Ketersediaan parameter modul fotovoltaik yang akurat diperlukan untuk pemodelan, pemantauan kondisi, dan evaluasi kinerja sistem, tetapi informasi tersebut tidak selalu tersedia pada instalasi lapangan. Penelitian ini mengembangkan metode identifikasi parameter ekuivalen modul fotovoltaik menggunakan Algoritma Genetika, Particle Swarm Optimization, dan Grey Wolf Optimizer dari pengukuran lapangan terbatas pada sistem MPPT Incremental Conductance. Parameter yang diidentifikasi meliputi tegangan rangkaian terbuka, arus hubung singkat, tegangan dan arus titik daya maksimum pada kondisi standar, koefisien temperatur arus, koefisien temperatur tegangan, dan koefisien pengaruh iradiasi terhadap tegangan. Evaluasi menggunakan 81 observasi dari tiga modul fotovoltaik selama lima hari, validasi leave-one-day-out secara terpisah pada setiap modul, dan sepuluh running independen. Hasil identifikasi dinilai berdasarkan rekonstruksi dan . Secara keseluruhan, PSO menghasilkan skor komposit terendah sebesar 11,2254, lebih baik 15,28% dibandingkan baseline median sebesar 13,2498. Pada modul P3 yang spesifikasinya tidak diketahui, GA memberikan skor komposit terbaik sebesar 17,1909, sedangkan PSO menghasilkan rekonstruksi daya terbaik dengan RMSE 11,3957 W, MAE 8,9664 W, dan R2 sebesar 0,7808. Parameter utama P3 yang diperoleh GA meliputi =20,2034±0,1702 V, =4,5315±0,2281 A, =16,2734±0,1371 V, =4,1168±0,2033 A, dan =66,9872±3,2084 W. Uji Wilcoxon menunjukkan bahwa perbedaan GA dan PSO pada P3 tidak signifikan, sedangkan keduanya secara signifikan lebih baik daripada GWO. Hasil penelitian menunjukkan bahwa parameter listrik utama dapat diidentifikasi secara konsisten, tetapi koefisien temperatur memiliki ketidakpastian lebih tinggi. Parameter yang diperoleh harus dipahami sebagai parameter ekuivalen hasil estimasi lapangan, bukan spesifikasi pasti dari pabrikan.
Copyrights © 2026