Abstrak —Sejalan dengan peningkatan kebutuhan tenaga listrik, optimasi biaya operasional dibutuhkan untuk mendapatkan nilai produk yang ekonomis dan efesiensi proses yang tinggi. Pada tugas akhir ini dirancang sistem pengendalian berpengawasan pada siklus gabungan. Sistem pengendalian berpengawasan bertujuan untuk meminimalkan biaya operasional dan memperkecil error. Sistem ini memberikan trayektory output yang harus dipenuhi oleh kontrol PID. Model prediksi diperoleh dengan sistem identifikasi dengan struktur ARX. Trayektory output diperoleh dengan teknik optimasi unsconstrain derivative test, yaitu suatu metode optimasi untuk mendapatkan nilai trayektory output optimum dari suatu fungsi. Hasil simulasi menunjukkan dengan sistem kontrol prediktif berpengawasan mampu menghasilkan karakteristik yang lebih baik daripada kontrol PI dan dapat menghemat biaya pengoperasian sebesar 2,33%
Kata Kunci— Pengendalian berpengawasan, trayektory output, pengendalian berpengawasan.
I. PENDAHULUAN
enaga listrik merupakan salah satu faktor penting dalam pembangunan suatu negara. Kemajuan suatu negara dapat diukur dari konsumsi tenaga listrik per kapita negara tersebut. Di Indonesia kebutuhan tenaga listrik dari tahun ke tahun terus meningkat. Sejalan dengan peningkatan kebutuhan tenaga listrik tersebut, produksi tenaga listrik juga terus meningkat. Untuk memenuhi kebutuhan tenaga listrik, PLN (Perusahaan Listrik Negara) membangkitkan tenaga listrik dengan berbagai jenis pembangkit.
Salah satu cara untuk memenuhi kebutuhan tenaga listrik dan secara simultan menghemat penggunaan sumberdaya energi, yaitu dengan memanfaatkan energi yang terkandung dalam gas buang (exhaust gas) dari Pembangkit Listrik Tenaga Gas (PLTG). Pemanfaatan energi gas buang tersebut dilakukan dengan mengkombinasikan sistem PLTG dengan sistem Pembangkit Listrik tenaga Uap (PLTU), sehingga menjadi Pembangkit Listrik Tenaga Gas-Uap (PLTGU). Plant
pada pembangkit listrik dengan siklus gabungan dikenal mempunyai efesiensi yang tinggi dan biaya investasi yang relatif rendah.
Pada industri proses, biaya optimasi dan operasional sangat dibutuhkan untuk mendapatkan biaya operasi yang ekonomis dan efisiensi proses yang tinggi. Kestabilan proses juga perlu dijaga, dengan demikian sistem kontrol sangat diperlukan dalam menjaga kestabilan proses tersebut.
Strategi pengendalian dengan mengunakan PID banyak di gunakan digunakan di setiap plant pada proses industri, belum memberikan solusi yang optimal untuk setiap permasalahan.
Dengan meningkatnya persaingan di era yang modern ini pembangkit diharuskan untuk menjawab tantangan baru dengan meningkatkan produktivitas dan mengurangi biaya. Salah satu caranya dengan menggunakan pengendalian berpengawasan. Pengendalian berpengawasan bekerja dengan memberikan set point yang optimum pada controller.
Montazri dan Hosmandi(2010 ) menunjukan bahwa dengan pengendalian berpengawasan dapat menstabilkan proses dan dapat meningkatkan efisiensi dengan menghemat bahan bakar sebesar 2% dibandingkan dengan pengendalian biasa. Selain itu, dengan menggunakan pengendalian prediktif berpengawasan, tidak perlu memodifikasi pengendalian yang telah digunakan sebelumnya.
Pada Penelitian ini akan dirancang sistem pengendalian berpengawasan pada siklus gabungan gas turbin dan HRSG PLTGU Gresik yang dapat meminimalkan biaya operasional dan memaksimalkan proses pengendalian dengan memperkecil error.
II. PENELITIAN
A. Gas Turbin dan HRSG
Pada PLTGU Gresik terdapat tiga blok pembangkit listrik dimana untuk setiap blok memiliki tiga unit gas turbin dan 3 unit HRSG. Prinsip kerja dari gas turbin adalah energi panas hasil pembakaran di dalam ruang bakar diubah menjadi energi gerak atau mekanik dalam bentuk putaran. Energi mekanik tersebut digunakan untuk menggerakkan prime mover
generator sinkron kecepatan tinggi yang terkopel satu poros. Gas turbin yang terdapat dalam pembangkit tenaga listrik ini memiliki empat tingkat. Ada pun putaran yang dapat dihasilkan oleh masing-masing turbin tersebut dapat mencapai kecepatan putaran 3000 rpm[11]
Pemanasan air di HRSG dilakukan dengan memanfaatkan gas buang semaksimal mungkin dari gas turbin. Karena beroperasi memanfaatkan gas buang, PLTGU
.
