Perpustakaan Digital ITB

Pertumbuhan pesat penduduk mendorong kebutuhan global akan energi, mendorong peningkatan pembangkitan energi bersih untuk mengurangi ketergantungan pada bahan bakar fosil dan meredakan dampak perubahan iklim. Dalam transisi ini, teknologi Mikro Grid, dengan kombinasi sumber energi, termasuk PLTS, menjadi krusial untuk meningkatkan keandalan jaringan. Untuk mendukung perancangan sistem PLTS dan mempengaruhi biaya, diperlukan model prediksi produksi energi yang dapat diandalkan. Operator transmisi dan pemasok energi pun mengandalkan model ini untuk menjaga keseimbangan jaringan dan berpartisipasi di pasar energi. Namun, hal ini juga menjadi masalah tersendiri, sulit untuk memodelkan hasil produksi PLTS secara akurat disebabkan oleh sifatnya yang sangat bergantung pada cuaca. Untuk itu, pada penelitian ini akan dikembangkan suatu model Informed Machine Learning dimana terdapat physical constraint berupa Angle of Incidence untuk merepresentasikan posisi matahari terhadap PLTS ke dalam model DNN diikuti dengan penambahan Approximation Constraint untuk membatasi hasil pemodelan di rentang yang diinginkan. Melalui pengembangan pemodelan Informed Machine Learning, memberikan akurasi yang lebih baik dan kepatuhan model terhadap kaidah fisika yang berlaku dalam pemodelan daya PLTS. Berdasarkan evaluasi model, diperoleh performa model pengembangan Informed Machine Learning dengan metrik performa Root Mean Square Error (RMSE) 71,00 W dan Mean Absolute Error (MAE) 49,11 W, tanpa adanya pelanggaran kaidah fisika. Berbeda halnya dengan sebelum penambahan physical constraint dan Approximation Constraint dimana model PLTS memiliki metrik performa RMSE 114,83 W dan MAE 91,90 W, diikuti dengan 811 pelanggaran terhadap kaidah fisika.