digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Safin Rivaldi
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

COVER
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

BAB I
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

Bab II
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

Bab III
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

BAB IV
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

BAB V
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

DAFTAR PUSTAKA
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

LAMPIRAN
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

Evaluasi penggunaan energi dalam sistem Mikrogrid (MG) sangat bergantung pada efisiensi energi baterai, yang merupakan parameter penting sistem baterai penyimpan energi (SBPE) dalam mengukur kinerja sistem, terutama dalam algoritma penjadwalan SBPE. Namun nilainya bervariasi tergantung pada kondisi operasi dan tidak mudah diukur secara langsung pada waktu nyata. Penelitian ini berfokus pada analisis dan estimasi efisiensi energi baterai secara waktu nyata. Pertama, efisiensi energi baterai pada kondisi operasi dianalisis menggunakan perhitungan Round-trip Efficiency (RTE) pada SBPE Laboratorium Manajemen Energi ITB dengan berfokus pada baterai Valve Regulated Lead Acid (VRLA). Selanjutnya, dilakukan analisis korelasi antara efisiensi energi baterai dan parameter-parameter seperti C-rate, Kondisi Muatan (KM), dan temperatur. Model estimasi efisiensi energi baterai dibangun dengan menggunakan metode Regresi Vektor Pendukung (RVP) dan regresi polinomial berderajat tiga. Hasil estimasi dari kedua metode ini dibandingkan dengan perhitungan efisiensi energi baterai aktual untuk mengevaluasi keakuratan model yang dikembangkan. Hasil penelitian menunjukkan efisiensi energi baterai dianalisis menggunakan metode RTE dengan 1531 nilai efisiensi energi yang terdeteksi. Analisis korelasi mengungkapkan bahwa RMS C-rate dan gradien KM paling berpengaruh terhadap efisiensi energi, dengan koefisien korelasi masing-masing -0,8385 dan -0,8094. Model korelasi menggunakan Regresi Vektor Pendukung (RVP) dan regresi polinomial berderajat tiga menunjukkan bahwa regresi polinomial lebih stabil, dengan nilai R^2 = 0,7208 dan RMSE = 0,0608 pada data validasi. Pemodelan estimasi dibandingkan dengan data aktual (RVP: MAE = 0,133, RMSE = 0,159; polinomial: MAE = 0,085, RMSE = 0,117), model regresi polinomial berderajat tiga memberikan prediksi yang lebih akurat dibandingkan RVP.