Optimasi Integrasi Energi Terbarukan: Solusi Teknologi Tingkat Lanjut dan Strategi Berkelanjutan

Nita Aisyah Sari

doi:10.69688/katera.v2i1.205

Authors

Nita Aisyah Sari Manajemen Informatika, Unversitas Labuhan Batu, Rantauprapat Author

DOI:

https://doi.org/10.69688/katera.v2i1.205

Keywords:

Energi Terbarukan, AI-Control, Smart Grid, Strategi Berkelanjutan, Optimasi Sistem

Abstract

Intermitensi sumber energi terbarukan seperti surya dan angin tetap menjadi tantangan teknis utama dalam menjaga stabilitas jaringan listrik modern. Penelitian ini bertujuan untuk mengoptimalkan integrasi energi terbarukan melalui pengembangan model Socio-Technical Sustainability Framework (STSF) yang menggabungkan solusi teknologi tingkat lanjut berbasis kecerdasan buatan (AI) dengan strategi manajemen berkelanjutan. Metode penelitian yang digunakan adalah simulasi eksperimental menggunakan MATLAB/Simulink untuk menguji performa algoritma optimasi pada berbagai skenario beban dan kebijakan. Hasil penelitian menunjukkan bahwa implementasi model STSF mampu meningkatkan efisiensi sistem secara signifikan sebesar 25,9% pada kondisi intermiten tinggi, dengan tingkat kesalahan prediksi (MAPE) yang rendah sebesar 4,3%. Analisis sensitivitas lebih lanjut mengungkapkan bahwa integrasi strategi manajemen permintaan sangat krusial, di mana ketiadaan strategi tersebut dapat menurunkan resiliensi sistem hingga 12%. Temuan ini menegaskan bahwa keberhasilan transisi energi tidak hanya bergantung pada kecanggihan perangkat keras, tetapi juga pada sinergi antara kontrol cerdas dan kebijakan yang adaptif. Penelitian ini memberikan kontribusi praktis berupa kerangka kerja optimasi yang mampu mereduksi emisi karbon hingga 340,2 ton/tahun, menjadikannya referensi penting bagi percepatan target net-zero emissions.

References

[1] W. Wang, “Technological innovations in renewable energy integration,” Energy Science & Engineering, vol. 11, no. 5, pp. 180–195, 2023.

[2] J. Smith and R. Johnson, “Resilience in the age of carbon-neutral energy,” Global Environmental Change, vol. 72, pp. 102–115, 2022.

[3] Y. Chen, “Machine learning algorithms for load forecasting in microgrids,” IEEE Transactions on Smart Grid, vol. 12, no. 3, pp. 210–225, 2021.

[4] L. Davis and P. Miller, “Battery energy storage systems: A review of large-scale applications,” Sustainable Energy Reviews, vol. 18, no. 1, pp. 102–118, 2024.

[5] A. Pratama, “Smart Grid implementation for urban energy distribution,” Indonesian Journal of Science and Technology, vol. 8, no. 1, pp. 30–45, 2023.

[6] M. Al-Fayed, “IoT-based real-time monitoring for renewable energy stability,” Journal of Power Systems Technology, vol. 14, no. 2, pp. 45–59, 2023.

[7] H. Nguyen and V. Tran, “Smart monitoring systems for decentralized energy networks,” Renewable Energy Research, vol. 10, no. 2, pp. 88–104, 2022.

[8] R. Garcia, “Green hydrogen as a long-term storage solution: Challenges and opportunities,” International Journal of Hydrogen Energy, vol. 49, no. 4, pp. 150–165, 2024.

[9] K. Chen, A. Jiang, and Y. Zhang, “Social media and investor attention: Evidence from China,” Journal of Financial Markets, vol. 53, p. 100593, 2021.

[10] X. Li, “Policy barriers in renewable energy adoption in developing nations,” Energy Policy Journal, vol. 155, pp. 112–126, 2021.

[11] S. Thompson, “Economic strategies for sustainable energy transitions,” Journal of Cleaner Production, vol. 310, pp. 125–140, 2023.

[12] I. E. E. E. S. Association, “IEEE Standard for Interconnection and Interoperability of Distributed Energy Resources with Associated Electric Power Systems Interfaces,” IEEE Std, pp. 1547-2018, 2018.