Prediksi Kecepatan Angin pada Anemometer Menggunakan Internet of Things dan Attention Layer Neural Networks dan Surrogate Optimization

Abstract

Pengembangan energi terbarukan, khususnya energi angin, membutuhkan sistem prediksi kecepatan angin yang akurat untuk menjaga stabilitas dan efisiensi pada jaringan listrik. Tantangan utama dalam pemanfaatan energi angin adalah ketidakpastian kecepatan angin yang dipengaruhi oleh kondisi atmosfer yang terus berubah. Penelitian ini bertujuan untuk membangun model prediksi kecepatan angin menggunakan data dari anemometer berbasis Internet of Things (IoT) dengan pendekatan attention layer pada neural networks, serta optimasi parameter menggunakan metode surrogate.
          Pendekatan attention layer pada neural networks dipilih untuk mengatasi keterbatasan dari metode seperti Recurrent Neural Network (RNN) dan Artificial Neural Network (ANN), yang sering kali membutuhkan kapasitas komputasi tinggi dan kurang akurat dalam memprediksi kecepatan angin di berbagai ketinggian. Selain itu, teknik surrogate optimization diterapkan untuk mencari parameter model yang optimal agar prediksi semakin akurat dan kebutuhan komputasinya lebih efisien.
          Data kecepatan angin yang dikumpulkan dari anemometer IoT pada beberapa ketinggian akan diolah menggunakan model yang dilengkapi attention layer sehingga prediksi lebih adaptif terhadap perubahan angin. Model ini diuji untuk melihat performanya dalam memprediksi kecepatan angin dalam rentang waktu pendek, khususnya 12 jam ke depan. Hasil penelitian menunjukkan bahwa model dengan attention layer dan optimasi surrogate ini memberikan akurasi prediksi yang lebih baik dibandingkan dengan metode konvensional, sehingga bisa menjadi solusi yang andal untuk mendukung pengembangan energi angin secara berkelanjutan.