Desain Sistem Informasi Cerdas pada Smart Grid Berbasis Internet of Things dan Artificial Neural Network
DOI:
https://doi.org/10.36085/jsai.v4i1.1219Abstract
Smart grid merupakan sistem kelistrikan yang memungkinkan pengguna untuk melakukan proses menjual dan membeli daya listrik. Pada penelitian ini dirancang model smart grid dengan sumber daya dari listrik PLN dan panel surya yang terhubung dengan beban. Beban yang digunakan memiliki daya maksimal 40 W dan panel surya yang digunakan memiliki kapasitas 100 Wp. ESP32 digunakan sebagai perangkat Internet of Things, yang digunakan sebagai pengukur dan pengontrol daya listrik yang akan dijual atau dibeli. Raspberry Pi digunakan sebagai web server pengolah data dari smart grid. Aplikasi “Smart Grid Dikti†merupakan aplikasi berbasis android yang dapat digunakan untuk melakukan pemantauan serta pengaturan dalam sistem smart grid tersebut. Aplikasi android tersebut telah diuji coba dengan metode Black Box, dengan hasil pengujian 100% berhasil. Kecerdasan buatan berbasis Artificial Neural Network (ANN) dengan metode backpropagation diimplementasikan dalam sistem smart grid yang berfungsi sebagai pengaturan otomatis dalam proses jual dan beli daya listrik. ANN yang digunakan memiliki 3 input, 2 layer neuron, 3 output, dan masing-masing layer memiliki 4 neuron yang diimplementasikan ke dalam bahasa Python. Setelah pelatihan sebanyak 11.000 kali, didapatkan Root Mean Square  Error (RMSE) sebesar 0,12151 dan pada saat uji coba didapatkan RMSE sebesar 0,10500 dengan akurasi rata-rata sebesar 89,50%.
References
I. Bagus, K. Sugirianta, and I. N. Sukarma, “Keandalan Sistem Smart Grid ( Literatur Review ),†J. Log., vol. 15, no. 2, pp. 63–68, 2015.
G. Lobaccaro, S. Carlucci, and E. Löfström, “A review of systems and technologies for smart homes and smart grids,†Energies, vol. 9, no. 5, pp. 1–33, 2016, doi: 10.3390/en9050348.
Y. Kabalci and E. Kabalci, “Modeling and analysis of a smart grid monitoring system for renewable energy sources,†Sol. Energy, vol. 153, pp. 262–275, 2017, doi: 10.1016/j.solener.2017.05.063.
E. Susilo, F. D. Wijaya, and R. Hartanto, “Perancangan dan Evaluasi User Interface Aplikasi Smart Grid Berbasis Mobile Application,†J. Nas. Tek. Elektro dan Teknol. Inf., vol. 7, no. 2, pp. 150–157, 2018, doi: 10.22146/jnteti.v7i2.416.
S. K. Viswanath et al., “System design of the internet of things for residential smart grid,†IEEE Wirel. Commun., vol. 23, no. 5, pp. 90–98, 2016, doi: 10.1109/MWC.2016.7721747.
J. Lloret, J. Tomas, A. Canovas, and L. Parra, “An Integrated IoT Architecture for Smart Metering,†IEEE Commun. Mag., vol. 54, no. 12, pp. 50–57, 2016, doi: 10.1109/MCOM.2016.1600647CM.
B. K. Bose, “Artificial Intelligence Techniques in Smart Grid and Renewable Energy Systems - Some Example Applications,†Proc. IEEE, vol. 105, no. 11, pp. 2262–2273, 2017, doi: 10.1109/JPROC.2017.2756596.
M. Q. Raza and A. Khosravi, “A review on artificial intelligence based load demand forecasting techniques for smart grid and buildings,†Renew. Sustain. Energy Rev., vol. 50, no. June 2015, pp. 1352–1372, 2015, doi: 10.1016/j.rser.2015.04.065.
S. Khan, D. Paul, P. Momtahan, and M. Aloqaily, “Artificial intelligence framework for smart city microgrids: State of the art, challenges, and opportunities,†2018 3rd Int. Conf. Fog Mob. Edge Comput. FMEC 2018, no. June, pp. 283–288, 2018, doi: 10.1109/FMEC.2018.8364080.
N. Petrovic and Ä. Kocić, “Enabling Adaptivity in IoT-based Smart Grid Architecture,†no. June, pp. 27–29, 2019.
H. Faris, S. Mirjalili, and I. Aljarah, “Automatic selection of hidden neurons and weights in neural networks using grey wolf optimizer based on a hybrid encoding scheme,†Int. J. Mach. Learn. Cybern., vol. 10, no. 10, pp. 2901–2920, 2019, doi: 10.1007/s13042-018-00913-2.
Q. Zhang, T. Wang, Y. Tian, F. Yuan, and Q. Xu, “ApproxANN: An approximate computing framework for artificial neural network,†Proc. -Design, Autom. Test Eur. DATE, vol. 2015-April, no. ii, pp. 701–706, 2015, doi: 10.7873/date.2015.0618.
S. Shanmuganathan, A hybrid artificial neural network (ANN) approach to spatial and non-spatial attribute data mining: A case study experience, vol. 628. 2016.
W. Wilianto and A. Kurniawan, “Sejarah, Cara Kerja Dan Manfaat Internet of Things,†Matrix J. Manaj. Teknol. dan Inform., vol. 8, no. 2, p. 36, 2018, doi: 10.31940/matrix.v8i2.818.
S. Madakam, R. Ramaswamy, and S. Tripathi, “Internet of Things (IoT): A Literature Review,†J. Comput. Commun., vol. 03, no. 05, pp. 164–173, 2015, doi: 10.4236/jcc.2015.35021.
Y. Liu, C. Yang, L. Jiang, S. Xie, and Y. Zhang, “Intelligent Edge Computing for IoT-Based Energy Management in Smart Cities,†IEEE Netw., vol. 33, no. 2, pp. 111–117, 2019, doi: 10.1109/MNET.2019.1800254.
L. Nastase, “Security in the Internet of Things: A Survey on Application Layer Protocols,†Proc. - 2017 21st Int. Conf. Control Syst. Comput. CSCS 2017, no. July 2016, pp. 659–666, 2017, doi: 10.1109/CSCS.2017.101.
S. Li, L. Da Xu, and S. Zhao, “The internet of things: a survey,†Inf. Syst. Front., vol. 17, no. 2, pp. 243–259, 2015, doi: 10.1007/s10796-014-9492-7.