Proses siklus tertutup atau combined cycle yang terjadi di PLTGU dimulai di HRSG (Heat Recovery Steam Generator).
Fungsi HRSG sama dengan boiler, yaitu tempat terjadinya pemanasan air hingga menjadi uap superheat. Perbedaannya pada boiler terjadi proses pembakaran sementara di HRSG tidak ada proses pembakaran.
PERANCANGAN PENGENDALIAN PREDIKTIF BERPENGAWASAN
PADA PEMBANGKIT LISTRIK TENAGA GAS DAN UAP (PLTGU)
GRESIK DENGAN METODE DESENTRALISASI
Widiana Himami Imania, Katherin Indriawati , Ya’umar. Teknik Fisika, FTI, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111 E-mail: katherin@ep.ac.id
merupakan pembangkit yang efisien. HRSG prinsipnya sebagai pembentukan uap bertekanan, dengan media panas berasal dari gas buang gas turbin. Kemudian uap bertekanan tersebut dipergunakan untuk menggerakkan turbin uap dan selanjutnya memutar generator.
Gambar 1 : Skema Siklus Gabungan PLTGU
B. Pemodelan Gas Turbin dan HRSG
[1]
Pemodelan matematis plant diturunkan berdasarkan hukum kesetimbangan energi dan massa. Pemodelan matematis akan dilakukan pada setiap komponen turbin gas dan HRSG. Komponen pada gas turbin yaitu fuel system, kompressor, ruang bakar, dan turbin. Untuk komponen HRSG yaitu
superheater, economizer, evaporator, dan steam drum. Pemodelan gas turbin,superheater, dan evaporator didapatkan dari pemodelan yang telah dilakukan oleh ordys dkk[4].
Untuk pemodelan HP drum dan LP drum diturunkan berdasarkan hokum keseimbangan Massa. Dari persamaan keseimbangan massa di dapatkan persamaan sebagai berikut :
(1)
(2)
Fluida di dalam steam drum terdiri atas dua fase yaitu cair dan gas, sehingga dapat didekati dengan persamaan berikut. = (3) = (4) = (5) = (6) = (7) = (8) = (9) dengan : laju feed water (kg/s) : laju uap yang keluar (kg/s) : massa jenis liquid (kg/m3 : massa jenis vapour (kg/m ) 3 : volum total (m ) 3 : volum liquid (m ) 3 : volum vapour (m ) 3 (10) dengan )
Volum LP steam drum terdiri atas volum tabung dan volum bola, sehingga di dapatkan persamaan :
:
r : jari-jari drum (m) h : panjang drum (m)
Gambar 2:simulasi gas turbin dan HRSG
C. Sistem Identifikasi Gas Turbin dan HRSG
Awal dalam perancangan algoritma sistem kontrol GPC
(Generalized Predictive Control) adalah dengan melakukan identifikasi sistem, dimana data outputyang digunakan untuk proses identifikasi adalah data dari hasil simulasi model gas turbin dan HRSG yang telah dibangun pada tahap sebelumnya. Sebagai input, digunakan sinyal random PRBS ( Pseudo-Random Binary Signal) yang dibangkitkan pada variabel manipulasi. Hasil dari proses identifikasi input-output sistem pada penelitian ini adalah model ARX (Auto-Regressive eXogenous). Identifikasi sistem diperlukan pada sistem kontrol
prediktif berbasis GPC yang akan dibangun untuk memprediksi output sistem berdasarkan input dan output sebelumnya.
Model ARX yang diperoleh pada identifikasi gas turbin adalah sebagai berikut:
(11)
Dengan
dan
Model ARX yang diperoleh pada identifikasi HP drum adalah sebagai berikut:
(12) Dengan
dan
Model ARX yang diperoleh pada identifikasi LP drum adalah sebagai berikut:
(13) Dengan
dan
D. Pemodelan Kontroller Diskrit
Pemodelan loop kontroller diskrit pada fuel gas turbin adalah sebagai berikut:
(14)
= 0.9 - 0.5 dan =-0.9 + 0.5
Pemodelan loop kontroller diskrit pada feedwater HP drum adalah sebagai berikut:
(15) = 15 - 14.925 dan =-0.9 + 14.925 Pemodelan loop kontroller diskrit pada feedwater LP drum adalah sebagai berikut:
(16)
= 40 - 39.32 dan =-40 – 39.32 E. Perancangan Pengendalian Prediktif Berpengawasan
Pada perancangan pengendalian prediktive berpengawasan ada dua tahapan yang pertama menentukan matrix prediksi
dan optimasi untuk mendapatkan setpoint yang sesuai dengan nilai referensi, berdasarkan matrik pediksi,output control variable, dan output manipulasi Variable sebelumnya. Diagram blok pengendalian berpengawasan dapat dilihat pada Gambar 5.
