its
DESCRIPTION
uggjlghthhfhTRANSCRIPT
1
PERANCANGAN DAN SIMULASI SISTEM KONTROL POSISI PADA PANEL SURYA DENGAN MENGGUNAKAN METODE FUZZY SLIDING MODE CONTROL (FSMC)
Oleh :
Wawan Ismanto 1205 100 063
Dosen Pembimbing : Dra. Mardlijah, M.T.
Drs. I Gst Ngr Rai Usadha, M.Si
Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember Surabaya
2010
Abstrak : Suatu kenyataan bahwa kebutuhan akan energi khususnya energi listrik di Indonesia, makin
berkembang menjadi bagian tak terpisahkan dari kebutuhan hidup masyarakat sehari-hari seiring dengan pesatnya peningkatan pembangunan di bidang teknologi industri, teknologi komunikasi, dan sebagainya. Oleh karena itu perlu diadakan pencarian energi alternatif yang bisa dipakai untuk mengatasi masalah kelangkaan energi. Salah satu solusi untuk mengatasi masalah tersebut adalah dengan menggunakan panel surya. Dalam rangka mengoptimalkan penggunaan panel surya itu, diperlukan sebuah sistem pengendali yang dapat mengontrol posisi panel surya agar selalu mengikuti arah dan posisi dari matahari.
Ada beberapa macam sistem pengendali yang cukup diminati diantaranya Sliding Mode Control (SMC) dan Fuzzy Logic Control (FLC). Dalam pengendalian sistem modern, dibutuhkan pengendali yang bekerja dengan baik (robust) pada kondisi dengan ketidakpastian yang besar. Ketidakpastian ini merupakan gangguan bagi sistem. Salah satu metode yang dapat dilakukan akhir – akhir ini adalah Sliding Mode Control (SMC). SMC memiliki beberapa keunggulan, yaitu sifatnya yang sangat robust, mampu bekerja dengan baik pada sistem nonlinear yang memiliki ketidakpastian model ataupun parameter. Berbeda dengan SMC, konsep Fuzzy Logic Control (FLC) yang terbukti efektif menghadapi sistem nonlinear yang kompleks dengan ketidakpastian yang sulit untuk dimodelkan. Pengendali FLC merupakan pengendali yang mudah dan sederhana untuk dirancang, tetapi juga memiliki beberapa kelemahan, diantaranya adalah keterbatasan analisis maupun sintesis terhadap metode ini. Untuk memperbaiki performansi sistem, SMC murni dimodifikasi dan dikombinasikan dengan konsep Fuzzy Logic Control (FLC) sehingga hasil modifikasi ini disebut Fuzzy Sliding Mode Control (FSMC). Pada tugas akhir ini, akan dirancang suatu sistem pengendali FSMC pada plant sistem posisi panel surya untuk memperoleh pengendali alternatif yang robust terhadap sistem nonlinear kontinu dengan ketidakpastian. Kata kunci : Panel Surya, Sliding Mode Control (SMC), Fuzzy Logic Control (FLC), Fuzzy Sliding Mode Control (FSMC) 1. Pendahuluan
Indonesia yang memiliki banyak potensi energi terbarukan, seperti tenaga air
(termasuk minihidro), panas bumi, biomasa, angin dan surya (matahari) yang bersih dan ramah lingkungan, belum dapat
2
memanfaatkan secara optimal. Belum optimalnya pemanfaatan energi terbarukan disebabkan biaya pembangkitan pembangkit listrik energi terbarukan, seperti tenaga surya, tidak dapat bersaing dengan biaya pembangkitan pembangkit listrik berbahan bakar energi fosil (bahan bakar minyak, gas bumi, dan batubara). Hal ini terjadi, karena intensitas panas yang diterima oleh permukaan bumi adalah relatif kecil, sehingga memerlukan kolektor (pengumpul) yang cukup luas untuk keperluan pembangkitannya.
Pada sistem ini, posisi dari bagian kolektor (pengumpul) sinar matahari diatur sedemikian rupa sehingga diharapkan akan selalu tepat dengan arah matahari pada siang hari (Musafa, 2003). Hal ini dikarenakan karena matahari sebagai sumber energi dari panel surya bersifat tidak tetap pada hanya satu posisi. Oleh karena itu diperlukan sebuah sistem pengendali yang dapat mengontrol posisi panel surya agar selalu mengikuti arah dan posisi dari matahari, sehingga dapat menyerap sel surya secara maksimal. Dengan demikian, tenaga surya dapat dijadikan sebagai salah satu pembangkit listrik alternatif.
