Embed Size (px)
Citation preview
8
BAB III
METODE PENELITIAN DAN PERANCANGAN
Dalam bab ini membahas tentang perancangan desain simulasi dari
rangkaian Maximum Power Point Tracking (MPPT), mulai dari perancangan
Photovoltac, konverter dc-dc tipe cuk dan algoritmanya. Untuk flowchart dari
tahapan perancangan pemodelan simulasi Maximum Power Point Tracking (MPPT)
dengan konverter tipe cuk dan algoritma Artificial Bee Colony adalah sebagai
berikut :
Mulai
Penentuan Parameter Suhu
dan Radiasi
Pemodelan Modul PV pada Matlab
Pembuatan logika ABC
Pemodelan Konverter Dc dc Tipe Cuk
Penentuan Nilai Komponen Pada Konverter
Cuk
Selesai
Pemodelan Keseluruhan Sistem PV dengan
MPPT
Pengujian dan Analisa Hasil
Gambar 3.1 Flowchart Tahap Pembuatan Sistem MPPT
9
3.1 Pemodelan Photovoltaic (PV)
Dalam mendesain photovoltaic harus diketahui bahwa photovoltaic memiliki
2 input dan 2 output. Inputan photovoltaic berupa radiasi dan suhu sedangkan
outputnya berupa kutup positif (+) dan Negatif (-). Pada simulasi ini menggunakan
MATLAB 8. 0 (R2016a) dengan pemodelan modul Photovoltaic sebagai berikut:
Gambar 3.2 Tampak Luar Modul PV
Pada gambar diatas menunjukan tampilan luar dari modul PV dengan
pencahayaan 1000 W/m2 dan suhu 250 C. Disini saya menggunakan modul PV yang
sudah ada di dalam Library MATLAB 8. 0 (R2016a) sehingga saya hanya perlu
menentukan parameter PV yang saya desain.
Gambar 3.3 Pemodelan Rangkaian Panel Surya
Pada gambar 3.3 menunjukan pemodelan PV yang lebih detail yang ada pada
Library Matlab. Sehingga dari sini kami hanya perlu menentukan dan merancang
parameternya bisa dilihat pada gambar 3.4.
10
Gambar 3.4 Blok Paramerter Modul PV 4000 W
Dari gambar 3.4 dapat diketahui bahwa disini menggunakan 20 panel surya
yang diseri, masing-masing mempunyai daya maksimum 200 W. sehingga
menghasilkan daya maksimum 4000 W dengan tegangan maksimum per panel 28.5
volt sehingga menjadi 570 volt dan arus 7.02 ampere.
3.2 Rangkaian Konverter Dc-Dc Tipe Cuk
Pada perancangan konverter dc-dc tipe cuk menggunakan parameter yang
bisa dilihat pada tabel 3.1. Tabel ini menunjukan nilai inputan dari photovoltaic dan
outputan konverter yang diinginkan.
Tabel 3.1 Data Spesifikasi Konverter Dc-Dc Tipe Cuk
Tegangan input (Vin) 570 V
Arus input 7.02 A
Frekuensi (F) 10 Mhz
Duty cycle 0.1-0.9
Hambatan awal (R) 20
Arus output (Vout) 14,04A
Tegangan output (Vout) 285 V
Daya Max (P) 4000W
11
𝐼𝐿1 =𝑃𝑠
𝑉𝑠
𝐼𝐿1 =4000
570= 7,02 𝐴
∆𝐼𝐿1 = 0.01 ∗ 𝐼𝐿1
∆𝐼𝐿1 = 0.01 ∗ 7,019 = 0.07
𝐿1 ≥ 𝑉𝑠 𝐷
𝑓 ∆𝐼𝐿1
𝐿1 ≥570 ∗ 0.8
107 ∗ 0.07= 651,4 𝑢𝐻
Untuk pemilihan nilai L1 maka diperlukan penyelesaian rumus diatas
dimana Ps adalah daya sumber, Vs adalah tegangan sumber, 0.01 adalah riple arus
pada L1 yaitu 1%, dan f adalah frekuensi. Maka ditentukan nilai L1 sebesar 800 uH.
𝐼𝐿2 =𝑃𝑜
𝑉𝑜
𝐼𝐿2 =4000
285= 14.03 𝐴
∆𝐼𝐿2 = 0.01 ∗ 𝐼𝐿2
∆𝐼𝐿2 = 0.01 ∗ 14.03 = 0.14
𝐿2 ≥ 𝑉𝑠 𝐷
𝑓 ∆𝐼𝐿2
𝐿2 ≥570 ∗ 0.8
107 ∗ 0.14= 325,7 𝑢𝐻
Untuk pemilihan nilai L2 dimana Po adalah daya output konverter, Vo
adalah tegangan output, dan 0.01 adalah riple arus pada L2 yaitu 1%, Maka
ditentukan nilai L2 sebesar 800 uH.
