Perpustakaan Digital ITB

Indonesia adalah negara tropis dengan potensi tenaga surya yang sangat besar. Operator jaringan tenaga listrik harus mempersiapkan strategi untuk memitigasi sifat tenaga surya yang berubah-ubah. Sistem tenaga listrik harus lebih fleksibel untuk menerima daya yang fluktuatif dari PV. Terdapat beberapa opsi untuk meningkatkan fleksibilitas sistem dalam menghadapi integrasi energi terbarukan. Salah satu cara yang ekonomis adalah dengan melaksanakan peramalan tenaga surya. Di sisi lain, penggunaan machine learning semakin populer saat ini. Machine learning memiliki banyak aplikasi termasuk dalam hal prediksi. Dalam tesis ini, peramalan tenaga surya dilaksanakan dengan menggunakan jaringan saraf tiruan dan untuk memprediksi daya output dari PV untuk satu jam ke depan. Jaringan tersebut dilatih dengan menggunakan jaringan saraf tiruan propagasi balik (BPPN) dan mesin pembelajaran ekstrim (ELM). Daya output PV dan kondisi cuaca historis, serta variable waktu digunakan sebagai inputan. Mesin pembelajaran ekstrim digunakan karena kelebihannya dalam akurasi dan waktu komputasi dibandingkan jaringan saraf tiruan propagasi balik.