Potensi energi angin dan evaluasi ekonomi WPS menggunakan WECSs di tiga lokasi terpilih di

Ethiopia Utara

Shiva Prashanth Kumar Kodicherla1*, Satyanarayana Gaddada2 and Nagaraju Shaik3

1
Department of Civil Engineering, College of Engineering & Technology, Wollega University, Nekemte, Ethiopia
2
Department of Electrical and Computer Engineering, College of Engineering & Technology, Wollega University,
Nekemte, Ethiopia
3
Department of Construction Management, College of Engineering & Technology, Adigrat University, Adigrat,
Ethiopia

*Corresponding a

Makalah ini menganalisis potensi energi angin dan evaluasi ekonomi sistem pemompaan air
(WPS) yang digunakan oleh berbagai sistem konversi energi angin (WECSs). Data kecepatan
angin yang dikumpulkan dari tiga lokasi yang berbeda di Northern Ethiopia dianalisis dengan
menggunakan fungsi kepadatan probabilitas Weibull. Kinerja model turbin angin komersial
berukuran kecil sampai menengah dari berbagai kekuatan pengenal berkisar antara 25 dan
2000 kW dianalisis. Evaluasi ekonomi WPS (digunakan dalam berbagai WECSs) dilakukan
dengan menggunakan pendekatan present value of cost (PVC). Menurut skema klasifikasi
sumber daya angin Northwest Palmatory (PNL), semua lokasi terpilih masuk dalam kategori
Kelas 1; Oleh karena itu, mereka dapat dipertimbangkan secara marginal untuk pemompaan
air dan pembangkit listrik skala kecil. Perlu dicatat bahwa POLARIS P 12-25 dan POLARIS P 15-
50 adalah pilihan paling ekonomis untuk pembuatan pembangkit listrik dan pemompaan air di
wilayah ini.uthor email: prashanthetc1024@gmail.com

Kata kunci: sistem konversi energi angin, sistem pemompaan air, potensi energi angin, Etiopia
Utara
pengantar

Energi angin merupakan salah satu sumber energi terbarukan menuju pembangunan
sosio-ekonomi suatu negara. Kendala sosial dan ekonomi diukur oleh Human
Development Index (IPM). Negara maju menunjukkan HDI yang tinggi dan memiliki
konsumsi energi per kapita di kisaran 4000 sampai 9000 kg minyak per tahun (UNDP
2004). Mayoritas energi listrik yang dihasilkan oleh pembakaran bahan bakar fosil yang
besar menyebabkan perubahan iklim, juga hujan asam dan salju, kabut asap perkotaan,
kabut dan tornado regional (Mathew 2006). Di antara sumber energi terbarukan yang
tersedia saat ini, energi angin ditemukan sebagai sumber energi paling menjanjikan di
seluruh dunia (Paritosh dan Rakhi 2010). Menurut Asosiasi Energi Angin Eropa
(EWEA), angin dengan instalasi 230.000 megawatt yang resistennya dapat memasok
12% dari kebutuhan energi global pada tahun 2010. Hal ini mengindikasikan pasar
bernilai sekitar 25 miliar Euro. Kapasitas terpasang bisa mencapai level 1,2 juta MW
pada akhir 2020 (De Azua dan Colasimone 2003).
Ethiopia memiliki sumber energi terbarukan yang cukup besar dengan potensi
pembangkit listrik tenaga air, tenaga surya dan panas bumi yang melimpah, serta bahan
bakar fosil. PLTA merupakan hampir 92,5% dari total campuran energi negara,
sementara energi termal terdiri dari 7%. Meskipun memiliki potensi besar untuk
memanfaatkan energi terbarukan, secara historis hanya sebagian kecil yang telah
dikembangkan karena, antara lain faktor, kurangnya sumber daya keuangan (Ethiopian
Electric Power Corporation 2011). Saat ini, Ethiopia memiliki sekitar 2000 MW
kapasitas pembangkit listrik terpasang yang darinya 1980 MW (99%) dihasilkan dari
pembangkit listrik tenaga air. Sisanya 12 MW (0,6%) dan 8 MW (0,4%) berasal dari
sumber panas dan panas bumi.
Karakterisasi suatu daerah dengan potensi energi angin tinggi atau rendah memerlukan
usaha yang signifikan untuk mengumpulkan informasi yang diperlukan untuk evaluasi
transisi ekstrem. Terbukti bahwa kesalahan pengukuran kecepatan angin 1%
menyebabkan hampir 2% kesalahan dalam keluaran energi (Himri et al 2008). Juga,
faktor lebih lanjut dapat dipertimbangkan untuk lokasi yang layak dan model turbin
yang sesuai dipilih sebelum investasi dilakukan (Fagibden et al., 2011). Pemilihan
model turbin angin didasarkan pada kecepatan angin rata-rata di lokasi pemasangannya
(Marcius, Katnals, dan Karaliauskas 2008). Analisis biaya daya yang dihasilkan oleh
sistem konversi energi angin (WECS) adalah tugas rumit yang memerlukan estimasi
output daya dan juga biaya suatu sistem. Kelayakan ekonomi sistem pemompaan air
(WPS) yang digunakan oleh WECS sangat bergantung pada kondisi spesifik lokasi
seperti kecepatan dan arah angin, dan kepadatan daya (Genç 2011). Tujuan utama
penelitian ini adalah untuk mengevaluasi potensi energi angin dan evaluasi ekonomi
WPS yang digunakan oleh WECS di tiga lokasi yang dipilih di Ethiopia Utara.