Dalam rangka memenuhi kebutuhan pengendali yang dapat bekerja dengan baik, maka digunakan pengendali Sliding Mode Control (SMC) pada penelitian sebelumnya. Pengendali SMC memiliki beberapa kelebihan jika dibandingkan dengan pengendali PID, yaitu sifatnya yang sangat robust, mampu bekerja dengan baik pada sistem nonlinear yang memiliki ketidakpastian model ataupun parameter. Namun demikian, pengendali SMC masih memiliki kekurangan, yaitu sedikit lebih rumit dalam perancangannya daripada pengendali PID dan masih adanya error meskipun terhitung kecil saat terjadi perubahan parameter berupa penurunan nilai parameter (Junaidi, 2009).
Salah satu metode yang cukup diminati dan menjadi usulan para ilmuwan dewasa ini adalah Fuzzy Logic Control (FLC).
Berbeda dengan SMC, konsep Fuzzy Logic Control (FLC) terbukti efektif menghadapi sistem nonlinear yang kompleks dengan ketidakpastian yang sulit untuk dimodelkan (Zhang, 2006). Pengendali FLC merupakan pengendali yang mudah dan sederhana untuk dirancang, tetapi juga memiliki beberapa kelemahan, diantaranya adalah keterbatasan analisis maupun sintesis terhadap metode ini (Usadha, 2002). Untuk memperbaiki performansi sistem, SMC murni dimodifikasi dan dikombinasikan dengan konsep Fuzzy Logic Control (FLC) sehingga hasil modifikasi ini disebut Fuzzy Sliding Mode Control (FSMC).
Pada tugas akhir ini, akan dirancang suatu sistem kontrol posisi pada panel surya dengan menggunakan metode FSMC untuk memperoleh sistem pengendali alternatif yang dapat bekerja dengan baik pada sistem nonlinear yang kontinu dengan ketidakpastian yang besar.
2. Metode Penelitian
Metode yang digunakan pada tugas akhi dalam menyelesaikana permasalahan adalah : 1. Studi Literatur. 2. Pemodelan Sistem Posisi Panel
Surya. 3. Perancangan Pengendali Sistem
Posisi Panel surya. 4. Simulasi Sistem Pengendali Pada
Matlab. 5. Analisa Hasil Simulasi. 6. Penyimpulan Hasil Simulasi dan
Pemberian Saran.
3. Sistem Panel Surya Model sistem kontrol posisi pada
sistem panel surya secara sederhana seperti terlihat pada Gambar 3.1 (Kuo, 1998) di bawah ini.
3
SensorMatahari Pengendali Driver
Motor
PengurangKecepatan
++
Laju sinar matahari
Laju motorperintaah
Piringan Pengumpul
Beban
Laju TrimGalat posisi
Usikan torsi Tdoθ
iθ
Gambar 3.1 Diagram skematik sistem panel
surya
Prinsip kerja dari sistem ini adalah bagaimana mengatur posisi dari piringan pengumpul sinar matahari agar selalu mengikuti posisi matahari sehingga permukaan piring pengumpul matahari selalu dalam kondisi tegak lurus dengan arah sinar matahari karena mempertahankan sinar matahari jatuh ke sebuah permukaan panel secara tegak lurus akan mendapatkan energi maksimum 1000 W/m2 atau 1 kW/m2 (Mintorogo, 2000). Sistem ini merupakan sistem dengan satu masukan dan satu keluaran dengan objek yang dikendalikan adalah motor servo DC (Mustafa, 2003) :
Gambar 3.2 Diagram blok masukan dan keluaran sistem panel surya
Masukan sistem adalah laju sinar
matahari ( iθ ) yang diterima oleh dua sensor sel photovoltaic silikon persegi yang diletakkan sedemikian rupa sehingga pada saat sensor diarahkan ke matahari, sinar cahaya dari celah melingkari kedua sel tersebut (Kuo, 1998). Sedangkan keluaran sistem adalah posisi sudut dari motor ( 0θ ) yang digunakan untuk menggerakkan kolektor sehingga berputar mengikuti arah posisi matahari. matahari adalah objek dari panel surya, jadi panel surya harus dapat mengikuti arah gerak dari matahari agar efisiensi dari panel surya menjadi maksimal.
