrik.untuk mengatur
tegangan sistem dan suplai daya untuk pengisian
, )
, ) , )
, )

>
s s
< s
<
=
) 11 ( .......... ) ( 0
) 10 ...( .
) 9 ....( . . . . . . 2 / 1
) 8 .( .......... ) ( 0
3
f r
f r WT rated
r c WT c w
c
WT
v t v
v t v v N P
v t v v N t v A
v t v
t P

`
3
pada kasus kecepatan angin atau saat kondisi sinar
matahari kurang, baterai digunakan dalam operasi
hybrid solarwind system. Pada paper dicantumkan
beberapa factor yang mempengaruhi perilaku baterai
seperti kadar pengisian arus, efisiensi pengisian,
kadar self-discharge. Kebanyakan model baterai pada
dasarnya fokus terhadapa SOC , aliran pengisian
tegangan dan lama usia baterai. Produksi dan
penyerapan tenaga dari baterai selama periode waktu
t-1 sampai t dapat di gambarkan dalam persamaan
berikut:
, ) , ) , ) , ) t P t C t C
BAT B B
+ = 1 . 1
..(12)
Dimana :
( )
:kapasitas yang tersedia dari baterai pada
saat jam t
( )
:kapasitas yang tersedia dari baterai pada
saat jam (t-1)

:rata-rata dari discharge batteray bank,

pada penelitian ini diasumsikan sebesar
0.002
Mekanisme pengisian dan pengosongan batteray
bank tergantung pada kondisi tenaga pembangkitan
pada system hybrid. Tenaga pembakitan pada jam t
dapat dirumuskan sebagai berikut:
, ) , ) , ) t P t P t P
PV WT G
+ = .
....................................(13)
Untuk mengatasi tenaga yang tidak yang tidak
menentu dari PV panel dan wind turbin sehingga
tenaga dari baterai bank diperlukan untuk memasok
tenaga ketika beban tidak bias terpenuhi oleh pasokan
tenaga dari wind turbin dan PV panel dengan kata
lain tenaga disimpan ketika tenaga wind turbin dan
PV panel melebihi kebutuhan beban
Beberapa batasan harus ditentukan dibawah
operasi batteray bank. Nilai dari
( )
tidak dapat
lebih rendah dari tingkat minimun tenaga yang
diijinkan pada batteray bank ( ) dan tidak boleh
lebih tinggi dari tingkat maksimum tenaga yang
diijinkan ( ) selama pengisian. Kondisi ini
secara matematika dapat dinyatakan sebagai berikut :
<
( )
< ...(14)
Hal ini berarti bahwa baterai tidak boleh di
kosongkan dan di isi melebihi batas ketentuan operasi
dalam urutan untuk melindungi batteray bank dari
kerusakan dan untuk memperpanjang usia operasinya
.Berdasarkan asumsi terebut, kekuatan dari sistem
PV dimulai dari awal yaitu diukur setiap jam seperti
berikut:
, ) , ) t P t P
PV inv RE
. =
(15)
Dimana
inv

: efesiensi inverter
Prinsip pengosongan dan pengisian tergantung pada
kondisi
( )
dan kebutuhan tenaga beban tenaga
pada t jam
( )
1.
Jika nilai
( )
>
( )
: sisa power akan
digunakan secara terus menerus untuk
mengisi battray bank.
( )
=
( )
-
( )
....(16)
2. ( )
<
( )
: kekurangan tenaga akan di
suplai dari battery bank
( )
=
( )
-
( )
(17)
jika jumlah tenaga dari baterai adalah cukup untuk
mencatu sisa tenaga yang dibutuhkan maka baterai
bank akan discharge.
D. Fungsi Objektif Dan Analisa Ekonomi
Dalam penelitian ini fungsi objektif yang akan
dicari adalah Biaya Tahunan dari system (annual cost
of system)/ACS. Model ACS digunakan untuk
analisa biaya yang meliputi modal, biaya operasi dan
perawatan, biaya suku cadang, dan biaya kerusakan.
Komponen komponen yang dipertimbangkan
diantaranya PV, baterai, inverter, windturbin
= + + + .(18)
Modal dari tiap unit tidak memerlukan penggantian
selama project berlangsung dapat dihitung sebagai
berikut:
= . ( , ).(19)
C
cap
adalah Modal dari tiap unit komponen dalam
US$, y adalah lama waktu project berlangsung dalam
tahun, CRF adalah factor pengembalian modal,
perbandingan untuk menghitung nilai modal sekarang
menjadi aliran modal tahunan. Faktor ini dapat
dihitung sebagai berikut:
=
( )
( )
.(20)
i adalah tingkat suku bunga tahunan yang meliputi
suku bunga nominal dan tingkat inflasi tahunan.
Tingkat suku bunga ini dapat dihitung sebgai berikut:
=
(