E.1 Prediksi
Fungsi objectiv bergantung pada prediksi variabel kontrol, variabel manipulasi, increment dari variabel manipulasi, untuk mendapatkan solusi yang tepat untuk permasalahan optimasi, variabel-variabel tersebut dinyatakan kedalam fungsi optimasi (set point). Prediksi variabel kontrol, sebagai fungsi increment variable manipulasi diselesaikan secara langsung dengan generalized predictive control (GPC) dan penyelesaian dengan persamaan diophantine.
(17) dimana
menunjukkan sinyal yang akan datang yang belum diketahui dan menunjukkan sinyal lampau yang telah di ketahui. Prediksi variabel kontrol sebagai fungsi variabel manipulasi juga dibutuhkan sehingga dapat diturunkan dengan persamaan:
(18)
, menunjukkan sinyal yang akan datang yang belum diketahui dan menunjukkan sinyal lampau yang telah di ketahui.
Dengan cara yang sama dengan prediksi variabel kontrol dengan mengunakan GPC dan persamaan diaphotin,prediksi variabel manipulasi dapat diturunkan dengan persamaan sebagai berikut.
(19) Dimana menunjukkan sinyal yang akan datang, dan menunjukkan sinyal masa lampau dengan :
NxN
N
Dari persamaan 19 didapatkan fungsi increment variable
manipulasi yang dapat di selesaikan menggunakan persamaan di bawah ini : (20) dan = (21) Dimana NxN T4 = T5 = N
Persamaan fungsi objectif pengendalian berpengawasan dapat dituliskan sebagai berikut:
(22) Dengan mengasumsikan tidak terdapat konstran pada sinyal r.nilai minimumdari fungsi kriteria dapat di peroleh dengan mebuat gradien dari J sama dengan 0,hal ini membuat sinyal set point sebagai berikut:
(23)
(24) F
(25)
Gambar 3 : Diagram blok pengendalian Ber pengengawasan
III. HASIL DAN DISKUSI
A. Hasil Simulasi Pemodelan Gas Turbin
Gambar 4 : Hasil simulasi Gas turbin dengan PID
Gambar 5 : Hasil simulasi Gas turbin dengan pengendalian PID predictif berpengawasan. 5 10 15 20 25 30 0 20 40 60 80 100 Times (s) day a ( M W )
Proses Output Daya Set Point 0 5 10 15 20 25 30 35 40 45 0 20 40 60 80 100 120 140 Times (s) D ay a ( M W ) Output Proses Trayektory reference Set Point
Hasil perbandingan karakteristik Gambar 4 dan gambar 5 dapat dilihat pada tabel 1 di bawah ini:
Tabel 1 : Perbandingan karakteristik gas turbin
. Kondisi Normal Max.Overshoot (%) e T ss\ (%) ss (s) PID 5 0.1 17 PID prediktif berpengawasan 0 0.1 12
B. Hasil Simulasi Pemodelan HP Drum.
Gambar 6: Hasil simulasi HP Drum dengan pengendalian PID
r
Gambar 7 : Hasil simulasi HP Drum dengan pengendalian PID prediktif berpengawasan.
Hasil perbandingan karakteristik Gambar 6 dan gambar 7 dapat dilihat pada tabel 2.
Kondisi Normal Max.Overshoot (%) e T ss\ (%) ss (s) PID 4 1.17 155 PID prediktif berpengawasan 0 0.03 5
C. . Hasil Simulasi Pemodelan LP Drum
Gambar 8 : Hasil simulasil LP Drum dengan pengendalian PID
Gambar 9 : Hasil simulasi LP Drum dengan pengendalian PID prediktif berpengawasan
Hasil perbandingan karakteristik Gambar 6 dan gambar 7 dapat dilihat pada tabel 3.
