Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

2017 4th IEEE Uttar Pradesh Section International Conference on Electrical, Computer and Electronics (UPCON) GLA
University, Mathura, 26-28 Okt 2017

Optimalisasi Koloni Semut untuk Konsumsi Daya Lebih

Sedikit dan Pengisian Baterai Cepat di Tenaga Surya
Sistem Kisi
Shivendra Kumar Dr. Nidhi Singh Pal Jurusan
Departemen Teknik Elektro, Universitas Teknik Elektro, Universitas Buddha
Buddha Gautam, Greater Noida, UP India Gautam, Greater Noida, UP India
shivendra.kumar15@gmail.com nidhi@gbu.ac.in

Abstrak— Sistem jaringan surya yang terdiri dari surya/ Energi terbarukan memulihkan secara alami dan datang melalui proses
jaringan/baterai dianalisis untuk pengisian baterai dan alami. Manfaat penggunaan energi terbarukan mengurangi
untuk konsumsi daya oleh baterai menggunakan ACO. ketergantungan pada bahan bakar fosil dan juga penipisan bahan
Output matahari tergantung pada faktor atmosfer. Pada bakar fosil menjadi perhatian utama di sektor ketenagalistrikan. Sistem
kondisi ketika output solar PV array lebih besar dari energi terbarukan hibrid mampu memasok beban dalam ukuran
kebutuhan beban maka daya disuplai oleh solar PV array beberapa watt hingga beberapa mega watt.
untuk mengisi baterai. Dalam makalah ini, sistem grid Optimalisasi koloni semut (ACO) adalah pendekatan berbasis
surya (PV) disimulasikan dalam simulink Matlab. Dalam populasi yang terinspirasi dari perilaku biologis semut [1]. Semut
makalah ini pendekatan berbasis Ant Colony Optimization meletakkan feromon zat kimia di jalur mereka mendekati jalur
(ACO) diusulkan untuk pengisian cepat baterai di sistem terpendek untuk menemukan makanan. Marco Dorigo pertama
jaringan surya dan untuk mengurangi konsumsi daya kali memperkenalkan sistem semut dasar pada tahun 1992. Dalam
baterai. makalah ini, sistem jaringan surya (PV) disimulasikan dalam
simulink Matlab. Teknik Ant Colony Optimization digunakan untuk
Kata kunci— Optimasi Koloni Semut (ACO), sistem fotovoltaik pengisian baterai yang cepat dan konsumsi daya yang lebih sedikit
(PV), Pelacakan titik daya maksimum (MPPT), konduktansi oleh baterai. Pengisian baterai terjadi dalam dua langkah: arus
tambahan (IC), Status Pengisian Daya (SOC).
konstan disuplai ke baterai kecuali tegangan baterai mencapai
batas tegangan maksimum yang telah ditetapkan diikuti oleh
tegangan konstan kecuali arus mencapai nilai minimum yang telah
ditetapkan.[1]
TATA NAMA
Pada tata surya ada dua sumber energi yang digunakan, pertama
adalah photovoltaic array dan yang kedua adalah baterai [2]. Ketika
PV Fotovoltaik output array PV fotovoltaik lebih dari permintaan beban maka baterai
diisi. Output dari array PV diberikan ke ACO dan dengan
MPPT Pelacakan titik daya maksimum mengimplementasikan teknik ACO pada parameter input dirancang
sedemikian rupa sehingga daya yang dikonsumsi baterai untuk mengisi
DC, AC Arus searah, Arus bolak-balik daya lebih sedikit. Untuk menghindari hilangnya daya dalam sistem
Algoritma pelacakan titik daya maksimum (MPPT) diterapkan untuk
ACO Optimasi koloni semut menemukan titik daya maksimum. Diagram blok sistem jaringan surya
menggunakan ACO ditunjukkan pada gambar 1. Tujuan memberikan
SOC Negara bagian output dari array PV ke baterai melalui ACO, adalah agar pengisian
baterai dilakukan dengan cepat sehingga lebih sedikit daya yang
PWM Modulasi lebar pulsa digunakan untuk mengisi baterai.

IC konduktansi tambahan

Vph-ph Tegangan fasa ke fasa

I. PENDAHULUAN

Energi matahari adalah salah satu energi terbarukan terbaik.

Sebagian besar energi matahari diambil dari lingkungan, yang
dikonsumsi di dunia untuk memenuhi kebutuhan energi.

