OLEH I NYOMAN SETIAWAN NIM : 1591071015 PROGRAM …
Transcript of OLEH I NYOMAN SETIAWAN NIM : 1591071015 PROGRAM …
REVIEW PAPER
PENDEKATAN JARINGAN SYARAF TIRUAN UNTUK MODEL RANGKAIAN LISTRIK SEL
SURYA YANG LEBIH AKURAT
SUMBER :
ARTIFICIAL NEURAL NETWORK APPROACH FOR MORE ACCURATE SOLAR CELL
ELECTRICAL CIRCUIT MODEL
Khomdram Jolson Singh, K L Rita Kho, Sapam Jitu Singh,
Yengkhom Chandrika Devi, N.Basanta Singh and S.K. Sarkar.
International Journal on Computational Sciences & Applications (IJCSA) Vol.4, No.3, June 2014
OLEH
I NYOMAN SETIAWAN
NIM : 1591071015
PROGRAM DOKTOR ILMU TEKNIK
PROGRAM PASCASARJANA
UNIVERSITAS UDAYANA
2
PENDEKATAN JARINGAN SYARAF TIRUAN UNTUK MODEL RANGKAIAN LISTRIK SEL
SURYA YANG LEBIH AKURAT
Abstrak.
Penggunaan jaringan saraf untuk meningkatkan akurasi parameter listrik rangkaian ekuivalen dari sel
surya diusulkan. Parameter listrik ini tergantung pada iradiasi matahari dan temperatur, tetapi
hubungannya adalah nonlinear dan tidak dapat dengan mudah dibuat dengan persamaan analitis. Oleh
karena itu, jaringan saraf yang diusulkan dilatih dengan menggunakan beberapa data pengukuran dari
kurva arus-tegangan, dan parameter rangkaian ekuivalen diperkirakan dengan membaca sampel iradiasi
surya dan tempratur yang sangat cepat. Efek radiasi sinar matahari dan tempratur ambient menjadi
pertimbangan, sehingga karakteristik arus dan daya output model PV disimulasikan dan dioptimalkan.
Akhirnya, model yang diusulkan telah divalidasi dengan data sheet dan data eksperimental dari modul
PV komersial, Kotak PV-KM0060 (60Wp). Perbandingan menunjukkan akurasi yang lebih tinggi dari
Model ANN dari pada model rangkaian konvensional untuk satu diode untuk semua kondisi operasi.
1. PENDAHULIAN
Model sel surya yang berbeda telah dikembangkan untuk menggambarkan perilaku listrik dari sel
surya, namun rangkaian setara listrik adalah cara yang baik dan umum di kebanyakan studi simulasi.
Lima parameter yang penting dalam rangkaian ekuivalen adalah photo-curent (Iph), sresistensi seri (Rs),
resistansi paralel (Rp), arus saturasi dioda (Is) dan faktor ideal (A). Hubungan Arus tegangan (I-V) dari
sel surya digambarkan oleh persamaan matematika secara implisit dan nonlinier. Oleh karena itu,
penentuan parameter membutuhkan komputasi yang lebih banyak untuk setiap kondisi operasi [1-7].
Namun, semua parameter sirkuit tergantung pada iradiasi dan temperatur sel. Setiap asumsi memaksa
model jatuh ke error. Dalam penelitian ini, ketergantungan semua parameter sirkuit pada suhu sel dan
radiasi disertakan dengan menggunakan jaringan saraf untuk meningkatkan akurasi model modul PV.
Blas et al. [4] menyajikan penggunaan metode analisis dalam menentukan parameter sirkuit untuk operasi
dari sel surya di bawah kondisi radiasi tinggi. Teng dan Ping [1] menyajikan penentuan parameter
rangkaian dari data eksperimen dengan menggunakan dekomposisi Q-R teknik berdasarkan metode
kuadrat terkecil. Jaringan saraf tiruan (JST) diterima sebagai teknologi yang menawarkan cara alternatif
untuk memecahkan masalah yang kompleks. Dalam dekade terakhir, kemajuan signifikan telah dibuat
dalam teknologi jaringan saraf untuk memperluas jangkauan aplikasi yang potensial pada daerah yang
berbeda karena kotak hitam fungsi saraf. Jaringan saraf dapat memberikan pemetaan sangat baik jika
dilatih dengan benar. Hal ini membuat pilihan yang baik untuk tugas seperti itu. Jaringan saraf digunakan
untuk memprediksi parameter rangkaian ekuivalen dengan hanya membaca sampel iradiasi dan
3
temperatur. Sejumlah data eksperimen yang tersedia digunakan untuk melatih jaringan saraf, yang
mempekerjakan algoritma propagasi balik/back propagation. Tujuan utama dari makalah ini adalah untuk
menyelidiki penerapan jaringan saraf berdasarkan model rangkaian ekuivalen PV untuk meningkatkan
akurasi model dan menunjukkan perlunya variasi semua parameter dengan berbagai kondisi operasi.
