Hasil Pencarian  ::  Simpan CSV :: Kembali

"Energi matahari merupakan sumber energi terbarukan yang paling potensial, disamping mudah didapatkan energi matahari tidak menimbulkan dampak lingkungan dalam pemanfaatannya. Solar thermal plant merupakan salah satu proses untuk mengubah energi matahari menjadi energi panas mekanik oleh media yang dipanaskan berdasarkan proses thermal melalui beberapa peralatan seperti solar collector, thermal energy storage, dan sistem instalasi perpipaan. Pengoperasian solar thermal plant sangat di pengaruhi oleh beberapa faktor antara lain besarnya intensitas radiasi matahari yang selalu mengalami perubahan secara dinamis dan tidak dapat dimanipulasi, adanya faktor disturbance berupa suhu lingkungan yang sangat bergantung pada kondisi cuaca, serta faktor penggunaan beban yang berubah-ubah tergantung dengan kebutuhan pengguna. Oleh karena itu diperlukan sistem kendali yang dapat mengatasi masalah dan dinamika perubahan yang terjadi. Salah satu permasalahan yang dihadapi dalam perancangan sistem kendali adalah tidak tersedianya model yang dapat merepresentasikan kondisi plant secara real. Pada solar thermal plant sering kali parameter fisik dari model tidak didapatkan karena keterbatasan informasi. Sehingga dibutuhkan proses identifikasi dan pemodelan untuk mendapatkan parameter fisik dari plant. Model solar thermal plant merupakan model dengan karakteristik nonlinear yang cukup kuat dan beroperasi pada range yang cukup lebar yang dipengaruhi oleh faktor eksternal disturbance. Sehingga diperlukan pendekatan yang berbeda untuk dapat merepresentasikan model secara utuh. Pada tesis ini dikembangkan metode pengendalian prediktif berbasis model linear time varying (LPV-MPC) untuk solar thermal plant dengan studi kasus pada sistem pendingin bertenaga surya yang terpasang pada Gedung Mechanical Research Centre FT UI. Optimal setpoint proses dihasilkan secara real time menggunakan dynamic real time optimization (DRTO) berdasarkan informasi keluaran sistem dan disturbance yang terukur. Keterbatasan pengukuran dari plant diatasi dengan merancang nonlinear state estimator berbasis Extended Kalman Filter. Dengan adanya sistem kendali LPV-MPC dengan DRTO berbasis EKF yang telah di uji dan validasi dengan data real plant , sistem kendali yang dirancang dapat membuat temperature keluaran dari plant lebih stabil serta meningkatkan efisiensi dengan meminimalkan penggunaan tenaga listrik pada sistem serta mengoptimalkan penyerapan energi matahari. Berdasarkan hasil simulasi pengendalian yang telah dilakukan selama 4 hari operasional solar thermal plant didapatkan penurunan konsumsi tenaga listrik hingga 32.23% serta peningkatan penyerapan energi matahari hingga 69.38%.

---

Solar energy is the most potential renewable energy source, besides being easy to obtain, solar energy does not cause environmental impacts in its utilization. The solar thermal plant is one of the processes for converting solar energy into thermal energy by heating fluid based on thermal process through several equipments such as solar collectors, thermal energy storage, and piping systems. The operation of solar thermal plants is strongly influenced by several factors, including the amount of solar radiation intensity which always changes dynamically and can not be manipulated, disturbance factors in the form of environmental temperature which is highly dependent on weather conditions, and the user load that varies depending on the user needs. Therefore, a control system strategy that can overcome these problems is needed. One of the problems that arise in the design of the control system is the unavailability of a plant model that can represent the real condition of the plant. Especially in solar thermal plants, the physical parameters of the model are often unknown due to limited information. Hence identification and modeling process to get the physical parameters of the plant should be done. The solar thermal plant model is a model with strong nonlinear characteristics and operates over a fairly wide range of operating conditions which is influenced by external disturbance factors. Consequently, a different approach to represent the model as a whole is needed. This thesis develops a predictive control method based on a linear time-varying model (LPV-MPC) for a solar thermal plant with a study case on a solar thermal cooling system installed in the Mechanical Research Center Building, FT UI. The optimal setpoint process is generated in real-time using Dynamic Real-Time Optimization (DRTO) based on system output information and measured disturbances. The limitation of plant measurement is overcome by designing a nonlinear state estimator based on the Extended Kalman Filter. By using LPV-MPC integrated with DRTO based on EKF that has been tested and validated with real plant data, the proposed control system strategy are able to achieve a more stable output temperature of the solar thermal plant and increase efficiency by minimizing electricity usage in the system and optimizing solar energy absorption. Based on the simulation results that have been carried out for 4 days of solar thermal plant operation, it is found that there is a decrease in electricity consumption by 32.23% and an increase in solar energy absorption by 69.38%."

