Perancangan dan Penerapan MPPT Panel Surya - Kendaraan Listrik Pada Kondisi Fast Varying Partial Shading Menggunakan Algoritma Serval Optimization

Panel surya digunakan untuk mengubah energi matahari menjadi energi listrik. Pada penelitian ini diaplikasikan pada kendaraan listrik yang sangat besar potensinya terkenda bayangan (kondisi mobile). Sehingga output dari panel surya mengalami penurunan. Pada kondisi fast varying partial shading posisi titik daya maksimum terbagi menjadi dua yaitu Global Maximum Power Point (GMPP) terbagi menjadi dua yaitu GMPP dan Local Maximum Power Point (LMPP). Kondisi ini membuat proses MPPT dapat terjebak dalam LMPP. Oleh karena itu dalam penelitian ini diusulkan pengaplikasian Serval Optimization Algoritm (SOA) dalam MPPT. Metode ini mengacu pada perilaku alami serval di alam. Inspirasi mendasar dari SOA adalah strategi berburu serval. Langkah-langkah implementasi SOA dalam dua tahap eksplorasi dan eksploitasi. Serval Optimization algorithm diimplementasikan dalam MPPT untuk mengubah posisi (duty cycle) sehingga mendapat nilai terbaik dan menghasilkan daya keluaran panel surya maksimum. Metode SOA ini dipilih untuk menyelesaikan kondisi partial shading sehingga MPPT dapat secara optimal mencapai GMPP tanpa melalui LMPP. Panel Surya yang digunakan pada sistem ini berjumlah 2 (dua) unit dengan spesifikasi 25 Wp dengan beban Battery 24V dan BLDC Motor 120 Watt terangkai dalam kendaraan listrik - Two Wheeler Scooter.
MPPT SOA diuji secara simulasi menggunakan Software PSIM dan Aktual pada 2 variasi kondisi normal dan dan 4 variasi kondisi partial shading, Pada Pengujian Simulasi Kondisi Partial Shading Shading mendapatkan akurasi rata-rata sebesar 99.958% dan rata-rata waktu pelacaka selama 0,492 detik. Pada SOA memiliki keakurasian lebih tinggi dari pada PSO dan GWO yaitu sebesar 99,95%. Dan memiliki tracking time lebih cepat yaitu sebesar 0,55 detik. Pada Pengujian Intergasi SOC, dengan 12 kondisi uji, Metode SOA didapatkan nilai error sebesar 6,48% lebih baik dari pada Metode GWO. Pada Uji Jalan, dengan 6 kondisi uji dapat memperlampat nilai penurunan kapasitas battery sebesar 16,24%. Penerapan Single Source pada PV-MPPT- Converter dapat diimplementasikan dengan nilai Efisensi sebesar 76,86%.
Pada penelitian sebelumnya dimana SOA adalah metode baru dalam Optimasi Problem Solving yang memiliki performa keakurasian yang cukup baik, dan pada penelitian tesis ini dapat diimplementasikan dalam Optimasi Solar PV untuk melakukan tracking MPPT kendaraan listrik dengan kondisi partial shading yang bervarisasi dan fluktuatif.

Kata Kunci: Serval Optimization Algorithm, Fast-Varying Partial Shading, Maximum Power Point Tracking, State of Charge, Kendaraan Listrik