PLTS Terapung Cirata: Implementasi AI dan Machine Learning

Gambar: Ilustrasi Energi Bersih dan Terbarukan (PLTS). Sumber gambar: Veectezy.com ()free license image

Indonesia telah mengambil langkah besar dengan membangun PLTS Terapung Cirata di Jawa Barat, yang memiliki banyak potensi energi surya. Dengan kapasitas 192 megawatt peak (MWp), proyek ini adalah hasil kerja sama antara PT Pembangkitan Jawa Bali (PJB) dan perusahaan energi terbarukan Masdar dari Uni Emirat Arab. Ini dapat memberikan listrik kepada lebih dari 50.000 rumah. Selain itu, diproyeksikan bahwa PLTS ini akan mengurangi emisi karbon sebesar 214.000 ton per tahun[1].

Pemantauan Kinerja dengan Teknologi Sensor

Lebih dari 340.000 panel surya tersebar di atas permukaan Waduk Cirata seluas 200 hektar. Setiap panel dilengkapi sensor pengawas intensitas radiasi matahari, suhu panel, dan kondisi lingkungan untuk memantau kinerja Teknologi Sensor PLTS Terapung Cirata [2]. Dengan data yang dikumpulkan secara real-time ini, operator dapat menemukan dan menyelesaikan masalah operasional dengan cepat, meningkatkan efisiensi dan keandalan sistem.

Penerapan AI dan Machine Learning

1. Prediksi Output Energi dengan Algoritma Random Forest

Algoritma Random Forest digunakan untuk memprediksi intensitas radiasi matahari dan jumlah energi yang dihasilkan setiap hari.

Cara Kerja:

Data Input: Data radiasi matahari, suhu, kelembaban, dan pola cuaca.

Train: Model menggunakan subset data untuk membuat banyak decision tree.

Proses Prediksi: Akumulasi suara terbanyak dari semua decision tree menghasilkan hasil akhir.

Hasil: Prediksi yang akurat dengan tingkat kesalahan yang rendah.

2. Optimasi Posisi Panel dengan Reinforcement Learning (RL)

Sudut kemiringan panel terapung dapat dioptimalkan dengan Reinforcement Learning. Sistem ini menggunakan mekanisme trial and error; model menerima "reward" setiap kali sudut panel meningkatkan produksi energi.

Cara Kerja:

Model RL mencoba konfigurasi sudut yang berbeda berdasarkan posisi matahari. Sensor IoT menghitung jumlah energi yang dihasilkan.Sistem memberikan reward positif jika konfigurasi baru meningkatkan produksi, mengajarkan model untuk memilih konfigurasi terbaik.

Hasil: Jika dibandingkan dengan konfigurasi statis, optimalisasi sudut dengan RL meningkatkan produksi energi hingga 15%.

3. Deteksi Anomali dengan RNN

RNN digunakan untuk mengawasi kesehatan panel surya dan menemukan anomali seperti penurunan kinerja yang disebabkan oleh panas berlebihan atau kerusakan fisik.

Cara Kerja: Model RNN memproses data suhu panel, radiasi matahari, dan output energi.RNN mengenali pola kinerja normal dan menemukan deviasi signifikan.Jika ada anomali, notifikasi otomatis dikirim ke operator.

Hasil: Deteksi dini ini memperpanjang umur panel, mengurangi biaya perawatan, dan mencegah kerusakan yang signifikan.

Integrasi dengan Jaringan Listrik melalui Smart Grid

PLTS Terapung Cirata menggunakan teknologi smart grid untuk terhubung ke jaringan listrik nasional. Sensor yang tersebar di seluruh jaringan memantau konsumsi energi secara real-time dan mengubah distribusi sesuai kebutuhan [3]. Ini memungkinkan pengalihan kelebihan energi ke penyimpanan baterai atau jaringan listrik umum, serta penarikan energi saat produksi rendah.

Manfaat Lingkungan dan Ekonomi

Dampak Ekonomi

Efisiensi Operasional: Dengan menggunakan Random Forest untuk memprediksi output, operator dapat mengoptimalkan penggunaan energi cadangan, mengurangi pemborosan energi hingga 10%. Selain itu, pengenalan anomali dini dapat mengurangi biaya perawatan hingga 20% berkat penanganan dini.Penghematan Energi: Posisi panel RL yang optimal meningkatkan produksi energi, menghasilkan output tambahan hingga 28 juta kilowatt-jam per tahun. Dengan harga listrik rata-rata Rp1.444/kWh (tarif PLN 2024), menghasilkan tambahan pendapatan hingga Rp40 miliar setiap tahun.Lapangan Kerja: Selama fase pembangunan dan pemeliharaan, proyek ini menciptakan lebih dari 700 lapangan kerja, mendorong ekonomi lokal di sekitar Waduk Cirata.

Dampak Lingkungan

Pengurangan Emisi Karbon: Dengan kapasitas 192 MWp, PLTS Cirata mengurangi emisi karbon hingga 214.000 ton CO2 setiap tahun, atau lebih dari 45.000 kendaraan bermotor yang dihilangkan dari jalan raya.Konservasi Ekosistem Air: Panel surya terapung mengurangi penguapan air dari waduk hingga 30%, menjaga cadangan air untuk irigasi dan kebutuhan rumah tangga. Meningkatkan Kesadaran Energi Bersih: PLTS ini menjadi model pendidikan bagi masyarakat dan pelaku industri, mendorong investasi lebih lanjut dalam sektor energi terbarukan.

Nama Penulis

PLTS Terapung Cirata menunjukkan bahwa teknologi kontemporer seperti IoT, AI, dan machine learning dapat membantu optimalisasi energi surya di Indonesia. Implementasi algoritma seperti Random Forest, Reinforcement Learning, dan RNN meningkatkan efisiensi operasional sehingga berdampak positif pada ekonomi dan lingkungan, serta mengakselerasi transisi energi menuju Energi Bersih dan Terbarukan (EBT) di Indonesia dengan pengembangan implementasi lebih lanjut.

Referensi

[1]https://wartaekonomi.co.id/read520019/efektivitas-plts-terapung-cirata-dalam-mengurangi-emisi-karbon

[2]https://www.antaranews.com/berita/4050282/plts-cirata-menjadi-tonggak-masa-depan-energi-surya-di-indonesia

[3]https://student-activity.binus.ac.id/bslc/2024/03/penggunaan-ai-dalam-pengembangan-energi-terbarukan/

Nama Penulis: Faiz Iqbal I’tishom, Mahasiswa Teknologi Sains Data Universitas Airlangga