Sistem Kontrol Motor Dc Penggerak Panel Photovoltaic Dengan Metode Gain-schedulling Model Predictive Control (gs-mpc)
DOI:
https://doi.org/10.34818/eoe.v9i2.17722Abstract
Abstrak Model Predictive Control merupakan jenis suatu kendali dengan metode prediksi. Model Predictive Control (MPC) menggunakan model sistem sebagai prediksi keluaran di masa depan. GainSchedule Model Predictive Control (MPC) digunakan saat model prediksi linier tidak memadai. Dengan menggunakan Gain-Schedule MPC bisa digunakan dengan prediksi linier maupun non linier. Adapun penelitian ini dilakukan dengan metode sistem kendali Gain-Schedule Model Prective Control (MPC). Dengan melakukan pengamatan langsung dan mengumpulkan data dengan cara memonitoring dan mencatat data-data yang di butuhkan. Hasil dari penelitian ini diharapkan dapat menggerakan motor DC dengan input berupa Pulse With Modulation (PWM) dan output berupa Degree. Tugas akhir ini memiliki nilai fit estimation data pada motor DC sebesar 91% dengan menggunakan system identification pada matlab. Pengendalian MPC hasil proses dipengaruhi oleh cost function, constraint, parameter Np (Prediction Horizon) dan Nc (Control Horizon). Terdapat 3 mode MPC untuk mengatur Gain-Scheduled Model Predictive Control, sinyal pada detik -+ ke 2 dan detik ke 8,5 yang menandakan pergantian kontrol MPC yang di rancang. Kata kunci: Photovoltaic, Model Predictive Control (MPC), Gain-Scheduled Model Predictive Control (MPC) Abstract Model Predictive Control is a type of control with a predictive method. Model Predictive Control (MPC) uses the system model to predict future output. GainSchedule Model Predictive Control (MPC) is used when a linear predictive model is inadequate. By using the Gain-Schedule MPC can be used with linear and nonlinear predictions. This research was conducted using the Gain-Schedule Model Prective Control (MPC) control system method. By making direct observations and collecting data by monitoring and recording the required data. The results of this study are expected to be able to drive a DC motor with input in the form of Pulse With Modulation (PWM) and output in the form of Degree. This final project has a data fit estimation value of 91% for DC motors using the identification system in matlab. Controlling the resulting MPC process is influenced by the cost function, constraint, parameters Np (PredictionReferences
[1] Mintorogo, D. (2004). Strategi Aplikasi Sel Surya (Photovoltaic Cells) Pada Perumahan dan Pembangunan Komersial. DIMENSI (Journal of Architecture and Built Environment), 13.
[2] Siregar, H. S., & Adinandra, R. M. (2018). Model Predictive Control (MPC) untuk sistem motor DC berbasis LabView. 4.
[3] Fachri, R. K. (2021). IMPLEMENTASI METODE KONTROL PADA AUTONOMOUS MOBIL ROBOT DENGAN FUNGSI LYAPUNOV-BARIER TERHADAP SISTEM NAVIGASI WAYPOINT. 98.
[4] Handoko, P. (2017). SISTEM KENDALI PERANGKAT ELEKTRONIKA MONOLITIK BERBASIS ARDUINO UNO R3. 11.
[5] Khanna, A., & Gaur, T. (2017). Model Predictive Control Of Dc Motor Model In Matlab. Scientific & Engineering Research, 4.
[6] Almanda, D., & Yusuf, H. (2017). Perancangan Prototype Proteksi Arus Beban Lebih Pada Beban DC Menggunakan Mikrontroller. 10.
[7] Azis, P. F. (2020). Implementasi Robot Beroda Menggunakan Driver L298N Melalui MPU6050 Sebagai Kendali Gestur Tangan. 72.
[8] Ariffin, S., & Fathoni, A. (2014). PEMANFAATAN PULSE WIDTH MODULATION UNTUK MENGONTROL MOTOR. 17.
[9] Gholaminejad, T., Khaki-Sedigh, A., & Bagheri, P. (2017). Direct adaptive model predictive control tuning based on the first-order plus dead time models. The Institution of Engineering and Technology, 12.
[10] Wróbel, K., Serkies, P., & Szabat, K. (2020). Model Predictive Base Direct Speed Control of Induction Motor Drive -Continous and Finite Set Approaches. 15.
[11] Landau, l. d., Lozano, R., M'Saad, M., & Karimi, A. (2011). Dalam Adaptive Control Algorithms, Analysis and Applications Second Edition (hal. 610). Springer-Verlag London.
[12] Leque, A., & Hegedus, S. (2011). Handbook of Photovoltaic Science and Engineering (2nd ed.). Jhon Wiley & Sons.
[13] Camacho, E., & Bordons, C. (2012). Model Predictive Control. Sevilla: Springer Science & Business Media.
[14] Firman, B. (2016). SENSOR IMU MPU6050. IMPLEMENTASI SENSOR IMU MPU6050 BERBASIS SERIAL I2C PADA SELF-BALANCING ROBOT, 4-5.
[15] Ahyar, M. (2016, November). PERANCANGAN PENGENDALI MODEL PREDICTIVE CONTROL PADA SERVOMEKANIS DC, Vol. 8, No. 1. DINAMIKAJurnal Ilmiah Teknik Mesin, 10.