Dan untuk dapat memposisikan panel surya agar selalu tegak lurus dengan matahari dibutuhkan panel surya yang dapat dikendalikan. Pemodelan dilakukan dengan menurunkan persamaan matematis dari bagian – bagian penyusun yang merupakana penggerak dari panel surya.
M
Ra La
ae be mωmθ
LTmT
Fluks magnetik
Φai+
+
--
Gambar 3.3 Model motor servo DC (Kuo, 1998)
Dari Gambar 3.3 diperoleh :
( ) ( ) ( ) ( )tedt
tdiLtiRte ba
aaaa ++= (3.1)
dengan : ( ) ( )tKte mbb ω= (3.2) ( ) ( )tiKtT amm = (3.3)
( ) ( ) ( )tBdt
tdJtT mm
m ωω+= (3.4)
dimana : ea (t) = Besarnya tegangan yang diberikan pada motor (volt) eb (t) = emf balik (volt) ia (t) = Arus jangkar (Ampere) Ra (t) = Tahanan kumparan jangkar (Ohm) La (t) =Induktansi kumparan jangkar (Henry) Kb = Konstanta emf balik (Volt-sec/rad) Km = Konstanta torsi (N-m/Ampere) J = Momen inersia rotor (Kg-m2) B = Koefisien gesekan viskos (N-m/rad/sec) Tm(t) = Torsi motor (N-m) ωm(t) = Kecepatan sudut motor (rad/sec) Salah satu bagian dari sistem kontrol posisi adalah penguat servo (amplifier servo). Secara sederhana, keluaran amplifier servo dapat dinyatakan sebagai berikut : ( ) ( ) ( )[ ] ( )tKeteteKte stoa -- =+= (3.5)
dimana :
Sistem Panel Surya
4
ea = Tegangan keluaran servo amplifier (Volt) K = Besarnya nilai penguatan Untuk mendeteksi kecepatan sudut dari motor digunakan takometer. Keluaran takometer dalam bentuk tegangan (et) diumpan balikkan melalui konstanta takometer Kt. Secara matematis, hubungan ini dapat ditulis : ( ) ( )tKte mtt ω= (3.6)
dimana : et = Tegangan keluaran takometer (Volt) Kt = Konstanta takometer ωm = Kecepatan sudut motor (rad/sec) Roda gigi berfungsi sebagai pengurang kecepatan sudut dari motor. Secara mekanik, sumbu dari motor dihubungkan dengan roda gigi, sehingga posisi sudut roda gigi keluaran dihubungkan ke posisi motor melalui perbandingan roda gigi 1/n, sehingga :
mnθθ 1
0 = (3.7)
dimana : θ 0 = posisi sudut keluaran roda gigi θm = posisi sudut motor 4. Sistem Pengendali Secara umum, suatu sistem pengendalian dapat digambarkan sebagai berikut:
Gambar 4.1. Diagram blok sederhana dari
sistem lup tertutup Pada Gambar 4.1 r adalah reference point atau nilai yang diinginkan, d gangguan bagi sistem, e sinyal error, u control input, y keluaran sistem, C sistem pengendali, dan P adalah plant. 4.1 Sliding Mode Control (SMC)
Pandang suatu sistem dinamis :
= , , . (4.1.1) dimana u control input, merupakan vektor keadaan, , dan , berupa fungsi terbatas, gangguan eksternal. Jika dx merupakan yang diinginkan, maka tracking error-nya dapat dinyatakan dengan :
Fungsi Switching yaitu permukaan ),( txS
di dalam ruang keadaan Rn, memenuhi
persamaan [Tien, 2002] :
edtdtxS
n 1
),(−
⎟⎠⎞
⎜⎝⎛ += λ (4.1.2)
Dengan λ berupa konstanta positif. Dimana fungsi switching ini digunakan untuk menentukan besarnya nilai u agar memenuhi kondisi sliding. Permukaan sliding (sliding surface) merupakan persamaan yang memenuhi:
0),( =txS (4.1.3) Besar nilai control input pada SMC bergantung pada nilai S, sehingga memenuhi pertidaksamaan yang disebut kondisi sliding. Kondisi tersebut ditulis dalam bentuk sebagai berikut :
0<SS & atau η−≤)sgn(SS& (4.1.4) Untuk suatu η konstanta positif. Sliding mode berarti bahwa sekali trayektori keadaan e mencapai permukaan sliding, maka trayektori sistem akan bertahan di sana sambil meluncur ke titik asal bidang ee & secara independen dengan semua ketidakpastian.