Pengumpulan data
Data kecepatan angin dikumpulkan dari tiga lokasi yang berbeda yaitu Atsbi, Senkata
dan Mekele pada ketinggian 10 m di atas permukaan tanah menggunakan generator
cangkir selama periode 13 tahun (2000 sampai 2013). Data tersebut diberikan oleh
Badan Meteorologi Nasional (NMA) Ethiopia yang terletak di ibu kota Tigray, Mekele,
Ethiopia. Koordinat geografis lokasi yang dipilih disajikan pada Tabel 1. Selama
pengumpulan data, pedoman diikuti untuk meminimalkan ketidakpastian penggunaan
anemometer yang digunakan dalam penelitian ini (Manwell, McGowan, dan Rogers
2010).

3. Metodologi analisa data angin

3.1. Fungsi distribusi probabilitas Weibull
Banyak pendekatan statistik tersedia dalam literatur untuk analisis data angin.
Probabilitas Weibull

Tabel 1: Lokasi geografis dari tiga lokasi yang dipilih.

Tabel

Fungsi distribusi (PDF) adalah yang paling tepat dan merupakan fungsi distribusi yang

disarankan untuk analisis data angin (Justus et al 1978). PDF disajikan dalam Persamaan 1:
 𝑘 𝑣 𝑘=1 𝑣 𝑘
𝑓(𝑣) = (𝑐 ) (𝑐 ) 𝑒𝑥𝑝 [− (𝑐 ) ] (2.1)

Dimana f (v) adalah probabilitas kecepatan angin yang teramati (v), dan tipe Weibull dan

parameter skala masing-masing adalah k dan c (m / s). Fungsi distribusi kumulatif (CDF)

memberikan probabilitas kecepatan angin sama dengan atau lebih rendah dari kecepatan

angin yang diberikan, dan parameter skala Weibull dapat dikaitkan dengan kecepatan angin

rata-rata (U) melalui faktor bentuk, yang menentukan konsistensi dari Kecepatan angin untuk

lokasi tertentu Demikian pula, F (v) adalah bagian integral dari PDF dan disajikan dalam

Persamaan 2.

𝑣⁄ )𝑘
𝐹(𝑣) = 1 − 𝑒 −( 𝑐 (2.2)

Karena nilai intrinsik dari metode yang umum digunakan lainnya, seperti metode

penyimpangan standar, metode likelihood dan standar standar, parameter Weibull bulanan

dan tahunan dapat diperoleh dengan mudah menggunakan metode faktor pola energi (EPM)

(Akdag dan Dinler 2009) . Faktor pola energi (EPF) dapat dinyatakan sebagai jumlah mean

cubes dari semua kecepatan angin individu yang dipertimbangkan dalam sampel di atas kubus

kecepatan angin rata-rata sampel (Pusat Teknologi Energi Angin 2011; Gaddada dan

Kodicherla, 2016) Dan disajikan dalam Persamaan 3:

1 𝑣3
𝐸𝑃𝐹 = (𝑣)3 (∑𝑛𝑖=1 𝑛𝑖 ) (2.3)

Dimana vi adalah kecepatan angin dalam meter per detik untuk pengamatan, n adalah jumlah

sampel kecepatan angin yang dipertimbangkan dan ¯v adalah kecepatan angin rata-rata

bulanan dalam meter per detik. Kepadatan tenaga angin bulanan (WPD) disajikan pada

Persamaan 4.

𝑣3
𝑊𝑃𝐷 = 0,5𝜌 (∑𝑛𝑖=1 𝑛𝑖 ) (2.4)

Rata-rata kerapatan udara bulanan (ρ) berada pada tinggi hub dalam kg / m3. Dengan

mensubstitusikan, Persamaan 3 dalam Persamaan 4, EPF dapat ditulis seperti yang disajikan
dalam Persamaan 5:

1 𝑊𝑃𝐷
𝐸𝑃𝐹 = (𝑣̅3 ) × (0,5×𝜌) (2.5)

Parameter ukuran dan skala Weibull dapat diperoleh dari EPF dengan menggunakan

Persamaan 6 dan 7 (Akdag, Diorgas, dan Mihalakakou 2010; Costa Rocha et al 2012)

3.69 𝑣̅
𝑘 = 1 + (𝐸𝑃𝐹)2 (2.6) 𝑐 = 𝛤(1+(1⁄𝑘)) (2.7)

Fungsi gamma (Jowder 2009; Ouammi dkk., 2010) disajikan pada Persamaan 8.