2. MODEL SEL SURYA
2.1 Model Sel Surya Satu Dioda
Sebuah deskripsi matematis umum karakteristik output I-V untuk sel PV telah dipelajari selama
lebih dari empat dekade terakhir [8] - [10]. Seperti model berbasis rangkaian ekiuvalen ini terutama
digunakan untuk teknologi MPPT. Rangkaian ekuivalen dari model umum terdiri dari photo current,
dioda, resistor paralel mengekspresikan arus bocor, dan resistor seri menggambarkan sebuah resistansi
internal terhadap aliran arus, ditunjukkan pada Gambar. 1
Gambar 1. Model sel surya satu diode.
Persamaan karakteristik arus tegangan (I-V) sel surya diberikan :
dimana IPH adalah arus dari cahaya yang dihasilkan atau photocurrent, IS adalah kejenuhan sel saat gelap,
q (= 1,6 × 10-19
C) adalah muatan elektron, K (= 1,38 × 10-23
J / K) adalah konstanta Boltzmann, TC
adalah suhu kerja sel, A merupakan faktor yang ideal, RSH adalah resistansi shunt, dan RS adalah
resistensi seri. Photocurrent tergantung pada insolation surya dan tempratur kerja sel, yang digambarkan
sebagai
dimana ISC adalah arus hubung pendek sel surya pada 25 ° C dan 1kW / m2, KI adalah koefisien
tempratur arus hubung pendek sel, TREF adalah tempratur referensi sel, dan λ adalah surya
insolation di kW / m2. Di sisi lain, sel arus saturasi bervariasi dengan sel
suhu, yang digambarkan sebagai
4
di mana IRS adalah arus saturasi balik sel pada suhu referensi dan radiasi matahari, EG adalah celah energi
(energy-gap) dari semikonduktor yang digunakan dalam sel. Faktor ideal A tergantung teknologi PV [11]
dan terdaftar dalam Tabel I.
TABEL 1. FAKTOR IDEAL DIODE A, DAN TEKNOLOGI PV
Deskripsi matematika bahkan lebih tepat dari sel surya, yang disebut ganda Model eksponensial yang
dapat diturunkan dari perilaku fisik sel surya dibangun dari polikristalin silikon. Model ini terdiri dari
sumber arus cahaya yang dihasilkan, dua dioda, sebuah resistansi seri dan resistansi paralel. Namun, ada
beberapa keterbatasan untuk mengembangkan ekspresi untuk parameter kurva V-I yang berbentuk
implisit dan nonlinier. Oleh karena itu, model ini jarang digunakan dalam literatur berikutnya dan tidak
dibawa ke pertimbangan untuk model PV umum. Resistansi shunt RSH berbanding terbalik dengan arus
bocor shunt ke tanah. Secara umum, efisiensi PV tidak sensitif terhadap variasi dalam RSH dan resistansi
bocor-shunt dapat diasumsikan mendekati infinity tanpa kebocoran arus ke tanah. Di sisi lain, variasi
kecil dalam RS secara signifikan akan mempengaruhi daya output PV.Persamaan di atas dapat ditulis
ulang sebagai berikut :
Untuk sel PV yang ideal, tidak ada kerugian seri dan tidak ada kebocoran ke tanah, yaitu, RS = 0 dan
RSH = ∞ [13] - [14].
Persamaan dapat disederhanakan lagi menjadi :
5
2.2 Model Modul Sel Surya dan Array
Sel PV menghasilkan kurang dari 2W untuk tegangan sekitar 0.5V, sel-sel harus terhubung
dalam konfigurasi seri-paralel pada modul untuk menghasilkan daya yang cukup tinggi. Sebuah array PV
adalah kelompok dari beberapa modul PV yang terhubung secara elektrik dalam rangkaian seri dan
paralel untuk menghasilkan arus dan tegangan yang diperlukan. Rangkaian ekuivalen a untuk modul
surya diatur dalam NP paralel dan NS seri ditunjukkan pada Gambar 2. Persamaan terminal untuk arus dan
tegangan dari Array menjadi sebagai berikut [15] - [18].
