Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Inilah hasil akhirnya, optimasi CVXPi yang merencanakan baterai 24 jam ke depan dalam hitungan milidetik. Baterai diisi siang hari dan disimpan untuk jam beban puncak, sehingga impor saat tarif mahal turun dari 267 menjadi 53 kWh dalam sehari. Ayo kita mulai. Halo, selamat datang di episode keempat seri manajemen energi microgrid berbasis MPC. Model predictive control bekerja seperti pengemudi yang melihat jalan di depan, dengan ramalan beban, PV, dan harga untuk beberapa jam ke depan, ia mencari keputusan terbaik untuk seluruh Horizon. Hari ini kita merumuskan masalah optimasinya dengan CVXPi.
Langkah 1: Parameter & variabel keputusan
Buat file mpc.py Kelas MPC menerima model baterai dan Horizon H24 jam. Bagian pertama adalah parameter, beban neto ramalan, harga beli, harga jual, dan SOC awal. Parameter CVXPi bisa diganti nilainya setiap jam tanpa menyusun ulang masalah. Ini memenuhi aturan DPP, sehingga penyelesaian berulang sangat cepat. Variable keputusannya, daya isi, daya kosong, impor, ekspor, semuanya tidak negatif, dan SOC untuk H tambah 1 titik waktu.
Langkah 2: Batasan & fungsi biaya
Batasannya, SOC awal sama dengan SOC sekarang. Dinamika SOC sama seperti model baterai, SOC di antara 20 dan 95 persen, daya isi dan kosong maksimal 75 kW, batas sambungan PLN, dan yang terpenting keseimbangan daya. Impor dikurangi ekspor sama dengan beban neto ditambah pengisian dikurangi pengosongan. Fungsi biaya adalah biaya beli dikurangi pendapatan jual, ditambah biaya degradasi 150 rupiah per kilowatt jam yang lewat baterai, dikurangi nilai energi yang tersisa di akhir horizon agar baterai tidak dikuras habis tanpa alasan.
Langkah 3: Menyelesaikan dengan HiGHS
Metode rencana mengisi nilai parameter, menyelesaikan masalah dengan solver HICE karena ini program linier, lalu mengembalikan rencana daya baterai, SOC, impor, dan ekspor.
Langkah 4: Optimasi satu hari
Buat file mpc-1-hari.py Kita optimalkan tanggal 8 Agustus dengan ramalan sempurna dan SOC awal 50%, lalu bandingkan dengan rule-based. Jalankan. Status optimal, 121 variable, selesai sekitar 30 milidetik. Biaya hari itu turun dari sekitar 859 ribu menjadi 761 ribu rupiah, dan impor saat WBP turun dari 267 menjadi 53 kilowatt jam. SOC akhir 20%, energinya habis dipakai tepat di jam mahal. Mari lihat grafiknya.
Langkah 5: Jadwal baterai MPC vs rule-based
Batang ungu MPC, baterai diisi siang hari, bahkan dari PLN ketika tarif masih murah, lalu dikosongkan penuh di ria merah WBP. Batang abu-abu rule-based mengosongkan di pagi hari. Grafik SOC memperlihatkan MPC naik sampai 95% sebelum pukul 17, sementara rule-based tetap di bawah. Inilah kekuatan melihat ke depan. Selesai.
Selesai!
Kita sudah merumuskan MPC dengan CVXPi, parameter dan variable, dinamika SOC, keseimbangan daya, fungsi biaya dengan degradasi dan nilai energi tersisa, lalu menyelesaikannya untuk satu hari. Di episode berikutnya kita menjalankan MPC secara bergulir setiap jam sepanjang tahun, termasuk dengan ramalan yang tidak sempurna. Sedang menyusun skripsi, tesis, atau riset di bidang microgrid, baterai, dan energi terbarukan? Cerdas inovasi digital membantu implementasi optimasi energi, dari pemodelan panel surya, turbin angin, dan baterai, strategi rule-based, sampai model predictive control dengan CVXPi, serta membuka kursus pemrograman Python untuk teknik elektro. Ingin menguasai seluruh seri ini, dari data cuaca sampai perbandingan biaya operasi? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com. Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com. Terima kasih telah menonton, sampai jumpa di episode berikutnya.
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
52 kelas video1.276 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
