Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kebutuhan akan energi terbarukan akhir-akhir ini meningkat seiring dengan berkurangnya sumber energi tidak terbarukan, seperti minyak bumi, batu bara, uranium, minyak mentah, dan lain-lain. Salah satu energi terbarukan yang mulai dikembangkan teknologinya adalah tenaga angin (bayu), namun, tenaga bayu ini bukan alternatif sempurna untuk menjadi sumber energi terbarukan. Hal ini disebabkan fluktuasi dalam produksi energi angin pada Pembangkit Listrik Tenaga Bayu (PLTB). Untuk mengukur potensi energi bayu dengan akurat, diperlukan sebuah model untuk meneliti dan memprediksi potensi daya angin yang dapat memprediksi pola intermittent daya angin yang dihasilkan. Metode deep learning menggunakan Triple Exponential Smoothing MLSTM (TES-MLSTM) mampu membaca pola intermittent yang sering berubah-ubah dan memiliki banyak variasi dengan baik dan mampu memprediksi dalam jangka pendek ke depan. Metode ini kemudian akan dibandingkan dengan salah satu metode deep learning lainnya yaitu LSTM Bayesian Network. Metode ini menggunakan basis LSTM yang sama dengan TES-MLSTM namun menggunakan Bayesian Network dan menggunakan Hyperparameter Tuning. Hyperparameter adalah ketika model parameter dipelajari dari data dan parameternya diatur sedemikian rupa sesuai kebutuhan. Hyperparameter yang sudah diatur ini kemudian akan dimasukan ke dalam Bayesian network, sebuah model grafik probabilitas yang merepresentasikan satu set variabel dan conditional dependenices dari data. Dari hasil percobaannya didapatkan nilai rata-rata kesalahan prediksi metode TES-MLSTM melalui nilai MSE percobaan mencapai 0.416 dan metode LSTM Bayesian Network mencapai kesalahan prediksi melalui nilai MSE sebesar 0.652. Nilai MSE di sini sendiri adalah sebuah parameter evaluasi kerja utama yang digunakan pada percobaan kedua metode. Nilai MSE melambangkan seberapa besar kesalahan prediksi dari kedua model yang dipakai. Dapat disimpulkan bahwa secara keseluruhan, metode TES-MLSTM dapat memprediksi potensi daya angin dengan lebih akurat dibandingkan metode LSTM Bayesian Network.

---

The need for renewable energy has recently increased as non-renewable energy sources, such as petroleum, coal, uranium, crude oil, and others, decrease. One of the renewable energy that began to be developed technology is wind power; however, this wind power is not the perfect alternative to renewable energy. This is due to fluctuations in wind energy production at the Wind Power Plant. To accurately measure the energy potential of wind, a model is needed to examine and predict the potential of wind power that can predict the intermittent pattern of wind power produced. The deep learning method using Triple Exponential Smoothing MLSTM (TES-MLSTM) can read intermittent patterns that are often fickle and have many variations well and able to predict in the short term ahead. This method will then be compared with one of the other deep learning methods, the LSTM Bayesian Network. This method uses the same LSTM base as TES-MLSTM but uses the Bayesian Network and uses Hyperparameter Tuning. Hyperparameter is a parameter model that is studied from data, and its parameters are set in such a way as needed. This prearranged hyperparameter will then be inserted into the Bayesian network, a probability graph model representing a set of variables and conditional dependencies of the data. The experiment results obtained the average error predicted test-MLSTM method through the test MSE value reached 0.416, and the Bayesian Network LSTM method achieved a prediction error through the MSE value of 0.652. The MSE value here itself is a significant work evaluation parameter used in the second test method. The MSE value represents how much the predictive error of both models is used. It can be concluded that overall, the TES-MLSTM method can predict wind power potential more accurately than the LSTM Bayesian Network method."

