Hasil Pencarian  ::  Simpan CSV :: Kembali

"Peralatan dan komponen di Pembangkit Listrik Tenaga Panas Bumi harus selalu diperhatikan keandalan serta ketersediaannya. Sehingga untuk memenuhi hal tersebut sangat diperlukannya program pemeliharaan atau maintenance. Hot well pump sendiri merupakan salah satu komponen utama yang sangat berpengaruh pada produktivitas sistem pembangkit listrik. Karena itulah reliability dan availability dari mesin sangat berpengaruh untuk sistem pembangkit secara keseluruhan. Peningkatan nilai availability ini dapat dilakukan dengan meningkatkan efektivitas daripada waktu operasi uptime mesin tersebut. Adapun sistem pemeliharaan yang dirasa tepat untuk meningkatkan availability tersebut adalah sistem pemeliharaan prediktif yang didasarkan pada kondisi aktual mesin condition-based maintenance. Dalam sistem ini, pemeliharaan akan dilakukan hanya ketika terdapat tanda-tanda penurunan performa mesin. Untuk itu dilakukan perancangan sebuah model prediksi dengan dengan pendekatan machine learning pada metode Classification Learner untuk mempelajari dan mengklasifikasikan rekaman data operasi mesin dalam jumlah besar dari sensor parameter mesin terkait dan menggunakan MATLAB sebagai perangkat lunak pengolah data. Model ini diharapkan dapat menjadi solusi dalam menentukan jadwal pemeliharaan mesin yang tepat sesuai dengan kondisi aktualnya.

---

Equipments and components in the Geothermal Power Plant shall always be noted for its reliability and availability. It is very necessary a good maintenance program. Hot well pump itself is one of the main components that are very influential on the productivity of power generation systems. That is why reliability and availability of that machine is very influential for the overall generating system. The increased availability value can be achieved by increasing the effectiveness of the machine 39 s uptime operation time. The maintenance system that considered appropriate to increase availability is a predictive maintenance system based on the actual condition of the machine condition based maintenance.

In this system, maintenance will be held only when there are signs of decreased machine performance. For that purpose, designing a prediction model with machine learning approach in Classification Learner method is used to study and classify the machine operation data record in large quantities from the sensor of that machine parameters and using MATLAB as a data processing software. This model is expected to be a solution in determining the exact machine maintenance schedule of machine in accordance with actual conditions. "

"Pemeliharaan merupakan hal terpenting dalam menjalankan sebuah sistem produksi yang melibatkan aset yang besar, termasuk pada Pembangkit Listrik Tenaga Panas Bumi. Pemeliharaan mesin berbasis kondisi mesin Condition-Based Maintenance dirasa efektif dalam menjaga performa mesin. Kondisi mesin dapat diketahui melalui data operasi yang ada. Salah satu pendekatan yang dapat mempelajari dan mengolah ribuan data operasi yang terekam oleh sensor-sensor parameter keseluruhan data operasi yang ada adalah dengan pendekatan machine learning. Data operasi tersebut kemudian akan dibagi menjadi beberapa kategori yaitu long, medium dan short dengan batasan berupa lama waktu aset tersebut beroperasi. Data tersebut kemudian akan menjalani proses training menggunakan aplikasi Classification Learner pada software MATLAB. Proses ini memungkinkan MATLAB mempelajari hubungan antar parameter, waktu dan kategori yang dibuat hingga menghasilkan sebuah model klasifikasi kondisi mesin. Model tersebut kemudian digunakan untuk memprediksi kondisi turbin terkini yang kemudian dapat diperkirakan berapa lama lagi turbin dapat beroperasi dengan baik sampai turbin membutuhkan kegiatan pemeliharaan kembali.

