Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kendaraan listrik (EV) telah menjadi solusi yang semakin populer untuk mengurangi emisi gas kendaraan bermotor dan mengatasi masalah lingkungan. Meningkatnya penggunaan EV menimbulkan tantangan baru terkait manajemen daya di stasiun pengisian daya. Masalahnya adalah kurangnya efisiensi dalam mengalokasikan daya saat kendaraan sedang mengisi daya di stasiun pengisian daya, yang dapat menyebabkan permintaan daya yang melebihi beban maksimum stasiun dan mengakibatkan lonjakan harga yang harus dibayar. Tujuan utama dari penelitian ini adalah untuk mengembangkan pengontrol manajemen daya yang efisien untuk stasiun pengisian daya kendaraan listrik berbasis deep reinforcement learning (DRL). DRL diterapkan karena kemampuannya untuk menyelesaikan sistem kontrol tanpa model yang akurat (free-based-model), terutama untuk stasiun pengisian daya EV yang memiliki faktor stokastik. Sistem akan secara otomatis mengontrol alokasi daya untuk pengisian daya kendaraan berdasarkan informasi dari setiap kendaraan yang terhubung ke stasiun pengisian daya dan variabel lainnya agar tidak melebihi batas daya maksimum stasiun pengisian daya. Hasil penelitian ini menunjukkan bahwa penggunaan algoritma DRL, terutama DDPG dengan pendekatan actor-critic, dapat mengalokasikan daya pengisian daya secara optimal untuk setiap EV dan secara signifikan memaksimalkan keuntungan stasiun dibandingkan dengan algoritma lainnya.

---

Electric vehicles (EVs) have become an increasingly popular solution to reduce motor vehicle gas emissions and address environmental concerns. The increasing use of EVs poses new challenges regarding power management at charging stations. The problem is the lack of efficiency in allocating power while vehicles are charging at charging stations, which can lead to power demand that exceeds the maximum load of the station and results in a spike in the price to be paid. The main objective of this research is to develop an efficient power management controller for electric vehicle charging stations based on deep reinforcement learning (DRL). DRL is applied because of its ability to solve the control system without an accurate model (free-based-model), especially for EV charging stations that have stochastic factors. The system will automatically control the power allocation for vehicle charging based on information from each vehicle connected to the charging station and other variables so as not to exceed the charging station's maximum power limit. The results of this study show that the use of DRL algorithms, especially DDPG using actor-critic approach, can optimally allocate charging power for each EV and significantly maximize the station's profit compared to the other algorithms. "

"Penelitian ini mengusulkan sebuah pendekatan terpadu untuk penentuan lokasi optimal stasiun pengisian daya fotovoltaik (PV) pada stasiun pengisian bahan bakar umum (SPBU) di wilayah DKI Jakarta. Penelitian ini bertujuan untuk mengidentifikasi 15 lokasi SPBU terbaik dari 63 kandidat, dengan menggunakan metodologi yang menggabungkan tinjauan literatur sistematis (SLR) untuk mencari kebaharuan penelitian dan analisis frekuensi sitasi terhadap 30 jurnal ilmiah untuk menetapkan kriteria-kriteria krusial dalam penentuan lokasi. Data dari 63 SPBU dianalisis dengan metode rubric scoring, di mana kriteria-kriteria tersebut dikelompokkan menjadi kategori "semakin besar semakin baik" dan "semakin kecil semakin baik". Hasil dari analisis ini menghasilkan 15 lokasi SPBU dengan skor kumulatif tertinggi yang kemudian diprioritaskan untuk implementasi bertahap. Tahapan selanjutnya adalah optimasi jumlah port pengisian daya di setiap lokasi terpilih, menggunakan metode Operation Research, dengan mempertimbangkan batasan-batasan operasional seperti waktu operasi panel PV, durasi pengisian, dan kapasitas daya per kendaraan. Penelitian ini berkontribusi pada pengembangan infrastruktur transportasi berkelanjutan dengan menawarkan model replikatif dan terukur untuk penempatan stasiun pengisian daya PV di lingkungan perkotaan.

---

This research proposes an integrated approach for determining the optimal location of photovoltaic (PV) charging stations at public gas stations (SPBU) in the DKI Jakarta area. The study aims to identify the 15 best SPBU locations out of 63 candidates, using a methodology that combines a systematic literature review (SLR) to seek the novelty of research and citation frequency analysis of 30 scientific journals to establish crucial criteria for location determination. Data from the 63 SPBUs were analyzed using the rubric scoring method, where the criteria were grouped into "the larger, the better" and "the smaller, the better" categories. The results of this analysis yielded 15 SPBU locations with the highest cumulative scores, which were then prioritized for phased implementation. The next stage involves optimizing the number of charging ports at each selected location using Operations Research methods, considering operational constraints such as PV panel operating time, charging duration, and power capacity per vehicle. This research contributes to the development of sustainable transportation infrastructure by offering a replicable and scalable model for the placement of PV charging stations in urban environments."