)
( )
....(21)
`
4
Dimana i adalah tingkat suku bunga pinjaman, dan f
adalah tingkat inflasi tahunan. Biaya operasi dan
perawatan tahunan merupakan fungsi dari biaya
modal, keandalan komponen dan juga waktu hidup
komponen. AOM dapat dihitung sebagai berikut:
= (1 )/ .(22)
ARC merupakan biaya yang digunakan untuk
penggantian komponen dan unit selama project
berlangsung. Pada penelitian ini yang membutuhkan
untuk penggantian baterai. ARC dihitung
menggunakan persamaan berikut :
= . ( , )..(23)
C
rep
adalah biaya penggantian baterai , y
rep
adalah
lifetime dari komponen. SFF adalah factor modal
pembayaran dihitung menggunakan persamaan
berikut:
=
( )
.(24)
ADC merupakan biaya yang disebabkan karena
system ini tidak mampu memenuhi permintaan
beban, dihitung per kWh yang tidak dapat dipenuhi
system.
= x (25)
E. Algoritma Genetika
Merupakan algoritma yang digunakan untuk
memecahkan suatu pencarian nilai dalam sebuah
masalah optimasi yang didasarkan pada proses
genetika yang ada dalam makhluk hidup yaitu
perkembangan generasi dalam sebuah populasi yang
alami. Ada beberapa tahapan dalam GA yaitu
1. Inisialisasi Populasi
Dalam proses inisialisasi populasi ini, suatu
matriks berukuran jumlah_populasi dikalikan
jumlah_gen dibangkitkan dengan memiliki nilai pada
setiap elemennya berupa bilangan acak antara 0 dan
1.
2. Pengkodean Kromosom
Kromosom merupakan bagian dari keseluruhan
populasi yang mewakili sebuah individu.
Pada masalah ini kromosom yang dimaksud adalah
jumlah windturbin, jumlah PV dan jumlah baterai.
Npv = cromosome(p,1);
Nbat = cromosome(p,2);
Nw = cromosome(p,3);
3. Nilai Fitness
Merupakan nilai yang menyatakan baik tidaknya
suatu solusi (individu). Pada makalah ini nilai yang
dicari adalah nilai minimalisasi .Dimana objective
function merupakan nilai ACS
4. Seleksi
Seleksi dilakukan untuk mendapatkan dua
kromosom dengan nilai fitness terbaik yang akan
digunakan untuk proses pindah silang.
5. Pindah Silang
Pindah Silang adalah operator dari algoritma
genetika yang melibatkan dua induk untuk
membentuk kromosom baru. Probabilitas pindah
silang yang sering digunakan pada umumnya berkisar
0.6 sampai 0.95 dan pada makalah ini yang
digunakan adalah 0.85
6. Mutasi
Operator mutasi digunakan untuk melakukan
modifikasi satu atau lebih nilai gen dalam kromosom
yang sama. Mutasi dilakukan secara acak pada gen
dengan nilai kurang dari probabilitas mutasi.
III. PERANCANGAN SISTEM DAN MEKANISME
OPTIMASI
A. Perancangan Sistem
Perancangan sistem yang digunakan untuk
menyelesaikan permasalah seperti pada gambar 1.
Gambar 1 Sistem Hybrid , PV, Wind Turbin dan
Baterai
Sistem teridri dari PV panel, wind turbin dalam
satu bus DC, baterai sebgai media penyimpanan
energi, inverter sebagai pengubah tegangan DC dari
suplai daya menjadi tegangan AC ke beban.
B. Mekanisme Optimasi
Dalam menentukan konfigurasi yang optimal
pada simulasi ini digunakan algoritma genetika.
Konsep dari GA diambil dari proses genetik di
`
5
dalam biologi yang digunakan secara buatan untuk
membangun pencarian algoritma. Konfigurasi
optimum meliputi jumlah optimum dari wind turbin
PV panel dan baterai bank. Flowchart untuk
konfigurasi optimum menggunakan GA ditunjukan
pada gambar 3. langkah pertama dari konfigurasi
optimum adalah input dari parameter ekonomi,
parameter GA, data tahunan solar, kecepatan angin
dan beban. Nilai dari komponen energy terbarukan
seperti wind turbin, PV panel dan baterai secara
acak dipilih sebagai kromosom dari GA. Masing-
masing kromosom terdiri dari tiga gen dalam bentuk
N
WT
merupakan jumlah dari wind turbin , N
PV
merupakan jumlah PV panel serta N
BAT
:merupakan
jumlah baterai. Setelah inisialisasi populasi
ditentukan , simulasi tahunan dijalankan untuk
mencapai konfigurasi optimal berdasarkan
ACS(Biaya total tahunan).
Biaya total tahunan ditentukan berdasarkan
konfigurasi optimal. Individu dengan biaya terendah
dipilih sebagai solusi yang optimal. Proses ini
berulang untuk membangkitkan populasi berikutnya
sampai nilai konvergensi dicapai. GA akan secara
otomatis memilih kromosom terbaik pada tiap
generasi dengan biaya terendah. GA mempunyai
aturan bahwa kromoson terbaik dari masing-masing
generasi digunakan untuk memproduksi generasi
selanjutnya. Lebih jelasnya dapat dilihat Gambar 2
Flow Chart keseluruhan sistem
IV. ANALISA SIMULASI
A. Kondisi Sumber Energi Dan Beban
Pada analisa simulasi akan ditampilkan hasil dari
keluaran program optimalisasi pembangkit hybrid.
Simulasi program menggunakan algoritma genetika
dengan matlab untuk memperoleh hasil akhir berupa
total biaya sistem, LPSP serta mengetahui jumlah
kombinasi tiap-tiap komponen pembangkitan dengan
biaya seminimal mungkin. Dengan kondisi
permintaan permintaan beban seperti ditampilkan
pada kurva Gambar 3 Grafik Beban.
Gambar 2 Flow Chart Keseluruhan Sistem
`
6
Waktu(jam)
Waktu(jam)
D
a
y
a