4.2 Fuzzy Logic Control (FLC) Fuzzy logic control (FLC) Logika fuzzy merupakan pengembangan dari teori himpunan fuzzy yang diperkenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 dari Universitas California Berkeley. Logika fuzzy berbeda dengan logika konvensional
)()()( txtxte d−=
5
digital biasa (Boolean), dimana logika biasa hanya mengenal dua harga, yaitu “satu dan nol” atau “ya dan tidak”. Sedangkan logika fuzzy harga kebenaran diberikan dalam terminologi linguistik dengan menyertakan predikat kekaburan (fuzzines) pada proposisinya. Dengan menggunakan konsep sifat kesamaan satu nilai, logika fuzzy dapat memberikan nilai dari nol secara kontinu sampai satu (Yan, 1993). Pengendali fuzzy (fuzzy controller) umumnya bekerja secara heuristic (trial and error) dan berdasarkan pengalaman manusia. Himpunan fuzzy A dalam semesta pembicaraan U biasa dinyatakan sebagai sekumpulan pasangan elemen u (u anggota U ) dan besarnya derajat keanggotaan (grade of membership) elemen tersebut, µA sebagai : A = { (u, µA (u) / u ∈ U) } Ada empat pendekatan yang dapat dilakukan untuk menentukan himpunan fuzzy beserta aturannya (Rizan, 2008), yaitu : Menentukan dari pengalaman para ahli atau dari pengetahuan teknik pengendalian. 1. Memperhatikan perilaku manusia yang bertindak sebagai operator. 2. Menggunakan model fuzzy dari suatu proses. 3. Mempelajari melalui pengalaman atau simulasi dari proses pembelajaran. Suatu pengendali fuzzy (fuzzy logic controller) tersusun dari empat buaah komponen yang bekerja bersamaan dan dapat diuraikan sebagai : 1. Rule-base, berisi sekumpulan aturan fuzzy dalam mengendalikan sistem. 2. Inference mechanism, mengevaluasi aturan kontrol yang relevan dan mengambil keputusan masukan yang akan digunakan untuk plant. 3. Fuzzifikasi, mengubah masukan sehingga dapat digunakan pada aturan di rule-base, dari nilai crisp menjadi nilai fuzzy.
4. Defuzzifikasi, mengubah kesimpulan yang diperoleh dari inference mechanism menjadi masukan plant, dari nilai fuzzy menjadi nilai crisp. 4.3 Fuzzy Sliding Mode Control (FSMC) Untuk memperbaiki performansi sistem SMC, dilakukan modifikasi pada SMC dengan menggunakan FLC. Modifikasi ini umumnya disebut sebagai fuzzy sliding mode control (FSMC) atau sliding mode fuzzy logic control (SMFLC). Perancangan pengendali FSMC lebih sederhana daripada merancang pengendali SMC, terutama dalam hal menentukan besarnya control input u. Karena pada FSMC, besarnya u diperoleh dari aturan fuzzy dengan bentuk
: Jika dan maka (4.3.1)
dimana s adalah jarak antara vektor keadaan dan permukaan sliding, dan d adalah jarak antara vektor keadaan dan vektor normal ke permukaan sliding dimana vektor normal melalui titik asal dari ruang keadaan.
dan masing – masing adalah nilai fuzzy dari variabel keadaan fuzzy s dan d pada daerah fuzzy ke-i dari ruang keadaan fuzzy. adalah vektor masukan fuzzy yang berkorespondensi pada daerah fuzzy ke-i dari ruang keadaan fuzzy. TS, TD dan TU adalah himpunan dari s, d dan u yang mencakup range dari nilai fuzzy s,d dan u.
