1
PENGENDALIAN TEMPERATUR PADA ECONOMIZER UNIT BOILER
MENGGUNAKAN FUZZY GAIN SCHEDULING PID CONTROLLER
DI PT. PETROKIMIA GRESIK
( Doni Kusuma Erwanda, Ir. Ronny Dwi Noriyati, M. Kes, Eri Wahyu W.ST ) Jurusan Teknik Fisika – Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih – Sukolilo, Surabaya 60111 Abstrak
Economizer adalah sejenis alat penukar panas aliran silang dimana panas dipindahkan dari gas
asap (hasil pembakaran) ke air pengisian (feed water) yang sedang masuk. Temperatur sangat berpengaruh pada proses in i dengan a danya p engendalian temperatur maka akan m eningkatkan e fisiensi dari s istem s esudah economizer yaitu HP drum.
Dengan perancangan kontrol Fuzzy Gain SchedullingPID Controller diharapkan dapat meningkatkan efisiensi d ari HP drum dengan menjaga t emperature m enjadi stabil. D ari p erancangan s istem didapatkan parameter n ilai tuning t erbaik u ntuk Kp: 2 0, K i: 2 dan K d: 50 yang t erbaik de ngan maksimum overshoot sebesar 15%, settling time (ts): 40s. Hasil p erancangan s istem menggunakan a lgoritma Fuzzy Gain
SchedullingPID Controller menunjukkan hasil respon pengendalian yang lebih baik dari mode pengendali P, PI
dan PID
Kata Kunci : Economizer, Temperatur, PID, Fuzzy Gain Schedulling
I. PENDAHULUAN
Economizer
dapat d iartikan s ebagai
penghemat bahan bakar dalam proses pemanasan air pengisian pada b oiler. A lat in i ju ga me mpunyai keuntungan yang lain, d imana a ir pe ngisian (feedwater) masuk kedalam Boiler dengan suhu yang lebih
tinggi, sehingga a ir B oiler tidak b anyak m engalami pendinginan ke tika memasukkan a ir pe ngisian yang baru. Dengan demikian pembuatan uap t idak banyak terganggu. Namun kinerja economizer sangat sensitif terhadap f aktor noise temperatur feedwater. H al ini dikarenakan bila t emperatur f eedwater t idak baik maka ak an mengakibatkan r espon b iaya o perasi meningkat. J ika e fektifitas pe rpindahan pa nas t idak optimal, maka dibutuhkan lebih ba nyak bahan bakar untuk m enghasilkan e fektifitas p erpindahan p anas yang d iinginkan. M aka da ri itu d iperlukan pengendalian t emperature p ada economizer agar temperature dapat terjaga dan bisa menhasilkan panas yang o ptimal. Dimana p ada P T. P etrokimia Gresik belum menggunakan controller sehingga temperature yang a da t idak t erkendali sehingga t emperature kadang n aik t erlalu t inggi d an t urun juga t erlalu rendah. M aka p erlu ad anya Fuzzy Gain Scheduling
PID Controller untuk m erubah parameter k ontrol
secara o tomatis jika t erjadi p erubahan k ondisi. Diharapkan d engan a danya Fuzzy Gain Scheduling
pada controller PID untuk mengontrol t emperatur
pada economizer ini b iasa me ningkatkan kinerja sistem yang suda ada sebelumnya.
II. TEORI PENUNJANG 2.1 Waste Heat Boiler
Waste Heat Boiler adalah je nis boiler
khusus, menghasilkan u ap bertekanan d engan c ara melepas p anas sisa d ari p roses. Boiler ini a kan mampu m enghemat ba han ba kar dan b iaya e nergi. Ada juga yang d isebut de ngan waste heat recovery
boiler, ya kni boiler yang tidak m embutuhkan i nput
energi. Biasanya diletakkan diatas sumber panas atau
stack. D idalamnya t erdapat pi pa berisi a ir yang
mengalir. P anas sisa pr oses a kan d igunakan u ntuk memanasi p ipa ini s eingga a ir d idalamnya akan menjadi uap panas, yang kemudian digunakan untuk memutar turbin generator.
Gambar 2.1 Desain Waste Heat Recovery Boiler
PT. Petrokimia Gresik[5]
Boiler economizer mengambil k embali
2
menyalurkannya m enuju boiler feed water. M aka sekarang boiler feed water juga da lam temperature lebih t inggi akibat panas dari boiler economizer. Hal ini a kan membantu pr oses p emanasan, k arena kini
boiler hanya membutukan lebih sedikit e nergi untuk
mengubah a ir menjadi u ap. Boiler economizer ini juga m eningkatkan efisiensi dari b oiler i tu s endiri, dengan cara menyedot panas dari pipa-pipa gas pada unit superheater atau d ari evaporative bank. P anas tersebut d isalurkan ke mbali menuju boiler feed
water.[5]
2.2 Economizer
Economizer adalah sejenis a lat pe nukar
panas al iran s ilang d imana p anas d ipindahkan dari gas a sap ( hasil pembakaran) ke a ir pe ngisian ( feed
water) ya ng s edang masuk. P enyerapan d i economizer ini juga da pat meningkatkan e fisiensi
boiler. Fungsi dari economizer sebagai pemanas awal
feed water sebelum masuk ke dalam s team dr um
dimana pa nas yang d iperoleh da ri ga s a sap d iserap oleh di nding-dinding p ipa economizer untuk memanaskan ai r d alam p ipa s ehingga ai r t ersebut menjadi s aturated. Economizer terisolasi r apat sehingga tidak ada udara l uar y ang m asuk da n mengganggu pe nyerapan pa nas p ada p ipa
economizer. D inding economizer terbuat da ri bahan
isolasi rock wall, bahan ini tahan terhadap panas yang tinggi da n t idak banyak menyerap pa nas. P ada dasarnya economizer terdiri da ri p ipa-pipa y ang jumlahnya banyak, ko nstruksi p ipa pada economizer sama s eperti p ada k onstruksi p ipa-pipa p emanas lanjut.
