Anda di halaman 1dari 4

TUGAS RESUME JURNAL

MATA KULIAH SISTEM FUZZY

Disusun oleh:
Annisa Marliana Fitria 02311440000003
Niken Arina Pratiwi 02311440000069

PROGRAM STUDI S1 TEKNIK FISIKA


DEPARTEMEN TEKNIK FISIKA
FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2017
1. Aplikasi fuzzy di bidang kontrol
Judul: Fuzzy Control of Photovoltaic MPPT Based on Current perturbation
Disusun oleh: Deshui YU, Yonggang LI, Yichen ZHOU
Saat ini penelitian mengenai maximum power point tracking (MPPT) atau pelacakan
nilai daya maksimum pada sel photovoltaic (PV) menjadi topik yang hangat dalam bidang
pengendalian otomatis. Perbedaan antara metode-metode pengendalian MPPT terletak
pada osilasi nilai aktual daya maksimum, kecepatan konvergensi, kerumitan, kestabilan,
dan biaya peralatan elektronik. Metode observasi perturbation menjadi metode MPPT
yang paling umum digunakan saat ini mengingat kesederhanaan algoritma dan hanya
membutuhkan tegangan dan arus keluaran sel PV. Fluktuasi nilai daya keluaran pada
operasi steady-state dapat menyebabkan terjadinya kerugian daya. Pada penelitian ini
sebuah metode MPPT dengan ukuran step yang bervariasi dan perturbation arus
diwujudkan dengan menggunakan algoritma fuzzy. Tidak hanya memiliki karakteristik
pelacakan yang cepat dan osilasi yang relatif kecil, namun metode ini juga dapat
menghindari kesalahan secara efektif.
Sistem photovoltaic dimodelkan secara matematis untuk mengetahui hubungan
antara tegangan dan arus pada sel surya. Nilai dari parameter sel surya pada model
matematis PV berubah terhadap iluminasi cahaya matahari dan temperatur lingkungan.
Permodelan juga dilakukan terhadap sistem PV yang telah dilengkapi dengan rangkaian
DC-DC boost converter guna menyatakan hubungan antara arus dan tegangan masukan,
tegangan keluaran serta rasio kerja (duty ratio) dari boost converter yang menyatakan kerja
sistem plant secara keseluruhan. Selanjutnya dilakukan desain terhadap metode MPPT
yang diusulkan yaitu kombinasi antara algoritma current perturbation dan pengendalian
dengan logika fuzzy. Algoritma yang digunakan pada penelitian ini memiliki desain yang
sama seperti algoritma perturbation konvensional, hanya saja nilai yang diatur pada
metode current perturbation bukan lagi tegangan, namun arus. Sedangkan logika
pengendalian fuzzy pada penelitian ini menggunakan fungsi keanggotaan segitiga dan lima
subset, yaitu negative, negative small, zero, positive small, dan positive untuk nilai error,
nilai perubahan error, dan duty cycle. Gabungan dari algoritma current perturbation dan
logika kontrol fuzzy menghasilkan tiga aturan kontrol MPPT photovoltaic. Pertama, jika
perubahan daya keluaran bernilai positif maka pengaturan duty cycle terus dilakukan,
sementara jika bernilai negatif maka pengaturan harus dilakukan dengan arah yang
berlawanan. Kedua, jika nilai kerja masih terlalu jauh dari MPP, maka pencarian titik daya
maksimum dilakukan dengan perubahan nilai yang besar, sedangkan ketika telah
mendekati nilai MPP maka pencarian nilai dilakukan dengan perubahan nilai yang kecil.
Terakhir, jika nilai iradiansi, temperatur lingkungan, dan faktor lain yang dapat
mempengaruhi daya keluaran PV menyebabkan perubahan yang besar pada daya keluaran
PV, maka sistem harus dapat menanggapi perubahan tersebut secara cepat.
Pengujian stabilitas sistem dilakukan dengan membandingkan sistem yang
diusulkan dengan sistem MPPT menggunakan metode P&O konvensional dan memberi
perubahan intensitas cahaya masukan. Respon dari kedua sistem pada kondisi ini
kemudian diamati untuk membandingkan kinerja dari masing-masing sistem. Simulasi
yang dilakukan menghasilkan nilai responsivitas metode yang diusulkan sedikit lebih
