PLTA Poso, sebagai pembangkit listrik tenaga air terbesar di Sistem Sulawesi Bagian Selatan (Sulbagsel) dengan daya kontrak sebesar 515 MW, memiliki peran strategis dalam menjaga keandalan sistem kelistrikan, terutama saat menghadapi beban puncak. Kinerja operasional PLTA ini sangat dipengaruhi oleh dinamika inflow dan elevasi Danau Poso, yang bergantung pada kondisi hidrologi yang fluktuatif. Dampak dari fenomena El Niño pada tahun 2023 menyebabkan penurunan signifikan pada inflow dan elevasi danau, sehingga menyebabkan defisit pasokan daya hingga 300 MW.
Sebagai respons terhadap tantangan tersebut, dikembangkan sebuah sistem berbasis deep learning yang mampu memprediksi inflow secara akurat dalam jangka pendek (7 hari), menengah (1 bulan), dan panjang (1 tahun) dengan 3 skenario yaitu basah, normal,dan kering. Selain itu, sistem ini memberikan rekomendasi pola operasi optimal guna memaksimalkan daya PLTA Poso dengan tetap mempertahan elevasi danau pada posisi yang aman.
Implementasi sistem ini menunjukkan peningkatan signifikan dalam efisiensi operasional. Analisis data historis memperlihatkan bahwa rata-rata Biaya Pokok Produksi (BPP) menurun sebesar Rp 45,49/kWh, sebagai hasil dari optimalisasi operasi dan pengurangan pemanfaatan pembangkit thermal yang lebih mahal. Dari sisi akurasi, sistem ini mencatat nilai Mean Absolute Percentage Error (MAPE) sebesar 6,04% untuk prediksi harian dan 15,53% untuk prediksi bulanan, jauh lebih baik dibandingkan metode eksisting PLTA Poso yang memiliki deviasi hingga 29,67%.
Lebih jauh, penerapan sistem ini berkontribusi nyata dalam mendukung transisi energi bersih. Sistem ini berhasil meningkatkan bauran energi terbarukan (Energy Mix EBT) dan menurunkan porsi pembangkit berbahan bakar fosil (Fuel Mix) sebesar 2,54%. Dengan demikian, optimasi hidrologi dengan forecasting inflow dan pola operasi PLTA poso berbasis LSTM untuk perbaikan BPP dan fuel-mix tidak hanya memperkuat keandalan sistem kelistrikan dengan pola operasi PLTA yang efektif, tetapi juga mendukung upaya menuju sistem energi yang lebih efisien, ramah lingkungan, dan berkelanjutan.