Perpustakaan Digital ITB

Pembangkit Listrik Tenaga Surya (PLTS) merupakan salah satu solusi strategis dalam mendukung transisi menuju sistem energi bersih dan berkelanjutan. Namun, fluktuasi intensitas radiasi matahari akibat kondisi cuaca menimbulkan tantangan intermitensi yang berdampak pada keandalan daya keluaran PLTS. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model prediksi daya DC pada sistem PLTS di Gedung CAS Institut Teknologi Bandung, dengan membandingkan tiga pendekatan utama: (1) pemodelan berbasis data menggunakan arsitektur Convolutional Neural Network–Long Short-Term Memory (CNN-LSTM), (2) pemodelan berbasis fisika dengan menggunakan pustaka PVlib, serta (3) pendekatan hibrida berbasis physics-informed CNN-LSTM. Model physics-informed dirancang melalui dua strategi utama: penyaringan data berdasarkan prinsip fisika untuk mengeliminasi data anomali yang tidak valid, serta integrasi daya teoritis hasil kalkulasi PVlib sebagai fitur tambahan dalam model prediksi. Evaluasi dilakukan dengan menggunakan metrik Root Mean Square Error (RMSE), Mean Absolute Error (MAE), dan koefisien determinasi (R²), serta analisis konsistensi terhadap kaidah fisika. Hasil penelitian menunjukkan bahwa model CNN-LSTM awal memberikan performa prediksi yang baik (RMSE = 271,12 W; R² = 80,73%) dan konsisten terhadap prinsip fisika. Sementara itu, model PVlib menghasilkan R² sebesar 71,39% namun menunjukkan inkonsistensi sebesar 79,15% terhadap data observasi. Pendekatan physics-informed menghasilkan performa terbaik dengan RMSE sebesar 254,99 W dan R² sebesar 82,95%. Setelah dilakukan hyperparameter tuning, model ini mencapai peningkatan R² menjadi 83,06% dengan tingkat ketidaksesuaian terhadap kaidah fisika yang sangat rendah (0,036%). Integrasi pengetahuan fisika ke dalam model pembelajaran mesin terbukti mampu meningkatkan akurasi, mempertahankan koherensi fisika, dan mengurangi prediksi ekstrem yang tidak realistis. Dengan demikian, pendekatan physics-informed machine learning memiliki potensi yang lebih andal dibandingkan metode konvensional dalam memodelkan keluaran daya sistem PLTS pada kondisi lingkungan yang dinamis dan tidak menentu.