Bahkan, efisiensi PV sensitif terhadap perubahan kecil di RS tapi tidak sensitif terhadap variasi dalam
RSH. Untuk modul PV atau array, resistansi seri menjadi rupanya penting dan shunt turun resistensi
mendekati tak terhingga yang diasumsikan terbuka. Dalam kebanyakan produk PV komersial, PV sel
umumnya terhubung dalam konfigurasi seri untuk membentuk modul PV untuk mendapatkan tegangan
kerja yang memadai. Modul PV yang kemudian disusun dalam struktur seri-paralel untuk mencapai daya
output yang diinginkan.
Hal ini dapat menunjukkan bahwa NS = NP = 1 untuk sel PV, NP = 1 dan NS: jumlah serangkaian sel untuk
PVmodul, dan NS dan NP: jumlh seri-paralel untuk array PV. Persamaan matematis model umum dapat
digambarkan sebagai :
Model yang paling sederhana [13], [19] dari modul PV umum digambarkan dalam Gbr.2. Rangkaian
ekuivalen digambarkan pada persamaan berikut :
6
2.3 Penentuan Parameter Model
Semua parameter model dapat ditentukan dengan memeriksa spesifikasi pabrik dari Produk PV.
Parameter yang paling penting untuk menggambarkan kinerja listrik sel adalah VOC tegangan rangkaian
terbuka dan arus hubung pendek ISC. Persamaan tersebut diatas yang implisit dan nonlinear; oleh karena
itu, sulit untuk solusi analitis untuk seperangkat model parameter pada suhu dan radiasi tertentu. Biasanya
IPH >> IS dan mengabaikan arus bocor ketanah yang kecil pada tegangan-terminal nol, arus shortcircuit
ISC kurang lebih sama dengan photocurrent IPH, yaitu,
Di sisi lain, parameter VOC diperoleh dengan asumsi arus keluaran adalah nol. Mengingat PV terbuka
sirkuit VOC tegangan pada tempratur referensi dan mengabaikan aru kebocoran-shunt, arus saturasi balik
pada tempratur referensi dapat diperoleh sekitar :
Selain itu, daya maksimum dapat dinyatakan sebagai :
di mana Vmax dan Imax adalah tegangan terminal dan arus keluaran dari modul PV pada daya maksimum
point (MPP), dan FF adalah faktor mengisi sel yang merupakan ukuran kualitas sel.
2.4 Bangunan dari Generalized PV Model
Sebuah model modul PV dengan kompleksitas moderat yang meliputi independensi suhu dari
sumber photocurrent, arus saturasi dioda, dan resistansi seri adalah dipertimbangkan berdasarkan
persamaan dioda Shockley. Hal ini penting untuk membangun sebuah model umum cocok untuk semua
sel PV, modul, dan array, yang digunakan untuk merancang dan menganalisis maksimal power point
tracker. Bing diterangi dengan radiasi sinar matahari, sel PV mengubah bagian dari potensi fotovoltaik
langsung menjadi listrik dengan baik IV dan PV karakteristik output. SEBUAH Model PV umum
dibangun menggunakan Matlab / Simulink [20] untuk menggambarkan dan memverifikasi nonlinear IV
dan karakteristik output P-V dari modul PV. Model yang diusulkan diimplementasikan dalam MATLAB
SIMULINK dan ditampilkan pada Gambar. 3 (a) dan 3 (b).
7
2.5 Simulasi Hasil PV Sel dan Modul
Untuk sel PV, NS = NP = 1. Karakteristik I-V dan P-V karakteristik output model konvensional
PV untuk sel ditunjukkan pada Gambar. 5. Sifat nonlinier sel PV jelas seperti yang ditunjukkan dalam
8
angka, yaitu, arus keluaran dan kekuatan sel PV bergantung pada tegangan operasi terminal sel dan
temperatur, dan insolation surya juga.
