Sistem Manajemen Energi untuk Microgrid

berbasis Generatic Algorithm

Dosen Pembimbing : Ridwan Budi Prasetyo , S.T,. M.Eng.
5200711021 Tio Indra Lesmana, 5200711025 Aprilio Gino Takin, 5200711065 Adi Fauzi Rozali, 5200711063 Hermanto, 5200711071 Manuel Paul Situmorang, 5200711076
Awim Rizal Hadi, 5200711085 Jamil Aliansyah Gentar, 5200711094 Bagas hambali, 5200711098 Jansen Hesekiel Lumbantombing

Latar Belakang Hasil dan Pembahasan Kesimpulan

Poster ini mengusulkan EMS untuk
pembangkitan terdistribusi (DG) dalam mikrogrid
pulau AC. Microgrid (MG) yang disarankan terdiri
dari sel bahan bakar, sebuah elektroliser, tangki
hidrogen, turbin angin, turbin gas, sistem
penyimpanan energi baterai, beban, dan
kendaraan listrik. Strategi manajemen energi
baru berdasarkan algoritma genetika (GA)
diusulkan, strategi logika fuzzy lain juga
diusulkan untuk membandingkan hasil dengan
manajemen berbasis GA. Kekhususan pekerjaan
ini terdiri dari memperhitungkan penuaan baterai
dalam proses optimalisasi serta biaya
pengoperasian berbagai elemen yang dipelajari
microgrid, sistem hybrid rumit yang terdiri dari
beberapa elemen penyimpanan dan
pembangkitan, yang belum pernah dipelajari
sebelumnya.
Pada akhirnya, arus kas dengan metode berdasarkan algoritma
genetika lebih rendah daripada yang ditemukan dengan strategi logika
fuzzy. Di sisi lain, waktu komputasi dengan algoritma genetika sekitar 4
detik, yang sedikit lebih tinggi dibandingkan dengan strategi logika
fuzzy (1,2 detik).
Tabel Nilai fungsi tujuan akhir
Poster ini mengusulkan sistem kontrol prediktif
baru menggunakan algoritma genetika untuk
microgrid terisolasi, sistem hibrida rumit yang
terdiri dari berbagai komponen penyimpanan
dan pembangkitan yang sebagian besar terdiri
dari generator angin dan PV, turbin gas, BESS,
HESS, kendaraan beban dan listrik. Strategi
berbasis algoritma genetik diterapkan untuk
menemukan arus kas terendah dan untuk
mengoptimalkan kinerja sistem tenaga dan
mencapai pencukuran puncak. Kekhususan dari
pekerjaan ini adalah mempertimbangkan umur
baterai dalam pengoptimalan. Metode berbasis
GA memberikan arus kas yang jauh lebih baik,
menghemat lebih dari 22,5% tagihan listrik,
tetapi dengan waktu perhitungan yang sedikit
lebih lama daripada strategi logika fuzzy

Topologi Daftar Pustaka

[1] Ngueveu, S.U., Caux, S., Messine, F., Guemri,

Secara umum hasil yang diperoleh menunjukkan sensitivitas biaya yang
cukup tinggi tergantung dari metode dan algoritma yang digunakan.
Elektromekanik. Sistem Gerak. Memilih. Menggerakkan Simp Bersama.
Metode berbasis GA memberikan arus kas yang jauh lebih baik, menghemat
lebih dari 22,5% tagihan listrik, tetapi dengan waktu perhitungan yang sedikit
lebih lama daripada strategi logika fuzzy. Oleh karena itu, penjadwalan yang
optimal adalah masalah yang sensitif dan pemilihan pendekatan yang tepat
sangat penting untuk memastikan manajemen energi yang optimal.
M.“Heuristics and lower bounds for minimizing fuel
consumption in hybrid-electrical vehicles”. 4ORthis link is
disabled, 2017, 15(4), pp. 407–430
[2] C.Wang and M. H. Nehrir, “Power management of a
stand-alone wind/photovoltaic/fuel cell energy system,”IEEE
Trans. Energy Convers.,vol. 23, no. 3, pp. 957–967, Sep. 2008.
[3] M. Urbina, and Z. Li, “A fuzzy optimization approach to
PV/battery scheduling with uncertainty in PV generation,” in
Proc. 38th North American IEEE Power Symp. (NAPS2006),
Carbondale, IL, 2006, pp.561–566