"Dalam beberapa tahun terakhir, riset dalam bidang keamanan dalam berkendara menjadi sebuah perhatian penting bagi industri otomotif, hal ini disebabkan oleh kecelakaan lalu lintas yang masih marak terjadi. Sudah banyak penelitian mengenai metode pengendali yang dikembangkan untuk mengatasi masalah kestabilan pada kendaraan. Salah satunya adalah metode kendali Linear Parameter Varying Model Predictive Control (LPV-MPC). Kelebihan dari metode LPV-MPC ini adalah model nonlinear dapat diekspresikan sebagai sebuah kombinasi dari model-model linear dengan parameter yang bersifat varying dengan beberapa time varying parameter tanpa harus menggunakan linierisasi. Pada penelitian ini, dikembangkan sebuah sistem Active Safety berbasis LPV-MPC yang berguna untuk menjaga kestabilan kendaraan bus listrik dalam melakukan manuver berkendara seperti manuver Double Lane Change (DLC) dengan tetap pada kecepatan yang ditentukan. Pengendali LPV-MPC mengatur gaya masing-masing roda dan sudut belok roda depan sehingga dapat stabil dalam melewati track acuan yang diberikan. Hasil dari penelitian menunjukkan bahwa metode LPV-MPC mampu untuk menjaga kestabilan bus listrik pada saat melewati track acuan dengan tetap pada kecepatan target yang ditentukan pada penelitian thesis ini. Sehingga dapat disimupulkan kendaraan bus listrik dengan sistem Active Safety berbasis LPV-MPC dapat menjaga kestabilan dalam melakukan manuver berkendara.

---

In recent years, research in the field of safety in driving has become an important concern for the automotive industry, this is due to traffic accidents that are still rife. There have been many studies on control methods developed to overcome stability problems in vehicles. One of them is the Linear Parameter Varying Model Predictive Control (LPV-MPC) control method. The advantage of this LPV-MPC method is that the nonlinear model can be expressed as a combination of linear models with varying parameters with several time varying parameter without having to use linearization. In this study, an Active Safety system based on LPV-MPC was developed which is useful for maintaining the stability of electric bus vehicles in carrying out driving maneuvers such as the Double Lane Change (DLC) maneuver while remaining at a specified speed. The LPV-MPC controller regulates the force of each wheel and the turning angle of the front wheels so that they can be stable in passing the given reference track. The results of the study indicate that the LPV-MPC method is able to maintain the stability of the electric bus when passing the reference track while remaining at the target speed specified in this thesis research. So it can be concluded that electric bus vehicles with an Active Safety system based on LPV-MPC can maintain stability in driving maneuvers."

