SNTTM Presentation 2014

7/25/2019 SNTTM Presentation 2014

1/20

Optimasi Pembangkit Daya Kogenerasidengan Metode Algoritma Genetika

Ronald Sukianto - I Made Astina

Program Studi Teknik Mesin - Fakultas Teknik Mesin danDirgantara

Institut Teknologi andung


2/20

Outline

Penda!uluan Prosedur optimasi

Analisis !asil optimasi

Kesimpulan


3/20

"atar elakang

Sumber# $FS %&'(


4/20

Tu*uan Penelitian

Menentukan kondisi optimal+uidaker*a pada pembangkit kogenerasi,

Mendapatkan nilai efsiensimaksimum dari pembangkitkogenerasi,

Mengeta!ui metodeoptimasialgoritma genetika terbaikuntukpembangkit kogenerasi,


5/20

atasan Masala!

Pembangkit kogenerasi yangdipela*ari diambil dari karya ilmia!prosiding seminar ole! ilaida .(/,

01aluasi si2at termodinamikamenggunakan basis data yang tela!dibuat sebelumnya dan

diintegrasikan dengan perangkatlunak,

01aluasi nera3a energi sistemdilakukan pada kondisi tunak,

Re2erensi .(/# 4ayalak ilaida5 I Made Astina dan Pri!adi SetyoDarmanto5 4ayalak ilaida5 T!ermodynami3 Analysis o2

$ombined $ooling5 6eating5 and Po7er System 7it! DoubleFun3tion o2 6eat Pump5 Proceeding The 8th International


6/20

Pembangkit daya kogenerasi denganturbin gas sebagai Top Cycle

Top 3y3le

6eat Re3o1ery

ottoming 3y3le


7/20

Indi1idu unik memiliki gen yangberagam dengan nilai tnessyang

unik,

&9( (9'

'

:'' ;'' &' &

%?-

r)@?%?A()

Seleksi


10/20

Ka7in Silang

Satu titik

Mutasi

Dua titik

Mutation Rate > 8BGen termutasi > 8B C ('' C > (: gen

Il t i ; i di id ! ilk i di id


11/20

Ilustrasi proses ; indi1idu yang meng!asilkan indi1idubaru dengan tness levellebi! tinggi setela! proseska7in silang dan mutasi,


12/20

Program optimasi dibuat dengan ba!asa $dan di-compile dengan G?E G$$ ; bit,


13/20

Metode seleksi roda rolet# ka7in silang satu titiklebi! 3epat dibandingkan ka7in silang dua titik,

' (' &' 8' ;'


14/20

Metode seleksi ranking# ka7in silang satu titiklebi! 3epat dibandingkan ka7in silang dua titik,

' (' &' 8' ;'


15/20

umla! generasi yang diperlukan untuk

men3apai kon1ergensi nilai optimum,

D$ > double 3rosso1e

S$ > single 3rosso1er R > ranking sele3tion

RR > roulette 7!eelsele3tion


16/20

6asil Optimasi

Laju aliran fluida Sebelum Sesudah

Udara 435 m3/s 435 m3/s

Uap air 85,57 kg/s 85,57 kg/s

R134a 348,95 kg/s 81,11 kg/s

R45fa 398,85 kg/s 181,1! kg/s

Simulasi k"n#ensi"nal $p%imasi dengan &lg"ri%ma 'ene%ika

(fisiensi 55, ) 5*,4 )


17/20

Kondisi operasi !asil optimasi,+" "ndisi -empera%ur .

-ekanan

.0aSelang "ndisi

2asil

$p%imasi

1 0asuk k"mpres"r gas 78 !,1 71 88 71

eluar k"mpres"r gas ,* 1,8 3,! 0a 1,8 0a

3 0asuk %urbin gas 18!! 17!! 18!! 18!!

4 0asuk %urbin uap 7*!,77 8,! 74 841 841

5 0asuk %urbin $R 393 1,4 378 4 413

* 0asuk k"mpres"r pendingin 8 !,385

7 eluar k"mpres"r pendingin 1,9 1,5* 3,1 0a 1,5* 0a


18/20

Ker*a Sistem

Sebelum Sesudah eningka%an .)

Q (kW) 7!58,71 7!58,71 !

Rankine(kW) 97511,8 1!*7!7,!! 9,43

6ra%"n(kW) 3!5!1,87 3154,** ,4*

Refri (kW) 149*1,*3 17337,11 15,88

ORC (kW) 11!8,49 4714,95 57,93

Output power (kW) 39878!,55 4!**!9,5! 1,9*

Output power (MW) 398 4!* 1,9*


19/20

Kesimpulan Efsiensipembangkit kogenerasi !asil optimasi

menggunakan metode algoritma genetika adala! 56,42%,atau naik sekitar ,2!%dari eHsiensi sebelumnya yangdi!itung dengan simulasi satu peruba!,

0Hsiensi maksimum pembangkit di3apai saat temperaturmasuk kompresor gassebesar &9( K5 temperaturmasuk turbin gassebesar (:'' K5 temperatur masukturbin uapsebesar :;( K5 temperatur masuk turbin"ankine organik sebesar ;(8 K5 rasio tekanankompresor gassebesar (:5 dan rasio tekanankompresor pendinginsebesar ;,

Optimasi menggunakan algoritma genetika metode seleksirankingdan metode ka#in silang satu titikmeng!asilkan nilai optimum yang paling 3epatdibandingkan tiga metode lainnya,


20/20

Documents

SNTTM Presentation 2014