Modul PV Kotak KMOO60 60W misalnya diambil sebagai contoh. Spesifikasi kunci yang tercantum
dalam Tabel 2 di mana suhu sel operasi nominal (NOCT) adalah suhu bahwa sel-sel akan mencapai ketika
mereka beroperasi di sirkuit terbuka di suhu sekitar 20° C di bawah AM 1,5 kondisi iradiasi dengan λ =
0,8 kW/m2 dan kecepatan angin kurang dari 1 m / s. Karakteristik listrik modul PV umumnya diwakili
oleh arus versus tegangan dan daya versus tegangan. Karakteristik output I-V dan P-V modul PV di
berbagai insolation dan tempratur dilakukan dan hasilnya ditampilkan pada Gambar. 5. Kita juga melihat
dari Gambar. 5 (b) bahwa dengan kenaikan tempratur kerja pada modul PV, arus short-circuit meningkat,
sedangkan terjadi penurunan pada daya output maksimum. Kenaikan arus short-sircuit jauh kurang dari
penurunan tegangan rangkaian terbuka, dan efeknya membuat daya maksimum menurun sekitar 0,45% /°
C pada suhu tinggi. Di sisi lain, juga diamati bahwa dengan peningkatan insolation surya, arus hubung
pendek dan daya output maksimum meningkat dar modul PV seperti yang ditunjukkan pada Gambar. 5
(a) dan 5 (c). Alasannya adalah tegangan open-circuit adalah tergantung secara logaritmik pada radiasi
matahari, namun arus hubung singkat (short-circuit) secara langsung sebanding dengan intensitas cahaya.
Gbr.4 menunjukkan beberapa masukan parametrs diperlukan untuk Simulink Model.
9
10
11
3. VARIASI PARAMETER MODEL SATU DIODA
Untuk mengkarakterisasi modul PV sebagai sumber daya dalam mempelajari kinerjanya, sangat
penting untuk mempertimbangkan ketergantungan semua parameter rangkaian ekuivalen dari modul PV
yaitu iradiasi dan temperatur sel. Lima parameter rangkaian ekivalen dapat ditentukan dengan
menggunakan titik operasi (operating point) yang tersedia pada kurva I-V dari modul. Agar bisa
mendapatkan perubahan parameter untuk seluruh rentang kondisi operasi, model modul PV Sandia
kinerja listrik [21] digunakan untuk menghasilkan diperlukan lima poin pada kurva I- V.
12
Titik-titik ini ditunjukkan pada Gambar. 6 untuk satu kondisi operasi. Titik-titik ini dihasilkan untuk 209
kondisi operasi antara 15-65oC dan 100-1000 W / m
2 untuk memecahkan lima persamaan implicit
nonlinear untuk modul PV Kotak KMOO60 60W yang terdiri dari 36 sel surya yang terhubung seri dari
mono-kristal silikon. Memecahkan sistem persamaan nonlinier implicit melibatkan menemukan solusi
sehingga setiap persamaan dalam sistem nonlinear adalah 0. Artinya, kita memiliki lima persamaan dan
lima tidak diketahui untuk setiap kondisi operasi dan kami ingin mencari x ε R5 seperti bahwa F (x) = 0,
di mana
Metode optimasi yang berbeda dicoba untuk memecahkan sistem persamaan. Latihan numerik tampaknya
menunjukkan bahwa metode wilayah kepercayaan [19] adalah jauh lebih baik daripada yang lain, jadi
metode ini yang digunakan. Secara umum, metode wilayah kepercayaan lebih cepat daripada metode
gradien dan jaminan stabilitas terlepas dari kondisi awal. Nilai awal yang baik adalah penting untuk
13
memecahkan persamaan sistem nonlinier. Nilai awal yang memenuhi atau yang menemui banyak
kendala mengurangi pekerjaan yang terlibat dalam mencari solusi yang layak. Pada masing-masing
kondisi operasi yang berbeda, nilai awal dari photo-current, resistansi seri dan resistensi parallel
diperkirakan dari kurva I-V yang sesuai. Nilai awal dari parameter yang dilambangkan dengan subscript 0
dan diberikan :
dimana Isc adalah arus hubungan pendek, Ix adalah arus saat di Vx = 0.5Voc, IXX adalah arus saat di Vxx =
0,5 (Voc + Vmp), Voc adalah tegangan rangkaian terbuka dan Vmp adalah tegangan pada daya
maksimum titik. Nilai awal faktor dioda idealistis diambil sebagai 1,5 untuk semua kasus. Nilai awal arus
saturasi dioda ditentukan dengan menggunakan persamaan di atas. Solusi dari persamaan sistem
menunjukkan bahwa semua parameter tergantung pada kedua iradiasi dan tempratur. Di sisi lain, perlu
untuk menyertakan variasi parameter yang benar jika estimasi kinerja yang akurat dan handal diperlukan
dalam studi simulasi. Jelas, sangat sulit untuk menentukan parameter untuk setiap iradiasi dan
temperature untuk menjalankan studi simulasi atau on line aplikasi sistem PV. Untuk alasan ini, semua
parameter yang diperkirakan dengan menggunakan jaringan saraf.