(8)

Sebagai alternatif, parameter skala Weibull (Balouktsis, Chassapis, dan Karapantsios 2002)

dapat dievaluasi dari Persamaan 9.

𝑈𝐾2.6674
𝑐 = 0.184+0.816𝑘 2.73855

Dua parameter angin utama lainnya untuk penilaian potensi energi angin adalah kecepatan

angin yang paling mungkin (VF) dan kecepatan angin yang membawa energi maksimum (VE)

(Akpinar dan Akpinar 2005; Bagiorgas et al 2007) dan disajikan dalam Persamaan 10 dan 11 ,

Masing-masing.

𝑘−1 1⁄𝑘 𝑘+2 1⁄𝑘

𝑉𝐹 = 𝑐 ( ) (2.9) 𝑉𝐸 = 𝑐 ( ) (2.10)
𝑘 𝑘

Kecepatan angin yang paling mungkin sesuai dengan puncak PDF, sementara kecepatan angin

yang membawa energi maksimum dapat digunakan untuk memperkirakan kecepatan desain

turbin angin atau kecepatan angin dalam meter per detik. Oleh karena itu, perlu agar

kecepatan angin pengenal dan kecepatan angin yang membawa energi maksimal harus

sedekat mungkin (Mathew, Pandey, dan Kumar 2002).

Ekstrapolasi kecepatan angin

Sudah diketahui dengan pasti bahwa kecepatan angin meningkat dengan bertambahnya tinggi
hub. Pada sebagian besar kasus yang tersedia, data kecepatan angin dapat diukur pada

ketinggian hub WECS yang berbeda. Karena kecepatan angin pada ketinggian hub diminati

untuk aplikasi tenaga angin, dapat diekstrapolasikan dengan menggunakan fungsi undang-

undang kekuasaan (Akpinar dan Akpinar 2005) yang disajikan dalam Persamaan 12:

(12)

Dimana v adalah kecepatan angin pada ketinggian yang dibutuhkan (h), vo adalah kecepatan

angin pada ketinggian asli (ho), dan α adalah koefisien kekasaran permukaan; Diasumsikan

0.143 (atau 1/7). Koefisien kekasaran permukaan (α) dapat ditentukan (Ucar dan Balo 2009)

dari Persamaan 13.

(13)

PDF dapat digunakan untuk mendapatkan nilai ekstrapolasi kecepatan angin pada ketinggian

hub yang berbeda. Karena pengembangan lapisan batas dan efek tanah tidak linier terhadap

parameter Weibull, mereka dapat ditulis sebagai fungsi ketinggian seperti yang ditunjukkan

pada Persamaan 14 dan 15 (Justus et al 1978):

(14)

(15)

Dimana co dan k adalah tipe Weibull dan parameter skala pada tinggi terukur (ho) dan tinggi

hub (h). Eksponen 'n' disajikan dalam Persamaan 16:

(16)

Tenaga angin dan kerapatan energi

Kerapatan daya angin rata-rata dapat diperkirakan dari persamaan berikut yang disajikan

dalam Persamaan 17:

 𝑘−1 1⁄𝑘 𝑘+2 1⁄𝑘
𝑉𝐹 = 𝑐 ( ) (2.9) 𝑉𝐸 = 𝑐 ( ) (2.10)
𝑘 𝑘

Dimana P (v) adalah tenaga angin di Watts, kepadatan tenaga angin (PD) di W / m2, ρ adalah

kerapatan udara (diasumsikan 1.225 kg / m3) dan daerah sapu sudu rotor (A) dalam m2.

Kecepatan angin rata-rata dan kerapatan daya dapat digunakan untuk mengklasifikasikan

sumber energi angin dengan skema klasifikasi Klasifikasi Northwest Northwest Laboratories

(PNL). (Celik 2004; Ilinca et al., 2003). Kerapatan energi rata-rata (ED) adalah produk dari

kerapatan dan waktu daya rata-rata (T) dan dinyatakan dalam Persamaan 18:

(18)

Output energi dari WECS

Kinerja WECS yang dipasang di lokasi tertentu dapat dinilai dengan besaran output daya

selama periode waktu tertentu dan efisiensi konversi. Output tenaga listrik dari model turbin

angin (Akpinar dan Akpinar 2005; Garcia et al 1998; Mathew 2006) diajukan dalam Persamaan

𝑣 < 𝑣𝑐
0
𝑣𝑘 −𝑣𝑘
𝑐
𝑣𝑐 < 𝑣 ≤ 𝑣𝑟
𝑓(𝑥) = {𝑃𝑒𝑅 𝑣𝑘 𝑘 𝑣𝑟 ≤ 𝑣 ≤ 𝑣𝑓
𝑟 −𝑣𝑐
𝑃𝑒𝑅
0 𝑣 > 𝑣𝑓

Dimana vc, vr dan vf adalah cut-in, rated dan cut-off wind speed; Dan PeR adalah kekuatan

pengenal WECS. Output daya rata-rata (Pe, avg) turbin angin adalah parameter penting yang

berkaitan dengan total produksi energi dan pendapatannya. Pe, avg dapat dihitung dengan

ungkapan yang disajikan dalam Persamaan 20 berdasarkan fungsi distribusi Weibull (Akpinar

dan Akpinar 2005; Gaddada dan Kodicherla 2016):

