Disertasi

Hybrid Grey Wolf Optimization (GWO) berbasis Perturb and Observe (PO) pada pembangkit listrik tenaga angin / Muhamad Rifa\'i

Abstrak
Peningkatan kebutuhan energi global yang disertai dengan upaya pengurangan emisi karbon telah mendorong adopsi energi terbarukan salah satunya energi angin. Sistem energi angin off-grid menjadi solusi potensial dalam penyediaan energi bagi daerah-daerah terpencil. Namun tantangan utama yang harus dihadapi adalah fluktuasi kecepatan angin yang mempengaruhi kestabilan dan efisiensi daya yang dihasilkan. Penelitian ini mengembangkan metode optimasi Maximum Power Point Tracking (MPPT) untuk Sistem Konversi Energi Angin (SKEA) berbasis Permanent Magnet Synchronous Generator (PMSG). Inovasi utama yang ditawarkan adalah integrasi algoritma Perturb amp Observe (PO) dan Grey Wolf Optimizer (GWO) dalam bentuk algoritma hybrid PO-GWO. PO memberikan kecepatan adaptasi lokal yang tinggi sementara GWO menawarkan kapasitas eksplorasi global yang kuat sehingga kombinasi keduanya mampu mengatasi keterbatasan masing-masing metode. Sistem yang dibangun dalam penelitian ini melibatkan turbin angin skala kecil PMSG penyearah tak terkendali konverter boost dan beban dengan evaluasi kinerja berbasis simulasi menggunakan MATLAB/Simulink. Hasil simulasi menunjukkan bahwa algoritma PO-GWO mampu menghasilkan torsi elektromagnetik maksimum sebesar 128 62 Nm daya keluaran sebesar 5 69 kW dan efisiensi pelacakan 97% dalam kondisi kecepatan angin konstan serta mempertahankan stabilitas performa dalam kondisi kecepatan angin variabel. Dari sisi akademis penelitian ini memperkaya literatur dalam bidang kontrol energi terbarukan dengan memperkenalkan pendekatan hybrid metaheuristik untuk optimasi MPPT. Secara praktis algoritma sensorless PO-GWO berpotensi mengurangi ketergantungan pada sensor mekanis sehingga sistem menjadi lebih ekonomis dan andal terutama untuk aplikasi di daerah terpencil. Walaupun hasilnya menjanjikan penelitian ini masih memiliki keterbatasan karena asumsi idealisasi sistem tanpa validasi melalui prototipe fisik. Oleh karena itu penelitian selanjutnya perlu difokuskan pada integrasi dinamika mekanis turbin validasi eksperimental serta pengembangan metode berbasis reinforcement learning untuk meningkatkan relevansi praktis dan skalabilitas algoritma yang dikembangkan.

Informasi Detail

DDC

Rd 005.1 RIF h

Prodi

Universitas Negeri Malang. Program Studi Teknik Elektro dan Informatika, 2025.

Deskripsi Fisik

xiv, 95 lembar : ilus. ; 30 cm.

Bahasa

Indonesia

No Reg

00297/RD/25

Edisi

Disertasi (Pascasarjana)--Universitas Negeri Malang. 2025

Subjek

1. ALGORITMA KOMPUTER - PERTURB & OBSERVE
2. ALGORITMA KOMPUTER - GREY WOLF OPTIMIZER
3. ALGORITMA KOMPUTER - PEMBANGKIT LISTRIK TENAGA ANGIN
4. COMPUTER ALGORITHM - PERTURB & OBSERVE

Pembimbing

1. Aripriharta, S.t., M.t., Ph.d; 2. Dr. Yuni Rahmawati, S.t., M.t.

Lampiran Berkas