Gambar 2 Economizer [4]
Kinerja economizer ditentukan o leh fluida yang mempunyai k oefisien p erpindahan p anas yang rendah yaitu gas. Kecepatan perpindahan panas dapat ditingkatkan de ngan c ara meningkatkan ko efisien perpindahan p anas t otal d engan cara mengatur susunan t ubing/properti fan dan m eningkatkan l uas kontak pe rpindahan p anas. R espon yang d ihasilkan oleh economizer adalah efektifitas perpindahan panas dan biaya operasi.
Efektifitas pe rpindahan pa nas a dalah besarnya energi yang dapat terambil dari total jumlah energi yang d apat d iserap. S emakin besar e fisiensi perpindahan panas pada economizer, maka panas gas sisa yang t erambil akan s emakin banyak. S emakin besar e fektivitas pe rpindahan pa nas yang t erjadi, maka alat tersebut semakin efisien.
2.3 Fuzzy Logic Controller
Konsep logika fuzzy merubah konsep logika klasik m enjadi konsep y ang m emetakan s uatu variabel pa da ke mungkinan yang t idak e ksak sehingga da pat s istem linguistik da n pe rmasalahan yang tidak pasti atau tidak presisi serta permasalahan
probabilitas. B eberapa faktor penting ya ng m enjadi
bahasan dalam logika fuzzy sebagai berikut.
Pada d asarnya s truktur l ogika fuzzy dapat digambarkan seperti berikut :
Basis
Pengetahuan
Fuzzifikasi
Defuzzifikasi
Logika
Pengambilan
Keputusan
Fuzzy
Fuzzy
input
output
Gambar 3 Struktur Dasar Logika Fuzzy [6]
Fungsi d ari b agian-bagian d i atas a dalah s ebagai berikut:
Fuzzifikasi
Berfungsi u ntuk mngubah sinyal ma sukan yang be rsifat crisp ( bu kan fuzzy ) k e himpunan fuzzy dengan menggunakan operator
fuzzifikasi.
Basis Pengetahuan
Berisi basis d ata d an at uran d asar yang mendefinisikan h impunan fuzzy atas d aerah– daerah masukan da n k eluaran da n menyusunnya dalam perangkat aturan kendali. Logika Pengambil Keputusan
merupakan i nti dari L ogika Fuzzy yang mempunyai k emampuan s eperti manusia dalam mengambil k eputusan. A ksi atur fuzzy disimpulkan dengan m enggunakan i mplikasi
fuzzy dan mekanisme inferensi fuzzy.
Defuzzifikasi
berfungsi u ntuk mentransformasikan kesimpulan t entang ak si at ur yang bersifat
fuzzy menjadi s inyal sebenarnya ya ng be rsifat crisp dengan menggunakan o perator defuzzifikasi[6].
2.4 Pengendali Proposional Integral Derifatif(PID)
Untuk menutupi ke kurangan da ri masing – masing pe ngendali, ke tiga pe ngendali t ersebut da pat
3
saling d ikombinasikan menjadi p engendali P I, P D atau P ID. D alam k ombinasi PID, d iagram bloknya menjadi seperti pada gambar dibawah ini :
Gambar 4 Diagram Blok pengendali PID[1]
Gambar 5 Respon keluaran P,PD dan PID[1]
Keluaran P engendali P ID merupakan jumlahan d ari k eluaran P engendali p roporsional, keluaran Pengendali integral dan keluaran Pengendali diferensial. G ambar 2 .8 m enunjukkan r espon da ri pengendalian PID.
2.5 Fuzzy Gain Scheduling PID Control.
Kontrol P ID merupakan a lgoritma ko ntrol yang banyak d igunakan d i industri pr oses ka rena bentuknya yang s ederhana da n mudah diimplementasikan. Pada k ondisi o perasi t ertentu (seperti misalnya sering terjadi gangguan pada proses atau parameter proses yang berubah-ubah), parameter control ini harus sering di-tuned agar kinerjanya tetap baik. Salah s atu t eknik da lam sistem ko ntrol yang sering d ilakukan u ntuk mengatasi pe rmasalahan in i adalah dengan m enggunakan m etode PID Gain
Scheduling, d imana p arameter k ontrol d iubah s ecara
otomatis jika t erjadi perubahan kondisi o perasi yang menyebabkan kinerja kontrol menurun.
Kelebihan Gain scheduling terletak p ada perubahan c epat p arameter pe ngendali da lam merespon p erubahan pr oses. P ola ko nvensional gain
scheduling adalah m engembangkan m odel proses
yang t erlinearisasi p ada beberapa t itik o perasi dan merancang p engendali liniernya. M etode tersebut menggunakan p endekatan model driven. Logika fuzzy d apat d iaplikasikan p ada gain scheduling dalam b eberapa car a. Salah s atunya ad alah aplikasi logika f uzzy s ebagai gain scheduler dalam F uzzy
Computing dan membedakannya d engan F uzzy Controller (seperti p ada PID Fuzzy Controller)
karena d isini logika fuzzy tidak be rperan l angsung sebagai pengendali.