(
w
a
t
t
)
Gambar 3 Grafik Beban
Pada simulasi hibrida ini menggunakan
photovoltaic dan turbin angin. Untuk photovoltaic
membutuhkan input energi berupa solar irradiation
dan suhu untuk menghasilkan daya listrik dari
photovoltaic. Adapun input solar irradiation dalam
satu hari dan suhu dalam satu bulam ditampilkan
seperti grafik Gambar 4 serta Gambar 5 .
Gambar 4 Grafik solar irradiation
Gambar 6 Grafik Kecepatan Angin
B. Hasil Simulasi Optimasi Dengan GA
GA merupakan pencarian secara random oleh
sebab itu dalam tiap simulasi di peroleh nilai optimal
yang berbeda, sehingga dibutuhkan beberpa kali
simulasi untuk mendapatkan nilai yang paling
optimal, tabel 4.2 menunjukan hasil optimisasi yang
berbeda dari 10 kali kali running. Dari tabel 1
diketahui bahwa nilai paling optimal ada pada hasil
ke 9, dengan kombinasi wind turbin, PV dan Baterai
berturut turut, 1-38-6.
Tabel 1 Hasil Running GA
no Baterai PV Winturbin
Biaya
(US$)
Konvergen
saat
1 12 30 1 4768 18
2 6 17 4 4279 81
3 11 1 5 5723 72
4 8 5 6 5796 71
5 7 11 4 7370 65
6 7 6 9 4720 28
7 7 19 2 3936 37
8 7 7 2 4537 90
9 6 38 1 3763 58
10 8 17 2 4088 91
(
s
o
l
a
r