"Meningkatnya kebutuhan akan energi terbarukan di mana salah satunya adalah tenaga angin, menimbulkan masalah baru, yaitu terjadinya fluktuasi dalam produksi energi angin tersebut. Untuk mengembangkan potensi energi angin, persiapan untuk pembangkitan ke jaringan memerlukan model prediksi potensi daya angin pada PLTBayu yang akan dihasilkan dari ladang angin. Dalam kondisi seperti ini, dibutuhkan model prediksi yang dapat memprediksi pola intermittent pada hasil prediksi daya angin yang dihasilkan. Metode prediksi daya angin yang akan dikembangkan dalam penelitian ini menggunakan metode statistik, metode-metode mesin pembelajaran dan proses pembelajaran lebih lanjut (deep learning). Di dalam penelitian ini dikembangkan model prediksi output daya angin menggunakan metode Triple Exponential Smoothing (TES) dengan mengadaptasi parameter α, β dan γ. Parameter-parameter ini dapat beradaptasi terhadap pola intermittent yang terbaca dengan variasi berbeda untuk setiap set data deret waktu pada tiga lokasi pengamatan. Dalam model prediksi daya angin di PLTBayu ini, metode Adaptive Parameters Triple Exponential Smoothing (APTES) digunakan untuk memproses penghalusan data deret waktu kecepaan angin historis, sementara Multiplicative Long Short Term Memory (MLSTM) digunakan untuk menentukan nilai prediksi tenaga angin dengan mengikuti pola intermittent yang terjadi pada area pengamatan. Setelah dilakukan pengujian dan analisa, model prediksi APTES-MLSTM mampu membaca sangat baik pola intermittent dengan pola yang berubah-ubah dan memiliki banyak variasi. Dengan pola intermittent yang sering terjadi, model ini mampu memprediksi dalam waktu jangka pendek dengan beberapa step ke depan. Hasil analisa menunjukkan MAPE untuk dua lokasi luaran daya angin: Pandansimo dan Ciemas, masing-masing dengan rata-rata sebesar 12,93% dan 7,70%. Dari hasil pengujian model di lahan Harjobinangun tanpa melakukan training pada MLSTM menunjukkan pada tahun 2011 nilai MSE sebesar 0,11453, pada tahun 2012 nilai MSE sebesar 0,10509 dan pada tahun 2013 nilai MSE sebesar 0,0449. Akurasi prediksi yang dihasilkan dengan model ini cenderung memiliki MSE semakin mengecil di setiap term dibandingkan dengan model dengan kombinasi metode-metode konvensional seperti Kalman Filter, Wavelet Decomposition, Bayesian Hierarchy, dikombinasikan dengan pembelajaran Support Vector Machine dan Neural Network.

---

The increasing need for renewable energy where one of them is wind power, raises a new problem, namely the occurrence of fluctuations in the production of wind energy. To develop wind energy potential, preparation for generation to the network requires a prediction model of wind power potential on PLTBayu that will be produced from wind farms. Under these conditions, a predictive model is needed that can predict intermittent patterns on the results of the predicted wind power generated. The wind power prediction method that will be developed in this study uses statistical methods, machine learning methods and the process of further learning (deep learning). In this study a wind power output prediction model was developed using the Triple Exponential Smoothing (TES) method by adapting the parameters α, β and γ. These parameters can adapt to intermittent patterns that are read with different variations for each time series data set at the three observation locations. In this wind power prediction model in PLTBayu, the Adaptive Parameters Triple Exponential Smoothing (APTES) method is used to process refinement of historical wind speed data series, while Multiplicative Long Short Term Memory (MLSTM) is used to determine the predicted value of wind power by following intermittent patterns that follow occur in the observation area. After testing and analysis, the APTES-MLSTM prediction model is able to read very well intermittent patterns with changing patterns and has many variations. With intermittent patterns that often occur, this model is able to predict in the short term with several steps ahead (With the intermittent patterns that often occur, this model is able to predict in the short term with several steps ahead). The results of the analysis show MAPE for two locations of wind power output: Pandansimo and Ciemas, respectively with an average of 12.93% and 7.70%. From the results of testing the model in the Harjobinangun field without doing training in MLSTM shows that in 2011 the MSE value was 0.11453, in 2012 the MSE value was 0.10509 and in 2013 the MSE value was 0.0449. The accuracy of the predictions produced by this model tends to have MSE getting smaller in each term compared to the model with a combination of conventional methods such as Kalman Filter, Wavelet Decomposition, Bayesian Hierarchy, combined with learning Support Vector Machine and Neural Network."