Gambar 4.3.1 Interpretasi grafis dari dan d
(Palm, 1997)
6
Rad/detik 10
Gambar 4.3.1 menunjukkan interpretasi grafis dan d pada bidang , dimana menunjukkan jarak antara titik keadaan dan permukaan sliding. d menunjukkan jarak antara titik keadaan dan garis normal dari permukaan sliding yang melalui titik asal bidang . Dengan demikian dan d dapat dinyatakan dengan persamaan :
| |√
(4.3.2)
| | (4.3.3)
dengan aturan fuzzy untuk FSMC seperti persamaan (2.21) dapat dinyatakan oleh Tabel 4.3.1 Tabel 4.3.1 Aturan umum fuzzy untuk pengendali FSMC (Palm, 1997)
5. Perancangan Sistem Pengendali Secara matematis pemodelan matematika pada sistem posisi panel surya didapatkan dengan menggabungkan atau mensubstitusikan rumusan – rumusan yang ada dalam komponen – komponen panel surya, yaitu :
(5.1) Dengan,
Perancangan pengendali FSMC diperlukan suatu fungsi switching S sebagai berikut : (5.2) Permukaan slidingnya adalah : 0 (5.3) Penentuan nilai control input u pada FSMC menggunakan dua variabel masukan pada fuzzy, yaitu dan d. Oleh karena itu, ditentukan fungsi keanggotaan dari dan d dengan aturan fuzzynya. Pada penentuan fungsi keanggotaan, perlu diketahui batasan nilai dan d. Hal ini dapat dilihat dari lup terbuka system panel surya, dengan nilai dan sebagai berikut : 0.000073,0.000073 0.0027,0.0027 Dari data tersebut dicari nilai maksimum dari dan d dengan nilai = 10. | |
√| . . . |
√0.000341297
| |
0.000073 0.0027 00.002700986 Dengan memperbesar range nilai dan d, diperoleh intervalnya yaitu : 0.00034, 0.00034 0,0.0027 Setelah diketahui masing – masing variabel, selanjutnya dirancang fungsi keanggotaannya dari dan d seperti ditunjukkan oleh Gambar 5.1
Gambar 5.1 Fungsi keanggotaan pada
pengendali FSMC
NB
NM
NS
NZ PZ PS
PM
PB
d
B PB
PB
PB
PB
NB
NB
NB
NB
M PB
PB
PB
PM
NM
NB
NB
NB
S PB
PB
PM
PS
NS
NM
NB
NB
Z PB
PM
PS
PZ
NZ
NS
NM
NB
7
Volt
10 Rad/detik2
10 Gambar 5.2 Fungsi keanggotaan d pada
pengendali FSMC
Nilai control input u diambil dengan rentang yang sama dengan perancangan FLC, namun dengan pembagian interval tiap fungsi keanggotaan yang berbeda, yang ditunjukkan oleh Gambar 5.3
Gambar 5.3 Fungsi keanggotaan control input u
pada pengendali FSMC
Aturan fuzzy yang digunakan pada pengendali FSMC yang mengacu pada Table 2.2 dapat dilihat pada Tabel 5.1 Tabel 5.1 Aturan fuzzy untuk pengendali FLC
pada sistem panel surya
Setelah diperoleh rancangan fungsi keanggotaan dan aturan fuzzy, langkah berikutnya adalah mengimplementasikan diagram blok dan rancangan fuzzy pada matlab. Hasil perancangan pengendali FSMC pada simulink dapat dilihat pada Gambar 5.4, dimana rangkaian system berupa system lup tertutup dengan umpan balik.
Gambar 5.4 Diagram blok sistem panel surya
dengan pengendali FSMC
Supaya dapat dibandingkan dengan hasil pengendalian SMC, pada pengendalian FSMC ini digunakan = 10. Sedangkan nilai gain1, gain2, gain diperoleh dengan cara trial and error seperti yang dilakukan pada perancangan sistem pengendali FLC. Pada tugas akhir ini diambil nilai – nilai gain untuk sistem pengendali FSMC yaitu g1 = 0.0098, g2 = 0.0025, dan g3 = 1.