𝑘 𝑘
𝑒 (𝑣𝑐 ⁄𝑐) −𝑒 (𝑣𝑟 ⁄𝑐) 𝑘
𝑃𝑒,𝑎𝑣𝑒𝑛𝑔𝑒 = 𝑃𝑒𝑟 { (𝑣 𝑘 𝑘 − 𝑒 (𝑣𝑓 ⁄𝑐) }
𝑟 ⁄𝑐 ) −(𝑣𝑐 ⁄𝑐 )

Faktor kapasitas (Cf) adalah salah satu indeks yang signifikan untuk mengevaluasi kinerja

lapangan WECS. Hal ini dapat didefinisikan sebagai rasio antara energi aktual yang dihasilkan

oleh sistem dan energi yang mungkin dihasilkan olehnya, jika mesin tersebut beroperasi pada
daya pengenalnya sepanjang periode waktu yang ditentukan. Dengan demikian, Cf

mencerminkan seberapa efektif suatu sistem dapat memanfaatkan energi yang ada dalam

spektrum angin di lokasi tertentu dan oleh karena itu merupakan fungsi dari turbin angin serta

karakteristik rezim angin. Biasanya, Cf disajikan dalam Persamaan 21 dinyatakan setiap tahun.

Untuk turbin yang cukup efisien di lokasi potensial Cf dapat berkisar antara 0,25 dan 0,4. Telah

dicatat bahwa Cf yang lebih tinggi dari sistem akan berinteraksi sangat efisien dengan rezim

angin (Mathew 2006).

𝑃𝑒,𝑎𝑣𝑔 𝐸
𝐶𝑓 = = 𝑇𝑃𝑤𝑡
𝑃𝑒𝑅 𝑒𝑅

Dimana Ewt adalah energi yang dihasilkan selama periode waktu T (biasanya satu tahun).

Sistem pemompaan air (WPS)

Sistem pemompaan air bertenaga angin dapat dikelompokkan menjadi tiga kelompok besar:

mekanik-piston, mekanis-airlift (rotodynamic) dan listrik. Secara umum, volume air yang

dihasilkan oleh pompa rotodinamika dan listrik dianggap lebih besar daripada pompa piston

pada rezim angin yang sama karena ada hubungan yang lebih baik antara pompa rotodinamik

dan listrik daripada pompa pompa dan pompa piston (Hau dan Renouard 2006; Mathew,

Pandey, dan Kumar 2002). Efisiensi sistem pemompaan air dapat diasumsikan 0,575 dan

kepala pompa yang dipilih adalah 35 m; Karena permukaan air berkisar antara 15 dan 50 m di

wilayah ini. Volume air tahunan yang diproduksi oleh WECS (Genç 2011; Mathew 2006) dapat

diperkirakan dari Persamaan 22.

𝑛𝐸𝑤𝑡
𝑉𝑤 =
𝜌𝑤 𝑔𝐻

Analisis biaya WECS

Evaluasi biaya unit energi yang dihasilkan oleh WECS untuk pembangkit listrik atau

pemompaan air melibatkan estimasi energi yang dihasilkan atau air yang dihasilkan oleh

turbin angin selama periode waktu tertentu. Dua metode yang paling sesuai untuk analisis

ekonomi WECS yang dapat digunakan secara luas adalah 'nilai sekarang bersih' dan 'biaya
energi unit' (Feregh 1993). Kisaran biaya spesifik turbin angin berdasarkan daya pengenal

dipertimbangkan (Adaramola dan Oyewola 2011). Estimasi biaya per unit (CPU) dibuat dengan

memperkirakan biaya per kW jam tertentu sebagai nilai biaya sekarang (PVC) dari suatu

investasi selama output energi selama umur turbin angin (Ahmed Shata dan Hanitsch 2006;

Habali dkk. 1987, Sarkar dan Hussain 1991) seperti yang disajikan dalam Persamaan 23.

𝑃𝑉𝐶
𝐶𝑃𝑈 = $⁄𝑘𝑊ℎ
𝐸𝑤𝑡

PVC dapat dihitung (Ahmed Shata dan Hanitsch 2006; Habali et al 1987; Lysen 1983; Sarkar

dan Hussain 1991) dari Persamaan 24:

1+𝑖 1+𝑖 𝑡 1+𝑖 𝑡

𝑃𝑉𝐶 = 𝐼 + 𝐶𝑜𝑚𝑟 [ ] [1 − ( ) ]−𝑆( )
𝑟−𝑖 1+𝑟 1+𝑟

Dimana saya adalah biaya investasi, Comr adalah biaya operasi, biaya utama dan perbaikan,

saya adalah tingkat inflasi, r adalah tingkat suku bunga, t adalah masa pakai mesin (dalam

tahun-tahun) dan S adalah nilai memo .