"Energi angin adalah salah satu energi baru dan terbarukan yang sedang dikembangkan sebagai energi alternatif untuk mengatasi krisis energi yang akan dihadapi. Nusa Tenggara Timur merupakan wilayah yang memiliki potensi angin yang cukup baik untuk dimanfaatkan sebagai pembangkit listrik. Salah satu teknologi yang banyak digunakan untuk pemanfaatan energi menjadi pembangkit listrik adalah turbin angin. Dalam pembangunan turbin angin, terdapat beberapa variabel yang mempengaruhi diantaranya yaitu kecepatan dan arah angin, kemiringan lereng, dan beberapa faktor lain seperti penggunaan tanah dan wilayah permukiman. Dengan kondisi angin di Nusa Tenggara Timur yang memiliki kecepatan rata-rata 3 m/s hingga 7 m/s maka jenis turbin angin skala menengah sangat cocok untuk dikembangkan. Sehingga hasil dari penelitian ini yaitu berupa gambaran mengenai potensi angin di Nusa Tenggara Timur serta wilayah yang berpotensi untuk pembangunan turbin angin untuk memenuhi kebutuhan masyarakat dalam kebutuhan akan energi.

---

Wind energy is one of the new and renewable energy is being developed as an alternative energy to overcome the energy crisis to be faced. East Nusa Tenggara is a region that has a good enough wind potential to be used as a power plant. One of technology that is widely used for the utilization of energy into electricity generation is wind turbines. In the construction of wind turbines, there are several variables that affect them is the speed and direction of wind, slope, and several other factors such as the landuse and residential areas. With the wind conditions in East Nusa Tenggara which has an average speed of 3 m/s to 7 m/s the kind of medium scale wind turbine is suitable to be developed. So the results of this research in the form of an overview of the wind potential in East Nusa Tenggara and the region that have the potential for development of wind turbines to meet the needs of the community in need of energy."

"Pembangkit Listrik Tenaga Bayu (PLTB) adalah sumber energi yang bisa menjadi sumber energi alternatif ketika dunia mengalami kelangkaan sumber energi fosil seperti minyak bumi, gas alam dan batu bara. Saat ini PLTB belum menjadi sumber energi yang menjanjikan di Indonesia. Salah satu penyebabnya adalah karena efisiensi daya yang sangat rendah. Hal ini diakibatkan oleh efisiensi yang berubah-ubah seiring dengan perubahan kecepatan angin. Untuk meningkatkan efisiensi PLTB, pada skripsi ini dirancang sebuah pengendali berbasiskan jaringan syaraf tiruan (JST) yang dapat mengendalikan sudut dari blade pada turbin angin. Dari hasil simulasi didapatakan efisiensi turbin angin yang sudut blade-nya dikendalikan menggunakan JST lebih besar dibandingkan turbin angin yang sudut blade-nya konstan.

---

Wind Energy Convertion System (WECS) can become as one of alternative energy resources in the future that replaces fosil energy resources like Oil and Gas. However, nowadays Wind Energy Convertion System is not properly applied to be the primary energy resource in Indonesia yet, because the energy efficiency of wind turbine is low due to high dependency on wind velocity. In this paper, we design a neural network based controller to control the pitch of blade on wind turbine. From the simulation result, we verified thatbetter wind turbin efficiency has been achieved by using proposed neural network based controller."