Pada aplikasi in i, f uzzy b erfungsi menghitung parameter kontrol PID (Kp, T i dan Td), berdasarkan ko ndisi signal e rror ( E) da n pe rubahan error. Secara u mum, d iagram fuzzy P ID g ain scheduling control dapat digambarkan seperti berikut.
Gambar 6 Blok diagram Fuzzy PID Gain Scheduling
Control
III. METODOLOGI PENELITIAN
Metodologi pe nelitian y ang di gunakan pa da tugas akhir ini sebagai berikut;
4
3.1 Dinamika Proses dan Pemodelan Economizer
Pada eco nomizer t erjadi p emanasan sementara, terjadi p erubahan f asa dari f asa ca ir menjadi fasa ua p ( uap jenuh). P enurunan model matematis d ari economizer mempergunakan h ukum kesetimbangan kalor.
Gambar 8 Sistem pada Economizer[7]
Hukum kesetimbangan kalor pada Economizer (1) (2) (3) Dimana :
= desitas uap pada Economizer (kg/m3) = volume Economizer (m3)
= kalor spesifik pada Economizer (kJ/kg.K) = kalor jenis air (kkal/kg0C)
= laju aliran massa dari Feed water pump (kg/s) = laju aliran massa ke HP drum (kg/s) = temperatur input Economizer (0C) = temperature output Economizer (0C) = kalor pembakaran pada Economizer (kJ/s) Berdasarkan d ata t eknis d i lapangan maka d iperoleh model d inamika da ri pe rsamaan d iatas s ebagai berikut : (4) (5) (6) 0 2000 4000 6000 8000 10000 12000 0 50 100 150 200 Time (s) T em p er at ur ( C ) sinyal respon
Gambar 9 Grafik respon keluaran economizer
Pada s imulasi ini diperoleh k eluaran temperatur economizer sebagai f ungsi flow air y ang masuk. Kenaikan temperatur ini diakibatkan sejumlah kalor yang d igunakan u ntuk memanasi economizer. Dari hasil simulasi sinyal uji step, dapat diamati pada grafik bahwa u ntuk flow air m asukan 110 K g/s da n 106.50C flow air yang masuk. U ntuk t emperatur pada r uang bakar a dalah 300 0C, di mana itu a dalah temperatur r ata-rata exhaust gas yang m asuk
economizer. Sedangkan untuk flow air keluaran yaitu
sekitar 70 K g/s, t emperatur yang da pat di capai
economizer adalah 171 0C. K enaikan u ntuk
pemanasan d engan e conomizer ini r ata-rata s ekitar 600C.
Di b awah in i a dalah gambar grafik v alidasi hasil keluaran model simulink yang diperoleh dengan menggunakan persamaan (6) dengan masuakan nilai-nilai p arameter y ang d iperoleh d ari d ata p abrik dibandingkan dengan data k eluaran d ari D CS yang terekam di dalam ruang central control room (CCR). Data y ang d igunakan s ebagai validasi s ebanyak 50 data sebagai sampel.
Gambar 10 Grafik validasi economizer
Pada gambar diatas dapat dilihat bahwa garis warna biru merupakan ke luaran temperatur dari
economizer yang dihasilkan me lalui s imulasi
sedangkan w arna merah merupakan temperatur real
v
ρ
ecV
.
1m
Ti
T
.
2m
ecQ
Cv Cp + − = + − = + − = × × ) ( ) ( . .2 ) ( . .1 4438 , 6634 1 ) ( . .2 . .1 . 4438 , 6634 . .2 1 8614 , 190 582 0 72 59 s ec Q s T p C m s i T p C m s s F ec Q T p C m i T p C m dt dT ec Q T p C m i .T p .C m dt dT . , , ec
Q
T
p
C
m
i
T
p
C
m
dt
dT
v
C
v
ec
V
ec
Q
T
p
C
m
i
T
p
C
m
T
ec
m
ec
Q
out
E
in
E
ec
E
+
−
=
+
−
=
∆
+
−
=
.
.
2
.
.1
.
.
.
.
.
2
.
.1
ρ
+ − = pembakaran kalor kalor laju output kalor laju input economizer pada kalor Akumulasi5
plant yang ad a. B erdasarkan p erhitungan r ata-rata error menggunakan pr ogram excel, d idapatkan nilairata-rata error untuk temperatur dari economizer sebesar 5.10C. Ini menunjukan b ahwa pe modelan yang dilakukan sudah bi sa m ewakili m odel plant yang sebenarnya.
3.2 Model Matematis Temperature Transmitter
Jenis t ransmitter y ang d igunakan a dalah differensial pressure transmitter. T ransmitter ini bekerja dalam range 0-200 0C dan keluarannya adalah sinyal listrik de ngan r ange 4 -20 m A. Gain dari transmitter ini adalah :
) ( ) ( 0C masukan Span mA keluaran Span GL= (7) (3.7)
Dengan memasukkan data dari transmitter level maka didapat : mA C mA GL 0 0C 0.064 250 ) 4 20 ( − = =
Sedangkan u ntuk m endapatkan fungsi t ransfer da ri transmitter level ini digunakan persamaan :
1
)
(
)
(
)
(
+
=
s
T
G
s
I
s
L
c L L L (8) (3.8) dimana : GL : gain transmitterTc : time constant transmitter
Time constant dari t ransmitter ini adalah 0, 7 de tik,
maka fungsi transfer transmitter level adalah :
1
7
.
