Dua PLTS 366 MW di Spanyol memberi peta jalan bagi Indonesia: bagaimana surya skala besar, AI, dan kemandirian energi daerah bisa berjalan bareng.
Spanyol Bangun 366 MW Surya, Indonesia Harus Baca Sinyalnya
Dua pembangkit listrik tenaga surya baru di Komunitas Valencia, Spanyol, akan menyuplai listrik bersih ke sekitar 200.000 rumah dan menghindari 52.000 ton COâ‚‚ per tahun. Proyek ini bukan cuma kabar baik untuk Eropa, tapi juga cermin buat Indonesia yang lagi serius mengejar target transisi energi.
Di seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan” ini, kasus Iberdrola di Spanyol menarik karena menggabungkan tiga hal yang sedang kita kejar: energi surya skala besar, kemandirian energi daerah, dan orkestrasi sistem listrik yang makin kompleks – di sinilah AI masuk.
Artikel ini membedah apa yang dilakukan Iberdrola, lalu mem-breakdown: apa relevansinya untuk Indonesia, dan bagaimana AI bisa mempercepat skenario serupa di Jawa, Sumatra, Kalimantan, sampai Nusa Tenggara.
Sekilas Proyek: Dua PLTS Besar, Satu Pesan Jelas
Intinya, Iberdrola España sedang membangun dua PLTS:
- Cofrentes I – kapasitas 184 MW
- Ayora 1 – kapasitas 182 MW
- Total: 366 MW surya
- Produksi tahunan: > 650 GWh listrik bersih
- Emisi dihindari: ± 52.000 ton CO₂ per tahun
- Rumah terlayani: sekitar 200.000 rumah
- Target operasi: akhir 2026
- Investasi: €252 juta
Di puncak konstruksi, proyek ini menyerap 1.300 pekerja, mayoritas dari lembah Ayora–Cofrentes. Setelah operasi, proyek masih menciptakan lapangan kerja untuk operasi dan pemeliharaan.
Buat Indonesia, angka-angka ini memberi gambaran konkret: 366 MW surya bisa jadi tulang punggung energi bersih di satu wilayah, asalkan sistem kelistrikannya siap – dan kesiapan itu sekarang hampir selalu berarti AI-ready grid.
Pelajaran Langsung untuk Indonesia: Bukan Sekadar Tambah MW
Hal paling sering salah kaprah di proyek energi terbarukan adalah fokus hanya ke kapasitas terpasang. “Berapa MW?” jadi pertanyaan utama, padahal yang lebih krusial adalah: bagaimana energi itu diintegrasikan ke jaringan dan ke pasar.
Dari proyek Iberdrola, setidaknya ada empat pelajaran yang nyambung ke konteks Indonesia:
1. Kemandirian energi regional
Cofrentes I dan Ayora 1 didesain untuk memperkuat kemandirian energi Komunitas Valencia. Ini mirip dengan kebutuhan kita di:
- Sistem kelistrikan terpisah seperti di NTT, Maluku, Papua
- Wilayah industri baru di Kalimantan (IKN, kawasan industri hijau)
- Daerah wisata dengan beban musiman seperti Bali dan Labuan Bajo
Di sini, AI untuk prediksi beban dan produksi surya jadi kunci agar sistem lokal tetap stabil walau penetrasi PLTS tinggi.
2. Dampak sosial-ekonomi lokal
1.300 pekerja di fase konstruksi bukan angka kecil. Ini menunjukkan pola yang seharusnya jadi standar proyek energi terbarukan di Indonesia:
- prioritas pemasok lokal
- pelatihan tenaga kerja lokal
- transfer skill operasi dan maintenance
AI pun punya peran: sistem monitoring berbasis AI yang user-friendly membuat tim lokal bisa mengoperasikan aset kompleks tanpa harus semua insinyur senior dari Jakarta.