cepat daripada metode konvensional. Sedangkan nilai fluktuasi daya keluaran metode
yang diusulkan jauh lebih rendah daripada metode konvensional yang membuktikan
bahwa metode ini mampu menyelesaikan permasalahan osilasi daya keluaran PV.
2. Aplikasi fuzzy di bidang identifikasi sistem
Judul: Fuzzy identification and control of a piezoelectric actuator
Disusun oleh: Aissa REBAI, Kamel GUESMI, Boualem HEMICI
Penelitian terhadap aktuator piezoelectric (PEA) banyak dilakukan pada beberapa
dekade terakhir akibat luasnya penggunaan PEA di berbagai bidang. PEA semakin banyak
digunakan karena material piezoelectric memiliki kekakuan yang tinggi, ukuran yang kecil
dan respon yang cepat. Namun PEA memiliki kekurangan yaitu adanya perilaku histeresis
dan nonlinearitas yang membutuhkan pengendalian khusus untuk mengkompensasi
perilaku tersebut. Salah satu metode pengendalian yang banyak digunakan di industri
karena kesederhanaan strukturnya yaitu PID. Namun, penggunaan sistem pengendalian ini
untuk sistem non-linear tidaklah mudah akibat ketidakpastian nilai parameter. Sehingga
pengendalian fuzzy PID digunakan untuk mengatasi masalah tersebut guna meminimalisir
kesalahan keluaran.
Model matematis PEA yang digunakan pada penelitian ini berdasarkan permodelan
yang telah dilakukan oleh Low dan Guo, yang menyatakan hubungan antara displacement
atau perubahan ukuran yang teradi pada PEA berdasarkan tegangan yang diberikan. PEA
diasumsikan sebagai sebuah plant dengan jumlah pasangan input dan output yang tidak
diketahui, sehingga untuk melakukan permodelan terhadap sistem tersebut, perlu
dilakukan sebuah proses identifikasi sistem. Permodelan dapat dilakukan dengan sistem
identifikasi fuzzy Takagi-Sugeno. Validasi dari model matematis yang digunakan pada
penelitian ini dilakukan dengan mengamati dan membandingkan nilai displacement dari
model PEA pengamatan terhadap PEA secara eksperimental. Fitur hubungan input-output
dan nilai kesalahan yang dihasilkan oleh model juga diuji dengan menggunakan simulasi
dan menghasilkan perbedaan yang tidak signifikan (0,02%) dengan PEA asli yang
dimodelkan sehingga permodelan ini dapat dianggap valid. Setelah permodelan berhasil
dilakukan, maka desain kontrol fuzzy PID dapat dilakukan dengan terlebih dahulu
menentukan parameter kontrol menggunakan algoritma optimasi ant-colony (ACO).
Masukan dari sistem pengendalian fuzzy PID pada penelitian ini yaitu nilai error dan
variasi error. Terdapat sembilan variabel linguistik fuzzy yang digunakan yaitu negative
very big, negative big, negative medium, negative small, zero, positive small, positive
medium, positive big, dan positive very big. Fungsi keanggotaan variabel masukan yang
digunakan berupa trapesium untuk negative very big dan positive very big, sedangkan
lainnya berupa segitiga simetris. Untuk keluaran dari FLC (Fuzzy Logic Control), fungsi
keanggotaan merupakan fungsi tunggal (singleton). Selanjutnya desain sistem
pengendalian dikombinasikan dengan algoritma optimasi ACO untuk mencari nilai fungsi
fitness yang terkecil.
Guna mengevaluasi kinerja dari sistem kontrol yang diusulkan pada penelitian ini,
sistem fuzzy PID dibandingkan dengan pengendali PID konvensional untuk
mengendalikan displacement dari sistem PEA. Respon kedua sistem diamati melalui
simulasi untuk menentukan sistem pengendalian yang lebih baik. Hasil dari simulasi ini
menunjukkan bahwa sistem pengendalian fuzzy PID dapat mengendalikan PEA dengan
lebih baik ditinjau dari kecepatan respon, serta nilai error dan overshoot yang lebih kecil dari
pengendalian PID konvensional.
3. Aplikasi fuzzy di bidang forecasting