Untuk menggunakan berbagai parameter dalam Persamaan 24, asumsi berikut biasanya

dibuat (Ahmed Shata dan Hanitsch 2006; Habali et al 1987; Sarkar dan Hussain 1991):

A) Biaya investasi (I) adalah penjumlahan biaya pokok WECS ditambah biaya pekerjaan sipil

dan kabel sambungan ke jaringan (20% dari harga).

B) Biaya operasi, pemeliharaan dan perbaikan (Comr) dianggap 25% dari biaya tahunan angin

Turbin (harga mesin / umur) dan harus ditingkatkan dengan tingkat inflasi umum.

C) Tingkat inflasi (i) dan tingkat suku bunga (r) masing-masing diambil 10,4% dan 5,08%, yang

dalam kondisi sekarang (yang dianggap sampai dengan Januari 2015) adalah nilai wajar untuk

konteks Ethiopia.

D) Masa hidup (t) dari themachine diasumsikan 25 tahun

E) Nilai skrap (S) diambil sebagai 10% dari biaya investasi (mesin dan pekerjaan sipil). Tingkat

biaya listrik yang dihasilkan per kWh dapat dihitung dari Persamaan 25.
 𝐶𝑤𝑡
𝐶𝑒𝑏𝑐 = $⁄𝑘𝑊ℎ
𝐸𝑤𝑡

Demikian pula, biaya air yang dihasilkan per meter kubik dapat diperkirakan dari Persamaan

26.

𝐶𝑤𝑡
𝐶𝑤𝑎𝑡𝑒𝑟 = $⁄𝑚3
𝑉𝑤

Hasil dan Diskusi

Distribusi frekuensi kecepatan angin
Probabilitas distribusi kumulatif Weibull yang berasal dari data kecepatan angin yang
dikumpulkan di lokasi yang diambil ditunjukkan pada Gambar 1 (a) dan Gambar 1 (b). PDF
Weibull menunjukkan proporsi kecil waktu dimana kecepatan angin yang diberikan mungkin
terjadi di suatu lokasi. Puncak puncak fungsi kerapatan yang dipelintir menuju nilai kecepatan
angin rata-rata yang lebih tinggi disajikan pada Gambar 1 (a). Puncak PDF menggambarkan
sebagian besar kecepatan berulang di lokasi yang dipilih. Kecepatan angin yang paling sering
diperkirakan di Atsbi, Mekele dan Senkata masing-masing sekitar 3, 4 dan 2 m / s. Di antara
lokasi yang dipilih, Mekele memiliki penyebaran kecepatan angin tertinggi.
CDF kecepatan angin di lokasi yang dipilih (lihat Gambar 1 (b)) diamati sebagai tren analog dan
dapat digunakan untuk memperkirakan waktu dimana kecepatan angin dalam jangka waktu
tertentu. Untuk kecepatan angin yang lebih besar dari atau sama dengan kecepatan angin 2,5
m / s, Atsbi, Mekele dan Senkata memiliki frekuensi sekitar 50%, 66% dan 25%, sedangkan
lokasi yang sama memiliki frekuensi sekitar 16,6%, 66,6% dan 8,3% untuk kecepatan angin
potong 3 m / s. Jika sistem turbin angin dengan desain cut-in kecepatan angin 2,2 m / s
digunakan di lokasi pembangkit listrik ini, maka akan memiliki frekuensi lebih dari 50% (Ojosu
dan Salawu 1990).

Berarti kecepatan angin dan densitas daya

Variasi bulanan dari karakteristik kecepatan angin rata-rata, seperti mean power density (PD)
dan mean
Densitas energi (ED) disajikan pada Tabel 2-4. Kecepatan angin rata-rata bulanan di Mekele
bervariasi antara
1,71 m / s pada bulan September dan 5,05 m / s pada bulan Maret dan April berturut-turut
(lihat Tabel 3). PD bulanan bervariasi antara 3,08 W / m2 pada bulan September dan 79,06 W
/ m2 pada bulan Maret. Kedua kecepatan angin dan kerapatan daya biasanya
dipertimbangkan untuk mengklasifikasikan sumber energi angin di lokasi berdasarkan skema
klasifikasi tenaga angin Pacific Northwest Laboratory (PNL) (Elliott dan Schwartz 1993; Ilinca et
al., 2003; Yu and Qu 2010; Zhou , Yang, dan Fang 2006). Menurut skema klasifikasi PNL, semua
lokasi yang dipilih termasuk dalam Kelas 1 (PD ≤ 100). Pada Atsbi, kecepatan angin rata-rata
minimum dan maksimum bulanan adalah 2,21 dan 3,29 m / s, sedangkan kecepatan angin
rata-rata tahunan adalah 2,59 m / s (lihat Tabel 2). Kerapatan daya rata-rata bulanan
bervariasi
(Grafik)

