Kursus Manajemen Energi Microgrid dengan Model Predictive Control (Python CVXPY)
Atur microgrid PV-angin-baterai secara optimal dengan Model Predictive Control: profil iradiasi, angin, beban & tarif listrik, model baterai SOC, strategi rule-based, formulasi MPC dengan horizon prediksi, lalu simulasi receding horizon setahun dengan CVXPY — dihitung dalam rupiah.
Materi mengikuti seri video Kursus Manajemen Energi Microgrid Hybrid (PV-Angin-Baterai) Berbasis Model Predictive Control (6 modul). Modul 1 bisa ditonton gratis.
Hasil yang Dicapai
- ±13% — Penghematan biaya listrik setahun dengan MPC
- 6% — Penghematan strategi rule-based
- 8.736 — Optimasi receding horizon dalam setahun
- 300 kWh — Baterai dengan efisiensi bolak-balik 90%
Apa yang Dipelajari
- Profil Microgrid: PV, angin, beban, dan tarif listrik setahun di Yogyakarta.
- Model Baterai: State of charge, efisiensi, batas daya, dan batas SOC.
- EMS Rule-Based: Strategi aturan sederhana sebagai pembanding.
- Formulasi MPC: Horizon prediksi, fungsi biaya, dan batasan sebagai program linear.
- Receding Horizon CVXPY: Simulasi setahun dengan ramalan sempurna dan berderau.
- Perbandingan Biaya: Biaya operasi, umur baterai, dan pemakaian grid.
Untuk Siapa?
- Mahasiswa S1/S2 (skripsi & tesis) — Kerangka penelitian manajemen energi microgrid lengkap: metode pembanding, metode usulan, eksperimen, dan evaluasi siap bab 4.
- Peneliti & dosen — Kode Python & CVXPY yang rapi dan mudah diganti data, parameter, atau metodenya untuk publikasi.
- Praktisi & engineer — Memahami cara kerja manajemen energi microgrid dari teori sampai implementasi yang bisa dicoba sendiri.
- Developer & data scientist — Praktik Python & CVXPY pada studi kasus nyata, bukan sekadar contoh mainan.
Dataset dan file project tersedia khusus untuk pelanggan premium. Butuh pendampingan riset? Lihat jasa riset manajemen energi microgrid.
