FTMM NEWS – Kebutuhan mendesak untuk mengurangi emisi gas rumah kaca mendorong adopsi Renewable Energy Sources (RESs) seperti energi surya. Namun, sifat fluktuatif RESs terutama energi surya membuat prediksi produksi energi menjadi tantangan. Untuk mengatasi ini, memerlukan teknologi yang dapat menyeimbangkan pasokan dan permintaan energi secara efektif untuk menjaga stabilitas jaringan listrik.
Solar Power Forecasting memprediksi produksi listrik dari sistem fotovoltaik (PV). Proses prediksi mengoptimalkan penggunaan kapasitas baterai dengan memperkirakan seberapa banyak PV menghasilkan dan mengkonsumsi energi pada sistem PV rumah tangga. Dengan integrasi Data Science, dapat mengelola tenaga surya dengan lebih efisien dan mengurangi penggunaan energi berlebih. Dalam Energy Management System (EMS) tingkat lanjut, prediksi produksi PV sangat penting, terutama untuk optimalisasi Time-of-Use (ToU).
Langkah-langkah melakukan Solar Power Forecasting:
- Modul PV menangkap sinar matahari, menghasilkan daya DC, dan inverter mengubahnya menjadi daya AC melalui junction dan string monitoring box.
- Sensor dan smart meter mengukur data produksi energi, intensitas sinar matahari, serta performa operasional panel secara real-time. IoT akan mengirimkan data ke sistem penyimpanan.
- Memproses data menggunakan Edge Computing dan menyimpannya dalam Cloud Storage.
- Melakukan data cleaning dengan menghapus kesalahan data atau outlier. Lalu membandingkan secara akurat dengan menstandarkan data.
- Memprediksi produksi energi dengan model prediktif menggunakan data historis cuaca. Menggunakan Algoritma Machine Learning seperti regresi linear dan Random Forest untuk mendeteksi anomali dan optimasi kinerja.
- Memanfaatkan energi secara langsung. Jika terdapat kelebihan energi, bisa menyimpannya ke dalam baterai, atau mengalirkannya ke jaringan listrik melalui feed-in tariff.
- Memantau dengan dashboard real time berdasarkan analisis data sehingga dapat melakukan pemeliharaan prediktif dan optimasi distribusi energi.
Kegiatan ini mendukung SDGs 7 dengan memaksimalkan pemanfaatan energi bersih dan terjangkau melalui Solar Power Forecasting yang lebih akurat. Sejalan dengan SDGs 9 yang mendorong inovasi teknologi dalam infrastruktur hijau. Serta berkontribusi pada SDGs 13 dengan mengurangi emisi karbon dan mitigasi perubahan iklim.
Referensi:
Khadija Barhmi, C. H. (2024). A Review of Solar Forecasting Techniques and the Role of Artificial Intelligence.
Solar power generation forecast. (2024, Agustus). Retrieved from kaggle: https://www.kaggle.com/code/pythonafroz/solar-power-generation-forecast
Penulis: Nur Dwi Agustina
Editor: Muhammad Alesha Fadhana
