Optimasi Model Battery Energy Storage System Terintegrasi Photovoltaic dan Electric Vehicle dengan Kendala State of Charge Menggunakan Crayfish Optimization Algorithm

Oleh :
Nikmatull Tsalasa Putri - M0122073 - Fak. MIPA

Battery energy storage system (BESS) merupakan salah satu teknologi yang digunakan untuk meningkatkan efisiensi sistem distribusi tenaga listrik. Dalam sistem distribusi modern, peningkatan beban serta integrasi pembangkit energi terbarukan seperti photovoltaic (PV) dan kendaraan listrik atau electric vehicle (EV) menyebabkan sistem menjadi lebih kompleks dan dinamis. Oleh karena itu, diperlukan suatu pendekatan optimasi untuk menentukan lokasi dan kapasitas BESS yang optimal agar dapat meminimalkan total biaya sistem. Penelitian ini menerapkan crayfish optimization algorithm (COA) untuk menentukan penyelesaian optimal dari model BESS. COA memiliki kemampuan dalam menyeim bangkan proses eksplorasi dan eksploitasi sehingga mampu menghasilkan solusi optimal secara efisien.Penelitian ini bertujuan untuk mengonstruksikan model BESS terintegrasi PV dan EV dengan kendala state of charge (SoC), menerapkan COA untuk menentukan penyelesaian optimal model, serta mengetahui pengaruh perubahan parameter algoritme dan parameter model terhadap hasil optimasi. Metode yang digunakan dalam penelitian ini meliputi studi literatur dan terapan. Studi literatur dilakukan dengan mengkaji penelitian terdahulu terkait optimasi BESS serta menambahkan kendala pada model. COA diterapkan untuk menentukan penyelesaian optimal model pada sistem distribusi IEEE 33-bus system menggunakan bahasa pemrograman Python. Dalam penelitian ini, digunakan profil beban, PV, dan EV dalam waktu 24 jam sebagai dasar perhitungan. Selanjutnya, dilakukan eksperimen numerik nilai parameter algoritme dan parameter model. Berdasarkan hasil penelitian dan pembahasan, diperoleh model BESS terintegrasi PV dan EV dengan kendala SoC yang memiliki fungsi objektif berupa minimisasi total biaya sistem dengan memerhatikan berbagai kendala. Penerapan COA menghasilkan penyelesaian optimal berupa lokasi dan kapasitas BESS yang mampu menurunkan total biaya sistem. Selain itu, hasil eksperimen numerik menunjukkan bahwa perubahan nilai parameter algoritme, yaitu banyaknya populasi dan iterasi maksimum, serta parameter model seperti biaya permintaan energi (γp) dan batas SoC berpengaruh terhadap kualitas penyelesaian yang diperoleh dalam proses optimasi.