"Saat ini energi baru dan terbarukan sedang dalam masa pengkajuan dalam pengimplementasiannya agar dapat berkembang di waktu yang akan dating. Salah satu sumber energi baru dan terbarukan yang digunakan di Indonesia merupakan Pembangkit Listrik Tenaga Bayu (PLTB), yang mengkonversikan tenaga angin untuk memutar rotor yang kemudian diubah menjadi tenaga listrik. Penggunaan PLTB yang sudah diinterkoneksikan pada salah satu daerah di Sulawesi bagian Selatan (SulbagSel), akan dijadikan penelitian guna melihat daya keluaran dan tegangan yang dihasilkan oleh masing-masing PLTB. Dengan merubah kecepatan angin pada PLTB dapat dilihat keluaran maksimal dan minimal yang terjadi. Studi ini dilakukan terdiri dari studi stabilitas yang menggunakan perangkat lunak DIgSILENT PowerFactory. Hasil dari studi stabilitas yaitu tegangan pada tiap sistem tetap tidak menyalahi aturan dari IEC yang berlaku. Pada tiap level tegangan terjadinya pergeseran tidak lebih dari 1,23%, namun telah adanya ketidakstabilan saat PLTA Poso lepas dari sistem, yang menyebabkan ketidakstabilan tegangan pada PAMONA karena berada dibawah batas yang ditentukan oleh gridcode. Kinerja dari masing-masing PLTB menghasilkan daya aktif dan reaktif yang cukup, dimana dibutuhkan kecepatan angin yang bervariasi untuk menentukan besar daya yang diberikan, dengan daya terbesar PLTB Sidrap 17.557 MW dengan daya reaktif -0.021 MVAr pada tegangan 1.001 p.u. dan PLTB Tolo menghasilkan daya 35.229 MW dengan daya reaktif sebesar 1.086 MVAr pada tegangan 1 p.u.

---

Currently new and renewable energy is in a period of progress in its implementation in order to develop in the future. One of the new and renewable energy sources used in Indonesia is the Bayu Power Plant (PLTB), which converts wind power to rotate the rotor which is then converted into electric power. The use of pltb that has been interconnected in one of the regions in South Sulawesi (South Sulawesi), will be used as research to see the output power and voltage produced by each PLTB. By changing the wind speed on the PLTB can be seen maximum and minimal output that occurs. This study consisted of a stability study using DIgSILENT PowerFactory software. The result of the stability study is that the voltage in each system remains not in violation of the rules of the applicable IEC. At each voltage level the occurrence of a shift of no more than 1.23%, but there has been instability when the Poso hydropower plant is detached from the system, which causes voltage instability in PAMONA because it is below the limit specified by the grid code. The performance of each PLTB produces sufficient active and reactive power, where it takes a varied wind speed to determine the amount of power provided, with the largest power Sidrap PLTB 17,557 MW with reactive power -0.021 MVAr at a voltage of 1,001 p.u. and PLTB Tolo producing 35,229 MW of power with reactive power of 1,086 MVAr at 1 p.u."

"ABSTRAKPembangkit listrik tenaga angin yaitu suatu pembangkit listrik yang menggunakan angin sebagai sumber energi untuk menghasilkan energi listrik. Pada saat ini energi angin untuk pembangkit listrik menggunakan angin alami, padahal ada angin yang dihasilkan bukan dari alami seperti dari blower pendingin ruangan (AC). Hembusan angin yang dihasilkan dari kipas pendingin ruangan ini berkisar antara 0 sampai 6 m/detik dengan jarak pengukuran 0 cm dari kipas, dari kecepatan angin yang dihasilkan maka dapat dimanfaatkan sebagai pembangkit listrik. Tetapi angin keluaran pada blower juga bersifat menyebar dan tidak merata di bagian kiri dan dibagian kanan, sehingga dipasang dua turbin dan dua generator untuk memanfaatkan kecepatan angin secara maksimal dan nilai efisiensi untuk generator pertama sebesar 15,4% dan generator kedua sebesar 17,72%. Dari hubungan ini dapat dipastikan bahwa energi listrik yang dihasilkan tidak sebesar yang dihasilkan oleh pembangkit angin alami, tetapi dengan kecepatan angin yang dihasilkan akan dapat menghasilkan energi listrik. Dalam penelitian ini memanfaatkan blower pendingin ruangan dengan merek dan kapasitas yang bervariasi, yaitu Produk A dengan kapasitas 2,5 pk, Produk B dengan kapasitas 1 pk dan Produk C dengan kapasitas 0,5 pk. Daya yang dihasilkan dari generator dengan keluaran angin kipas pendingin ruangan Produk B berkapasitas 1 pk lebih besar dari yang lain. Dimana daya pada generator yang dihubungkan secara parallel dengan beban lampu LED 1 sebesar 0,0495 watt dan beban lampu LED 2 sebesar 0,048 watt. Sedangkan daya pada generator yang dihubungkan secara seri dengan lampu LED 1 sebesar 0,044 watt dan beban lampu LED 2 sebesar 0,06 watt.

