An Energy Management Model (EMM) of Hybrid Micro-Combined Heat and Power System (m-CHP) for Residential Applications
Tentang Acara Ini
Tingginya permintaaan terhadap energi tidak sebanding dengan pengembangan sumber energi bersih memaksa kita untuk mencari solusi untuk permasalahan ini. Salah satu cara untuk menyelesaikan masalah ini adalah dengan mengatur penggunaan sumber energi yang tersedia. Penelitian ini bertujuan untuk mengembangkan Energy Management Model (EMM) untuk micro-cimbined heat and power (m-CHP). Beberapa langkah yang dilakukan pada penelitian ini diantaranya: (1) Identifikasi kondisi real rumah yang akan dimodelkan; (2) memodelkan setiap komponen yang terdapat dalam rumah berikut dengan validasinya; (3) mengembangkan sistem kontrol; (4) mengembangkan managemen; (5) melakukan asesment terhadap tiga parameter yaitu energi, ekonomi, dan lingkungan. EMM dikembangkan menggunakan LabVIEW dengan parameter input, seperti radiasi matahari, suhu, load profile didapatkan dari pengukuran secara langsung di lokasi penelitian. Pada tahap pertama diusulkan pengelolaan energi optimal melalui algoritma PSO (particle Swarm Optimizem), kemudian optimasi ditingkatkan dengan menambahkan batasan fuzzy (PSO-FL) dengan berdasarkan tiga kriteria: primary energy saving (PES), Net Present Value (NPV), dan emisi karbon dioksida (CO2), EMM ini dikembangkan dengan menggunakan single-obective-function dan multi-objective-function. Untuk menentukan EMM terbaik dari EMMs yang dihasilkan, penelitian ini menggunakan Analytical Hierarchy Process (AHP) sebagai metode pengambilan keputusan untuk multi-kriteria. Untuk mengukur keberhasilan EMM ini maka penelitian ini membandingkan dengan managemen berbasiskan Following Electrical Load (FEL). Sebagai hasil dari penelitian ini: (1) Model komponen yang divalidasi mencapai akurasi kurang dari 4% dibandingkan dengan perangkat sebenarnya, (2) EMM dengan PSO berhasil meningkatkan operasi sumber dan meningkatkan semua kriteria yang diusulkan seperti PES (86,4%), NPV (101,0%), dan CO2 (5,1%) dibandingkan dengan FEL. Lebih lanjut, EMM dengan PSO-FL telah berhasil menghilangkan LPSP (Lost of power supply probability) namun tetap mempertahankan semua kriteria pada nilai yang lebih baik. Dibandingkan dengan FEL, program ini berhasil meningkatkan PES, NPV, dan CO2 masing-masing sekitar 9,9 % o, 47,1%, dan 7,1%. Melalui AHP, penelitian ini mengungkapkan bahwa model PSO-FL dengan multi-objective-function (bobot 0,3 PES, 0,4 NPV, dan 0,3 CO2) memiliki prioritas tertinggi sebesar 0,03409 dibandingkan kandidat EMM lainnya, sehingga diputuskan sebagai model pengelolaan energi yang paling optimal.