---

Maintenance is the most important thing in running a large production system that is using some machinery such as turbines, pumps and so on. This is also applied for a geothermal power plants that have so many assets to maintain. Condition based maintenance is considered to be the most effective maintenance management to be applied for a big scale industrial company. Machines condition could be known from the machines operation data that is continously recorded by the censors of some parameter. One of the most suitable approach to learn and process the big operation data is machine learning. The operation data will be classified into three categories, there are long category, medium category and short category, which has its limit based on the length of time the machine has been operating. Then, the operation data will be trained using Classification Learner toolbox of MATLAB. This process let MATLAB understands the relationship between each parameter, time and the categories until a classification model of machines condition has been produced. The model later could be used to predict the most recent machines condition so that we can also predict how long the machine could still operate well until it needs to be maintained again. "

"Pada penelitian ini dilakukan lima jenis analisis pada PLTP Kamojang Unit 4, antara lain analisis exergy pada kondisi operasional, optimasi efisiensi exergy, optimasi ekonomi, optimasi exergoeconomic dengan tekanan wellhead sebagai variabel, dan optimasi steam ejector dengan aliran motive steam sebagai variabel. Perhitungan dilakukan dengan bantuan MATLAB. Karakteristik termodinamika uap panas bumi diasumsikan sama dengan karakteristik air yang didapatkan dari REFPROP. Tekanan wellhead 10 bar saat ini menghasilkan efisiensi exergy 31,91%. Optimasi efisiensi exergy menghasilkan tekanan wellhead 5,06 bar, efisiensi exergy 47,3%, dan biaya sistem US $3.957.100. Optimasi ekonomi menghasilkan tekanan wellhead 11 bar, efisiensi exergy 22,13%, dan biaya sistem US $2.242.200. Optimasi exergoeconomic menghasilkan 15 titik optimum. Optimasi steam ejector menghasilkan aliran motive steam 34,41 𝑘𝑔 𝑠 lebih kecil dari aliran operasional saat ini 40,61 𝑘𝑔 𝑠.

---

This study presents five analysis at Unit 4 Kamojang Geothermal Power Plant are exergy analysis at operational condition, exergy efficiency optimization, economic optimization, exergoeconomic optimization with wellhead pressure as a variable, and steam ejector optimization with mass flow of motive steam as a variable. Calculations are conducted by using the MATLAB. Thermodynamics characteristic of geothermal fluid assumed as water characteristic which get from REFPROP. Wellhead pressure operational condition 10 bar has exergy efficiency 31.91%. Exergy efficiency optimization has wellhead pressure 5.06 bar, exergy efficiency 47.3%, and system cost US$ 3,957,100. Economic optimization has well pressure 11 bar, exergy efficiency 22.13%, and system cost US$ 2,242,200. Exergoeconomic optimization has 15 optimum condition. Steam ejector optimization has mass flow of motive steam 34.41 𝑘𝑔 𝑠 smaller than the operational condition 40.61 𝑘𝑔 𝑠."

"Energi panas bumi memiliki peran penting dalam transisi penyediaan energi yang rendah karbon serta aman terhadap lingkungan. Energi panas bumi adalah sumber energi terbarukan yang dapat menjadi solusi untuk memenuhi kebutuhan pasokan energi dalam negeri. Tetapi beberapa Pembangkit Listrik Tenaga Panas Bumi PLTP juga memiliki berbagai tantangan kehandalan berupa risiko kegagalan pada peralatannya, yang secara khusus disebabkan oleh kandungan fluida pada reservoir panas bumi. Berbagai metode untuk menghilangkan atau mengurangi risiko kegagalan mulai dipertimbangkan sebagai upaya membangun suatu program inspeksi. Inspeksi Berbasis Risiko memberikan hubungan antara mekanisme kerusakan dengan program inspeksi yang digunakan untuk menurunkan risiko. Penelitian ini, memanfaatkan program Inspeksi Berbasis Risiko sebagai teknik yang mudah digunakan untuk mengevaluasi tingkat probabilitas dan konsekuensu kegagalan sebagai upaya untuk membangun program inspeksi. Untuk menjaga tingkat akurasi dalam analisa penelitian, standar API 581 digunakan sebagai pedoman dalam penelitian kali ini agar dihasilakn kesesuaian antara level risiko dan program inspeksi yang di kembangkan untuk meningkatkan kehandalan.