4. PREDIKSI PARAMETER BERBASIS ANN
Struktur jaringan syaraf tiruan adalah salah satu faktor penting yang mempengaruhi unjuk kerja
belajar jaringan. Ini adalah harapan untuk mempekerjakan struktur sekecil mungkin di bawah kondisi
bahwa mereka memenuhi persyaratan kinerja. Pengalaman menunjukkan bahwa menggunakan jaringan
kecil yang bisa belajar tugas lebih baik untuk kedua alasan praktis dan teoritis ini diperlukan untuk
interpretasi yang tepat dari angka.
Pelatihan jaringan yang lebih kecil biasanya membutuhkan perhitungan kurang karena setiap iterasi
adalah komputasi lebih murah. Sayangnya, struktur pakan multilayer maju jaringan perceptron terutama
ditentukan oleh pengalaman, dan belum ditemukan yang formula yang valid yang cocok untuk situasi
yang berbeda [23-26]. Pilihan arsitektur ANN teknik dapat dibagi menjadi dua kategori. Dalam kategori
pertama, jaringan besar dipilih, dan node yang tidak perlu atau koneksi secara bertahap dihilangkan [23].
Kategori kedua dimulai dengan jaringan kecil dan secara bertahap menambah node atau koneksi sebagai
diperlukan. Dalam penelitian ini, untuk memetakan hubungan antara A, Is, Rs, Rp, Iph dan iradiasi dan
tempratur sel, kategori kedua digunakan ketika ukuran jaringan saraf yang sesuai adalah yang dipilih.
14
Akhirnya, hasil yang cukup diperoleh untuk jaringan saraf maju tiga lapisan pakan (input, lapisan
tersembunyi dan output tunggal) seperti yang ditunjukkan pada Gambar.7 Jumlah node pada input dan
lapisan output berdasarkan dimensi input dan output, masing-masing. Jumlah Lapisan node tersembunyi
ditentukan secara empiris seperti yang kita dinyatakan di atas. 20 node tersembunyi untuk estimasi yang
paling akurat, dan karena itu, hanya hasil dari kasus ini diberikan dalam kertas. Akibatnya, lapisan input
memiliki 2 node, lapisan tersembunyi memiliki 20 node dan lapisan output memiliki 5 node (lihat
Gambar. 7).
Gambar 7. Model ANN
Lapisan masukan dalam hal ini terdiri dari vektor dua dimensi, iradiasi dan suhu, dan vektor output adalah
vektor lima dimensi yang terdiri A, Is, Rs, Rp dan Iph. Untuk mengurangi upaya komputasi, kita
mempertimbangkan jaringan ukuran kecil ketika kita menemukan ukuran jaringan yang sesuai. Hal ini
sangat penting selama fase pengujian jaringan di mana respon cepat biasanya diperlukan. Output dari
node lapisan input tertimbang, dijumlahkan, dan melewati fungsi aktivasi yang bertindak sebagai fungsi
amplitudo. Tiga jenis dasar fungsi aktivasi ada: fungsi threshold, sepotong fungsi linear dan Fungsi
sigmoid [25]. Fungsi aktivasi yang digunakan untuk membatasi atau labu input ke depan lapisan neuron.