0
064
.
0
)
(
)
(
+
=
s
s
I
s
L
L L 0 2 4 6 8 10 12 14 16 0 5 10 15 20 25 Time (s) mA ResponGambar 11 Grafik respon uji step temperature
transmitter
Dari hasil s imulasi, t emperatur p ada spesifikasi temperature transmitter dikonversi menjadi ar us ( mA). Karena yang t ercatat p ada
temperature transmitter ini adalah t emperatur p ada economizer, maka diharapkan laju aliran yang tercatat
pada temperature transmitter ini ma mpu m encatat temperatur min imum s ampai t emperatur ma ksimum
pada economizer. T emperatur t ercatat i ni yang direpresentasikan menjadi s inyal u ji step. D ari simulasi yang dilakukan, untuk temperatur minimum sebesar 0 0C m aka ar us y ang tercatat pada temperature transmitter adalah s ebesar 4 mA,
sedangkan u ntuk lajua a liran maksimum economizer sebesar 2 500C maka ar us yang t ercatat p ada temperature transmitter adalah sebesar 20 mA.
3.3 Katup Pengendali (Control Valve)
Dengan a sumsi bahwa control valve yang digunakan m empunyai karakteristik a liran ya ng linier, m aka fungsi t ransfer control valve dapat didekati dengan persamaan orde satu sebagai berikut :
(9)
Gain I/P :
(10)
Sehingga diperoleh gain total control valve:
(11)
Time constant efektif control valve diperoleh
berdasarkan hu bungan w aktu stroke, p erfreksional terhadap p osisi valve dan p erbandingan k onstanta waktu inferent terhadap w aktu stroke yang dinyatakan. Hal ini dinyatakan dalam :
τ
cv=
Tv
(
∆
V
+
R
V)
(12)
Sehingga model matematis control valve diketahui :
1
79
,1
25
.
11
)
(
)
(
+
=
s
s
I
s
M
s
CV CV79
.
1
03
.
0
180
0
180
39
.
0
679
.
0
=
+
−
=
τ
τ
)
det/
(
25
.
11
75
,
0
.
15
.
mA
kg
G
G
K
V CV T=
=
=
masukan tekanan perubahan maks aliran laju GCV = masukan arus perubahan masukan tekanan perubahan GT = mA psi psi kg / 75 . 0 ) ( 4 20 det) / ( 3 15 = − − = ) . det / ( 15 ) ( 3 15 det) / ( 180 psi kg psi kg = − =6
0 2 4 6 8 10 12 14 16 0 50 100 150 200 Time (s) F lo w ( K g /s ) Respon CVGambar 12 Grafik uji step control valve
Dari s imulasi yang d ilakukan melalui
simulink diperoleh g rafik sinyal u ji d an r espon control valve. S inyal u ji yang d igunakan a dalah
sinyal step. Sedangkan respon dari sinyal uji tersebut dapat di lihat m elalui ga mbar 3. 9. B entuk gr afik respon control valve menunjukkan b ahwa m odel
control valve yang d ibuat a dalah sistem o rde s atu.
Dari simulasi yang d ilakukan, t ampak bahwa u ntuk sinyal in putan 4 mA control valve menutup seluruhnya, sedangkan untuk inputan 20 mA control
valve membuka 100% . D ari gr afik da pat d iamati
bahwa laju bahan bakar maksimum yang keluar dari
control valve saat b ukaannya 100% a dalah s ebesar
180 Kg/s.
3.4 Penentuan Parameter Tuning PID terbaik
Dalam menentukan p arameter tuning terbaik, d ilakukan de ngan c ara o silasi mengunakan metode Zigler-Nichols dengan m enggunakan
software matlab. D engan ca ra mengubah-ubah
parameter P ID y aitu nilai Kp d iubah-ubah s ampai mencapai nilai k ritis ( Kcr) s ampai o utput s istemnya berosilasi. S etelah d iubah p arameter-parameternya dianalisa gr afik r esponnya. Dari gr fik t ersebut maka akan d iperoleh nilai P cr yaitu jarak a ntara p uncak gelombang-gelombang berikutnya.
Gambar 3.13 Grafik respon untuk mencari Pcr
Didapatkan nilai Kcr = 10 da n P cr = 10 ke mudian dimasukan d alam r umus Zigler-Nichols dengan metode osilasi maka d idapatkan p arameter c ontrol sebagai berikut :
Table 1 Parameter mode kontrol P,PI, dan PID
No Mode Kontrol Kp Parameter Ti Td
1 P 5 0 0
2 PI 4.5 8.33 0
3 PID 6 5 1.25
3.5 Perancangan Algoritma Kendali Fuzzy-PID
Gain Schedulling
Perancangan al goritma k endali fuzzy-PI
gain scheduling dilakukan de ngan memanfaatkan
pemrograman simulink pada software Matlab 7. 4. Prosedur yang d ilakukan da lam pe rancangan algoritma fuzzy adalah :
1. Menentukan p arameter tuning PI t erbaik berdasarkan simulasi pada simulink.
2. Menetapkan data input dan output.
3. Fuzzifikasi
4. Membuat aturan fuzzy yang akan digunakan dalam operasi fuzzy.
5. Metode P engambilan Keputusan ( Inferensi/ Rule Evalution).
6. Strategi Defuzzifikasi.
3.5.1 Fuzzifikasi
Fuzzifikasi adalah p roses memetakan input output dari variabel crips kedalam v ariabel linguist.