𝑅 =𝑉𝑜2
𝑃
𝑅 =2842
4000= 20,30 𝑜ℎ𝑚
𝑉𝑐1 = 𝑉𝑠 + 𝑉𝑜
𝑉𝑐1 = 570 + 285 = 857 𝑉
∆𝑉𝑐1 = 0.00014 ∗ 𝑉𝑐1
∆𝑉𝑐1 = 0.00014 ∗ 857 = 0.119 V
𝐶1 ≥ 𝑉𝑜 𝐷
𝑅 𝑓 ∆𝑉𝑐1
12
𝐶1 ≥ 285 ∗ 0.8
20 ∗ 107 ∗ 0.119= 7,98 𝑢𝐹
Pada pemilihan C1 didapatkan nilai 7,98 uF maka yang saya gunakan pada
sistem ini adalah 10 uF dengan nilai resistor awal 20 ohm.
∆𝑉𝑐2 = 0.00000031 ∗ 𝑉𝑜
∆𝑉𝑐2 = 0.00000031 ∗ 285 = 0.00008769
∆𝑉𝑐2 ≥ 𝑉𝑠 𝐷
8 𝐶2𝐿2𝑓2
𝐶2 ≥ 𝑉𝑠 𝐷
8 ∆𝑉𝑐2 𝐿2𝑓2
𝐶2 ≥ 570 ∗ 0.8
8 ∗ 0.00008769 ∗ 325,7 ∗ 10−6 ∗ 1014
𝐶2 ≥ 20 𝑢𝐹
Pada pemilihan C2 didapatkan nilai 20 uF maka yang saya gunakan pada
sistem ini adalah 20 uF,
Gambar 3.5 Pemodelan Konverter Dc-dc Tipe Cuk Pada Matlab Simulink
3.3 Algoritma Artificial Bee Colony
Pada algoritma ini menggunakan parameter yang bisa dilihat pada tabel 3.2.
dimana SN adalah candidate solutions atau jumlah lebah yang digunakan, MCN
adalah maximum cycle number atau jumlah iterasi dari Artificial Bee Colony. Untuk
13
pemilihan duty cycle maksimal dan minimal bisa dilihat dari Dmax dan Dmin yaitu
0.3 dan 0.7 dengan time simpling 0.1uS.
Tabel 3.2 Parameter Algoritma Artificial Bee Colony
SN 3 Bees
MCN 50 Cycle
Dmin 0.2
Dmax 0.8
Limit 50
Time simpling 0.1uS
Dari tabel diatas dibuatlah algoritma Artificial Bee Colony yang bisa dilihat pada
script dibawah ini.
function [dbest,D]=abc(I,V)
persistent j0 d0 best0 dbest0 ppv0 C0 P0 L0 iterasi0
if isempty (j0)
j0=0;
d0=zeros(1,3);
ppv0=zeros(1,3);
best0=0;
dbest0=0;
C0=zeros(3,1);
P0=zeros(1,3);
iterasi0=0;
end
iterasi=iterasi0
d=d0
C=C0
ppv=ppv0
best=best0
dbest=dbest0
P=P0;
D=0
j=j0+1
dmin=0.3
dmax=0.7
L=100
%%%%%%%%%%%%%%%%%%%%%%% INISIALISASI %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
if j==1
14
d(j)=dmin+rand*(dmax-dmin)
D=d(j)
ip=I
vp=V
ppv(j)=ip*vp
if ppv(j)>best
dbest=d(j)
best=ppv(j)
end
end
if j==2
d(j)=dmin+rand*(dmax-dmin)
D=d(j)
ip=I
vp=V
ppv(j)=ip*vp
if ppv(j)>best
dbest=d(j)
best=ppv(j)
end
end
if j==3
d(j)=dmin+rand*(dmax-dmin)
D=d(j)
ip=I
vp=V
ppv(j)=ip*vp
if ppv(j)>best
dbest=d(j)
best=ppv(j)
end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%% EMPLOYE BEE %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
if j==4
K=[2 3]
k=K(randi([1 numel(K)]))
phi=unifrnd(-0.01,0.01)
15
new=d(1)+phi*(d(1)-d(k))
D=new
vp=V
ip=I
ppvnew=vp*ip
if ppvnew>=ppv(1)
d(1)=new
dbest=d(1)
ppv(1)=ppvnew
else
C(1)=C(1)+1
end
end
if j==5
K=[1 3]
k=K(randi([1 numel(K)]))
phi=unifrnd(-0.01,0.01)
new=d(2)+phi*(d(2)-d(k))
D=new
vp=V
ip=I
ppvnew=vp*ip
if ppvnew>=ppv(2)
d(2)=new
ppv(2)=ppvnew
else
C(2)=C(2)+1
end
end
if j==6
K=[1 2]
k=K(randi([1 numel(K)]))
phi=unifrnd(-0.01,0.01)
new=d(3)+phi*(d(3)-d(k))
D=new
vp=V
ip=I
ppvnew=vp*ip
if ppvnew>=ppv(3)
16
d(3)=new
ppv(3)=ppvnew
else
C(3)=C(3)+1
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%% ONLOOKER BEES %%%%%%%%%%%%%%%%%%%%%%%%