Gambar 1: Distribusi kecepatan angin tahunan. (A) distribusi probabilitas dan (b)
fungsi distribusi kumulatif. Antara 6,59 W / m2 pada bulan Januari dan 21,87 W / m2
pada bulan April. Demikian juga, di Mekele, kecepatan angin rata-rata minimum dan
maksimum bulanan adalah 1,71 dan 5,05 m / s, sedangkan kecepatan angin rata-rata
tahunan adalah 3,49 m / s (lihat Tabel 3). Kerapatan daya rata-rata bulanan bervariasi
antara 3,08 W / m2 pada bulan September dan 79,06 W / m2 pada bulan Maret. Di
Senkata (lihat Tabel 4), kecepatan angin rata-rata minimum dan maksimum bulanan
adalah 1,42 dan 3,12 m / s, sedangkan kecepatan angin rata-rata tahunan adalah 2,18 m
/ s. Kerapatan daya rata-rata bulanan bervariasi antara 1,76 W / m2 pada bulan Agustus
dan 18,58 W / m2 pada bulan April.
Parameter bentuk Weibull paling rendah (k) adalah 2,94 pada bulan Mei di Senkata dan
mencapai nilai tertinggi 4,69 pada bulan Desember di Atsbi. Parameter bentuk tahunan
yang diamati di Atsbi, Mekele dan Senkata masing-masing adalah 4,24, 3,75 dan 3,58.
Parameter skala Weibull paling rendah (c) diperoleh pada 1,59 m / s pada bulan
Agustus di Senkata dan tertinggi 5,62 m / s pada bulan Maret di Mekele. Faktor bentuk
tahunan untuk Atsbi, Mekele dan Senkata diperoleh masing-masing 2,85, 3,87 dan 2,43
m / s. Perlu diketahui bahwa Mekele memiliki kecepatan angin rata-rata tahunan
tertinggi dan kepadatan tenaga tahunan (ED) di antara lokasi yang dipilih. Meskipun,
kecepatan angin yang paling mungkin (VF) adalah karakteristik statistik yang tidak
terkait langsung dengan potensi energi angin, bukan berarti Mekele memiliki potensi
angin jauh lebih tinggi daripada lokasi lain yang dipertimbangkan dalam penelitian ini
(Bagiorgas et al 2007) . Namun, efisiensi turbin angin erat kaitannya dengan VE, yang
seharusnya sedekat mungkin dengan desain atau kecepatan angin yang diperhitungkan
dari sistem. Oleh karena itu, jika turbin angin yang diusulkan dipasang di Mekele,
kemungkinan besar akan menghasilkan daya yang lebih tinggi daripada lokasi yang
dipilih lainnya. Selanjutnya, kecepatan angin rata-rata bulanan di wilayah Ethiopia
Utara berkisar antara 1,42 dan 5,05 m / s. Selain itu, kerapatan rata-rata bulanan juga
bervariasi antara 1,76 dan 79,06 W / m2, sedangkan kerapatan daya rata-rata tahunan
masing-masing berkisar antara 7,20 dan 35,13 W / m2.
Hal ini memperhatikan bahwa sumber daya angin di lokasi ini termasuk dalam Kelas 1
(PNL, Ilinca et al., 2003) dan dapat dianggap sedikit sesuai atau tidak sesuai untuk
produksi energi angin. Namun, mereka bisa cocok untuk pemompaan air dan
pembangkit listrik skala kecil (Adekoya dan Adewale 1992; Fagbenle dan Karayiannis
1994; Ojosu dan Salawu 1990). Secara umum, turbin angin modern memerlukan
kecepatan angin 3-5 m / s, saat kecepatan angin pengenal antara 10 dan 15 m / s untuk
mencapai output daya maksimum (Zhou, Yang, dan Fang 2006) . Untuk aplikasi
pemompaan air, turbin angin
Dengan kecepatan angin rata-rata 2,0 m / s dapat dipertimbangkan (Meel dan Smulders
1989).
Gambar 2 menyajikan variasi bulanan PD yang berkisar antara 3,08 dan 79,06 W / m2
di lokasi yang dipilih. Demikian juga, hubungan linier antara kecepatan angin rata-rata
bulanan (U) dan kerapatan daya rata-rata (PD) juga disajikan pada Gambar 3. Di antara
lokasi yang dipilih, Mekele menunjukkan regresi yang lebih tinggi (R2 = 0,944).
Meskipun, kerapatan daya sesaat diberikan oleh momen kubik dari kecepatan angin
(Persamaan 17) dari PDF, yang melibatkan dalam ekspresi korelasi linier dengan
momen pertama (Bagiorgas et al 2007;.
Tabel 2: Parameter Weibull dan karakteristik angin di Atsbi.