Dalam pemilihan fungsi keanggotaan himpunan fuzzy tidak ad a at uran yang baku, t api pemilihan f ungsi keanggotaan h arus m erepresentasikan karakteristik himpunan fuzzy yang kita inginkan.
• Data m asukan ( error, delta e rror) dan ke luaran (Kp, K i da n Kd) berupa crisp diperoleh d ari simulasi p lant e conomizer. N ilai crisp er ror mempunyai r entang antara -20 s ampai d engan 20, delta e rror antara -10 s ampai d engan 10, sedangkan nilai k eluaran p arameter K p an tara 19.5 s ampai de ngan 20. 5, pa rameter K i a ntara 1.95 da n 2. 05 s edangkan pa rameter K d a ntara 49.5 sampai 44.5
• Untuk jumlah variabel linguistik error dan delta
error sebanyak lima variabel, yaitu NB, NM, Z,
PM dan PB. P dan N adalah positif dan negatif, sedangkan B adalah big, M adalah medium dan S adalah small. D erajat ke anggotaan himpunan fuzzy d ipilih fungsi s egitiga k arena d alam perhitungannya memerlukan waktu y ang l ebih cepat di bandingkan fungsi lainnya. D imana fungsi s egitiga menyatakan derajat k eanggotaan (μ) dari x untuk masing – masing himpunan variabel linguistik.
• Untuk j umlah variabel linguistik p ada s etiap output ad a tiga yaitu B ad alah big, M a dalah
medium dan S a dalah small sama s eperti i nput
yaitu m enggunakan f ungsi s egitiga sebagai derajat keanggotaannya dikarenakan memerlukan waktu yang lebih cepat.
7
Gambar 14 Fuzzy Inference System
3.5.2 Pembuatan Aturan Fuzzy
Dalam membuat a turan fuzzy diperlukan ketelitian d an pemahaman t entang sistem yang a kan dibangun dengan logika fuzzy. Pembuatan aturan dari logika fuzzy pada pe nelitian ini d idasarkan pa da hubungan antara input dan output.
Tabel 2 Rule Base untuk Kp
Error Delta Error
NB NK Z PK PB NB S S S S S NK S S M S S Z S M M M S PK B B M B B PB B B B B B
Tabel 3 Rule Base untuk Ki
Error Delta Error
NB NK Z PK PB NB B B B B B NK B B M B B Z S M M M S PK S S M S S PB S S S S S
Tabel 4 Rule Base untuk Kd
Error Delta Error
NB NK Z PK PB NB S S S S S NK S S M S S Z S M M M S PK B B M B B PB B B B B B
Setelah proses fuzzifikasi yang menghasilkan fungsi keanggotaan, maka perlu adanya perancangan
basis a turan ( rule base). B asis at uran (rule base) meliputi kumpulan aturan kontoler logika fuzzy untuk menyatakan a ksi pe ngendali a gar mencapai t ujuan yang d iharapkan. D alam p embuatan at uran fuzzy diperlukan ketelitian dan pemahaman terhadap sistem yang akan dibangun dengan logika fuzzy. Pembuatan aturan dari logika fuzzy pada penelitian ini didasarkan pada pengaruh nilai parameter PID (Kp, Ki dan Kd) terhadap respon pengendalian. Gambar 15 merupakan desain b asis aturan l ogika fuzzy pada F IS ed itor Matlab, dimana basis aturan terdiri dari 25 aturan.
Gambar 15 Rule Base kontroler FGS
IV. ANALISA DATA DAN PEMBAHASAN 4.2 Uji Open Loop Proses
Simulasi p ada open loop ini d igunakan untuk m engetahui s ejauh ma na performansi sistem tanpa pe ngendali. Uji open loop dilakukan d engan memberikan input berupa sinyal step.
Gambar 4. 1 menunjukkan bahwa d engan adanya u ji open loop tanpa pe ngendali, temperature tidak b isa m encapai set point. Karena p erformansi sistem t ersebut jauh d ari yang d iinginkan, k arena karakteristik plant termasuk orde satu dan tidak dapat mengendalikan d irinya s endiri ke tika t idak d ipasang alat-alat pengendali. 0 20 40 60 80 100 0 100 200 300 400 500 Time (s) T em p er at ur ( C ) Respon Set point
8
4.2 Uji Close Loop dengan Mode Kontrol P, PI, PID dan Fuzzy Gain Schedulling PID
Controller
Pada s ub - bab b erikut a kan d ilakukan perbandingan dengan menggunakan mode kontrol P, PI, dan PID. Parameter yang digunakan dalam mode kontrol P, PI, dan PID sendiri didapat melalui metode Ziegler - Nichols. Tujuan dilakukannya perbandingan ini ad alah u ntuk m engetahui p erbedaan p erforma antara k ontroler berbasis Fuzzy Gain Schedulling dengan mode kontrol P, PI dan PID.
Mode Kontrol Proporsional (P)
Mode k ontrol p roporsional, de ngan parameter K p 0. 5. M ode k ontrol pr oporsional dipasang d engan mengambil t ekanan s ebagai referensi. H al itu d imaksudkan k arena p ada Fuzzy
Gain Schedulling, ko nfigurasi ut amanya
menggunakan tekanan sebagai referensi.