for i=1:3
P(i)=ppv(i)/sum(ppv);
end
end
if j==7
r=rand;
R=cumsum(P)
i=find(r<=R,1,'first')
K=[1:i-1 i+1:3];
k=K(randi([1 numel(K)]))
phi=unifrnd(-0.01,0.01)
new=d(1)+phi*(d(1)-d(k))
D=new
vp=V
ip=I
ppvnew=vp*ip
if ppvnew>=ppv(1)
d(1)=new
ppv(1)=ppvnew
else
C(1)=C(1)+1
end
end
if j==8
r=rand;
R=cumsum(P)
i=find(r<=R,1,'first')
K=[1:i-1 i+1:3];
k=K(randi([1 numel(K)]))
phi=unifrnd(-0.01,0.01)
new=d(2)+phi*(d(2)-d(k))
17
D=new
vp=V
ip=I
ppvnew=vp*ip
if ppvnew>=ppv(2)
d(2)=new
ppv(2)=ppvnew
else
C(2)=C(2)+1
end
end
if j==9
r=rand;
R=cumsum(P)
i=find(r<=R,1,'first')
K=[1:i-1 i+1:3];
k=K(randi([1 numel(K)]))
phi=unifrnd(-0.01,0.01)
new=d(3)+phi*(d(3)-d(k))
D=new
vp=V
ip=I
ppvnew=vp*ip
if ppvnew>=ppv(3)
d(3)=new
ppv(3)=ppvnew
else
C(3)=C(3)+1
end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%% SCOUT BEES %%%%%%%%%%%%%%%%%%%%%%%%%%
if j==10
if C(1)>L
d(1)=dmin+rand*(dmax-dmin);
D=d(1)
ip=I
vp=V
18
ppv(1)=ip*vp
C(1)=0;
if ppv(1)>best
dbest=d(1)
best=ppv(1)
end
end
end
if j==11
if C(2)>L
d(2)=dmin+rand*(dmax-dmin);
D=d(2)
ip=I
vp=V
ppv(2)=ip*vp
C(2)=0;
if ppv(2)>best
dbest=d(2)
best=ppv(2)
end
end
end
if j==12
if C(3)>L
d(3)=dmin+rand*(dmax-dmin);
D=d(3)
ip=I
vp=V
ppv(3)=ip*vp
C(3)=0;
if ppv(3)>best
dbest=d(3)
best=ppv(3)
end
end
j=3;
iterasi=iterasi+1
if iterasi>=50
19
j=0
end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
iterasi=iterasi0
C0=C;
d0=d;
P0=P;
dbest0=dbest;
best0=best;
ppv0=ppv;
j0=j;
20
Fase Inisialisasi
Start
Control parameter ;MCN, SN, TS
Inisialisasi lebah pekerjaPosisi (duty cycle)
Eq (2.6)
Evaluasi duty cycle
Update lebah pekerja
Duty cycle eq (2.7)
Evaluasi
Terapkan greedy selection process;
Hitung probabilitas Pi eq (2.8)
Rekrut onlooker bees;
Eq (2.7)
Evaluasi duty cyclenya
Terapkan greedy selection
Menentukan duty cycles yang ditinggalkan
untuk pengintaian
Mengganti dan mengevaluasi mereka
Eq (2.6)
Mengingat duty cycles terbaik
Cycle = Cycle + 1
Cycle = Max. Cycle?
Duty cycle = Duty cycle terbaik
Yes
NO
Gambar 3.6 Flowchart Artificial Bee Colony
Fase
Employed Bees
Fase
Onlooker Bees
Fase
Scout Bees
21
3.4 Pemodelan Simulink MPPT Dengan Artificial Bee Colony
Pada Gambar 3.7 dapat dilihat pemodelan MPPT dari Artificial Bee Colony
dengan konverter cuk yang telah didesain sesuai parameter yang ditentukan.
Terdapat 3 blok sistem utama sedangkan blok P&O dan NOMPPT adalah blok
untuk sistem pembanding yang bisa dilihat pada sub bab selanjutnya. Untuk 3 blok
utama pada desain sub bab ini yaitu:
1. PV Array, yaitu blok yang berisi rangkaian sistem panel surya yang telah
dijelaskan pada gambar 3.3 dengan parameter yang dapat dilihat pada
gambar 3.4
2. ABC, yaitu blok yang berisi script function dari algoritma Artificial Bee
Colony.
