Review Oleh: Ropiudin, S.TP., M.Si. (Dosen Bidang Teknik Sistem Termal dan Energi Terbarukan, Universitas Jenderal Soedirman)
Dalam era transisi energi yang berkelanjutan, energi termal matahari muncul sebagai salah satu sumber energi terbarukan yang paling menjanjikan. Namun, salah satu tantangan utama yang dihadapi adalah sifat intermiten dari sumber energi ini, yang sering kali membatasi potensi pemanfaatannya. Untuk mengatasi masalah ini, penyimpanan termal menjadi teknologi kunci yang memungkinkan penyesuaian antara pasokan dan permintaan energi. Penelitian terbaru yang mengembangkan metodologi berbasis pembelajaran mesin untuk memprediksi kinerja transfer panas transien dalam penyimpanan panas sensibel menawarkan solusi inovatif untuk tantangan ini.
Metodologi yang diusulkan dalam penelitian ini berfokus pada sistem pembangkit listrik tenaga surya dengan generasi uap langsung menggunakan parabolic trough. Dengan memanfaatkan teknik pembelajaran mesin, penelitian ini mampu menangani variasi laju aliran fluida, yang sangat penting dalam mengontrol suhu dan meningkatkan efisiensi sistem. Pendekatan ini tidak hanya mengurangi waktu komputasi yang diperlukan untuk analisis kinerja penyimpanan panas, tetapi juga memberikan fleksibilitas dalam pengoperasian sistem di berbagai kondisi cuaca.
Salah satu aspek menarik dari penelitian ini adalah penggunaan data cuaca dari Pulau Bawean, Indonesia, untuk melatih model regresi. Dengan melibatkan 26 model regresi yang berbeda, penelitian ini menemukan bahwa Gaussian process regression memberikan akurasi prediksi terbaik. Hasil ini menunjukkan bahwa pendekatan berbasis pembelajaran mesin dapat secara signifikan meningkatkan akurasi dalam memprediksi kinerja sistem, dengan kesalahan prediksi kerja poros turbin selama 14 hari berturut-turut hanya sebesar 1,45% atau kurang dibandingkan dengan hasil simulasi transien.
Lebih lanjut, model regresi yang telah dilatih juga diterapkan di Kupang, yang berjarak sekitar 1300 km dari Bawean. Hasilnya menunjukkan bahwa kesalahan prediksi kerja poros turbin selama 14 hari berturut-turut di Kupang adalah 3,24% atau kurang. Ini menunjukkan bahwa metodologi yang diusulkan tidak hanya relevan untuk lokasi spesifik, tetapi juga dapat diadaptasi untuk berbagai lokasi dengan kondisi iklim yang berbeda, menjadikannya alat yang sangat berguna dalam perencanaan dan desain sistem pembangkit energi surya.
Keunggulan utama dari metodologi ini adalah pengurangan waktu komputasi yang signifikan, yang memungkinkan para insinyur dan peneliti untuk melakukan analisis yang lebih cepat dan efisien. Hal ini sangat penting dalam konteks pemilihan lokasi pembangkit listrik tenaga surya dan desain konsep pabrik, di mana keputusan yang cepat dan akurat dapat berdampak besar pada keberhasilan proyek. Dengan demikian, penelitian ini tidak hanya memberikan kontribusi terhadap pengembangan teknologi penyimpanan energi, tetapi juga mendukung upaya untuk meningkatkan adopsi energi terbarukan secara lebih luas.
Dalam konteks yang lebih luas, inovasi ini mencerminkan potensi besar dari integrasi teknologi pembelajaran mesin dalam bidang teknik sistem termal dan energi terbarukan. Dengan kemampuan untuk menganalisis data besar dan menghasilkan prediksi yang akurat, pembelajaran mesin dapat menjadi alat yang sangat berharga dalam mengatasi tantangan yang dihadapi oleh sektor energi terbarukan. Penelitian ini membuka jalan bagi penelitian lebih lanjut dan pengembangan aplikasi praktis yang dapat meningkatkan efisiensi dan keberlanjutan sistem energi di masa depan.
Secara keseluruhan, penelitian ini menunjukkan bahwa dengan memanfaatkan teknologi modern seperti pembelajaran mesin, kita dapat mengatasi tantangan intermiten dalam penyimpanan energi termal dan meningkatkan kinerja sistem energi surya. Ini adalah langkah penting menuju masa depan yang lebih berkelanjutan dan efisien dalam pemanfaatan sumber daya energi terbarukan. Dengan terus mengembangkan dan menerapkan inovasi semacam ini, kita dapat berharap untuk melihat peningkatan yang signifikan dalam penggunaan energi terbarukan di seluruh dunia.