---

Geothermal energy has an important role in the transition toward a low carbon energy and environmentally safe. Geothermal energy is a renewable energy source that can be a solution to meet domestic energy supply. But, some Geothermal Power Plant GPPs also have various reliability challenges of failure of the equipment, which is specifically caused by the fluid content. Various methods for eliminating or reducing the risk of failure are consideration as an effort to build an inspection program. Risk Based Inspection provides a link between the damage mechanism and the inspection program used to reduce the risk.

In this study, by utilizing the Risk Based Inspection program as an easy technique to use for evaluating probability levels and consequence of failure as an effort to build the inspection program. To maintain accuracy in this research analysis, standard of API 581 are used as guidance in this research to produced suitability between risk levels and inspection programs developed to improve reliability."

"Monitoring kinerja pembangkit listrik penting dilakukan untuk melihat efisiensi sistem secara keseluruhan. Kinerja dalam pembangkit listrik tenaga panas bumi dapat ditinjau dari nilai Specific Steam Consumption (SSC). Penelitian ini bertujuan untuk mengestimasi SSC dengan menggunakan pendekatan artificial intelligence berbasis algoritma Adaptive Neuro Fuzzy Inference System (ANFIS). Variabel input algoritma ini ANFIS berjumlah 10 variabel yang berasal dari sub-sistem pembangkit listrik tenaga panas bumi yakni steam supply and venting system (SSVS), turbine-generator system (TGS), steam return and condensate system (SCRS), gas removal system (GRS), dan cooling water system (CWS). Dalam penelitian ini dilakukan seleksi variabel menggunakan principal component analysis (PCA) dan genetic algorithm (GA) guna meminimalisir nilai error estimasi SSC serta menganalisis secara numerik variabel-variabel apa saja yang mempengaruhi SSC dari 10 variabel awal yang ditentukan. Evaluasi model ANFIS-PCA dan ANFIS-GA yang digunakan adalah RMSE, MAE, dan MAPE. Pada penelitian ini, algoritma hybrid ANFIS-GA dan ANFIS-PCA menghasilkan kinerja estimasi yang sama dan lebih baik dibandingkan tanpa melakukan seleksi variabel. Hasil evaluasi RMSE menunjukkan nilai 0.0298 untuk ANFIS-GA dan ANFIS-PCA serta 0.0351 untuk ANFIS tanpa seleksi variabel. Dengan hasil estimasi ini, diharapkan dapat menjadi alat monitoring SSC jika terjadi abnormalitas pada pengukuran SSC yang dapat disebabkan oleh abnormalitas pada instrument flowmeter uap.

---

Monitoring the performance of the power plant is important to see the overall system efficiency. The performance in geothermal power plants can be viewed from the Specific Steam Consumption (SSC) value. This research aims to estimate the SSC using an artificial intelligence approach based on the Adaptive Neuro Fuzzy Inference System (ANFIS). The ANFIS’s input variables consist of 10 variables originating from the geothermal power generation sub-system, namely the steam supply and venting system (SSVS), the turbine-generator system (TGS), the steam return and condensate system (SCRS), the gas removal system (GRS), and a cooling water system (CWS). In this study, principal component analysis (PCA) and genetic algorithm (GA) are used to minimize the estimation error value and to analyze variables affecting the SSC. The evaluations of the ANFIS-PCA and ANFIS-GA models used are RMSE, MAE, and MAPE. In this study, the ANFIS-GA and ANFIS-PCA algorithms produce the same and better estimation performance than without selecting variables. The RMSE evaluation showed a value of 0.0298 for ANFIS-GA and ANFIS-PCA and 0.0351 for ANFIS without variable selection. It is hoped that this result can become an SSC monitoring tool as a mitigation of the abnormality in the steam flowmeter instrument."

