Perpustakaan Digital ITB

Indonesia sebagai salah satu negara dengan sumber daya alam yang melimpah memiliki keuntungan tersendiri dalam memanfaatkan banyaknya sumber energi terbarukan. Indonesia memiliki beragam jenis sumber EBT (Energi Baru Terbarukan) seperti hidro, biomassa, dan energi surya. Melihat Indonesia sebagai negara tropis, potensi energi listrik yang dihasilkan melalui pembangkit listrik tenaga surya (PLTS) bisa terbilang cukup besar. Disamping itu, PLTS sendiri hanyalah sebuah teknologi yang bisa saja mengalami kegagalan yang dapat mengakibatkan turunnya efisiensi dan potensi dari sistem tersebut. Salah satu kegagalan yang dapat menyebabkan turunnya efisiensi PLTS adalah terdapatnya shading/naungan. Naungan pada sistem PLTS ini dapat dideteksi dengan menggunakan pembelajaran mesin. Pada penelitian ini, sistem deteksi kegagalan yang digunakan adalah deteksi kurva I-V dengan menggunakan algoritma berbasis mesin vektor pendukung (support-vector machine). Algoritma ini akan membandingkan data latih dengan data uji untuk dapat menentukan apakah terdeteksi kegagalan pada sistem PLTS yang ada. Penelitian ini diharapkan dapat mengurangi risiko kerusakan pada PLTS yang diakibatkan oleh kegagalan tipe naungan. Pada penelitian ini, terdapat 4 kondisi naungan pada sistem PLTS, yaitu shading 1 modul PV, shading 3 modul PV, shading 6 modul PV, dan shading 9 modul PV. Dari ke-empat kondisi naungan, didapatkan penurunan efisiensi rata-rata sebesar 5,02% dan penurunan fill factor rata-rata sebesar 27,15% dari efisiensi dan fill factor string PV. Pemodelan dengan menggunakan SVM dapat mendeteksi jenis naungan yang terjadi pada sistem PLTS dengan sangat baik. Hal ini dibuktikan dengan nilai accuracy yang merupakan nilai dari keseluruhan pemodelan mencapai 0,98 dari 1.