6. Analisa dan Pembahasan Pada bab ini dilakukan tiga macam simulasi, yaitu dengan tanpa gangguan, dan lainnya menggunakan dua gangguan yang berbeda, yaitu gangguan eksternal dan gangguan internal. Gangguan eksternal berasal dari luar sistem, sedangkan gangguan internal berupa gangguan dari dalam sistem. Hal ini dilakukan untuk menguji sifat robust sistem pengendali terhadap ketidakpastian dengan mengamati dan menganalisa performansi Pada tugas akhir ini akan diberikan nilai dari kecepatan sudut yang diinginkan = 0.000073 rad/detik dan percepatan sudut = 0. Hal ini dimaksudkan bahwa nilai – nilai tersebut adalah default dan akan digunakan pada pengujian simulasi, baik dengan tanpa gangguan atau pun dengan gangguan. 6.1 Simulasi Dengan Tanpa Gangguan Pada simulasi ini akan diberikan nilai – nilai parameter yang digunakan, yaitu
= 0.2, = 0.3, = 2, = 1, = 0.5, dan = 2. Dari kondisi tersebut akan diperoleh hasil seperti pada Gambar 6.1.1 berikut :
8
Gambar 6.1.1 Perbandinga respon selisih
pada pergerakan panel surya dengan tanpa gangguan
Gambar 6.1.2 Perbandingan selisih pada pergerakan panel surya dengan tanpa
gangguan
Pada kondisi tanpa gangguan tampak bahwa respon sistem pengendali FSMC lebih baik daripada pengendali FLC dan pengendali SMC karena waktu respon yang diberikan FSMC paling cepat dan menuju ke 0.000073. Grafik pada Gambar 6.1.1 dan Gambar 6.1.2 menggunakan nilai yang sama untuk FSMC dan SMC serta memiliki nilai control input yang sama pula pada FSMC dan FLC. 6.2 Simulasi Dengan Gangguan Eksternal Simulasi ini dilakukan dengan menambahkan suatu sinyal yang dianggap sebagai gangguan yang berasal dari luar sistem. Sinyal yang akan ditambahkan pada simulasi ini diantaranya sinyal impuls dan
square karena kedua sinyal tersebut memilki karakteristik yang berbeda yaitu impuls yang bersifat sesaat dan square yang bersifat kontinu pada selang waktu tertentu. Pada simulasi ini akan digunakan juga parameter – parameter yang sama dengan kondisi awal (default). Sinyal impuls merupakan sinyal yang bernilai sangat besar dan muncul dalam waktu sangat singkat, sinyal ini mewakili gangguan dari luar yang bersifat sesaat. Pada simulasi ini diberikan dua macam sinyal impuls. Yaitu yang benilai kecil (0.9 Volt) dan bernilai besar (1.8 Volt). Hasil yang diperoleh dari uji dengan sinyal ini adalah seperti Gambar 6.1.3 berikut :
Gambar 6.2.1 Perbandingan respon selisih
pada pergerakan panel surya dengan sinyal impuls kecil
Gambar 6.2.2 Perbandingan respon
selisih pada pergerakan panel surya dengan sinyal impuls besar
0, 0,5 1, 1,5 2, 2,5 3,0,
1,
2,
3,
4,
5,
6,
7,
8,x 10-5
Waktu (detik)
Kec
epat
an s
udut
(rad
/det
ik)
Perbandingan respon selisih kecepatan sudut (omega) pada pergerakan panel surya
FSMCSMCFLC
0, 0,5 1, 1,5 2, 2,5 3,-1,
0,
1,
2,
3,
4,
5,
6,
7,
8,
9,x 10-4
Waktu (detik)
Per
cepa
tan
sudu
t (ra
d/de
tik2 )
Perbandingan respon selisih percepatan sudut (omegadot) pada pergerakan panel surya
FSMCSMCFLC
0, 0,5 1, 1,5 2, 2,5 3,0,
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,x 10-3
Waktu (detik)
Kec
epat
an s
udut
(rad
/det
ik)
Perbandingan respon selisih kecepatan sudut (omega) pada pergerakan panel surya
FSMCSMCFLC
0, 0,5 1, 1,5 2, 2,5 3,0,
0,2
0,4
0,6
0,8
1,
1,2
1,4x 10
-3
Waktu (detik)
Kec
epat
an s
udut
(rad
/det
ik)
Perbandingan respon selisih kecepatan sudut (omega) pada pergerakan panel surya
FSMCSMCFLC
9
Tampak pada Gambar 6.2.1 dan Gambar 6.2.2 bahwa pada sebuah sistem dengan gangguan impuls, pengendali FSMC bekerja lebih baik pada sinyal gangguan daripada pengendali SMC dan FLC. Pada gambar tersebut tampak adanya overshoot, namun overshoot yang terjadi masih bisa ditolerir karena nilai kurang dari 0.05 rad/detik (Ogata, 1996) dan keadaan tersebut tidak sampai merusak komponen – komponen dari sistem. Dengan demikian pengendali FSMC dikatakan cukup baik dalam menghadapi gangguan eksternal yang bersifat sesaat, baik bernilai kecil maupun besar.