3. Pendekatan investasi selektif & PPA
Iberdrola memakai pendekatan investasi fotovoltaik selektif, terikat ke power purchase agreement (PPA) energi terbarukan dan kemitraan investor.
Untuk Indonesia, terutama bagi:
- pengembang IPP surya skala besar
- BUMD energi daerah
- kawasan industri yang ingin energi hijau
kuncinya adalah desain skema PPA yang bankable dan data operasi yang transparan. AI membantu di sini dengan:
- proyeksi produksi energi yang lebih akurat
- analisis risiko teknis dan finansial
- simulasi skenario harga dan beban
4. Rantai pasok nasional yang ikut naik kelas
Proyek Iberdrola melibatkan pemasok Spanyol seperti Ingeteam, Eiffage, Ormazabal, Mesa, OHLA. Dengan kata lain, proyek PLTS besar jadi katalis industri nasional, bukan hanya “import modul, pasang, selesai”.
Indonesia bisa meniru pola ini dengan:
- mendorong pabrik inverter, struktur mounting, dan panel di dalam negeri
- menyiapkan startup lokal yang fokus ke AI untuk monitoring, prediksi, dan optimasi PLTS
Di Mana AI Masuk? Dari Panel Sampai Jaringan
Kalau hanya bicara “bangun PLTS 366 MW”, itu proyek teknik biasa. Yang membuat sistem energi masa depan berbeda adalah bagaimana AI mengatur ribuan MW variabel secara real-time.
1. Prediksi produksi surya yang presisi
AI bisa menggabungkan data:
- citra satelit dan cuaca
- histori produksi panel
- suhu, kelembapan, dan faktor lokal lain
untuk memprediksi output PLTS per 5–15 menit ke depan dengan jauh lebih akurat daripada metode konvensional.
Dampaknya ke Indonesia:
- PLN bisa menjadwalkan pembangkit cadangan (gas, hidro) dengan lebih efisien
- mengurangi kebutuhan spinning reserve yang mahal
- menekan biaya sistem, yang ujungnya menahan kenaikan tarif listrik
2. Optimasi operasi PLTS skala besar
Sistem manajemen PLTS berbasis AI bisa:
- mendeteksi soiling (panel kotor) dan potensi kerusakan lebih dini
- merekomendasikan jadwal pembersihan dan pemeliharaan paling efisien
- menyeimbangkan output antar string atau blok panel
Ini penting di Indonesia yang punya:
- curah hujan tinggi di banyak wilayah
- debu dan garam laut di kawasan pesisir
Tanpa AI, efisiensi sering turun pelan-pelan dan baru ketahuan ketika sudah terlambat.
3. Integrasi ke smart grid dan mikrogrid
Proyek seperti Cofrentes I dan Ayora 1, kalau ditempatkan di Indonesia, paling efektif bila dikombinasikan dengan:
- mikrogrid cerdas untuk wilayah industri atau pulau
- sistem manajemen energi (EMS) berbasis AI
- baterai (BESS) di titik strategis
AI di sini berperan mengatur:
- kapan menyimpan energi ke baterai
- kapan mengalirkan ke jaringan utama
- bagaimana meminimalkan pemadaman dan curtailment PLTS
Untuk IKN dan kawasan industri hijau, pola ini sangat relevan.
Studi Kasus Bayangan: “Cofrentes I” Versi Jawa & Nusa Tenggara
Supaya lebih konkret, bayangkan duplikasi pola Spanyol ke Indonesia.
