andal sangat penting bagi semua orang. Sebagian besar listrik disediakan melalui bahan bakar fosil dengan emisi gas rumah kaca yang tinggi. Salah satu solusi terbaik untuk mengurangi emisi CO2 adalah menggunakan berbagai energi terbarukan. Mengingat prediksi emisi CO2 dalam berbagai jenis penelitian dan pentingnya pengurangan emisi bahan bakar fosil, berdasarkan ketersediaan sumber daya di suatu lokasi, turbin angin, panel PV, Sel bahan bakar, dan energi panas bumi dapat digunakan untuk memasok energi bersih. Dalam hal ini, merancang sistem optimal yang spesifik untuk lokasi dan memilih komponen biaya terbaik merupakan masalah kritis yang harus dipecahkan oleh peneliti.
Perkembangan Secara Umum Jaringan Pintar (Smart Grid)
Saat ini, sistem hibrida terbarukan dapat menjadi solusi terbaik untuk memenuhi permintaan listrik, terutama di mana perluasan jaringan dan masalah lingkungan menjadi penting. Penelitian ini bertujuan untuk menemukan kombinasi terbaik dari komponen khas yang digunakan di Jawa Timur, Indonesia. Dalam hal ini, empat jenis panel fotovoltaik (PV), empat jenis turbin angin, dan dua jenis baterai dipilih, dan perangkat lunak HOMER yang mensimulasikan semua kemungkinan kombinasi dari sistem, termasuk 32 skenario (Sen). Kemudian, dengan mempertimbangkan 15 parameter terpenting, seperti emisi polutan dan nilai ekonomi, hasilnya dianalisis dan disortir dengan metode pengambilan keputusan multikriteria (MCDM) untuk menemukan skenario terbaik untuk wilayah studi kasus. Hasil penelitian menunjukkan bahwa SunPower E20-327 sebagai PV, Eocycle EO10 10 kW sebagai turbin angin, dan Generic 1 kWh Li-Ion sebagai baterai dapat menjadi pilihan terbaik untuk merancang sistem hybrid terbarukan untuk wilayah studi kasus karena dapat memenuhi baik kebutuhan ekonomi maupun lingkungan. Biaya energi (COE) dari sistem yang dirancang terbaik dan biaya sekarang bersih (NPC) masing-masing adalah 0,24 ($/kWh) dan 1,64 juta $, di mana fraksi terbarukan (RF) adalah 55,1% dan skala beban rata-rata tahunan adalah 1126 kWh/hari. Hasil analisis sensitivitas pada parameter skenario terbaik (di mana biaya modal PV, baterai, dan turbin angin berubah dari 0,6 menjadi 1,2, dari 0,7 menjadi 1,2, dan dari 0,7 hingga 1,4 dari harga saat ini, dan harga diesel dari 0,5 hingga 1,1 ($/L)) menunjukkan bahwa nilai RF, COE, dan NPC berkisar antara 51% hingga 93%, 0,2 hingga 0,3 ($/kWh), dan 1,4 menjadi 2,1 (juta $), masing-masing.
Wilayah studi kasus yang dipilih terletak di Kabupaten Ponorogo, Jawa Timur, Indonesia. Lintang dan bujur studi kasus masing-masing adalah 111,56136 dan −7,99872. Jawa Timur dan Ponorogo masing-masing memiliki sekitar 40 juta dan 1 juta orang. Dari data yang didapatkan menunjukkan bahwa lokasi tersebut memiliki radiasi yang sesuai untuk pembangkit listrik, terutama dari bulan April hingga Oktober ketika indeks kejernihan tinggi, yang berarti panel PV dapat menerima lebih banyak sinar matahari. Kecepatan angin dan peta panas kerapatan daya menunjukkan rata-rata di lokasi terpilih yang memiliki potensi pembangkitan daya tertinggi dari turbin angin. Kecepatan angin rata-rata tahunan di lokasi tersebut adalah 4,28 m/s, dan dari bulan April hingga Oktober lebih tinggi dari bulan-bulan lainnya dan dapat menjadi fitur yang baik untuk turbin angin. Penggunaan studi kasus diusulkan untuk perumahan, sehingga beban diasumsikan rata-rata menjadi 1126 kWh/hari secara konstan.
Skenario yang dipilih ditentukan oleh 32 kemungkinan kombinasi komponen. Jumlah setiap skenario menunjukkan komponen mana yang telah digunakan: angka pertama menunjukkan jenis PV, angka kedua adalah jenis turbin, dan nomor ketiga adalah untuk baterai. Misalnya, 322 (tipe PV, tipe turbin angin, tipe baterai) berarti PV3 (P3-Sharp ND), turbin angin 2 (T2-Eocycle), dan baterai 2 (asam timbal-B2). Setelah menemukan sistem yang optimal untuk setiap skenario, parameter terpenting—ukuran PV (kW), jumlah turbin angin, ukuran generator (kW), ukuran baterai (kWh), COE ($ /Wh), NPC (juta $), biaya operasi ($/tahun), biaya awal ($), RF (%), konsumsi bahan bakar (L/tahun), laba atas investasi (RI/tahun), kelebihan listrik (%), listrik yang tidak terpenuhi (%), sisa ($), dan total emisi (kg/tahun)—dilaporkan. Kemudian, metode MCDM digunakan untuk memilih skenario terbaik.
Dalam penelitian ini, komponen khas yang telah digunakan dalam beberapa penelitian dilakukan di wilayah studi kasus diselidiki, dan kombinasi mereka telah dibuat 32 skenario berbeda. Semua sistem yang diusulkan dimodelkan dalam perangkat lunak HOMER menemukan ukuran optimal dari komponen. Menggunakan metode MCDM dan mempertimbangkan 15 parameter ekonomi, teknis, dan lingkungan sebagai kriteria scenario diurutkan untuk menemukan solusi terbaik.
Penulis: Lilik Jamilatul Awalin, ST, SPd, MT, PhD.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://www.mdpi.com/2071-1050/15/3/1802
Xu, Aoqi, et al. “Techno-Economic and Environmental Study of Optimum Hybrid Renewable Systems, Including PV/Wind/Gen/Battery, with Various Components to Find the Best Renewable Combination for Ponorogo Regency, East Java, Indonesia.” Sustainability 15.3 (2023): 1802.