3. Cuk Konverter, yaitu blok yang berisi rangkaian konverter cuk yang telah
didesain yang bisa dilihat pada gambar 3.5.
Gambar 3.7 Sistem Kotroler MPPT Artificial Bee Colony
3.5 Sistem Controller Pembanding Tanpa MPPT
Untuk perancangan sistem pembanding tanpa MPPT menggunakan
konverter yang sama dengan parameter inputan yang sama sehingga tidak perlu
22
mendesain konverter baru. Untuk perancangan modul photovoltaic tanpa MPPT
bisa dilihat pada gambar 3.8.
Gambar 3.8 Rangkaian Simulink PV Tanpa MPPT
Dari gambar 3.8 terlihat bahwa inputan switching pada mosfet konverter
menggunakan Pulse Generator dengan lebar pulsa 25%. Angka tersebut kami
dapatkan dari percobaan manual sehingga hasil terbaik adalah pada lebar pulsa 25%
atau duty cycle 0.25. Untuk blok-blok yang terdapat pada perancangan sistem ini
secara umum sama dengan Artificial Bee Colony, hanya saja tidak terdapat blok
yang berisi script function karena menggunakan Pulse Generator.
3.6 Sistem Controller Pembanding Perturb and Observe (P&O)
Untuk sistem dengan P&O kami menggunakan parameter yang sedikit
berbeda yaitu dengan frekuensi 50 KHz sedangkan pada 2 sistem diatas
menggunakan frekuensi 10 MHz. Perbedaan ini disesuaikan dengan algoritma P&O
untuk mendapatkan hasil terbaik. Sehingga nilai untuk komponen pada konverter
juga berubah dengan tetap menggunakan rumus perhitungan yang sama kami
mendapatkan nilai komponen dari cuk konverter pada tabel 3.3.
Tabel 3.3 Nilai Komponen Cuk Konverter
L1 L2 C1 C2
8000 uH 8000uH 5uF 10uF
23
Pada tabel diatas didapatkan nilai komponen-komponen cuk konverter
dengan tegangan ripple pada L1 5.7mV dan L2 5.6mV sedangkan arus riple C1 0.2V
dan C2 0.007mV. Untuk gambar simulink dari P&O bisa dilihat pada gambar 3.9
Gambar 3.9 Rangkaian simulink PV Dengan Perturb and Observe
Untuk perancangan pembanding P&O terdapat blok PV array yang sama
dengan sistem sebelumnya. Pada blok cuk konverter dengan rangkaian yang sama
seperti gambar 3.5 tapi nilai komponen yang berbeda, untuk nilai komponen pada
P&O ini bisa dilihat pada tabel 3.3. Sedangkan perbedaan selanjutnya yaitu terdapat
blok mppt controller yaitu blok yang berisi script function dari algoritma P&O yang
bisa dilihat dibawah ini.
%%%%%%%%%%%%%%%%Script P&O%%%%%%%%%%%%%%%%%%%%%%%%%
function D = PandO(Param, Enabled, V, I)
Dout = Param(1); %inisialisasi nilai D output
Dmax = Param(2); %D maksimum
Dmin = Param(3); %D Minimum
deltaD = Param(4); %nilai kenaikan atau penurunan nilai D
persistent V0 P0 D0;
dataType = 'double';
if isempty(V0)
V0=0;
24
P0=0;
D0=Dout;
end
P= V*I;
dV= V - V0;
dP= P - P0;
if dP ~= 0 & Enabled ~=0
if dP < 0
if dV < 0
D = D0 - deltaD;
else
D = D0 + deltaD;
end
else
if dV < 0
D = D0 + deltaD;
else
D = D0 - deltaD;
end
end
else D=D0;
end
if D >= Dmax | D<= Dmin
D=D0;
end
D0=D;
V0=V;
P0=P;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
3.7 Desain Pengujian Konverter DC-DC Tipe Cuk
Desain pengujian ini bisa dilihat pada gambar 3.10 yang mana, menggunakan
sumber tegangan DC 570V yang telah disesuaikan dengan parameter dan nilai
komponen pada sistem MPPT Artificial Bee Colony. Tujuannya adalah mengetahui
apakah konverter yang didesain telah sesuai dengan harapan.
25
Gambar 3.10 Desain Simulink Pengujian Cuk Konverter
Hasil dari pengujian konverter inilah yang menentukan apakah konverter
yang telah didesain layak untuk dimasukkan kedalam sistem maxsimum power
point tracking pada photovoltaic. Menentukan sudah sesuai atau belum rancangan
konverter akan terlihat pada hasil output pengujian ini, jika hasil output sama
dengan hasil output yang diharapkan maka konverter sudah sesuai dan didesain
dengan benar.
