ANALISA PERBANDINGAN DAYA KELUARAN MPPT PHOTOVOLTAIC DENGAN METODE BACKPROPAGATION NEURAL NETWORK DAN INCREMENTAL CONDUCTANCE

Lara, Gusti Yonica (2021) ANALISA PERBANDINGAN DAYA KELUARAN MPPT PHOTOVOLTAIC DENGAN METODE BACKPROPAGATION NEURAL NETWORK DAN INCREMENTAL CONDUCTANCE. Diploma thesis, Universitas Andalas.

[img]
Preview
Text (COVER DAN ABSTRAK)
ABSTRAK.pdf - Published Version

Download (168kB) | Preview
[img]
Preview
Text (BAB 1)
BAB 1.pdf - Published Version

Download (380kB) | Preview
[img]
Preview
Text (BAB V)
BAB V.pdf - Published Version

Download (33kB) | Preview
[img]
Preview
Text (BAB V)
DAFTAR PUSTAKA.pdf - Published Version

Download (152kB) | Preview
[img] Text (Skripsi full text)
Skripsi Full Text_Lara Gusti Yonica_1710952039.pdf - Published Version
Restricted to Repository staff only

Download (2MB)

Abstract

Salah satu sumber energi terbarukan yang banyak digunakan yaitu energi matahari. Energi ini dapat dikonversikan menjadi energi listrik yaitu dengan menggunkan teknologi photovoltaic. Energi matahari yang diterima photovoltaic ini dipengaruhi oleh radiasi matahari dan temperatur. Untuk menjaga agar photovoltaic selalu berada dititik maksimum yaitu dengan menggunakan maximum power point tracking (MPPT). MPPT bekerja mencari point (titik) maksimum dari kurva karakteristik tegangan dan arus input (V-I). Pada penelitian tugas akhir ini dianalisa penggunaan MPPT dengan metode incremental conductance dan backpropagtion neural network. Kedua metode ini digabung dengan boost converter dan control unit untuk mengetahui metode mana yang menghasilkan keluaran daya yang lebih besar dan respon yang lebih cepat dalam menemukan titik MPP dari photovoltaic. Metode backpropagation neural network menghasilkan daya yang lebih besar, respon yang lebih cepat dan memiliki efisiensi lebih besar daripada metode incremental conductance. Efisiensi yang dihasilkan dengan temperatur dan radiasi matahari standar yaitu 25 dan 1000 W/m2 PV tanpa MPPT yaitu 50,67% , metode incremental conductance yaitu 76,85% dan backpropagtion neural network yaitu 99,63%.

Item Type: Thesis (Diploma)
Primary Supervisor: Melda Latif, M.T
Uncontrolled Keywords: Photovoltaic, MPPT, Boost Converter, Metode incremental conductance , metode backpropagation neural network.
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Fakultas Teknik > Elektro
Depositing User: S1 Teknik Elektro
Date Deposited: 02 Sep 2021 04:24
Last Modified: 02 Sep 2021 04:24
URI: http://scholar.unand.ac.id/id/eprint/79624

Actions (login required)

View Item View Item