---

ABSTRACTWind power plant is a power plant that uses wind as an energy source to produce electrical energy. Now the wind energy for electricity generation using natural wind, beside that there is wind generated not from the natural as from the blower air conditioner (AC). Gusts of wind generated from the cooling fan ranges from 0 to 6 m/sec with a measurement range of 0 cm from the fans, from the resulting wind speed, it can be used as a power plant. But the wind on the blower output also is diffused and unevenly on the left and on the right, so installed two turbines and two generators to utilize to the maximum wind speed and the efficiency of the first generator by 15.4% and amounted to 17.72% the second generator, From this relationship can be ascertained that the electrical energy generated is not as big as that produced by natural wind generation, but with the speed of wind generated electricity will be able to generate energy. In this study, utilizing the air-conditioning blower with brands and varying capacities, namely the Products A with a capacity of 2.5 pk, the Products B with power is 1 pk and the Products C with power is 0.5 pk. The power produced from wind generators with output cooling fan which Products B with power is 1 pk larger than the other. Where the power resulted by generators connected in parallel with lamp LED 1 just produce 0.0495 watts and lamp LED 2 just produce 0.048 watts. Mean while, the power resulted by generators connected in series with the lamp LED 1 just produce 0.044 watts and lamp LED 2 just produce 0.06 watts."

"Kebutuhan akan energi listrik di Indonesia semakin meningkat setiap hari. Akan tetapi, pasokan bahan baku pembangkit listrik yang sebagian besar bahan tambang fosil yang merupakan sumber daya tidak terbaharukan, membuat langkah pemenuhan akan kebutuhan energi listrik menjadi terhambat. Pulau Lombok di Provinsi Nusa Tenggara Barat merupakan salah satu wilayah di Indonesia yang mengalami kekurangan pasokan listrik. Solusi yang yang dapat ditawarkan adalah dengan memanfaatkan sumber-sumber energi yang terbaharukan, diantaranya energi geothermal, mikrohidro dan energi angin. Di Pulau Lombok sendiri memiliki potensi energi angin dari skala kecil hingga menengah, dengan kecepatan angin antara 3 m/s hingga 8 m/s. Potensi energi angin dapat dimanfaatkan untuk membangun pembangkit litrik tenaga angin untuk skala kecil hingga skala besar. Disamping factor kecepatan angin, faktor yang yang mempengaruhi dalam menghitung potensi energy angin berupa factor topografi dan perubahan kekasaranpermukaan. Melalui perhitungan potensi energy angin menggunakan aplikasi WAsP (Wind Atlas Analysis and Application Program), dapat ditunjukkan bahwa di Pulau Lombok,memiliki potensi energi angin berupa rapat daya angin (Wind Power Density) mulai dari 0 hingga 2.222 Watt/m2. Potensi energi angin terbesar terdapat di bagian selatan Pulau Lombok, tepatnya pada wilayah analisis 6. Potensi energi angin terkecil di Pulau Lombok terdapat pada wilayah analisis 4.

