Evaluasi Respon Dinamis Konverter Cascaded Buck-Boost Tiga Unit Menggunakan Pendekatan Simulasi di MATLAB/Simulink
DOI:
https://doi.org/10.61722/jssr.v3i6.6995Keywords:
DC-DC Converter, Buck-Boost, Cascaded Converter, Dynamic Response, MATLAB Simulation.Abstract
Konverter DC-DC tipe buck-boost banyak digunakan pada sistem daya karena kemampuannya untuk menaikkan maupun menurunkan tegangan sesuai kebutuhan beban. Namun, pada aplikasi yang membutuhkan rentang pengaturan tegangan yang lebih luas serta stabilitas yang tinggi, konfigurasi satu tahap seringkali tidak mencukupi. Oleh karena itu, penelitian ini mengevaluasi respon dinamis konverter cascaded buck-boost tiga unit menggunakan pendekatan simulasi pada MATLAB/Simulink. Setiap unit konverter dihubungkan secara seri untuk meningkatkan fleksibilitas pengaturan tegangan keluaran. Analisis dilakukan dengan mengamati perubahan tegangan keluaran terhadap variasi duty cycle dan pembebanan untuk menilai karakteristik transien dan kestabilan sistem. Hasil simulasi menunjukkan bahwa konfigurasi cascaded mampu menghasilkan tegangan keluaran yang stabil dengan respon transien yang terkendali, meskipun sensitivitas terhadap variasi duty cycle meningkat seiring bertambahnya jumlah tahap. Dengan demikian, topologi cascaded buck-boost tiga unit dapat diterapkan pada sistem tenaga DC yang membutuhkan pengaturan tegangan adaptif dan luas. Kata kunci: Konverter DC-DC, Buck-Boost, Cascaded Converter, Respon Dinamis, Simulasi MATLAB.
References
Antoaneta, A., Bocean, C. G., Rotea, C. C., & Budic, A. (2021). Assessing Antecedents of Behavioral Intention to Use Mobile Technologies in E-Commerce.
Extraction, M. F., Decision, E., Using, M., & Approaches, L. (n.d.). Multivariate Features Extraction and Effective Decision Making Using Machine Learning Approaches. https://doi.org/10.3390/en13030609
Investments, E. (2022). Geopolitical Risk as a Determinant of Renewable Energy Investments. 1–21.
Kalbantner, J., Markantonakis, K., Hurley-smith, D., & Semal, B. (2021). P2PEdge : A Decentralised , Scalable P2P Architecture for Energy Trading in Real-Time. 1–25.
Man, P., Ding, C., Ren, W., & Xu, G. (2021). A Nonlinear Fingerprint-Level Radar Simulation Modeling Method for Specific Emitter Identification.
Method, B. (2023). Boltzmann Method.
Plaza, M. G., Mart, S., & Rubiera, F. (2020). Cement Industry : State of the Art and Expectations. (1).
Shamseldin, M. A. (2023). Design of Auto-Tuning Nonlinear PID Tracking Speed Control for Electric Vehicle with Uncertainty Consideration.
Tawfiq, K. B., & Ibrahim, M. N. (2022). A Simple Commutation Method and a Cost-Effective Clamping Circuit for Three-to-Five-Phase Indirect-Matrix Converters.
Underwater, C., & Materials, R. (2021). Investigation and Practical Application of Silica Nanoparticles Composite Underwater Repairing Materials. 1–10.
Zhang, Y., Zhu, Y., Han, K., & Wang, J. (2021). A High-Accuracy Stochastic FIR Filter with Adaptive Scaling Algorithm and Antithetic Variables Method. 1–13.
Zhao, Q., Bao, K., Wang, J., Han, Y., & Wang, J. (2019). An Online Hybrid Model for Temperature Prediction of Wind Turbine Gearbox Components. 1–20. https://doi.org/10.3390/en12203920
Downloads
Published
Issue
Section
License
Copyright (c) 2025 JOURNAL SAINS STUDENT RESEARCH
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