0 20 40 60 80 10 0 0 50 10 0 150 20 0 250 Time (s) T em p er at ur e ( C ) Respon Set point
Gambar 17 Grafik respon economizer dengan mode
kontrol P
Dari G rafik d iatas r espon d ari s ystem kontrol P t idak da pat mencapai s et po int. D imana hasil r espon yang yang d iperoleh s elalu d iatas setpoint da n ko ntol P t idak t epat di gaunakan u ntuk pengendalian temperatur pada economizer.
Mode Kontrol Proporsional Integral (PI)
Setelah d ilakukan pe rbandingan d engan mode kontrol P, selanjutnya dilakukan perbandingan dengan mode kontrol PI (Proporsional Integral). Dari perbandingan ini, a kan d iketahui s ejauh mana kemampuan Fuzzy Gain Schedulling apabila dibandingkan dengan mode kontrol PI. Mode Kontrol PI y ang d igunakan bekerja b erdasarkan r eferensi tekanan. P arameter k ontroler yang d igunakan tercantum pada tabel 4.1.
0 20 40 60 80 10 0 0 50 10 0 150 20 0 250 30 0 Time (s) Tem per at ur e ( C ) Respon Set point
Gambar 18 Grafik respon economizer dengan mode
control PI
Mode Kontrol Proporsional Integral Derivatif (PID)
Parameter - parameter mode k ontrol P ID dapat d ilihat melalui t abel 4 .1. D engan d emikian, perbandingan ko ntroler ini d ilakukan t idak ha nya terhadap d esain fuzzy gain schedulling yang t elah dibuat, namun dibandingkan pula karakteristik untuk masing - masing mode ko ntrol pr oporsional (P), mode ko ntrol pr oporsional integral ( PI) da n mode kontrol p roporsional integral d erivatif (PID). M ode kontrol PID sendiri me rupakan ju mlahan d ari gabungan f ungsi a lih m ode kontrol proporsional, mode kontrol integral, dan mode kontrol derivatif.
0 20 40 60 80 100 0 50 100 150 200 250 300 Time (s) T em p er at ur ( C ) Respon Set point
Gambar 19 Grafik respon economizer dengan
kontrol PID
Mode Kontrol Fuzzy Gain Schedulling PID
Controller
Berikut a kan d ilakukan U ji Close Loop dengan Fuzzy Gain Schedulling PID Controller. Dimana p ada sub-bab ya ng s ebelumnya telah dilakukan u ji close loop dengan m ode control P ,PI dan P ID. P ada k ontrol Gain Schedulling PID
Controller telah d ilakukan pa da B ab yang
sebelumnya yaitu menggunakan dua input da n t iga output yaitu error dan delta error sebagai in put dan Kp,Ki dan Kd sebagai output.
0 20 40 60 80 100 0 50 100 150 200 Time (s) T em p er at ur ( C ) Respon Set point
Gambar 20 Grafik r espon economizer dengan
kontrol Fuzzy Gain Schedulling Dengan Fuzzy Gain Schedulling ini didapatkan nilai Kp = 20, Ki = 2 da n Kd = 50. D ari perbandingan data d iatas d apat d ilihat p ada t able d ibawah i ni
9
manakah mode ko ntrol yang pa ling baik d iantara mode kontrol P, PI, PID dan Fuzzy Gain Schedulling.
Tabel 2 Perbandingan mode kontrol
P PI PID FGS
Max. Overshoot - 61.76% 47.35% 15% Settling Time ∞ 50s 35s 40s
Dapat d isimpulkan bahwa u ntuk mode pengendali P t idak da pat mencapai s et po int maka tidak d idapatkan nilai maximum overshoot dan
settling time ∞ . U ntuk m ode pe ngendali P I t erjadi maximum overshoot dan settling time yang t erlalu
tinggi ya itu mencapai 47. 35% da n r espon s istem banyak b erosilasi. Untuk i tu m aka dibuat m ode pengendalian P ID u ntuk m ereduksi overshoot yang tinggi d an r espon s istem yang berosilasi p ada mode pengendalian P I, d engan mode p engendalian PID tetapi masih belum bisa mereduksi dengan maksimal dan maximum overshoot masih besar 47. 35% da n memperpendek n ilai settling time menjadi 35s t etapi respon s istem s udah t idak berisolasi. U ntuk mode pengendali F GS l ebih ba ik l agi da ri pada mode pengendalian PID y ang bi sa m ereduksi overshoot menjadi 15% da n settling time agak l ebih l ama 5 detik m enjadi 40s. I ni membuktikan bahwa d engan controller Fuzzy Gain Schedulling dapat m enekan
overshoot menjadi lebih k ecil d an settling time (ts)
yang cepat untuk mencapai set point.
Semua pengujian ini masih dengan beban yang sesuai d engan k eadaan normal. Untuk m engetahui performasi yang t erbaik d ari Fuzzy Gain Scheduling
PID Controller dengan P ID Controlle terhadap
perubahan-perubahan beban atau set poin maka akan dibahas pada sub-bab berikutnya.
4.3 Pengujian dan Analisa Kendali Fuzzy Gain
Scheduling PID Controller dengan PID Controller.
Maka dalam sub-bab ini akan dibandingkan controller yang terbaik dengan pengujian tracking set
point, p enambahan d an p engurangan beban. D engan
pengujian-pengujian ini ma sih ma mpukah dari Fuzzy
Gain Scheduling PID Controller dengan PID Controller untuk m encapai s et po int de ngan
gangguan-ganguan yang ada.