---

The need for the establishment of electric energy in Indonesia is increasing every day. However, raw material supply power plants mostly fossil mineral resource which is not renewable, making a step fulfillment of the electrical energy needs to be blocked. Lombok island in West Nusa Tenggara Province is one area in Indonesia that suffered power shortage. Solutions that can be offered is to utilize sources of renewable energy, including geothermal energy, micro hydro and wind energy. Lombok Island alone has wind energy potential of small to medium scale, with wind speeds between 3 m / s to 8 m / s. The potential of wind energy can be utilized to build a wind power plant litrik for small scale to large scale. Besides the wind speed factor, the factors that influence in calculating the wind energy potential in the form of topographic factors and changes kekasaranpermukaan. Through the calculation of the potential for wind energy use application Wasp (Wind Atlas Analysis and Application Program), it can be shown that on the island of Lombok, has the potential of wind energy in the form of wind power density (Wind Power Density) ranging from 0 to 2,222 Watt / m2. The wind energy potential contained in the southern part of the island of Lombok, precisely in the area of analysis 6. The smallest wind energy potential on the island of Lombok contained in the analysis region 4."

"ABSTRAKKeberadaan Fish Cold Storage sangat diharapkan bagi Nelayan di Pulau Kei Kecil untuk menjaga kualitas Ikan tetap baik. Dikarenakan terletak di area terpencil dan memiliki daya pembangkitan listrik terpasang yang terbatas, menjadi faktor kendala dalam pembangunan Fish Cold Storage. Penelitian ini membahas penerapan Pembangkit Listrik Tenaga Surya Terapung dan Pembangkit Listrik Tenaga Bayu mode hybrid dengan sistem off-grid menggunakan dua set Baterai Bank yang beroperasi secara bergantian setiap 24 jam untuk melistriki DC Fish Cold Storage berdasarkan data harian lama penyinaran matahari dan kecepatan angin. Penentuan kapasitas sistem pembangkitan listrik dilakukan dengan empat skenario menggunakan tipe baterai bank yang berbeda. Dari hasil simulasi, sistem pembangkitan listrik mode hybrid Pembangkit Listrik Tenaga Surya Terapung dan Pembangkit Listrik Tenaga Bayu tidak handal dan optimal sehingga diperoleh konfigurasi Pembangkit Listrik Tenaga Bayu 170kW dan Baterai Bank Tipe AGM 48VDC ndash; 2265AH sebagai sistem pembangkitan yang handal dan optimal dengan biaya energi Rp 2.523/kWh. Sistem pembangkitan listrik ini memenuhi semua kriteria kelayakan ekonomi pada kondisi ideal dengan menetapkan tarif listrik sebesar Rp 9.828/kWh pada kondisi ideal dan diperoleh payback period selama 6 tahun 6 bulan 7 hari, net present value sebesar Rp 3.017.428, internal rate of return sebesar 9,002 , dan profitability index sebesar 1.6438.

---

ABSTRACT The existence of Fish Cold Storage is highly expected by Fishermen in Kei Kecil Island to preserve the Fish quality well. Due to located on remote areas and having limited existing power generation as becoming the obstacles in development of Fish Cold Storage. This study discuss about hybrid sea floating photovoltaic and wind turbine with off grid system using two sets of battery banks that operate interchangeably every 24 hours for powering DC Fish Cold Fish Storage based on daily solar irradiance duration and wind speed data. Determination the power generation system capacity is done by four scenarios which is using different battery bank type. Based on simulation result, hybrid sea floating photovoltaic and wind turbine are not reliable and optimum, so the configuration of 170kW Wind Turbin and 48VDC 2265AH Battery Bank of AGM is selected based on the reliability and optimized level with the cost of energy of Rp 2.523 kWh. Those selected power generation system fulfill all economic feasibility criteria by setting electricity tariff of Rp 9.828 kWh on ideal condition with receiveing payback period for 6 years 6 months 7 days, net present value of Rp 3,017,428, internal rate of return of 9.002 , and profitability index of 1.6438."

"The rapid growth of wind power and the implications of this on future power system planning, operation and control has become an even greater challenge in today?s liberalised electricity market conditions. This essential new book examines the main problems of wind power integration and guides the reader through a number of the most recent solutions based on current research and operational experience of wind power integration."