"Merangking peralatan kritis di Pembangkit Listrik Tenaga Panas Bumi PLTP merupakan hal terpenting sebelum menentukan metode pemeliharaan yang digunakan untuk setiap masing ndash; masing peralatan. Pada penelitian ini, penulis memperkenalkan metode terbarukan dalam menentukan dan merangking peralatan kritis di PLTP dengan metode Fuzzy Borda Count FBC. Proses perhitungan dengan metode FBC menggabungkan antara analisis kualitatif dengan analisis kuantitatif. Langkah pertama pada proses ini adalah menyaring terlebih dahulu sistem dengan menggunakan matriks risiko orde 2 x 2. Setelah itu menyaring peralatan dengan menggunakan matriks risiko orde 5 x 5. Dalam tahapan perhitungan terdapat 8 faktor yang berpengaruh terhadap sistem dan peralatan. Faktor tersebut di bobotkan serta di normalisasikan dengan menggunakan metode Analytic Hierarchy Process AHP . Dengan adanya nilai bobot setiap faktor maka dapat menghitung indeks dari setiap peralatan. Serta tahapan terakhir dalam merangking dengan menggunakan metode Fuzzy Borda Count FBC.

---

Ranking of critical equipment in Geothermal Power Plants GPPs is the most important thing before determining maintenance method used for each equipment. In this research, the author introduces a new method in determining and ranking of critical equipment in GPPs with Fuzzy Borda Count method. The calculation process by FBC method through combination of qualitative analysis with quantitative analysis. The first step in this process is to filter the system using Risk Analysis RA of a 2th order risk matrix. After that, we must filter the equipment from system in GPPs using Risk Analysis RA of a 5th order risk matrix. In this calculation, we use 8 factors that affect the system and equipment in GPPs. These factors are weighted and normalized using the Analytic Hierarchy Process AHP method. Given the weight value of each factor then it can calculate the index of each equipment. And the last step is ranking critical equipment by using Fuzzy Borda Count method FBC."

"Pada suatu pembangkit listrik tenaga panas bumi (PLTP), kondensor merupakan alat yang berfungsi untuk mengkondensasikan uap sisa yang keluar dari turbin. Kondensat yang dihasilkan kemudian didinginkan melalui menara pendingin atau cooling tower sebelum dialirkan kembali ke dalam kondensor sebagai air pendingin. Penurunan tekanan vakum di dalam kondensor saat proses kondensasi memberikan perbedaan entalpi yang semakin besar pada turbin. Jika terjadi kenaikan tekanan kondensor maka energi listrik yang dihasilkan akan semakin berkurang. Tekanan dan suhu menjadi variabel yang mempengaruhi kinerja dari kondensor tersebut. Kedua variable ini sangat bervariasi dan sulit dikontrol karena dipengaruhi oleh keadaan lingkungan sekitar. Suhu cooling water sangat dipengaruhi oleh suhu disekitar pembangkit dan kinerja dari cooling tower. Untuk mengetahui pengaruh kedua variabel ini terhadap kinerja kondensor, maka perlu dilakukan analisa kinerja kondensor. Analisa kinerja kondensor dilakukan dengan melihat data lapangan yang diperoleh dari control room unit 2 milik PT. Indonesia Power UBP Kamojang. Penulisan ini difokuskan pada analisa kinerja kondensor dengan tipe direct contact spray jet yang berkaitan dengan pengaruh tekanan dan suhu yang nantinya akan mempengaruhi kinerja kondensor tersebut.

---

On a geothermal power plant (PLTP), the condenser is a equipment that serves to condensing the remaining steam coming out of the turbine. The resulting condensate is then cooled via cooling tower before going back into the condenser as cooling water. Vacuum pressure drop inside the condenser when condensation give an increasingly large enthalpy differences on the turbine. In case the condenser pressure increases then the energy is electricity generated will be reduced. Pressure and temperature become variables that affect the performance of the condenser. This two variable is highly variable and difficult to be controlled because it is influenced by the state of the environment. The temperature of the cooling water was strongly influenced by the temperature of the surrounding plants and the performance of the cooling tower. To know the influence of these variables on performance of the condenser, then it needs to be done analysis of the performance of the condenser. Analysis of the performance of the condenser is done by looking at the field data obtained from the control room of unit 2 belongs to PT Indonesia Power. UBP Kamojang. The writing is focused on the analysis of the performance of the condenser with direct contact type spray jet with regard to the influence of pressure and temperature which will affect the performance of the condenser."

