Seiring meningkatnya penetrasi energi terbarukan pada sistem kelistrikan modern, microgrid berbasis DC (Direct Current) menjadi salah satu solusi andal dalam menjawab tantangan efisiensi dan fleksibilitas distribusi daya. Namun, fluktuasi yang tinggi dari sumber energi terbarukan seperti panel surya dan turbin angin dapat menyebabkan gangguan transien pada kestabilan sistem. Untuk mengatasi tantangan ini, integrasi sistem penyimpanan energi hibrida (Hybrid Energy Storage System/HESS) menjadi krusial, karena mampu menyeimbangkan respons cepat dan kapasitas energi tinggi. Meskipun demikian, strategi kontrol yang efektif masih dibutuhkan untuk meningkatkan kualitas respons dinamis sistem. Oleh karena itu, penelitian ini mengusulkan penggunaan Adaptive Low-Pass Filter (ALPF) dalam strategi kontrol HESS guna meningkatkan performa respons transien dalam DC microgrid.
Sistem penyimpanan energi hibrida umumnya menggabungkan dua jenis penyimpan energi dengan karakteristik berbeda, seperti baterai dan superkapasitor. Baterai menawarkan kapasitas penyimpanan energi jangka panjang, sementara superkapasitor mampu merespons perubahan beban secara cepat. Untuk mengoptimalkan peran masing憁asing komponen, dibutuhkan sistem kontrol cerdas yang dapat mendistribusikan beban sesuai dengan karakteristik sumber penyimpanan. Dalam studi ini, ALPF digunakan sebagai metode penyaring untuk memisahkan komponen frekuensi tinggi dan rendah dari sinyal daya, sehingga memungkinkan pembagian beban yang adaptif antara baterai dan superkapasitor. Berbeda dengan low憄ass filter konvensional yang menggunakan parameter tetap, ALPF mampu menyesuaikan karakteristik penyaringan berdasarkan kondisi beban secara real憈ime, sehingga meningkatkan fleksibilitas dan keakuratan kontrol daya.
Seluruh algoritma kontrol dan penyaringan diimplementasikan dalam domain waktu diskrit dengan model matematis berbasis persamaan beda (difference equations). Setiap sampel sinyal daya pada waktu 饾憳 dan 饾憳+1 direpresentasikan dalam bentuk vektor keadaan diskrit, yang kemudian dimanipulasi melalui transformasi matriks dan metode pemrograman dinamis untuk menjaga kestabilan dan performa sistem. Alokasi beban antara baterai dan superkapasitor dirumuskan sebagai masalah optimisasi kombinatorial sederhana, mirip problem knapsack diskrit, di mana setiap interval waktu dipecah ke dalam sub憁asalah diskrit untuk meminimalkan deviasi tegangan dan memaksimalkan umur komponen. Penggunaan struktur data diskrit dan algoritma greedy atau dynamic programming memastikan solusi dapat dihitung secara efisien dalam setiap langkah kontrol.
Simulasi dilakukan dalam lingkungan MATLAB/Simulink untuk memverifikasi kinerja sistem. Model diskritnya mencakup representasi time憇tep dan matriks transisi keadaan, sementara skema ALPF diintegrasikan sebagai blok filter adaptif yang menyesuaikan koefisien secara algoritmik pada setiap iterasi. Hasil simulasi menunjukkan bahwa penggunaan ALPF mampu secara signifikan mengurangi deviasi tegangan selama kejadian transien, serta mempercepat waktu pemulihan sistem dibandingkan dengan metode kontrol konvensional. Selain itu, dengan strategi alokasi beban berbasis kombinatorik diskrit, lonjakan beban tertangani lebih efektif oleh superkapasitor攎embantu memperpanjang umur baterai dan menjaga kestabilan microgrid secara keseluruhan.
Implementasi Adaptive Low-Pass Filter dalam strategi kontrol sistem penyimpanan energi hibrida terbukti meningkatkan stabilitas dan respons transien dari DC microgrid. ALPF memungkinkan distribusi daya yang lebih akurat dan adaptif berdasarkan kondisi operasional yang berubah-ubah. Hasil simulasi mengonfirmasi bahwa pendekatan ini tidak hanya meningkatkan keandalan sistem tetapi juga mengoptimalkan pemanfaatan masing-masing komponen HESS. Oleh karena itu, strategi ini sangat potensial untuk diterapkan dalam pengembangan microgrid berbasis energi terbarukan yang membutuhkan kestabilan tinggi dan efisiensi dinamis. Ke depan, penelitian lebih lanjut dapat difokuskan pada pengujian eksperimental serta integrasi dengan algoritma cerdas lainnya untuk meningkatkan kemampuan prediktif sistem kontrol.
Penulis: Dr. Rezi Delfianti, S.Pd.
Link:
