Pembangkit listrik tenaga surya memiliki beberapa keuntungan yaitu produksi yang terus menerus, mengurangi kebutuhan listrik, pemeliharan Photovoltaic (PV) yang rendah dan umur PV yang lebih dari 30 tahun, sehingga pengunaan panel surya dapat dioptimalkan dengan mengunakan prediksi keluaran daya PV. Tujuannya adalah untuk mengetahui keluaran daya PV untuk kedepannya. Prediksi keluaran daya PV dapat mengunakan Artificial Neural Network (ANN). Pada penelitihan ini dilakukan perbandingan prediksi keluaran daya PV dengan megunakan Cascade Forward Neural Network (CFNN) dan Feed Forward Neural network (FFNN) dengan mengunakan Algoritma Levenberg-Marquard sebagai fungsi aktifasi dari proses pembelajaran prediksi keluaran daya PV. Besaran Error dihitung dengan mengunakan Mean Square Error (MSE). Dari hasil penelitihan dengan metode Cascade Forward Neural Network (CFNN) dengan algoritma Levenberg-Marquard didapatkan hasil MSE yang lebih baik pada learning rate 0,1 dengan MSE sebesar 0,0042% sedangkan untuk Feed Forward Neural network (FFNN) juga mengunakan algoritma Levenberg-Marquard didapatkan hasil MSE sebesar 0,007% dengan learning rate 0,05. Dari hasi penelitihan menunjukkan bahwa CFNN memberikan nilai MSE terbaik, sehingga nilai error MSE yang terkecil tersebut menjadikan acuan dalam sistem manajemen energi untuk memprediksi keluaran daya PV.
Copyrights © 2022