Tabel

Balouktsis, Chassapis, dan Karapantsios 2002). Lereng pada Gambar 3, diliputi dalam proporsi
yang kuat dengan jumlah 'c / k' dalam bentuk fungsi linier, ditunjukkan pada Gambar 4.

Kinerja WECS yang dipilih

Tujuh WECSs komersial berukuran kecil sampai menengah dengan daya pengenal antara 25
dan 2000 kW dipilih untuk mensimulasikan kinerjanya di tiga lokasi yang dipilih. Ini adalah
model P12-25, P15-50, P21-100, P50-500 dan P62-1000 (Polaris America LLC, Lakewood, NJ,
AS); Model WES 30 (Wind Energy Solutions BV, Belanda) dan V 110-2.0 (Sistem Angin Vestas A
/ S, Hedeager 42, 8200 Arhus N, Denmark). (Lihat alamat website Polaris, Vesta dan Solusi
Energi Angin di Indonesia)

(Grafik 2)
Variasi kerapatan angin bulanan rata-rata (PD) di lokasi yang dipilih.

Daftar referensi.) Model turbin angin yang dipilih dan spesifikasi teknis mereka diperlengkapi
pada Tabel 5.
Untuk setiap lokasi yang dipilih, output energi tahunan (Pavg) dan faktor kapasitas (Cf)
berdasarkan parameter Weibull pada ketinggian hub masing-masing diperkirakan
menggunakan Persamaan 20 dan 21. Efisiensi biaya turbin angin kira-kira dapat diprediksi oleh
Cf turbin angin. Faktor ini berfungsi baik untuk konsumen dan produsen sistem turbin angin
(Celik 2004). Dari model Gambar 5 (a), POLARIS P12-25 dan POLARIS P15-50 menunjukkan
faktor kapasitas tertinggi 2,21% dan 2,35% di Mekele dan paling sedikit 0,045% dan 0,078% di
Atsbi dan Senkata. Dapat diketahui bahwa biaya pembangkit listrik yang menggunakan turbin
angin berbanding terbalik dengan Cf dan seharusnya

(Grafik3)
Hubungan linier antara mean wind speed (U) dan mean power density (PD).

(Grafik 4)
Hubungan antara lereng pada Gambar 3 dan kuantitas c / k.

Dipertimbangkan sebelum investasi dilakukan (Paul, Oyedepo, dan Adaramola 2012). Oleh
karena itu, pemasangan model turbin angin di Mekele akan disarankan untuk pembangkit
listrik yang layak.
Dari Gambar 5 (b), diketahui bahwa terlepas dari jenis turbin angin, Mekele nampaknya
merupakan situs terbaik untuk produksi energi angin karena pada kenyataannya memiliki
kecepatan angin rata-rata tahunan tertinggi dan kecepatan angin di hub Ketinggian. Output
energi rata-rata tahunan di Mekele berkisar antara 484,22 MWh / tahun dengan
menggunakan model POLARIS P 12-15 dan 20.215,1 MWh / tahun menggunakan VESTAS
V110-2.0. Selanjutnya, tren naik terlihat antara energi angin tahunan rata-rata dan daya
pengenal turbin angin. Output energi tahunan yang paling sedikit diperhatikan dengan 48,51
dan 32,19 MWh / tahun di Atsbi dan Senkata menggunakan POLARIS P 12-25 dan tertinggi
1.370,79 dan 948,99 MWh / tahun menggunakan VESTAS V110-2.0 dan POLARIS P 62-1000 di
Atsbi dan Senkata, hormat. Untuk masing-masing situs ini, daya yang dihasilkan oleh masing-
masing turbin angin dipilih mengikuti tren serupa yang terlihat di Mekele. Terlepas dari lokasi,
VESTAS V110-2.0 menghasilkan jumlah output energi tahunan tertinggi. Berdasarkan output
energi tahunan dan faktor kapasitas, POLARIS P62-1000 dan VESTAS V110-2.0 akan menjadi
model turbin angin yang paling sesuai untuk pembangkit listrik di Mekele dan aplikasi skala
kecil di lokasi lain yang dipilih. Namun, dengan mendesain ulang model turbin angin yang
dipilih, output energi tahunan dan faktor kapasitas dapat ditingkatkan secara signifikan.

Analisis ekonomi energi dan air yang dihasilkan oleh WECS

Selain kuantitas air yang dikirim oleh WPS menggunakan WECS, biaya energi dan air yang
dihasilkan oleh

(Grafik 5)
Kinerja WECS yang dipilih di lokasi yang dipilih. (A) Faktor kapasitas dan (b) Output energi
tahunan rata-rata.

