Perbandingan Algoritma Ant Colony Optimization, Partical Swarm Optimization dan Firefly Algoritm pada Maximum Power Point Tracking dalam Kondisi PV Partial Shadding

Abstract

Abstrak Sebagian besar waktu, pengembangkit listrik tenaga surya tidak dapat berfungsi secara mandiri tanpa bantuan; tegangan (V) yang dihasilkan oleh energi surya biasanya ditentukan oleh penyimpanan (baterai) atau beban (beban) yang terhubung secara langsung dengan energi surya. Modul fotovoltaik tentunya tidak selalu menerima radiasi yang seragam. Akibatnya, daya yang dihasilkannya tidak selalu mencapai puncaknya, menyebabkan puncak ganda. Untuk mengoptimalkan keluaran fotovoltaik, sistem pengawasan maksimum puncak (MPPT) diperlukan. Namun, metode yang biasa digunakan seringkali terjebak oleh puncak di bawah puncak yang paling ideal, yang membutuhkan waktu yang lama untuk konvergensi. Studi ini menentukan metode terbaik dalam kondisi bayangan sebagian dengan membandingkan kinerja pelacakan dan waktu pelacakan dari tiga metode,ACO (Ant Colony Optimization), PSO (Particle Swarm Optimization) dan FF (Firefly Algorithm). Pelacakan algorima ACO dengan efisiensi terbaik tegangan 274 V dengan daya 836W dan efisiensi algoritma 99,99%, dengan 49 kali iterasi dan waktu pelacakan 2,93 detik, Pelacakan dengan efisiensi terbaik ditemukan pada tegangan 274 V dengan daya 836,39W dan efisiensi algoritma 99,99%. Pelacakan ini melakukan 15 kali iterasi dengan waktu pengawasan 0,89 detik, Pelacakan paling efisien beroperasi pada tegangan 274 V dengan daya 836W dan efisiensi algoritma 99,99%. Pelacakan ini melakukan 17 kali iterasi, dengan waktu pengawasan 1,01 detik.