PERAMALAN JANGKA PENDEK DAYA LISTRIK PLTS OFF GRID DI SENTRA RENDANG KOTA PADANG DENGAN METODE CONVOLUTIONAL NEURAL NETWORK

Aderi, Fahranul (2023) PERAMALAN JANGKA PENDEK DAYA LISTRIK PLTS OFF GRID DI SENTRA RENDANG KOTA PADANG DENGAN METODE CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Universitas Andalas.

[img] Text (Abstrak)
COVER dan ABSTRAK.pdf - Published Version

Download (192kB)
[img] Text (BAB I)
BAB I.pdf - Published Version

Download (99kB)
[img] Text (BAB V)
BAB V.pdf - Published Version

Download (87kB)
[img] Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf - Published Version

Download (230kB)
[img] Text (TUGAS AKHIR FULL TEXT)
TUGAS AKHIR.pdf - Published Version
Restricted to Repository staff only

Download (2MB)

Abstract

Energi matahari merupakan salah satu pilihan yang dapat digunakan untuk mengurangi penggunaan sumber energi fosil yang persediaannya semakin menipis, sehingga mengakibatkan pemanasan global. Pembangkit listrik tenaga surya (PLTS) adalah pembangkit listrik yang mengubah sinar matahari menjadi energi listrik. Penyebaran panel surya di seluruh dunia merupakan tanda yang jelas bahwa panel surya akan memainkan peran besar dalam renewable energy dalam waktu dekat. Dengan berkembangnya jaringan PV yang pesat memerlukan sistem monitoring untuk mengetahui daya keluaran dari PV menggunakan mikrokontroller ESP32, voltage sensor, WCS1700, thermocouple MAX6675 dan guva-s12sd UV sensor. Peramalan daya listrik jangka pendek pada PLTS on grid juga diperlukan untuk meningkatkan stabilitas jaringan pada PV. Penelitian ini bertujuan untuk menganalisa kinerja dan stabilitas dari PLTS menggunakan metode algoritma machine learning convolutional neural network dengan mengumpulkan data histori dari sistem monitoring yang tersedia di cloud. Penelitian ini bertujuan untuk melakukan peramalan jangka pendek dari PLTS dengan metode CNN yang mana mendapatkan hasil evaluasi peramalan MSE bernilai 1,378168 dan MAPE 0,711863 %, yang mana berdasarkan hasil evaluasi didimpulkan peramalan yang dilakukan berjalan dengan baik.

Item Type: Thesis (Diploma)
Primary Supervisor: Zaini, Ph.D
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Fakultas Teknik > Elektro
Depositing User: S1 Teknik Elektro
Date Deposited: 04 May 2023 08:57
Last Modified: 04 May 2023 08:57
URI: http://scholar.unand.ac.id/id/eprint/202724

Actions (login required)

View Item View Item