Sedangkan pada sinyal square diberikan dua macam sinyal square, yaitu square kecil bernilai (0.9 Volt) dan square besar bernilai (1.8 Volt). Sinyal square adalah sinyal yang bernilai tetap untuk selang waktu tertentu. Hasil yang diperoleh adalah sebagai berikut :
Gambar 6.2.3 Perbandingan respon selisih
pada pergerakan panel surya dengan sinyal square kecil
Gambar 6.2.4 Perbandingan respon selisih
pada pergerakan panel surya dengan sinyal square besar
Tampak pada Gambar 6.2.3 dan Gambar 6.2.4 bahwa pada sebuah sistem dengan gangguan square pun, pengendali FSMC bekerja lebih baik pada sinyal gangguan daripada pengendali SMC dan FLC. Pada pengujian sinyal ganggual square ini, tampak juga adanya overshoot yang cukup besar , namun demikian overshoot yang terjadi masih bisa dalam batas nilai toleransi. Dalam pengujian ini, FSMC dikatakan cukup baik dalam menghadapi gangguan eksternal yang bersifat kontinu, baik bernilai kecil maupun besar. 6.3 Simulasi Dengan Gangguan Internal Simulasi ini dilakukan dengan mengubah nilai parameter pada sistem panel surya untuk menguji kepekaan sistem terhadap ketidakpastian dari dalam sistem. Parameter yang diubah adalah hambatan, induktansi kumparan, momen inersia, koefisien gesek viskos, konstanta emf balik, dan konstanta torsi. Pengujian sistem pengendali terhadap gangguan internal ini dilakukan dengan memperkecil atau memperbesar nilai parameter.
0, 0,5 1, 1,5 2, 2,5 3,0,
0,005
0,01
0,015
0,02
0,025
0,03
Waktu (detik)
Kec
epat
an s
udut
(rad
/det
ik)
Perbandingan respon selisih kecepatan sudut (omega) pada pergerakan panel surya
FSMCSMCFLC
0, 0,5 1, 1,5 2, 2,5 3,0,
0,01
0,02
0,03
0,04
0,05
0,06
waktu (detik)
Kec
epat
an s
udut
(rad
/det
ik)
Perbandingan respon selish kecepatan sudut (omega) pada pergerakan panel surya
FSMCSMCFLC
10
Gambar 6.3.1 Perbandingan respon selisih
pada pergerakan panel surya dengan parameter minimum
Gambar 6.3.2 Perbandingan respon selisih
pada pergerakan panel surya dengan parameter maximum
Dari Gambar 6.3.1 dan Gambar 6.3.2 dapat dilihat bahwa pengendali FSMC bekerja lebih baik pada gangguan internal daripada pengendali SMC dan FLC serta juga memiliki waktu respon yang lebih cepat. Hal ini dikarenakan oleh terbatasnya kemampuan SMC dan FLC dalam mengatasi ketidakpastian parameter. Pada dasarnya ketiga pengendali tersebut memiliki kemampuan yang hampir sama dalam mengatasi adanya overshoot. Itu tampak pada gambar bahwa tidak adanya pada ketiga pengendali tersebut, namun dalam hal ini FSMC memiliki sifat yang lebih robust. 7. Kesimpulan dan saran
Pada bab ini akan diberikan kesimpulan dari analisis dan pembahasan yang telah dilakukan terhadap sistem pengendali FSMC yang digunakan pada sistem panel surya. Selain itu, juga diberikan saran yang dapat dilakukan sebagai kelanjutan dari tugas akhir ini.
7.1 Kesimpulan Dari analisis dan pembahasan yang telah dilakukan pada sistem pengendali FSMC pada plant sistem panel surya diperoleh kesimpulan bahwa : 1. Rancangan sistem pengendali FSMC
pada sistem panel surya yang robust terhadap berbagai gangguan terdiri dari fungsi keanggotaan fuzzy, aturan fuzzy, dan susunan diagram blok dari pengendali pada sistem panel surya telah dikerjakan sebelumnya.
2. Performansi sistem pengendali FSMC pada sistem panel surya memilki beberapa kelebihan dibandingkan sistem pengendali SMC dan FLC, yaitu :
a. Lebih robust terhadap berbagai gangguan eksternal yang bersifat kecil maupun besar.
b. Lebih robust terhadap gangguan internal yang berupa ketidakpastian parameter.
c. Lebih mudah dan sederhana dalam perancangannya.
d. Waktu respon lebih cepat. Namun, masih terdapat beberapa
kekurangan yang dimilki sistem pengendali FSMC, yaitu :
a. Membutuhkan penalaan gain agar logika fuzzy dapat mencapai performansi yang baik serta dapat bekerja dengan baik.
b. Adanya overshoot pada pengujian gangguan yang bersifat ekstenal, tetapi overshoot yang ada masih dapat ditolerir.