0 50 100 150 200 250 300 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 times lev el Level set point 0 50 100 150 200 250 0 0.2 0.4 0.6 0.8 1 Times (s) Lev el ( m ) Output Proses Trayektory Reference Set Point 50 100 150 200 250 300 350 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Times (s) Lev el ( m ) Output Proses Set Point 0 50 100 150 200 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Times (S) Lev el ( m ) Output Prose Trayektory Reference Set Point
Tabel 3 : Perbandingan karakteristik LP Drum Kondisi Normal Max.Overshoot (%) e T ss\ (%) ss (s) PID 0 0.14 120 PID Prediktif berpengawasan 0 0.02 5
D. . Perhitungan Biaya Operasional
Perhitungan biaya operasional bertujuan untuk mengetahui persentase penghematan bahan bakar dan feedwater yang dikonsumsi saat menggunakan pengendalian PID dan dengan pengendalian PID prediktif berpengawasan. Asumsi harga bahan bakar Rp 4.000,00/Kg dan Harga feedwater sebesar Rp 100,00/Kg. perbandingan jumlah bahan bakar dan feedwater
yang di konsumsi setiap detik dapat dilihat pada table 4. Tabel 3 : Perbandingan Biaya Operasional
Jumlah yang digunakan JCF Bahan bakar Feedwater HP drum Feedwater LP drum Set point constan 7.099 48.441 25.508 Rp 54.580. Set point pengawasa n 6.995 46 24 53.300. Rp
Dari nilai JCF di atas di dapatkan nilai persentase penghematan setiap detik sebesar :
JCF = – x100%
= 2.33%
IV. KESIMPULAN/RINGKASAN
Berdasarkan penelitian dan pengujian yang dilakukan, dapat disimpulkan bahwa kontrol prediktif yang dirancang mampu menghasilkan karakteristik yang lebih baik daripada kontrol PI yang ada sekarang dengan nilai kestabilan antara lain maksimum overshoot sebesar 0 %, settling time sebesar 12 detik, dan error steady state sebesar 0.1 % pada output daya gas turbin, pada level HP drum maksimum overshoot sebesar 0 %, settling time sebesar 52 detik, dan error steady state
sebesar 0.03
DAFTARPUSTAKA
% dan, pada level HP drum maksimum overshoot
sebesar 0 %, settling time sebesar 55 detik, error steady state
sebesar 0.02%. Dan dengan menggunakan pengendalian Berpengawasan dapat menghasilkan penghematan sebesar 2.33%.
UCAPAN DAN TERIMAKASIH
Widiana Himami Imania selaku penulis mengucapkan terima kasih kepada Ibu Katherin Indriawati dan Bapak Ya’umar selaku pembimbing Penelitian, Kepada PT Angkasa Pura II yang telah memberikan beasiswa kepada penulis selama menempuh pendidikan di Teknik Fisika, FTI, ITS.
[1] Camacho E.F., Bordons C. 2004. Model Predictive Control 2nd
[2] Idris, Faridah Mohamad. 2001. Modeling of a Combined Cycle Power Plant. Thesis Faculty of Electrical Engineering Universiti Teknologi Malaysia.
ed. Springer-Verlag, London.
[3] Ordys, A., R. Katebi., M. Johnson., and M. Grimble. 1994. Modelling and Simulation of Power Generation Plants. Springer-Verlag, London.
[4] Saez, Doris., Cipriano, Aldo. 2003. Thermal Power Plant Simulation and Control edited by Damian Flyn, Chapter 6: Supervisory Predictive Control of a Combined Cycle Thermal Power Plant. Institution of Engineering and Technology, London, UK.
[5] Saez, Doris., Ordys, Andrzej. 2006. “Comparison of
Optimal Control Strategies for Supervisory and Regulatory Level”. International Conference:
Control, Glasgow, Scotland, UK
.
[6] Montazeri, Hosmandi. 2010. Enviromen Temperature Variation Considered Supervisory Predictive Control For Gilan
Combine Cycle Power Plant.Shahid AbbasPour University Of Technology, Tehran, Iran.
[7] Saez, Doris., Ordys, Andrzej., Grimble, Michael. 2005. “Design of a Supervisory Controller and Its Application to Thermal Power Plants”. Journal of optimal control applications and methods: 169-198.
[8] Saez, Doris., Cipriano, Aldo., Ordys, Andrzej. 2002. Optimisation of Industrial Processes at Supervisory Level: Application to Control of Thermal Power Plants. Springer-Verlag, London.
[9] Susanto, Hari., Durrijal, Hadid. 2009. Mengenal dan Memahami Proses Operasi PLTGU: Pengalaman dari Gresik. Lintang Pancar Semesta, Jakarta.
[10] Physical and Thermodinamical Properties at Normal Temperature and Pressure (293K, 1 atm), <http://www.roymech.co.uk/Useful_Tables/Matter/Prop_ Gas.htm>
[11] Operation & Maintenance Manual Gresik Combined Cycle Power Plant 1500 MW, Mitsubishi Corporation. [12]