Uji tracking set point
Pada pe ngujian ini d ilakukan pe ngujian
Fuzzy Gain Scheduling PID Controller dengan PID Controller terhadap p erubahan t erhadap setpoint
pada proses dengan memberikan uji setpoint naik dan sekaligus u ji setpoint turun pa da s elang w aktu 800 detik. G rafik r espon sistem d engan setpoint : [ 120 170 150 120]0C dapat dilihat pada gambar di bawah.
0 100 200 300 400 500 600 700 800 0 50 100 150 200 Time (s) T em p er at ur ( C ) FGS PID Set point
Gambar 22 Uji tracking set point PID dan FGS
controller
Karakteristik p erformansi p engendalian t emperatur ketika setpoint awal yaitu 1200C.
Tabel 3 Tabel performansi setpoint awal yaitu 1200C
PID FGS
Max. Overshoot 41.16% 14.58%
Settling Time 35s 40s
Karakteristik p erformansi p engendalian t emperatur ketika terjadi
ketika kenaikan setpoint 500C
Tabel 4 Tabel performansi kenaikan setpoint 500C
PID FGS
Max. Overshoot 15.64% 4.7%
Settling Time 25s 30s
Karakteristik p erformansi p engendalian t emperatur ketika terjadi ketika penurunan setpoint 200C
Tabel 5 Tabel performansi penurunan setpoint 200C
PID FGS
Max. Underhoot 12.5 % 3.91%
Settling Time 25s 30s
Karakteristik p erformansi p engendalian t emperatur ketika terjadi ketika penurunan setpoint 500C
Tabel 6 Tabel performansi penurunan setpoint 500C
PID FGS
Max. Underhoot 6% 3.9%
Settling Time 32s 30s
Untuk respon PID Controller pada kenaikan setpoint awal 1200C m engalami overshoot yang t inggi yaitu mencapai 41. 16% da n itu membahayakan t erhadap pengendalian t emperature de ngan t emperature yang tinggi j uaga akan m engakibatkan tekanan ya ng ditimbulkan s emakin besar p ula d an itu bisa mengakibatkan kebocoran pada pipa bila terjadi terus menerus. Tetapi dengan
Fuzzy Gain Scheduling PID Controller tidak
mengalami overshoot yang k ecil yaitu c uma 14. 8% dan itu cukup aman untuk pengendalian temperature. Untuk kenaikan set point awal 1200C degan kenikan yang c ukup t inggi mengakibatkan overshoot yang tinggi pu la t etapi t idak u ntuk pe nurunan set point 500C kedua jenis controller tersebut tidak mengalami perubahan derastis dan masih sesuai dengan set point.
10
Uji kenaikan beban 20% dari keadaan standart
Pada u ji ka li ini d ilakukan pe nambahan beban 20% dari keadaan s tandart y aitu s ekitar 120 Kg/s u ntuk l aju massa a liran da n 330 0C unt uk pemanas dari s team dari s isa h asi pembakaran y ang tidak digunakan. 0 20 40 60 80 100 0 50 100 150 200 250 300 Time (s) T em p er at ur ( C ) FGS PID Set point
Gambar 23 Grafik respon kenikan beban 20%
Karakteristik p erformansi p engendalian t emperatur ketika t erjadi penambahan beban 20% da ri ke adaan standart dapat dilihat pada table dibawah ini.
Tabel 7 Tabel performansi kenaikan beban 20%
PID FGS
Max. Undershoot 47.76% 14.52%
Settling Time 25s 35s
Dari gr afik d iatas membuktikan b ahwa de ngan kenaikan bebean 20% da ri ke adan s tandart Fuzzy
Gain Scheduling PID Controller masih d apat
mengikuti set point dengan overshoot yang kecil. PID
Controller masih d apat mengikuti set p oint t etapi overshoot yang t inggi yaitu 47.76%. PID Controller
cuma bisa stabil dan mempunyai overshoot kecil pada keadaan standart t etapi sangat t idak c ocok unt uk adanya perubahan b eban y ang terlalu j auh b erbeda dengan keadaan yang standart.
Uji penurunan beban 20% dari keadaan standart
Pada u ji ka li ini d ilakukan pe ngurangan beban 20% da ri ke adaan standart yaitu s ekitar 80 Kg/s u ntuk l aju massa a liran da n 270 0C unt uk pemanas dari s team dari s isa h asi pembakaran y ang tidak digunakan. 0 20 40 60 80 10 0 0 50 10 0 150 20 0 250 Time (s) T em p er at ur e ( C ) FGS PID Set point
Gambar 24 Grafik respon penurunan beban 20%
Karakteristik p erformansi p engendalian t emperatur ketika t erjadi penurunan beban 20% da ri ke adaan standart dapat dilihat pada table dibawah ini.
Tabel 8 Tabel performansi penurunan beban 20%
PID FGS
Max. Undershoot 45.05% 17.05%
Settling Time 50s 40s
Dari gr afik pe nurunan beban 20% da ri ke adaan standart m embuktikan bahwa u ntuk PID Controller mempunyai overshoot yang t inggi s ekaili ya itu mencapai 45. 05% da n juga membutuhkan w aktu yang lama u ntuk stabil yaitu 50s. Dengan overshoot yang tinggi s ekali m aka PID Controller tidak co cok apabila ada perubahan-perubahan beban namun untuk penurunan beban ini lebih t idak s tabil d ibandingkan dengan penambahan beban.