"Di era dengan ketersediaan bahan bakar fosil yang semakin rendah, diperlukan sumber energi terbarukan. Salah satu pembangkit dengan efisiensi optimal adalah pembangkit listrik tenaga nuklir. Badan Energi Atom Jepang (JAEA) memulai proyek HTTR pada tahun 1985 dengan inti prismatik, moderator grafit, dan reaktor berpendingin gas helium. Model matematis dan parameter merupakan acuan yang penting digunakan untuk melakukan suatu desain pengendali. Model kinetik reaktor nuklir yang digunakan terdiri dari model point kinetics, model thermal hydraulic, dan model reaktivitas masukan dan umpan balik ke model point kinetics. Beberapa parameter model pada reaktor nuklir sering kali tidak diketahui, oleh karena itu dilakukan estimasi model parameter menggunakan metode curve fitting nonlinear least squares. Didapatkan model yang telah dioptimasi dengan nilai akurasi dari hasil pada tingkat daya 9, 15 dan 18 MW berturut-turut yaitu sebesar 98.85%, 94.60% dan 97.95% dengan nilai RMSE masing-masing sebesar 0.0778, 0.2366 dan 0.1469. Sudah banyak sekali peneliti yang mengembangkan metode kendali untuk reaktor nuklir. Pada penelitian ini digunakan metode kendali terbaru yaitu Linear Parameter Varying Model Predictive Control (LPV-MPC). Kelebihan pada metode LPV-MPC yaitu model nonlinear dapat dibentuk dari model linear dan nonlinear dengan parameter yang bersifat varying tanpa harus menggunakan linearisasi.

---

In an era where the availability of fossil fuels is getting lower, renewable energy sources are needed. One of the plants with optimal efficiency is a nuclear power plant. The Japan Atomic Energy Agency (JAEA) started the HTTR project in 1985 with a prismatic core, graphite moderator, and a helium gas-cooled reactor. Mathematical models and parameters are important references used to carry out a controller design. The nuclear reactor kinetic model consists of a point kinetics model, a thermal hydraulic model, and an input reactivity model and feedback to the point kinetics model. Some model parameters in nuclear reactors are often unknown, therefore the parameter model estimation is carried out using the nonlinear least squares curve fitting method. The model has been optimized with accuracy values from the results at power levels of 9, 15 and 18 MW, respectively, 98.85%, 94.60% and 97.95% with RMSE values of 0.0778, 0.2366 and 0.1469, respectively. Many researchers have developed control methods for nuclear reactors. In this study, the latest control method is used, namely Linear Parameter Varying Model Predictive Control (LPV-MPC). The advantage of the LPV-MPC method is that nonlinear models can be formed from linear and nonlinear models with varying parameters without having to use linearization. "

"Transportasi umum kereta antar kota menjadi salah satu transportasi yang banyak diminati karena bisa mengurangi kemacetan dan jarak tempuh yang jauh serta bisa mengangkut orang dalam jumlah yang banyak. Pada kenyataannya, bahan bakar yang digunakan adalah diesel yang Smenghasilkan emisi gas karbon. Emisi gas karbon bisa meningkatkan pencemaran udara dan efek rumah kaca. Sebagai solusi, penggunaan kombinasi sumber energi pada sistem kereta hibrid sudah dilakukan dan dikembangkan dalam beberapa dekade ini. Sumber energi listrik dalam bentuk baterai atau sel bahan bakar hidrogen dalam bentuk fuel cell menjadi energi utama dalam penggerak kereta. Sebagai tambahan, untuk memenuhi kebutuhan daya kereta yang disesuaikan juga bisa ditambahkan sumber energi lain seperti ultra/super capacitor ataupun diesel. Oleh karena itu, pada sistem kereta hibrid ini diperlukan EMS (Energy Management System) untuk mengatur keluaran dan penggunaan energi yang dipakai secara optimal. Metode pengendalian yang digunakan adalah MPC (Model Predictive Control) yang memungkinkan strategi perencanaan dan pengoptimalan penggunaan energi dari berbagai sumber daya. Pada metode optimasi MPC terdapat cost function yang akan diminimalisir dan dioptimalkan dengan berbagai constraints.