978-1-5386-3004-4/17/$31,00 ©2017 IEEE 244

 Tabel 1.Spesifikasi PV

Nilai daya 10KW

Tegangan rangkaian terbuka 64,2 V
Arus hubung singkat 5.96 A
Saat ini di P max 5.58 A
Tegangan pada P maks 54,7 V
Insolasi 1000 w/m2

Gambar 1. Diagram Blok Sistem Pembangkit Listrik Tenaga Surya dengan ACO[2]
B. Pelacakan titik daya maksimum (MPPT)
Dalam array PV, MPPT diterapkan untuk memperoleh daya
II.PEMODELAN SISTEM GRID SURYA keluaran maksimum. Suhu dan radiasi terutama dua faktor
di mana daya output array PV tergantung. Diagram blok
A. Sel fotovoltaik konverter MPPT ditunjukkan pada gambar 3. Algoritma
Daya keluaran array PV tergantung terutama pada dua tambahan (IC) [4] MPPT diterapkan yang menentukan titik
faktor yaitu, suhu dan radiasi. Efek fotovoltaik (PV) adalah daya maksimum saat-
proses dasar di mana energi listrik diperoleh dari energi
matahari. Tegangan dan arus keluaran yang diperlukan
+ =0 (4)
diperoleh dengan kombinasi seri dan paralel dari sel
fotovoltaik. Pada rangkaian sel surya PV, dioda
dihubungkan secara anti paralel dengan sumber arus. Titik daya maksimum ditentukan ketika jumlah aljabar
Rangkaian tipikal sel surya PV ditunjukkan pada gambar 2. dari konduktansi inkremental dan seketika
dan spesifikasi PV diberikan pada tabel 1. Persamaan yang
menunjukkan karakteristik VI sel surya.[3] konduktansi sama dengan nol.

b 0– 1)
Ipv = Iph - Id(misqv/k TA (1)
(5)
SAYAph= S(Iscr+ kSaya(T-TR) (2)

SAYAd =SAYArr (3)

Di Sini

VPVDanSAYAPVadalah tegangan dan arus keluaran.

S=penyinaran matahari
(w/m2) T=suhu sel(K) Ir=
arus saturasi Iscr=arus
hubung singkat
ki=koefisien suhu hubung singkat Q
Gambar 3. Diagram Blok Konverter MPPT[1]
=muatan elektron A0=faktor
identitas
Misalnya=energi celah pita C. Konverter DC/DC
material Tr=suhu referensi Kb=
Konverter DC/DC adalah perangkat elektronik, yang terhubung
boltzkonstanta man
antara susunan PV dan beban. Pada konverter DC/DC boost,
tegangan dc keluaran lebih besar daripada tegangan masukan DC.
Berdasarkan sinyal PWM yang dihasilkan oleh pengontrol MPPT,
konverter dapat melacak titik daya maksimum sistem PV. Dalam
rangkaian listrik konverter penambah DC/DC, dioda, induktor, dan
sakelar terutama digunakan. Model sirkuit listrik konverter boost
ditunjukkan pada gambar 4.

L = VSaya-VHai (6)

Gambar 2. Rangkaian tipikal sel surya PV [3]

VHai= (7)

245
 Meja 2.Spesifikasi Baterai

Jenis baterai Ion lithium

Tegangan pengenal 500 V
Kapasitas yang ternilai 8Ah
Kapasitas energi 40 kWh

AKU AKU AKU. APBCOPTIMASI OLONI(ACO)

Gambar 4. Model rangkaian listrik konverter boost [1]
Di mana,Voadalah tegangan keluaran konverter penambah
DC/DC. ParameterLDanCadalah konstanta.VSayaadalahtegangan
input konverter penambah DC/DC,Radalah tahanan beban.
D.Baterai
Baterai menyimpan energi dari sumber AC/DC untuk digunakan
nanti. Karakteristik pengisian dan pengosongan tergantung pada
sifat baterai. Status pengisian daya (SOC) menentukan daya yang
tersedia dari baterai, dan diberikan dalam persentase, dan
Algoritma optimasi koloni semut (ACO) adalah teknik berbasis
semut yang disimulasikan oleh perilaku biologis semut, termasuk
mekanisme interdependen dan adaptasi [9]-[10]. Diagram alir
algoritma ACO ditunjukkan pada gambar 6. Algoritma ACO
terinspirasi oleh koloni semut yang sebenarnya dan perilaku
mencari makan semut. Namun semut adalah makhluk buta
sehingga komunikasi tidak langsung dimungkinkan dengan
percobaan feromon kimia[11]. Yang memberdayakan mereka
untuk melacak jalur terpendek dari sumber ke tujuan[12]-[13]. ACO
berisi karakteristik umpan balik positif, yang memberdayakan
penemuan cepat solusi yang baik.
Langkah 1: Menginisialisasi dan mengatur populasi semut dari 1 sampai n