Dari s emua uji diatas m embuktikan b ahwa
Fuzzy Gain Scheduling PID Controller masih d apat
stabil de ngan pe rubahan-perubahan yang a da. D an ketika terjadi perubahan parameter pada plant, respon
Fuzzy Gain Scheduling PID Controller masih mampu
menjaga kestabilan sistem. Ideal PID Controller tidak mampu la gi me ngendalikan plant dengan ba ik (respons menjadi tidak stabil). Sedangkan Fuzzy Gain
Scheduling PID Controller menghitung ul ang
parameter P ID b erdasarkan k ondisi error (E) dan perubahan error (ΔE) yang terjadi. Hal ini membuktikan bahwa a lgoritma ke ndali Fuzzy Gain
Scheduling PID Controller mempunyai k elebihan
dibandingkan de ngan a lgoritma P ID bi asa. A danya tambahan fuzzy ini d iharapkan pe ngendali lebih responsive t erhadap p erubahan d i plant (mampu melakukan t uning a daptif de ngan pe rubahan plant) sehingga kestabilan sistem tetap terjaga. Agar sebuah proses bisa dikatakan Safe, sistem pengendalian yang mengontrol proses harus Reliable, dan adaptif dalam mengikuti perubahan proses.
V. KESIMPULAN DAN SARAN 5.1 Kesimpulan
Berdasarkan pengujian yang telah dilakukan maka didapatkan kesimpulan sebagai berikut:
1. Telah d ilakukan p erancangan k ontroler fuzzy
gain scheduling PID control pada economizer Waste Heat Boiler (WHB). D engan 2 5 rule base, input (error, delta error) dan output (Kp,
Ki dan Kd).
2. Mode ko ntrol P de ngan Kp 5 t idak c ocok digunakan u ntuk control temperature. Untuk mode ko ntrol P I de ngan Kp 4. 5 da n T i 8. 33 mengalami maximum overshoot yang t erlalu tinggi. S edangkan mode c ontrol de ngan P ID masih me ngalami maximum overshoot yang tinggi pula yaitu 47.35%
3. Untuk ko ntrol fuzzy gain scheduling PID
control didapatkan parameter Kp 20, Ki 2 da n
Kd 50 y ang m engalami maximum overshoot yang t idak terlalu t inggi yaitu 15% dan settling
time 40s da n t epat un tuk di gunakan sebagai
kontrol temperatur pada economizer.
4. Dengan dilakukanya uji beban dan tracking set
11
lebih b isa me ngikuti set point dan mengalamai
overshoot yang kecil bila dibandingkan dengan mode control PID biasa. S ehingga de ngan
adanya t ambahan fuzzy ini p engendali lebih responsive terhadap perubahan di plant (mampu melakukan t uning a daptif de ngan pe rubahan
plant) sehingga kestabilan sistem tetap terjaga.
5.2 Saran
Berdasarkan penelitian yang telah dilakukan maka d apat d iberikan s aran b ahwa u ntuk meningkatkan efisiensi dari sistem Waste Heat Boiler diperlukan pe ngontrolan pa da pe manas a wal yaitu pada economizer dengan pemanasan awal yang stabil maka a kan meringgankan ke rja HP Drum dalam merubah a ir menjadi steam yang d igunakan u ntuk proses produksi di PT. Petrokimia Gresik.
DAFTAR PUSTAKA
[1] Ogata, K atsuhik. 1995. T eknik K ontrol Automatik . Jakarta; Erlangga.
[2] Holman, J.P., Jasfi, E. 1997. ” PERPINDAHAN KALOR” edisi ke 6, Erlangga.
[3] Asyari D. Yu nus. 2 005. D iklat K uliah Termodinamika T eknik I I .Universitas D arma Persada – Jakarta.
[4] <URL:http://www.energyefficiencyasia.org/Efisi ensi_thermal>, Mei ,2010
[5] Hamidah, N ur L aila. 2010. A nalisa Kinerja
Waste Heat Boiler Dengan M etode
Kesetimbangan P anas D an M assa D ipabrik 1 (Satu) Pt.Petrokimia Gresik. ITS Surabaya. [6] Zhang, H uaguang & D erong L iu. 2006. Fuzzy
Modelling And Fuzzy C ontrol. B oston: Birkhauser.
[7] Kusuma de wi, S ri. 2002. Analisis & desain
sistem Fuzzy.Yogyakarta:Graha Ilmu
[8] Sulastri, Heni. 2011. Perancangan I nlet Pressure Control (IP C) H igh P ressure S team T urbin Berbasis L ogika F uzzy-Pi G ain S cheduling D i Pltgu T ambak Lorok Pt.Indonesia P ower U BP. Semarang. ITS surabaya
BIODATA PENULIS
Nama : Doni Kusuma E.
NRP : 2409 105 018
TTL : Bojonegoro, 21 Desember 1988
Alamat : Jl.Raya Bubulan No.5 Bubulan,Bojonegoro
E-mail : erwanda.abiess@gmail.com Riwayat Pendidikan : - SDN 1 Bubulan (1994 - 2000) - SLTPN 1 Bubulan (2000 - 2003) - SMAN 3 Bojonegoro (2003 - 2006) - D3 T. Instrumentasi (2006 - 2009) - Teknik Fisika ITS (2009 - sekarang)