---

Inter-city train public transportation is one of the most popular transportations because it can reduce congestion and long distances and transport large numbers of people. In reality, the fuel used is diesel which produces carbon gas emissions. Carbon gas emissions can increase air pollution and the greenhouse effect. As a solution, the use of a combination of energy sources in hybrid train systems has been carried out and developed in recent decades. Electrical energy sources in the form of batteries or hydrogen in the form of fuel cells become the main energy in driving the train. In addition, other energy sources such as ultra/super capacitors or diesel can also be added to fulfill the power requirements of the train. Therefore, this hybrid train system requires an EMS (Energy Management System) to optimally manage the output and use of energy used. The control method used is MPC (Model Predictive Control) which enables strategic planning and optimization of energy use from various resources. In the MPC optimization method, there is a cost function that will be minimized and optimized with various constraints."

"Tesis ini menyelidiki penerapan multi-ojective genetic algorithm untuk mengurangi konsumsi energi dalam sistem heating, ventilation dan air conditioning (HVAC) sekaligus meningkatkan kenyamanan termal melalui kontrol prediktif pengoperasian pompa. Penelitian ini memanfaatkan EnergyPlus dan OpenStudio untuk memodelkan kinerja energi Makara Art Center, sebuah gedung di Universitas Indonesia. Optimasi multi-objective dinamis kemudian dilakukan pada model tersebut, khususnya pada laju aliran massa pompa boiler dan pompa chiller. Simulasi Energyplus dan MATLAB dijalankan secara paralel di Building Control Virtual Test Bed (BCVTB) untuk menilai peningkatan kenyamanan termal sekaligus meminimalkan kebutuhan energi menggunakan model yang dioptimalkan. Hasilnya menunjukkan pengurangan konsumsi energi secara signifikan sebesar 32% tanpa mengurangi kenyamanan termal. Hal ini menunjukkan potensi optimasi multi-objective sebagai alat untuk meningkatkan efisiensi sistem HVAC di gedung.

---

This thesis investigates the application of multi-objective dynamic optimization to reduce energy consumption in Heating, Ventilation, and Air Conditioning (HVAC) systems while improving thermal comfort through pump operation predictive control. The study utilizes EnergyPlus and OpenStudio to model the energy performance of Makara Art Center, a building at the University of Indonesia. A dynamic multi-objective optimization is then conducted on the model, particularly in the boiler and chiller pumps mass flowrates. Co-simultion between Energyplus and MATLAB is run in Building Control Virtual Test Bed (BCVTB) to assess the improvememnt on thermal comfort while minimizing energy demand using the optimized model. The results demonstrate a significant 32% reduction in energy consumption without compromising thermal comfort. This highlights the potential of data driven multi-objective optimization as a valuable tool for improving HVAC system efficiency in buildings."

"ABSTRACTModel Predictive Control MPC digunakan untuk mengoptimalisasi parameter pengendalian pada penghilangan CO2 di lapangan Subang. MPC digunakan untuk mengendalikan laju aliran amina, laju aliran makeup water, dan tekanan gas umpan untuk mempertahankan konsentrasi CO2 pada keluaran sweet gas. Model empiris dibuat untuk diterapkan di MPC controller berdasarkan kurva reaksi proses PRC dengan menggunakan pendekatan fisrt order plus dead time FOPDT . Parameter pengendalian Prediction Horizon P , Control Horizon M dan Sampling Time T yang optimal dihasilkan secara berurutan: 91, 32 dan 1 pada PIC-1101, 34, 10 dan 5 pada FIC-1102 dan 40, 10 dan 5 pada FIC-1103. Hasil penyetelan pengendali dengan metode MPC yang optimal kemudian dibandingkan dengan pengendali yang ada dilapangan yang menggunakan pengendali Proportional ndash; Integral PI . Pengkuran kinerja pengendalian secara keseluruhan diwakilkan oleh nilai Integral Square Error ISE . Berdasarkan nilai ISE, penggunaan MPC dapat memperbaiki kinerja pengendalian sebesar 14,02 pada PIC-1101, 76,74 pada FIC-1102, dan 16,31 pada FIC-1103.