"Menara pendingin atau Cooling Tower merupakan salah satu komponen penting pada suatu pembangkit. Pada PLTP, menara pendingin berguna untuk menurunkan suhu fluida cair hasil dari perubahan fase gas-cair pada proses vakum di kondensor. Sehingga fluida cair dapat mebuang kalor panasnya ke udara luar dan dapat dipakai lagi untuk proses vakum pada kondensor. peningkatan vakum kondensor membuat hasil output listrik pada turbin semakin optimal. Oleh karena itu proses pendinginan fluida pada Menara Pendingin sangat penting. Akan tetapi proses pendinginan pada menara pendingin sangat bergantung dengan kondisi lingkungan udara lokasi pembangkit. Pada skripsi ini penulis membuat analisis kinerja dari Menara Pendingin dengan jenis Crossflow inducted draft Cooling Tower dengan mengevaluasi hasil yang didapat dari data Control room dan data desain awal pembangkit. Dengan analisis kerja ini didapat bahwa temperatur wet bulb dari udara masuk cooling tower mempengaruhi nilai dari temperatur hasil pendinginan menara pendingin pada basin yang juga mempengaruhi kondisi tekanan vakum pada kondensor dan menyebabkan perubahan pada hasil beban generator.

---

Cooling tower is one of the important components of geothermal power plant. Cool-ing tower useful for lowering the temperature of liquid fluid result of the gas ?fluid changes phase in the proces of vacuum in condenser. So that the hot liquid fluid can transfer calorific heat to the outdoor air and the liquid result can be used again for the vacuum in the condenser. Condenser vacuum increase make the electrical out-put of the turbine further optimized. Therefore, the process of cooling fluid in the cooling tower is very important. But the cooling process in the cooling tower is very dependent on the environmental air plant site.

In this thesis, the author makes the analysis of the performance of the Crossflow inducted draft Cooling Tower to eval-uate the results obtained from the data Control room and plant the initial design data. The result found that the wet bulb temperature of the inlet air cooling tower affect the value of the temperature of cooling results in the cooling tower basin that also affect the condition of vacuum pressure in the condenser and cause changes in the results of the load generator"

"ABSTRAKPembangkit listrik tenaga panas bumi adalah sumber energi bersih terbarukan dengan potensi besar yang dimiliki Indonesia. Sistem deteksi kesalahan manual pada mesin kritis adalah salah satu masalah dalam pengoperasian pembangkit listrik tenaga panas bumi di Indonesia. Kesalahan rentan dalam menentukan kondisi mesin dan keterlambatan dalam mengetahui peringatan adalah dua masalah utama yang muncul. Penerapan algoritma pembelajaran mesin dalam membuat model deteksi kesalahan telah digunakan di berbagai industri dan objek. Penelitian ini adalah penerapan algoritma pembelajaran mesin untuk membuat model klasifikasi deteksi kesalahan pada mesin kritis pembangkit listrik tenaga panas bumi. Algoritma yang digunakan adalah classifier dasar dan ensemble classifier untuk membandingkan algoritma mana yang menghasilkan indikator klasifikasi terbaik. Penelitian ini dapat memberikan wawasan tentang industri pembangkit listrik tenaga panas bumi di Indonesia untuk mengatasi sistem deteksi kesalahan yang ada dengan memanfaatkan data sensor menggunakan algoritma pembelajaran mesin.

---

ABSTRACTGeothermal power plants are a renewable clean energy source with great potential that Indonesia has. The manual fault detection system at the critical machine is one of the problems in the operation of geothermal power plants in Indonesia. Vulnerable errors in determining engine conditions and delays in knowing alerts are two major problems that arise. The application of machine learning algorithms in making fault detection models has been used in various industries and objects. This research is the application of machine learning algorithms to create fault detection classification models on critical engines of geothermal power plants. The algorithm used is the basic classifier and ensemble classifier to compare which algorithms produce the best classification indicators of classifications. This research can provide insight into the geothermal power plant industry in Indonesia to overcome existing fault detection system by utilizing sensor data using machine learning algorithm."