Sinyal belajar adalah fungsi dari kesalahan dikalikan dengan gradient fungsi aktivasi. Untuk pelatihan,
fungsi aktivasi harus monoton meningkat dari kiri ke kanan, terdiferensiasi dan halus. Dalam penelitian
ini, semua data skala untuk rentang {_1; 1}, dan hiperbolik fungsi tangen Transfer sigmoid digunakan
sebagai fungsi aktivasi tunggal lapisan tersembunyi [24]. Sebuah fungsi linear murni digunakan sebagai
fungsi aktivasi lapisan keluaran dari jaringan saraf dari Gambar. 7, mirip dengan Ref. [28]. Menggunakan
fungsi linear di node output jaringan saraf mengurangi perhitungan dihasilkan. Hubungan antara input dan
15
output yang diberikan sebagai berikut: vektor input x = [iradiasi, tempratur sel] yang diterapkan pada
lapisan input dari jaringan seperti yang ditunjukkan pada Gambar. 7. Masukkan dari unit j tersembunyi
adalah :
dimana Wji adalah weight/bobot pada koneksi dari unit input i, bhj untuk j = 1,2 ,. . ., 20 mewakili biasa
untuk lapisan neuron tersembunyi. Output dari neuron pada lapisan tersembunyi adalah
dan net input neuron pada lapisan output ditulis :
dimana WKJ adalah weight/bobot pada koneksi dari unit input j, b2k untuk k = 1,2 ,. . ., 5 mewakili untuk
lapisan neuron kedua. Output dari lapisan kedua, a2k, adalah output jaringan , dan output ini diberi label
yk.
Tahap belajar jaringan dilakukan dengan memperbarui bobot dan bias menggunakan kembali algoritma
propagasi dengan metode optimasi Levenberg Marquardt-(lihat misalnya [29]) dalam rangka untuk
meminimalkan jumlah kuadrat perbedaan antara target jaringan dan output aktual untuk diberikan vektor
input. Untuk menghindari jaringan kehilangan kemampuan generalisasi, pelatihan itu berhenti ketika
kesalahan pada set tes mulai meningkat jauh (kira-kira setelah sekitar 1000 zaman pelatihan). Seperti
yang bisa dilihat dengan jelas di Gbr.9, JST dapat digunakan untuk mengidentifikasi PV parameter model
sangat baik. Konfigurasi dasar model PV yang diusulkan dirangkum pada Gambar. 8. Hal ini terdiri dari
proses dua tahap. Pertama, jaringan saraf digunakan untuk memprediksi lima parameter dengan membaca
hanya sampel iradiasi dan temperatur. Kedua, parameter yang dimasukkan ke dalam model rangkaian
listrik satu diode.
16
Gambar 8. Model ANN yang lebih akurat yang diusulkan
5. HASIL DARI MODEL YANG DIUSULKAN
Hasil perbandingan ditunjukkan pada Fig.9. Ditunjukan bahwa model yang diusulkan untuk
model sel surya sangat signifikan mengurangi kesalahan dalam studi simulasi dan juga menawarkan
solusi kompak untuk termasuk ketergantungan dari parameter rangkaian ekuivalen pada iradiasi surya dan
temperature sel. Data I-V Model yang diusulkan tumpang tindih dengan data eksperimental actual data
yang diukur menunjukkan lebih akurasi berdasarkan model ANN ini dari konvensional.
Gambar. 9 Perbandingan model konvensional dan model yang diusulkan untuk testing data dengan
diukur pada Kurva I-V dari modul PV Kotak 60W
17
6. KESIMPULAN
Karya ini mempelajari implementasi jaringan saraf tiruan untuk pemodelan modul PV dan
analisis parameter listriknya. Akurasi dan generalisasi dari model yang diusulkan adalah divalidasi
dengan membandingkan hasil tes dengan data yang sebenarnya dari modul komersial. Model PV
konvensional, ketergantungan pada iradiasi matahari dan tempratur sel untuk semua parameter model
tidak disertakan, sehingga akurasi dan keandalan estimasi kinerja tidak cukup untuk semua kondisi
operasi. Makalah ini menyertakan radiasi dan tempratur sebagai variabel parameter untuk semua
parameter dari modul PV model rangkaian ekuivalen. Model ini memperkirakan dengan membaca hanya
sampel radiasi dan tempratur dengan menggunakan jaringan syaraf tiruan. Setelah itu, parameter ini
disajikan untuk persamaan arus-tegangan dari modul PV untuk mendapatkan karakteristik listrik. Jaringan
dilatih cukup akurat dalam mewakili variasi parameter bila dibandingkan dengan metode lain. Model
yang diusulkan dapat digunakan untuk semua jenis desain modul PV, simulasi dan aplikasi dalam
berbagai penelitian energi.
DAFTAR PUSTAKA
18