i
r
r
a
d
i
a
t
i
o
n
)
k
W
/
Waktu(jam)
Waktu(jam)
suhu

K
e
c
e
p
a
t
a
n

a
n
g
i
n


(
/
)
Waktu(jam)
`
7
Dalam menentukan optimasi pembangkit hybrid
lebih komplek dari menentukan optimasi
pembangkit terpisah atau pembangkit sendiri
dikarenakan harus memperhatikan beberapa faktor
salah satunya adalah faktor alam yang sulit ditebak
serta permintaan beban yang sering tidak linier
dengan factor alam tersebut sehingga mempengaruhi
biaya dan kehandalan. Biaya tersebut meliputi biaya
pembelian, pemeliharaan, penggantian biaya penalti
karena PLT ini tidak dapat memenuhi beban sama
sekali.
Kehandalan sistem suplai energi harus bisa
memenuhi kebutuhan beban. Dalam simulasi ini
idealnya kehandalan harus 100%, dalam, jika
kehandalan tidak terpenuhi maka akan terkena
penalty sebagai LPSP(losses of power probability)
yang dalam simulasi di dapat hasil 0.503% atau
terjadi pemadaman selama 44 jam dalam 1 tahun.
Kombinasi optimum sistem hybrid PV- wind turbin
diperoleh yang terbaik dari dua komponen yang
bertolak belakang yaitu: biaya dan kehandalan
produksi. Penambahan jumlah wind turbin akan
menyebabkan penambahan biaya yang signifikan
dibandingan PV ini terlihat pada data Tabel 4.3
dimana windturbin menyumbang angka yang
signifikan dalam hal biaya, ini di sebabkan wind
turbin terdapat biaya penggantian tiap 10 tahun
sedangkan PV selama berlangsungnya proyek
(jangka waktu 20 tahun) tidak memerlukan biaya
penggatian. Oleh karena itu jumlah wind turbin perlu
diminimalkan.
Penambahan baterai dapat menaikan
kehandalan sedangkan produksi energi listrik belum
tentu akan naik karena tergantung jumlah PV.
Peningkatan jumlah baterai juga akan menaikan
biaya. Kapasitas minimum baterai yang tidak boleh
dipakai lagi sebesar 20% dan maksimum pengisian
baterai adalah 80%, hal ini untuk menghindari
terjadinya over-discharge sehingga baterai tidak
cepat rusak.
Peningkatan jumlah PV akan lebih menekan
biaya dibandingkan kenaikkan jumlah wind turbin
dan peningkatkan produksi energi listrik. Hal ini
dikarenakan sumber daya input yaitu potensi cahaya
matahari lebih besar dari pada kecepatan angin. wind
turbin akan bekerja maksimal (daya maksimum) jika
kecepatan angin melebihi kapasitas kecepatan
maksimum (25 m/s) sedangkan kecepatan rata-rata
di data angin hanya 3,52 m/s. Faktor lain yaitu:
peningkatan jumlah wind turbin akan berdampak
lebih besar pada peningkatan biaya karena karena
biaya pembeliaan dan biaya operasi yang tinggi
walaupun kapasitas daya tinggi. Keseluruhan hasil
optimasi ditampilkan pada Tabel 2
Tabel 2 Hasil Simulasi
Item Hasil Simulasi
Size daya PV (kW) 5,70
Size daya wind turbin (kW) 100,00
Size baterai (kW) 610,00
Total Beban dalam satu
tahun(MWh)
15,96
Beban yang tidak
terpenuhi(jam)
44
Total Biaya Kapital (US$) 2980,52
Total Biaya Operasi dan
Perawatan (US$)
415,75
Total Biaya Penggantian
part (US$)
5,38
Total Biaya Penalti 361
Total Biaya Sistem(US$) 3763
Komponen komponen biaya dari sistem ini selain
biaya kapital juga terdiri dari biaya operasi dan
perawatan, biaya penggantian suku cadang dan juga
biaya penalti jika sistem terjadi pemadaman. Nilai