---

ABSTRACTA model predictive control MPC is used for optimazing the control parameters on CO2 Removal in Subang Field. The MPC is used for controlling the amine flow rate, makeup water flowrate, and feed gas pressure to maintain CO2 concentration in sweet gas. Empirical models are made to appllied in MPC controller based on process reaction curve PRC from fisrt order plus dead time FOPDT approach. The Prediction Horizon P , Control Horizon M and Sampling Time T of control parameters are produced sequentially 91, 32 and 1 on PIC 1101, 34, 10 and 5 on FIC 1102 and 40, 10 and 5 on FIC 1103. The result of control setting by MPC method is then compared with current controller that is Proportional Integral PI to get optimal tuning result. The overall performance control performance is represented by the Integral Square Error ISE value. Based on ISE values, the use of MPC can improve performance by 14.02 in PIC 1101, 76.74 in FIC 1102, and 16.31 in FIC 1103."

"Di era dengan ketersediaan bahan bakar fosil yang semakin rendah, diperlukan sumber energi terbarukan. Salah satu pembangkit dengan efisiensi optimal adalah pembangkit listrik tenaga nuklir. Badan Energi Atom Jepang (JAEA) memulai proyek HTTR pada tahun 1985 dengan inti prismatik, moderator grafit, dan reaktor berpendingin gas helium. Model matematis dan parameter merupakan acuan yang penting digunakan untuk melakukan suatu desain pengendali. Model kinetik reaktor nuklir yang digunakan terdiri dari model point kinetics, model thermal hydraulic, dan model reaktivitas masukan dan umpan balik ke model point kinetics. Beberapa parameter model pada reaktor nuklir sering kali tidak diketahui, oleh karena itu dilakukan estimasi model parameter menggunakan metode curve fitting nonlinear least squares. Didapatkan model yang telah dioptimasi dengan nilai akurasi dari hasil pada tingkat daya 9, 15 dan 18 MW berturut-turut yaitu sebesar 98.85%, 94.60% dan 97.95% dengan nilai RMSE masing-masing sebesar 0.0778, 0.2366 dan 0.1469. Sudah banyak sekali peneliti yang mengembangkan metode kendali untuk reaktor nuklir. Pada penelitian ini digunakan metode kendali terbaru yaitu Linear Parameter Varying Model Predictive Control (LPV-MPC). Kelebihan pada metode LPV-MPC yaitu model nonlinear dapat dibentuk dari model linear dan nonlinear dengan parameter yang bersifat varying tanpa harus menggunakan linearisasi.

---

In an era where the availability of fossil fuels is getting lower, renewable energy sources are needed. One of the plants with optimal efficiency is a nuclear power plant. The Japan Atomic Energy Agency (JAEA) started the HTTR project in 1985 with a prismatic core, graphite moderator, and a helium gas-cooled reactor. Mathematical models and parameters are important references used to carry out a controller design. The nuclear reactor kinetic model consists of a point kinetics model, a thermal hydraulic model, and an input reactivity model and feedback to the point kinetics model. Some model parameters in nuclear reactors are often unknown, therefore the parameter model estimation is carried out using the nonlinear least squares curve fitting method. The model has been optimized with accuracy values from the results at power levels of 9, 15 and 18 MW, respectively, 98.85%, 94.60% and 97.95% with RMSE values of 0.0778, 0.2366 and 0.1469, respectively. Many researchers have developed control methods for nuclear reactors. In this study, the latest control method is used, namely Linear Parameter Varying Model Predictive Control (LPV-MPC). The advantage of the LPV-MPC method is that nonlinear models can be formed from linear and nonlinear models with varying parameters without having to use linearization.