ditentukan oleh daya transien yang disuplai ke lokasi beban[5]- [6]. dan menghasilkan batas maksimum dan minimum variabel

SOC positif dalam hal pengisian dan negatif dalam hal pemakaian
[7]. SOC baterai adalah sebagai berikut: = rand ( ) (10)

SOC( ) =SOC(-1)*(1-SDR)*RTF +Pbs(-1) (8)
Di manaSDRDanRTFmenentukan tingkat pelepasan diri dan
efisiensi ujung bulat baterai.Pbs( )mewakili daya yang diperoleh
pada waktu [8]. Sebuah baterai lithium ion telah dipilih untuk
simulasi. Model rangkaian listrik baterai seperti yang ditunjukkan
pada gambar 5 dan parameter baterai diberikan pada tabel 2.
Di manaSayamemberikan jumlah nilai variabel arus dan tegangan,
knilai didasarkan pada jumlah semut yang dapat bervariasi dari 1
sampaiN. Untuk setiap iterasiNsemut mendapatkan n variabel
desain
(11)

konstanta feromon dialokasikan ke setiap variabel untuk masing-masing

semut.

= (12)
Di setiap iterasiNdiperoleh nilai variabel. Solusi terbaik yang
diperoleh ditentukan oleh
=( ,) (13)
Langkah 2:Nilai-nilai dariPDan variabel diambil secara acak
antara 0 dan 1. Nilai variabel meningkat dan menurun
dengan nilai yang berbedaP.

Gambar 5. Model rangkaian listrik baterai lithium-ion

Vbat= Voc – Ro*ibat (9) = (14)

Di mana
Vbat=tegangan terminal baterai Saya
bat= arus keluaran baterai Ro= nilai ditentukan oleh nilai maksimum dan minimum
resistansi internal baterai Vok= variabel dengan jumlah total semutN.
sumber tegangan ideal

246
 wDi Siniaku j Dan tidak efisien & feromon
= (15)
koefisien dan
aku jadalah yang menarik c

Jika diperoleh solusi =( ,) lebih baik dari sebelumnya 0, 1 (17)

solusi kemudian perbarui untuk mendapatkan solusi yang lebih baik.

Di Sini aku j(T)menjadi intensitas percobaan feromon pada (aku j) pada

pengulanganT. Intensitas percobaan dapat diperbarui sesuai
dengan rumus berikut.
k
aku j(t+1) = aku j(t) +aku j (18)

Dimana koefisien dan (1- )mewakili koefisien dari

penguapan feromon.

k
aku j= (19)
k
Di mana aku j
adalah intensitas feromon yang diletakkan di tepi (aku j) oleh
kthsemut pada iterasi ini; itu diberikan oleh

k
aku j= (20)

Di manaQkonstan danLKadalah fungsi kebugaran semutk.

IV. HASIL DAN DISKUSI

Untuk mempelajari sistem yang diusulkan, model simulasi

Matlab dari sistem grid PV terbuat dari array PV 270V, 10kW
dan baterai 500V, 8Ah. Daya baterai dipasok ke bus DC tunggal
500V. Model simulasi Matlab solar grid system ditunjukkan
pada Gambar 7.

Gambar 6. Flowchart algoritma ACO

JikaP(Jaringan Surya ACO) P(Jaringan Surya):Baterai akan terisi daya.

P(Jaringan Surya ACO) > P(Jaringan Surya):ACO akan memperbarui
parameter.

Di mana
P(ACO Jaringan Surya) :daya yang dikonsumsi oleh baterai untuk pengisian
daya melalui ACO Solar Grid.
P(Jaringan Surya) :daya yang dikonsumsi oleh baterai untuk pengisian
melalui Solar Grid.