nilai dari biaya biaya tersebut ditampilkan pada tabel
berikut.
Tabel 3 Biaya Kapital tiap komponen
Komponen Hasil
Wind turbin(US$) 503,8919
Baterai(US$) 1209,34
Photovoltaic(US$) 1148,873
Inverter(US$) 118,4146
Total 2980,52
Tabel 4 Biaya Operasi dan Perawatan Tiap
Komponen
Komponen Hasil
Wind turbin(US$) 50
Baterai(US$) 240
Photovoltaic(US$) 114
Inverter(US$) 11,75
Total(US$) 415,75
Tabel 5 Biaya Penggantian Tiap Komponen
Komponen Hasil
Baterai(US$) 5,38
`
8
V. KESIMPULAN
Hasil optimisasi dan analisa dapat
disimpulkan sebagai berikut
1. Hasil optimasi di dapat kombinasi unit: 1
wind turbin, 38 PV, dan 6 baterai. Dengan
biaya US$ 3763 , dengan kehandalan 99.5%
atau nilai LPSP nya 0,503%
2. Optimalisasi Sistem Pembangkit Listrik
Hibrida dengan GA untuk mendapat hasil
optimal dan didapat hasil simulasi
- Energi yang dibangkitkan PV dalam satu
tahun 10MWh
- Energi yang dibangkitkan wind turbin dalam
satu tahun 39 MWh
- Dan kapasitas baterai 60 kWh
- Beban dalam satu tahun 15,97 MWh
- Jumlah PV=38, Wind Turbin=1 serta
baterai=6.
3. Sistem pembangkit tenaga angin dan surya
cocok untuk dikembangkan di daerah
terpencil yang memiliki potensi sumber
cahaya matahari dan sumber angin lebih
DAFTAR PUSTAKA
[1] Hongxing Yang, Wei Zhou, Lin Lu,
Zhaohong Fang, Optimal sizing method
for stand-alone hybrid solarwind system
with LPSP technology by using genetic
algorithmSeptember 2007.
[2] Heri Suryoatmojo, Adel A. Elbase,
Syafaruddin, Takashi Hiyamaa,Robust
Method for Optimal Sizing of PV-Diesel-
Battery Systems using Particle Swarm
Optimization Agustus 2010.
[3] M. Ashari, Heri Suryoatmojo, Soedibyo,
Imam Robandi, Takashi Hiyama.
Optimal Design of Hydrogen Based
Stand-Alone Wind/Microhydro System
Using Genetic Algorithm 2nd
International Conferences on Soft
Computing, Intelligent System and
Information Technology 2010.
[4] A. Kashe Kaviani, G.H. Riahy, SH.M.
Kouhsari. Optimal design of a reliable
hydrogen-based stand-alone wind/PV
generating system, considering component
outages. Renewable energy 2009; 34:
2380-2390.
[5] H. Suryoatmojo, T. Hiyama, A. A.
Elbaset, M. Ashari. Optimal design of
Wind-PV-Diesel-Battery system using
genetic algorithm. IEEJ Trans. PE 2009;
129(3): 413-420.
[6] M.Ashari,C.V.Nayar,W.W.L. Keerthipala.
Optimum operation strategy and
economic analysis of a photovoltaic-
diesel-battery-mainshybrid uninterruptible
power supply. Renewable energy 2001;
22: 247-254.
[7] http://en.wikipedia.org/wiki/Solar_module
[8] http://en.wikipedia.org/wiki/Photovoltaics
[9] Suyanto., Algoritma Genetika Dalam
MATLAB, ANDI, Yogyakarta, 2005
Penulis bernama lengkap Amir
Rudin, dilahirkan di Klaten
pada tanggal 23 februari 1987,
merupakan anak bungsu dari
dua bersaudara. Pada tahun
2005 penulis lulus dari SMA N
1 Cawas Klaten. Penulis
melanjutkan studi pada tahun
2005 di D3 Elektronika Instrumentasi Universitas
Gadjah Mada. Setelah itu pada tahun 2009
melanjutkan studi S1 di Institut Teknologi Sepuluh
Nopember Surabaya jurusan Teknik Elektro bidang
studi Sistem Tenaga. Penulis dapat dihubungi
melalui alamat email amiruddin_dien@yahoo.com
`
9