WECS adalah parameter penting lainnya (Genç 2011). Ethiopia adalah salah satu negara di
sub-Sahara Afrika dan dunia yang memiliki akses paling sedikit ke sistem pasokan air. Orang-
orang yang tinggal di daerah pedesaan yang bertebaran di sekitar lokasi yang dipilih memiliki
akses terbatas terhadap air minum portabel. Biaya listrik diatur oleh EEPCo dan sangat
tergantung pada bagaimana konsumen dikategorikan (perumahan, komersial dan industri,
dan lain-lain) dan tingkat konsumsi listrik mereka (EEPCo 2011). Faktor-faktor ini selain, karena
kendala ekonomi dan teknis, disarankan agar turbin angin yang layak dilakukan dengan
karakteristik karakteristik angin spesifik lokasi dipilih dari yang tersedia secara komersial.

Tabel 6 menyajikan output energi tahunan dari WECS yang dipilih dan volume pemompaan air
melalui WPS. Hal ini melihat bahwa output energi tahunan bervariasi antara 26.821,34 MWh
yang dihasilkan dengan menggunakan POLARIS P 12-25 di Atsbi dan 2,15,08,814 MWh yang
dihasilkan dengan menggunakan VESTAS V 100-2.0 di Mekele. Nilai untuk konsumsi daya
listrik (kWh per kapita) di Etiopia adalah 51,96 pada 2011. Berdasarkan strategi ini, output
energi tahunan yang menggunakan VESTAS V 110-2,0 dapat melayani kebutuhan listrik sekitar
77.235 jiwa di Atsbi dan 70.638 di Senkata. . Begitu pula dengan energi tahunan maksimal

Tabel 5: Fitur khas dari WECS yang dipilih.

Tabel
Output menggunakan VESTAS V 110-2,0 dapat melayani 41.394 penduduk di Mekele.
Energi tahunan yang dihasilkan oleh masing-masing model turbin angin bervariasi dari
satu tempat ke tempat lain. Dengan menggunakan VESTAS V 110-2,0 di Atsbi dan
Senkata, masing-masing, faktor kapasitas tahunan berbeda antara 28% dan 25,7%.
Namun, terlepas dari lokasi, di antara model yang dipilih, POLARIS P 12-25 dan
POLARIS P 15-50 memiliki nilai tertinggi Cf. Ini mungkin karena kecepatan cut-in
low-rated 2,7 m / s, yang merupakan yang terendah di antara turbin angin terpilih. Rata-
rata volume air tahunan yang diputar dengan WPS menggunakan POLARIS P 12-25
adalah 376,99 m3 di Senkata dan 99.478,21 m3 dengan menggunakan VESTAS V 110-
2,0 di Mekele (lihat Tabel 6). Menurut Rencana Akses Universal Air Urban Supply
(UWSUAP, 2011-2015), penggunaan air di daerah pedesaan dan perkotaan di Etiopia,
pada 2015, menjadi 15 sampai 20 liter per kapita per hari (Kementerian Energi dan
Sumber Daya Air , 2011). Oleh karena itu, berdasarkan rata-rata konsumsi 20 liter per
kapita per hari, air yang dikirim oleh WPS dapat melayani maksimal 4974 jiwa,
tergantung pada model dan lokasi turbin. Jumlah air yang dikirim oleh WPS, yang
menggunakan setiap turbin angin di lokasi yang dipilih, juga disajikan pada Tabel 4.
Analisis biaya keluaran energi potensial dan air yang dikirim oleh WPS menggunakan
WECS disajikan pada Tabel 7. Kisaran biaya air bervariasi antara $ 1,589 per meter
kubik di Mekele menggunakan POLARIS P 15-50 dan $ 17.928 per meter kubik di
Atsbi menggunakan model WES. Secara umum, berdasarkan data yang digunakan
dalam analisis ini, WPS dengan POLARIS P 12-25 dan POLARIS P 15-50 adalah
pilihan yang paling ekonomis di lokasi yang dipilih.

Kesimpulan
Potensi energi angin dan evaluasi ekonomi sistem pemompaan air dengan menggunakan
WECS di lokasi yang dipilih di Northern Ethiopia dianalisis. Dari hasil analisis dan pembahasan,
kesimpulan berikut ditarik:
. Kecepatan angin rata-rata tahunan adalah 2,59, 3,49 dan 2,18 m / s, sementara kecepatan
angin tahunan yang membawa energi maksimum adalah 3,23, 4,02 dan 2,86 m / s di Atsbi,
Mekele dan Senkata.
. Parameter ukuran dan skala Weibull tahunan bervariasi dari 2,33 menjadi 4,45 dan 2,43
menjadi 3,87 m / s.
. Kerapatan daya rata-rata tahunan di Atsbi, Mekele dan Senkata masing-masing adalah 11,09,
35,13 dan 7,20 W / m2. Sesuai dengan skema klasifikasi sumber daya PNL, lokasi yang dipilih
termasuk dalam Kelas 1.
. Model POLARIS P 12-25 dan POLARIS P 15-50 menemukan pilihan yang layak secara ekonomi
untuk pembangkit listrik serta pemompaan air di semua lokasi yang dipilih.

Pernyataan Pengungkapan
Tidak ada potensi konflik kepentingan yang dilaporkan oleh penulis (s).