Probabilitas darisemutperubahan jalur pada setiap iterasi yang
menghormati preferensi heuristik [14]-[15]. Probabilitas
transisi dihitung dalam persamaan berikut.
Paku
k j=
Gambar 7. Model simulasi Matlab solar grid system
Konverter penambah DC-DC meningkatkan tegangan larik PV dari
270V ke 500V. Konverter jembatan 3 tingkat mengubah 500V DC
menjadi 270Vph-phAC. Konverter jembatan 3 tingkat adalah
(16) terhubung ke saluran transmisi dan saluran transmisi
terhubung ke transformator delta bintang 3 100kVA yang
mengubah 270V menjadi 20 kV. Tegangan dari trafo disuplai

247
ke jaringan utilitas. Iradiasi, suhu, daya dan bentuk gelombang
tegangan yang diperoleh pada terminal panel PV ditunjukkan pada
gambar 8.
tegangan konstan dapat diberikan ke baterai untuk pengisian.
Baterai diisi dengan arus konstan hingga baterai mencapai
batas tegangan maksimum diikuti dengan tegangan konstan
hingga arus baterai mencapai batas arus maksimum. Status
pengisian baterai ditunjukkan pada tabel 3.

Gambar 8 Bentuk gelombang irradiansi, suhu, daya dan tegangan

Gambar 10. Daya yang dikonsumsi baterai untuk pengisian daya
diperoleh pada terminal panel PV.

Awalnya radiasi adalah 1000w/m2pada 0,5 detik turun menjadi
500w/m2hingga 1,1 detik dan meningkat lagi menjadi 1000w/m
2. Suhu dijaga konstan pada 250C. Tenaga surya diperoleh
10kW saat radiasi 1000w/m2dan menurun dengan jatuhnya
radiasi. Tegangan yang diperoleh konstan pada 270V.
Baterai yang digunakan dalam sistem jaringan surya adalah 500V,
8Ah dan 4kWh. Gambar 10 menunjukkan daya yang dikonsumsi
oleh baterai dari array PV dengan jaringan surya ACO dan jaringan
surya. Algoritme ACO membandingkan daya yang dikonsumsi
baterai untuk pengisian langsung dari sistem jaringan surya dan
melalui sistem jaringan surya ACO. , jika daya yang dikonsumsi
oleh baterai tidak lebih besar dari sistem jaringan surya, maka
baterai akan terisi. Konsumsi daya oleh baterai dengan sistem
jaringan surya adalah 2090 W tetapi dengan jaringan surya ACO
adalah 1590W Perbedaan konsumsi daya 500W oleh baterai untuk
pengisian daya dengan sistem jaringan surya dan dengan sistem
jaringan surya ACO terlihat. Jam 4thiterasi terjadi penurunan
konsumsi daya oleh baterai sejak baterai diisi dan kemudian
menjadi konstan.

Tabel 3.Status pengisian baterai

Waktu (detik) Jaringan surya (SOC) Jaringan ACO-Solar

% (SOC) %
1000 39 39.5
3000 55 56.5
5000 70 71
Gambar 9. Status pengisian baterai 6000 75 75.6
8000 79 79.7
Baterai diisi ketika output array PV lebih besar dari permintaan 10.000 84.7 85.5
beban. Gambar 9 menunjukkan pengisian baterai hanya dengan 14000 91.6 92.4
jaringan surya dan dengan jaringan surya ACO. Dengan bantuan 18000 95 95.5
algoritma ACO parameter output dari array PV dibandingkan dan
dijaga konstan sehingga arus konstan dan

248
 V. KESIMPULAN [13] CF Juang, CM Lu, C.Lo, dan CYWang, “Algoritma optimasi koloni semut
untuk desain kontroler fuzzy dan implementasi FPGA-nya,” Trans IEEE.
Ind. Elektron., vol. 55, tidak. 3, hlm. 1453–1462, Maret 2008.
Pada makalah ini, sistem grid solar PV disimulasikan dalam [14] Hu, X.-M., Zhang, J., Chung, HS-H., dkk.: 'SamACO: algoritme pengoptimalan
MATLAB dimana pengisian baterai dilakukan melalui teknik koloni semut pengambilan sampel variabel untuk kontinu
ACO. Perhatian utama dalam makalah ini adalah pengisian pengoptimalan', IEEE Trans. Sistem. Man Cybern. B, Cybern., 2010, 40,
(6), hlm. 1555–1566
baterai yang cepat dalam sistem jaringan PV surya dan
[15] Dorigo, M., Birattari, M., Stutzle, T.: 'Optimasi koloni semut',
konsumsi daya yang lebih sedikit oleh baterai dari sistem Komputer IEEE. Intell. Mag., 2006, 1, (4), hlm. 28–39
jaringan PV surya. Teramati bahwa menggunakan ACO
pengisian baterai dilakukan relatif cepat dan juga daya yang
dikonsumsi untuk mengisi baterai berkurang. Terlihat bahwa
status pengisian daya (SOC) baterai meningkat sebesar 0,5%
dan konsumsi daya baterai berkurang sebesar 500W.