"

"Kemampuan produksi minyak di Indonesia semakin menurun sejak tahun 1997 hingga sekarang sedangkan kebutuhan produk minyak/ BBM menunjukkan kecenderungan yang semakin meningkat. Maka produk dimetil eter (DME) dapat digunakan sebagai sumber energi alternatif yang lebih ramah lingkungan dan berkelanjutan. Pada pabrik purifikasi DME ini, umpan dengan komposisi DME, metanol dan air akan dipisahkan sehingga diperoleh DME murni dengan konsentrasi 99%. Dalam proses produksinya, unit-unit proses mengalami banyak gangguan yang berdampak pada menurunnya efisiensi dan kestabilan operasi dan juga berpengaruh pada aspek keselamatan.Pada penelitian ini, pengendali Model Predictive Control (MPC) memiliki kinerja yang lebih baik dibanding pengendali PI dalam mengatasi gangguan dengan penurunan integral of absolute error (IAE) sebesar 40,08% hingga 96,26% dari pengendali PI. Parameter penyetelan (tuning) pada pengendali MPC yang berupa sampling time (T), prediction horizon (P), dan control horizon (M) dicari menggunakan metode non-adaptive dan fine tuning. Analisis kelaikan ekonomi pemasangan MPC menunjukkan bahwa payback period adalah sebesar 14,5 tahun dan 13,4 tahun serta net present value (NPV) sebesar -11juta rupiah dan -9,3 juta rupiah pada skenario gangguan umpan 5% dan 8% secara berturut-turut, sehingga penggantian pengendali dari PI menjadi MPC pada pabrik purifikasi DME secara ekonomi tidak menguntungkan.

---

Oil and gas production in Indonesia always decreasing since 1997 until now, and yet the need of oil and fuel product show increasing trajectory. Dimethyl ether (DME) can be used as altenative energy source, it is environmentally safe and sustainable. In this DME purification plant, feed stream containing DME, methanol, and water mixture is separated to obtain DME with 99% purity. In its production process, process unit in DME plant must get disturbances that will affect to the decreasing of process efficiency, operation stability and even safety aspect.

In this research, Model Predictive Control (MPC) has better performance than PI controller in order to overcome disturbances with error (IAE) reduction ranging from 40,08% up to 96,26% than PI controller. Tuning parameters in MPC controller, which are sampling time (T), prediction horizon (P) and control horizon (M), are estimated by both non-adaptive and fine tuning method. Economic feasibility analysis on MPC controller implementation shows that the payback period is 14,5 years and 14,3 years, then NPV -11 million rupiah and -9,3 million rupiah in disturbance scheme of 5% and 8% respectively . Hence, it is not economically feasible to change PI controller into MPC controller on dimethyl ether purification plant."

"Model Predictive Control is an important technique used in the process control industries. It has developed considerably in the last few years, because it is the most general way of posing the process control problem in the time domain. The Model Predictive Control formulation integrates optimal control, stochastic control, control of processes with dead time, multivariable control and future references. The finite control horizon makes it possible to handle constraints and non linear processes in general which are frequently found in industry. Focusing on implementation issues for Model Predictive Controllers in industry, it fills the gap between the empirical way practitioners use control algorithms and the sometimes abstractly formulated techniques developed by researchers. The text is firmly based on material from lectures given to senior undergraduate and graduate students and articles written by the authors"

"Model Predictive Control is an important technique used in the process control industries. It has developed considerably in the last few years, because it is the most general way of posing the process control problem in the time domain. The Model Predictive Control formulation integrates optimal control, stochastic control, control of processes with dead time, multivariable control and future references. The finite control horizon makes it possible to handle constraints and non linear processes in general which are frequently found in industry. Focusing on implementation issues for Model Predictive Controllers in industry, it fills the gap between the empirical way practitioners use control algorithms and the sometimes abstractly formulated techniques developed by researchers. The text is firmly based on material from lectures given to senior undergraduate and graduate students and articles written by the authors"