Inovasi UNESA dan ITERA: Optimalkan DC Microgrid Lewat Kecerdasan Buatan

Tim peneliti dari Universitas Negeri Surabaya (UNESA) bersama Institut Teknologi Sumatera (ITERA) berhasil mengembangkan inovasi berbasis Artificial Intelligence (AI) untuk mengoptimalkan kinerja sistem DC microgrid. Penelitian yang dipimpin oleh Rifqi Firmansyah, Ph.D. ini menerapkan metode Reinforcement Learning berbasis algoritma Improved Twin-Delayed Deep Deterministic Policy Gradient (ITD3) guna menjaga keandalan pasokan listrik dari sumber energi terbarukan. 

Sistem DC microgrid berbasis energi terbarukan seperti panel surya dan baterai sering menghadapi tantangan akibat sifat energi yang tidak stabil (intermiten) serta fluktuasi beban. Permasalahan ini dapat mengakibatkan kerugian daya, penurunan efisiensi, hingga memperpendek umur baterai. Melalui algoritma ITD3, sistem dapat mempelajari dinamika lingkungan secara real-time untuk mengatur pembagian daya dan menstabilkan tegangan secara presisi. 

Hasil pengujian pada konverter DC-DC menunjukkan bahwa metode RL-ITD3 mampu mempercepat respons sistem hingga 26,2% dibandingkan pengontrol konvensional pada mode pengisian (charge). Selain itu, algoritma ini efektif menekan lonjakan tegangan (overshoot) dan osilasi daya pada mode discharge, sehingga menjaga stabilitas energi secara maksimal. 

Penelitian ini mendukung pencapaian Sustainable Development Goals (SDG), khususnya SDG 7 (Energi Bersih dan Terjangkau) serta SDG 13 (Penanganan Perubahan Iklim). Inovasi ini diharapkan dapat diterapkan pada jaringan kelistrikan mandiri di lokasi terpencil secara handal dan ramah lingkungan.