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