Pengaturan Pitch Angle Turbin Angin Menggunakan Metode Particle Swarm Optimization dan Genetic Algorithm

Article Sidebar

PDF
Published: Sep 8, 2022
DOI: https://doi.org/10.33322/petir.v15i2.1639
Keywords:
renewable energy pitch angle partical swarm optimazition genetic alogarithm optimization

Main Article Content

Herminarto Nugroho
Universitas Pertamina
Cintikhe Allo Mongan
Rejanta Pesaher Ignatius

Abstract

Energi baru terbarukan merupakan salah satu solusi untuk menggantikan bahan bakar fosil yang mulai terbatas. Negara di seluruh dunia kini berlomba-lomba mengembangkan energi baru terbarukan termasuk Indonesia. Salah satu energi baru terbarukan yang dikembangkan oleh Indonesia adalah energi angin. Namun, potensi energi angin di Indonesia tidak sebaik di negara Belanda contohnya, sehingga optimalisasi sangat dibutuhkan untuk memaksimalkan energi yang ada. Pada penelitian ini dilakukan penentuan Pitch Angle yang sesuai untuk mengasilkan daya maksimum dengan memvariasikan kecepatan angin menggunakan metode optimasi Particle Swarm Optimization (PSO) dan Genetic Algorithm (GA). Hasil analisis menunjukan kecepatan angin memepengaruhi besar pitch angle dan koefisien daya yang dihasilkan. Ketika koefisien daya mencapai rated, koefisien daya akan menurun seiring dengan bertambahnya kecepatan angin, sedangkan pitch angle akan konstan ketika mencapai sudut maksimum. Dengan menggunakan metode PSO dan GA diketahui pitch angle yang dihasilkan memiliki nilai yang sama. Perbedaan kedua metode terlihat pada jumlah dan waktu komputasi untuk mendapatkan nilai optimumnya.

Downloads

Download data is not yet available.

Article Details

How to Cite
Nugroho, H., Mongan, C. A., & Ignatius, R. P. (2022). Pengaturan Pitch Angle Turbin Angin Menggunakan Metode Particle Swarm Optimization dan Genetic Algorithm. PETIR, 15(2), 174–184. https://doi.org/10.33322/petir.v15i2.1639
Issue
Vol. 15 No. 2 (2022): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Section
Articles

References

[1] R. Sitharthan, C. K. Sundarabalan, K. R. Devabalaji, T. Yuvaraj, and A. Mohamed Imran, “Automated power management strategy for wind power generation system using pitch angle controller,” Meas. Control, vol. 52, no. 3–4, pp. 169–182, 2019.
[2] D. Ochoa and S. Martinez, “Frequency dependent strategy for mitigating wind power fluctuations of a doubly-fed induction generator wind turbine based on virtual inertia control and blade pitch angle regulation,” Renew. energy, vol. 128, pp. 108–124, 2018.
[3] H. Matayoshi, A. M. Howlader, M. Datta, and T. Senjyu, “Control strategy of PMSG based wind energy conversion system under strong wind conditions,” Energy Sustain. Dev., vol. 45, pp. 211–218, 2018.
[4] M. Ali, S. Soedibyo, and I. Robandi, “Desain Pitch Angle Controller Turbin Angin Dengan Permanent Magnetic Synchronous Generator (PMSG) Menggunakan Imperialist Competitive Algorithm (ICA),” SENTIA 2015, vol. 7, no. 1, 2015.
[5] A. Hwas and R. Katebi, “Wind turbine control using PI pitch angle controller,” ifac Proc. Vol., vol. 45, no. 3, pp. 241–246, 2012.
[6] R. Poli, J. Kennedy, and T. Blackwell, “Particle swarm optimization,” Swarm Intell., vol. 1, no. 1, pp. 33–57, 2007.
[7] M. Clerc, Particle swarm optimization, vol. 93. John Wiley \& Sons, 2010.
[8] K.-L. Du and M. N. S. Swamy, “Particle swarm optimization,” in Search and optimization by metaheuristics, Springer, 2016, pp. 153–173.
[9] J. MAKNUNAH, “PERANCANGAN SISTEM KONTROL SUDUT PITCH TURBIN ANGIN MENGGUNAKAN METODE PSO (PARTICLE SWARM OPTIMIZATION),” Institut Teknologi Sepuluh Nopember, 2017.
[10] P. Wilson and H. A. Mantooth, Model-based engineering for complex electronic systems. Newnes, 2013.
[11] A. Tharwat, T. Gaber, A. E. Hassanien, and B. E. Elnaghi, “Particle swarm optimization: a tutorial,” Handb. Res. Mach. Learn. Innov. trends, pp. 614–635, 2017.
[12] F. Marini and B. Walczak, “Particle swarm optimization (PSO). A tutorial,” Chemom. Intell. Lab. Syst., vol. 149, pp. 153–165, 2015.
[13] S. H. F. Hakim, I. Cholissodin, and A. W. Widodo, “Seleksi Fitur Dengan Particle Swarm Optimization Untuk Pengenalan Pola Wajah Menggunakan Naive Bayes (Studi Kasus Pada Mahasiswa Universitas Brawijaya Fakultas Ilmu Komputer Gedung A),” J. Pengemb. Teknol. Inf. dan Ilmu Komput. e-ISSN, vol. 2548, p. 964X, 2017.
[14] A. Rauhan, T. H. Alrasyid, and H. Nugroho, “Perbandingan Simulated Annealing dan Particle Swarm Optimization untuk Mencari Waktu Optimal Pada Optical Ring Resonator,” J. Teknol., vol. 2, no. 2, 2020.
[15] A. Permatasari, D. I. Alif, and H. Nugroho, “Penggunaan Metode Optimasi Particle Swarm Optimization (PSO) Untuk Menentukan Nilai Fasa Optik Optimum Pada Optical Ring Resonators,” J. Teknol., vol. 2, no. 2, 2020.
[16] N. F. Istighfarin, R. A. Rahmastati, and H. Nugroho, “Penerapan Metode Particle Swarm Optimization (PSO) Dan Genetic Algorithm (GA) Pada Sistem Optimasi Visible Light Communication (VLC) Untuk Menentukan Posisi Robot,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 11, no. 1, pp. 279–286, 2020.
[17] A. Rachmanto, A. S. Ramadhani, and H. Nugroho, “Penggunaan Metode Particle Swarm Optimization (PSO) Pada Posisi Robot Dalam Sistem Visible Light Communication (VLC),” J. Teknol., vol. 2, no. 2, 2020.
[18] J. Panuturan, P. Rendika, and H. Nugroho, “Mengoptimalkan Posisi Robot Dalam Sistem Visible Light Communication (VLC) Menggunakan Metode Particle Swarm Optimization (PSO),” J. Teknol., vol. 2, no. 2, 2020.
[19] M. Saraswat and A. K. Sharma, “Genetic Algorithm for optimization using MATLAB,” Int. J. Adv. Res. Comput. Sci., vol. 4, no. 3, pp. 155–159, 2013.
[20] M. Mitchell, An introduction to genetic algorithms. MIT press, 1998.
[21] E. AP, “Fundamentals of computational swarm intelligence.” John Wiley Sons, 2005.
[22] A. Slowik, “Swarm Intelligence Algorithms: A Tutorial,” 2020.
[23] S. Rajeev and C. S. Krishnamoorthy, “Discrete optimization of structures using genetic algorithms,” J. Struct. Eng., vol. 118, no. 5, pp. 1233–1250, 1992.