REFERENSI

[1]Nooshin Bigdeli “Manajemen optimal dari sistem tenaga hybrid PV/sel

bahan bakar/baterai: Perbandingan pendekatan hybrid yang optimal”
(ELSEVIER) Tinjauan energi terbarukan dan berkelanjutan 42 (2015)
377-393
[2] SS Dash, Padhuchurichandra Babu “Analisis dan eksperimental Investigasi
untuk sistem PV Surya 10kW yang Terhubung dengan Jaringan dalam
distribusi jaringan"5thKonferensi internasional penelitian dan penerapan
energi terbarukan, 20-23 November 2016, Birmingham, Inggris.
[3] Habbati Bellia, Ramdani Youcef, Moulay Fatima “Pemodelan yang
mendetail modul fotovoltaik menggunakan MATLAB”Lembaga Riset
Astronomi dan Geofisika Nasional 9 April 2014
[4]Moacyr Aureliano Gomes de Brito, Luigi Galotto,”Evaluasi Teknis
MPPT Utamapertanyaan untuk Aplikasi Fotovoltaik”Transaksi IEEE
pada elektronik industri, vol. 60, tidak. 3 Maret 2013
[5]Saroj Rangnekar, Payal Suhane “Oukuran optimal dari sistem energi hibrida
menggunakan pengoptimalan Koloni Semut”Jurnal internasional rese energi
terbarukanlengkungan”, Vol. 4, No. 4,2014
[6]Weiqiang Dong, Yanjun Li, Ji Xiang, “Mengukur stand-sendiri Sistem Fotovoltaik/
Energi Angin dengan Penyimpanan Hidrogen dan Baterai berdasarkan
Koloni Semut yang DitingkatkanAlgoritma”IEEE 2016 Konferensi Kontrol dan
Keputusan Tiongkok ke-28 (CCDC)
[7]HJ Chiu, LW Lin, PL Pan, dan MH Tseng, “Sebuah novel cepat pengisi daya
untuk timah-baterai asam dengan pemulihan energi,”Trans IEEE.
Elektron Daya., vol. 21, tidak. 3, hlm. 640–647, Mei 2006.
[8]Payal Suhane, Saroj Rangnekar, Arvind Mittal, Anula Kharedan analisis
kinerja sistem energi hibrid berbasis angin-fotovoltaik mandiri
menggunakan optimasi koloni semut” Pembaruan IET. Kekuatan Gen.,
2016, Vol. 10, Is. 7, hlm. 964–972
[9]Arun, P., Banerjee, R., Bandyopadhyay, S.: 'Ukuran optimal dari
generator diesel terintegrasi baterai untuk elektrifikasi jarak jauh
melalui desain-pendekatan ruang', Int. J. Energi: Elsevier, 2008,
33, (7), hlm. 1155–1168
[10]Zilong Xu, Fan Min, William Zhu”Optimasi koloni semut untuk pengurangan biaya
pengujian minimal” 2012 IEEE IntKonferensi Internasional tentang Komputasi
Granular
[11] Yi-Hwa Liu, Yi-Feng Luo “Mencari Kecepatan OptimalPola Pengisian
Baterai Li-Ion Menggunakan Pendekatan Taguchi”IEEE transaksi
elektronik industri, vol. 57, tidak. 12 Desember 2010
[12] Prakornchai Phonrattanasak dan Nopbhorn Leeprechanon “Optimalisasi
koloni semut multiobjektif untuk perencanaan stasiun pengisian cepat
di area perumahan”Teknologi smart grid inovatif IEEE-Asia (ISGT ASIA)
2014.

249