<![CDATA[Photovoltaic (PV) umumnya tidak dapat langsung bekerja pada daya maksimum dari PV tersebut dengan sendirinya, karena tegangan operasi PV biasanya akan mengikuti tegangan baterai atau beban yang terhubung dengan PV tersebut. Modul-modul yang terhubung pada array PV juga pasti tidak semua mendapatkan level iradiasi yang sama dan bahkan mungkin sebagian diantaranya tertutup bayangan yang disebabkan oleh pepohonan, awan, ataupun benda lainnya. Dalam kondisi ini, daya yang dihasilkan dari masing-masing modul PV menjadi tidak seimbang, sehingga daya keluaran total akan menurun dan juga menyebabkan timbulnya multi-peak pada kurva karakteristik PV. Banyak peneliti telah mengembangkan berbagai macam metode Maximum Power Point Tracking (MPPT) untuk melacak titik daya maksimum PV dan mengatasi permasalahan yang ditimbulkan oleh bayangan parsial, namun metode-metode tersebut masih belum mencapai solusi yang optimal. Untuk itu, digunakan algoritma metaheuristik dengan konsep perombakan menjadi masalah optimasi tanpa mendefinisikan fungsi objektif yang pasti, sehingga dapat memperoleh global peak dengan memanfaatkan pengacakan untuk menghindari terjebaknya algoritma pada local peak. Jurnal ini membandingkan performa dari dua metode metaheuristik, yaitu Particle Swarm Optimizaion (PSO) dan Firefly Algorithm (FA) dalam melacak titik daya maksimum PV. Penelitian ini menggunakan studi kasus pada 6 kasus terpilih yang mungkin terjadi pada 5 modul PV yang dipasang secara seri. Kurva karakteristik dari array PV dihasilkan menggunakan MATLAB Simulink, sementara pelacakan menggunakan algoritma PSO dan FA dilakukan menggunakan pemrograman MATLAB. Hasil percobaan menunjukkan bahwa efisiensi algoritma FA secara keseluruhan lebih unggul 2,25% dibandingkan dengan algoritma PSO, namun metode FA memiliki waktu tracking yang lebih lama dibandingkan dengan PSO karena banyaknya komponen acak untuk melakukan pencarian secara global. Kata kunci: Array PV, bayangan parsial, titik daya maksimum, Maximum Power Point Tracking (MPPT), Particle Swarm Optimization (PSO), Firefly Algorithm (FA), global peak, local peak ABSTRACT Generally, Photovoltaic (PV) cannot work on its maximum power point automatically, because PV’s operating point corresponds to the battery or load voltage connected with the PV array. Modules connected in the PV array surely will not get the same irradiation level and even some of them maybe covered by partial shading caused by trees, clouds, or the other things. In this condition, power generated by each modules become unbalance, so that the total power output will extremely decrease and this also cause multi-peak occur in the PV curve characteristic. Many researchers had proposed many Maximum Power Point Tracking (MPPT) methods to track PV’s maximum power point and to overcome partial shading problems, but those methods have not obtained the optimal solution. For that reason, a metaheuristic algorithm with the concept of reshuffling becomes an optimization problem without defining a definite objective function is used, so that it can obtain global peak by utilizing randomization to avoid algorithm trapped in a local peak. This paper compares performance of two metaheuristic methods that is Particle Swarm Optimization (PSO) and Firefly Algoithm (FA) to track the PV’s maximum power point. This research use study case in 6 case selected that is possible in 5 series-connected modules. PV array characteristic curves generated by MATLAB Simulink and MPPT using PSO and FA has done by MATLAB programming. The experimental result shows that the overall efficiency of FA algorithm is 2.25% better than PSO algorithm, but FA has a longer tracking time than PSO because of many random component to be able to search globally. Keywords: PV array, partial shading, Maximum Power Point (MPP), Maximum Power Point Tracking (MPPT), Particle Swarm Optimization (PSO), Firefly Algorithm (FA), global peak, local peak]]>