0, 0,5 1, 1,5 2, 2,5 3,0,
1,
2,
3,
4,
5,
6,
7,
8,x 10-5
Waktu (detik)
Kec
epat
an s
udut
(rad
/det
ik)
Perbandingan respon kecepatan sudut (omega) pada pergerakan panel surya
FSMCSMCFLC
0, 0,5 1, 1,5 2, 2,5 3,0,
1,
2,
3,
4,
5,
6,
7,
8,x 10
-5
Waktu (detik)
Kec
epat
an s
udut
(rad
/det
ik)
Perbandingan respon selisih kecepatan sudut (omega) pada pergerakan panel surya
FSMCSMCFLC
11
7.2 Saran Adapun saran dari Tugas Akhir ini adalah : 1. Dalam tugas akhir ini pengontrolan panel
surya agar mengikuti arah gerak matahari adalah melalui kecepatan sudut dari motor servo DC, oleh karena itu akan lebih baik lagi apabila pengontrolan dilakukan dengan melihat sudut dari matahari dikaji lebih lanjut pada penelitian selanjutnya agar memperoleh hasil yang maksimal.
2. Setelah pengujian sistem pengendali FSMC pada sistem panel surya diperoleh hasil yang baik, maka sebaiknya sistem pengendali FSMC diuji lebih lanjut pada sistem-sistem lainnya.
DAFTAR PUSTAKA Arismunandar, W. 1995. Teknologi
Rekayasa Surya. Jakarta: PT PRADNYA PARAMITA
Junaidi, M.A. 2009. Perancangan dan Simulasi Sistem Kontrol Posisi Pada Panel Surya dengan Menggunakan Metode Fuzzy Sliding Mode Control. Surabaya: Institut Teknologi Sepuluh Nopember
Kuo, C. B. 1998. Teknik Kontrol Automatik Jilid 1. Jakarta: Prenhallindo
Leksono, E. dan Hadi, S. 2000. “Perancangan Sistem Sliding Mode Control dengan Penala Logika Fuzzy untuk Manipulator Robot”. Proceeding Seminar of Intelligent Technology and Its Applications. SITIA’2000.
Messner, W. dan Tilbury, D. 1998. Control Tutorials for Matlab and Simulink. <URL: http: //www. engin. umich. edu/ class/ ctms/ simulink/ examples/ pend/ pendsim. htm
Mintorogo, D.S. 2000. Strategi Aplikasi Sel Surya (Photovoltaic Cells) Pada Perumahan dan Bangunan
Komersial. Surabaya: Universitas Kristen Petra.
Musafa, A. 2003. Perancangan dan Simulasi Sistem Kontrol Posisi Pelacak Matahari Dengan Pengendali PID. Fakultas Teknik Universitas Budi Luhur.
Ogata, K. 1996. Teknik Kontrol Automatik Edisi Kedua Jilid 1. Jakarta: Erlangga
Palm, R., Driankov, D., dan Hellendoorn, H. 1997. Model Based Fuzzy Control: Fuzzy Gain Schedulers and Sliding Mode Fuzzy Controllers. Berlin: Springer-Verlag.
Passino, K.M. dan Yurkovich, S. 1998. Fuzzy Control. California: Addison Wesley Longman, Inc.
Perruquetti, W. dan Barbot, J.P. 2002. Sliding Mode Control in Engineering. New York: Marcel Dekker, Inc.
Rizan, R.I. 2008. Analisis dan Perancangan Sistem Pengendali Pada Inverted Pendulum Menggunakan Metode Fuzzy Sliding Mode Control. Surabaya. Institut Teknologi Sepuluh Nopember.
Setiadi, I. 2009. Optimalisasi Arah Solar Cell Terhadap Intensitas Cahaya Matahari Dalam Dua Sumbu Berbasis Mikrokontroller. Surabaya : Institut Teknologi Sepuluh Nopember.
Tien, N.T. 2002. Sliding Control. Applied Nonlinear Control. <URL: https://www2.hcmut.edu.vn/~nttien/Lectures/Applied%20nonlinear%20control/ C.7%20Sliding%20Control.pdf>
Zhang, H. dan Liu, D. 2006. Fuzzy Modeling and Fuzzy Control. Boston: Birkhäuser.
Zhu, F.Q.Q.M., Winfield, A., dan Melhuish, C. 2003. “Fuzzy Sliding Mode Control for Discrete Nonlinear Sistems”. Transactions of China Automation Society, Vol. 22, No. 2 (Sum No. 86).