Please use this identifier to cite or link to this item: https://repository.unej.ac.id/xmlui/handle/123456789/69264
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSetiawan, Dedy Kurnia-
dc.contributor.advisorHardianto, Triwahju-
dc.contributor.authorNovitasari-
dc.date.accessioned2015-12-30T02:46:50Z-
dc.date.available2015-12-30T02:46:50Z-
dc.date.issued2014-
dc.identifier.urihttp://repository.unej.ac.id/handle/123456789/69264-
dc.description.abstractKebutuhan energi listrik tidak sebanding dengan ketersediaan sumber daya energi yang mulai menipis. Dibutuhkan pengembangan teknologi dengan memanfaatkan sumber energi terbarukan, salah satunya adalah energi angin. Akan tetapi pemanfaatan energi angin sebagai Pembangkit Listrik Tenaga Angin di Indonesia menghadapi beberapa kendala, terutama karena rendahnya kecepatan angin rata-rata yang hanya berkisar antara 2,5 – 6 m/s. Oleh karena itu, dilakukan penelitian dengan pemodelan turbin angin yang mampu beroperasi pada kecepatan angin rendah. Tugas akhir ini memodelkan pembangkit listrik tenaga angin menggunakan Permanent Magnet Synchronous Generator (PMSG) agar mampu mengoptimalisasi daya dengan kecepatan angin rata-rata yang rendah dan fluktuatif. Untuk mengekstraksi daya maksimum dari angin yang berfluktuasi, diperlukan suatu pengontrolan yang baik. Kontrol Neural Network digunakan untuk mengendalikan daya dengan metode Maximum Power Point Tracking pada buck boost converter sehingga daya yang dihasilkan dapat optimal. Daya yang diperoleh pada beban seimbang di musim kemarau sebesar 1919 W dan pada musim penghujan sebesar 1859 W. Sedangkan pada beban tak seimbang diperoleh daya sebesar 2207 W; 683,4 W; 1068 W pada musim kemarau dan pada musim penghujan sebesar 2200 W; 680 W; 1062 W.en_US
dc.language.isoiden_US
dc.publisherUNEJ Pressen_US
dc.subjectPembangkit listrik tenaga anginen_US
dc.subjectmaximum power point trackingen_US
dc.subjectneural networken_US
dc.titleOPTIMALISASI DAYA OUTPUT SISTEM PEMBANGKIT LISTRIK TENAGA ANGIN MENGGUNAKAN PERMANENT MAGNET SYNCRHONOUS GENERATOR BERBASIS NEURAL NETWORKen_US
dc.typeStudent Paperen_US
Appears in Collections:SRA- Sains And Technology

Files in This Item:
File Description SizeFormat 
Novitasari.pdf662.48 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.