Skenario 1: “Cofrentes I” di Jawa Barat
- Kapasitas: 180–200 MW surya
- Lokasi: dekat kawasan industri dan permukiman baru
- Terhubung ke jaringan Jawa-Bali yang beban puncaknya tinggi
Dengan AI untuk sektor energi Indonesia:
- Prediksi beban industri vs rumah tangga digabung dengan prediksi produksi surya
- Sistem demand response otomatis bisa menggeser beban fleksibel (misalnya pompa industri, cold storage) ke jam produksi surya tinggi
- Hasilnya: pemanfaatan PLTS maksimal, kebutuhan PLTU cadangan turun
Skenario 2: “Ayora 1” di NTT dengan mikrogrid
- Kapasitas: 50–100 MW terdistribusi di beberapa titik
- Terintegrasi dengan baterai dan PLTD eksisting
- Jaringan lokal relatif lemah dan tersebar
Peran AI di sini:
- mengontrol frekuensi dan tegangan di mikrogrid dengan sumber variabel
- memutus dan menghubungkan bagian jaringan secara dinamis bila ada gangguan
- menjaga agar PLTD hanya jalan minimum, PLTS dan baterai jadi pemain utama
Kedua skenario ini butuh satu kesamaan: sistem pengambilan keputusan berbasis data, bukan hanya intuisi operator. Itulah inti AI di sektor energi.
Strategi Praktis untuk Pemain Energi di Indonesia
Buat pengembang, utilitas, BUMN/BUMD, sampai kawasan industri yang lagi menyusun roadmap energi bersih, ada beberapa langkah konkret yang bisa diambil dengan belajar dari kasus Iberdrola:
1. Rancang proyek dari awal dengan “AI-ready” mindset
Saat studi kelayakan dan desain awal, sudah harus dijawab:
- data apa saja yang akan dikumpulkan (level panel, string, inverter, cuaca lokal)
- platform apa yang akan dipakai untuk analytics dan AI
- bagaimana integrasi dengan SCADA dan sistem PLN
Proyek yang “AI-ready” dari awal jauh lebih murah disiapkan dibanding dipaksa terkoneksi belakangan.
2. Bangun tim gabungan: energi + data
Tim proyek jangan hanya diisi insinyur listrik dan sipil. Tambahkan:
- data scientist yang paham time-series energi
- engineer software/OT yang paham integrasi sistem industri
Kombinasi ini yang memungkinkan:
- prediksi beban dan produksi yang andal
- dashboard real-time yang berguna buat operator lapangan
3. Pakai PPA dan skema bisnis yang berbasis data
Investor butuh kepastian. Dengan AI, Anda bisa menyajikan:
- simulasi 10–20 tahun produksi energi berdasarkan data cuaca historis + model AI
- skenario risiko (kabut asap, polusi, perubahan pola cuaca)
- optimasi struktur tarif dan eskalasi
Data kuat membuat negosiasi PPA lebih sehat untuk semua pihak.
4. Jadikan proyek PLTS sebagai sekolah teknologi daerah
Tiru pendekatan di Valencia yang melibatkan banyak pekerja lokal. Di Indonesia, tambahkan satu langkah lagi:
- siapkan program magang dan pelatihan terkait AI untuk monitoring dan operasi PLTS
- gandeng politeknik, universitas, dan SMK setempat
Dampaknya ganda:
- daerah dapat energi bersih
- SDM lokal naik kelas ke ekonomi digital-energi, bukan hanya kerja konstruksi sementara
Arah Besar: Dari Valencia ke Jawa, Kalimantan, dan Timur Indonesia
Proyek Iberdrola di Valencia memperlihatkan satu hal sederhana: transisi energi bisa konkret, terukur, dan punya dampak lokal yang jelas. Bukan sekadar komitmen di konferensi internasional.
Indonesia punya potensi surya yang jauh lebih besar, tapi tantangannya juga lebih rumit: kepulauan, kesenjangan infrastruktur, dan kebutuhan listrik yang terus naik. Di titik inilah AI untuk sektor energi Indonesia bukan opsi pelengkap, melainkan mesin koordinasi seluruh ekosistem energi baru.
Kalau Spanyol bisa mengamankan otonomi energi regional dengan 366 MW surya dan sistem yang makin pintar, pertanyaannya sekarang: wilayah mana di Indonesia yang akan jadi “Valencia versi Nusantara” pertama – dan seberapa berani kita mengintegrasikan AI sejak hari pertama proyek dimulai?