COVER Taufiq Narendra Purnama Putra
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 1 Taufiq Narendra Purnama Putra
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 2 Taufiq Narendra Purnama Putra
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 3 Taufiq Narendra Purnama Putra
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 4 Taufiq Narendra Purnama Putra
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 5 Taufiq Narendra Purnama Putra
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
PUSTAKA Taufiq Narendra Purnama Putra
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Rencana Umum Energi Nasional (RUEN) Indonesia mengamanatkan untuk mencapai
fraksi penggunaan EBT untuk pembangkitan listrik sebesar 23 % pada tahun 2025. Sifat
EBT yang berselang dapat diatasi dengan implementasi algoritma manajemen energi pada
jaringan listrik cerdas. Untuk dapat mengevaluasi ketercapaian RUEN, digunakan
parameter Renewable Fraction (RF) yang akan diprediksi nilainya pada penelitian ini.
Pengerjaan penelitian ini mengacu pada metodologi Cross Reference Industry Standard
Process for Data Mining (CRISP-DM). Tahapan metodologi tersebut adalah: (1)
menentukan tujuan dari penelitian (business understanding), (2) menganalisis komponen
dan data operasional yang ada pada sistem (data understanding), (3) mempersiapkan data
untuk pemodelan (data preparation), (4) memodelkan komponen dengan menggunakan
pemodelan hibrida (modelling), (5) mengevaluasi pemodelan (evaluation), dan (6)
menghitung RF dengan dua buah metode, yaitu via SoC dan direct (deployment). Untuk
dapat memodelkan RF, digunakan kombinasi antara pembelajaran mesin dengan
pemodelan berbasis kaidah fisika. Terdapat tiga komponen jaringan listrik yang perlu
dimodelkan, yaitu SBPE, PLTS, dan beban listrik. SBPE dapat dimodelkan dengan
mengacu pada data pak baterai dan salah satu sel baterai. Pemodelan SBPE yang mengacu
pada data pak baterai dan beban listrik dimodelkan dengan pemodelan hibrida, pemodelan
PLTS dilakukan dengan model berbasis kaidah fisika (PVLib), dan pemodelan SBPE yang
mengacu pada sel baterai dilakukan dengan pembelajaran mesin. Secara keseluruhan,
pemodelan untuk dapat memprediksi RF mengombinasikan pembelajaran mesin, yang
berbasiskan data, dengan pemodelan berbasis kaidah fisika. Maka dari itu, pemodelan RF
menggunakan pemodelan hibrida.
Hasil akhir yang didapatkan adalah rata – rata RF pada rentang 7 – 13 Januari 2018 adalah
9,28 % (direct) dan 4,62 % (via SoC). Ketika diproyeksikan pada tahun 2020 dan
memperhitungkan degradasi baterai dan sel surya, didapatkan penurunan nilai RF sebesar
6,08 % (direct) dan 1,41 % (via SoC). Sehingga, RUEN masih belum tercapai.