Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kereta listrik merupakan suatu bentuk transportasi umum dengan tujuan untuk mengurangi kemacetan. Manfaat lainnya adalah bentuk transportasi ini tidak mengeluarkan gas hasil pembakaran dan memiliki kapasitas yang besar. Untuk operasinya, kereta ini dapat menggunakan kendali manual hingga kendali otomatis tanpa adanya sentuhan dari manusia. Kendali otomatis ini dikenal dengan sistem Automatic Train Operation (ATO), yang memiliki tugas untuk memantau dan memberikan perintah terhadap kereta sesuai dengan profil kecepatan. Profil kecepatan kereta memiliki peran penting dalam meminimalisasi energi yang diperlukan dengan tujuan mengurangi biaya operasional dengan memperhatikan ketepatan jarak. Salah satu cara untuk mencapai hal tersebut adalah dengan memvariasikan kecepatan kereta sesuai dengan nilai waktu atau jarak tertentu. Optimasi terhadap kedua parameter tersebut dapat dilakukan dengan pendekatan berupa beberapa algoritma seperti, analitikal, numerikal, heuristik dan kombinasi. Salah satu algoritma heuristik yang bisa diaplikasikan adalah algoritma Teaching Leaning Based Optimization (TLBO). Algoritma ini didasarkan oleh konsep perilaku guru dan murid, dimana guru memberikan pelajaran terhadap murid di dalam suatu kelas. Algoritma ini diharapkan dapat menghasilkan nilai profil kecepatan kereta yang optimal dengan memperhatikan ketepatan jarak dan waktu tempuh. Berdasarkan hasil simulasi didapatkan bahwa metoda TLBO dapat meminimalkan nilai konsumsi energi, selisih jarak, kenyamanan dan kecepatan akhir.

---

Electric trains represent a form of public transportation designed to alleviate traffic congestion. Another benefit is that this mode of transportation does not emit combustion byproducts and has a large capacity. In terms of operation, these trains can be manually controlled or operate automatically without human intervention. The automatic control is known as the Automatic Train Operation (ATO) system, which is tasked with monitoring and issuing commands to the train based on speed profiles. The speed profile of the train plays a crucial role in minimizing the energy required, aiming to reduce operational costs while considering distance accuracy. One approach to achieving this is by varying the train's speed according to specific time or distance values. Optimization of both parameters can be carried out using various algorithms, including analytical, numerical, heuristic, and combinations thereof. One applicable heuristic algorithm is the Teaching Learning Based Optimization (TLBO), inspired by the teacher-student learning concept within a classroom. This algorithm is expected to generate optimal speed profile values for the train while taking into account distance accuracy and travel time. Based on the simulation result, TLBO algorithm could minimize the energy consume, distance difference, comfort and final speed."

"ABSTRAKKebutuhan akan kendaraan berbasis elektrik yang mampu menggantikan secara penuh peran kendaraan berbahan bakar fosil sebagai alat transportasi menuntut terciptanya kendaraan listrik dengan penggunaan energi minimum namun tetap memiliki kehandalan tinggi dalam hal kekuatan baterai, efisiensi energi, kecepatan, daya dan torsi. Penelitian ini bertujuan untuk mengetahui performa kendaraan listrik secara real-time pada berbagai jenis lintasan jalan agar diketahui tingkat konsumsi energi serta keunggulan dan kekurangannya apabila digunakan pada kondisi jalanraya yang sesungguhnya. Nilai parameter performa kendaraan listrik yang diwakili oleh tegangan dan temperatur baterai, daya output motor listrik, arus listrik, kecepatan dan akselerasi setiap waktu didata dan ditampilkan dalam bentuk profil kecepatan untuk dilakukan analisa terhadap konsumsi energi yang digunakan, kemiringan jalan, temperatur lintasan dan perilaku mengemudi pengendara. Rata-ratakonsumsi energi kendaraan sebesar 15,286 kWh per 100 kilometer jarak tempuh dengan tingkat konsumsi energi pada jalan menanjak adalah 4 kali lebih besar dari jalan mendatar. Dapat disimpulkan bahwa kendaraan listrik prototype dengan berat total 120 kilogram dan berdaya 350 Watt ini tidak mampu menghasilkan tingkatefisiensi konsumsi energi yang baik menghadapi medan jalan dengan kisaran kemiringan 0-20 % pada suhu maksimum lintasan 41derajat Celcius.

---

abstractThe need of electric vehicle that is able to fully replace the role of fossil fuel vehicle for transportation mode requires electric vehicle with low energy consumption but still has a high reliability in terms of battery power, energy efficiency, speed, power and torque. This study aims to determine the performance of electric vehicles in realtime information on various types of track path in order to know the level of energyconsumption as well as the advantages and disadvantages when used on a real road conditions. The parameter of electric vehicle performance values which represented by voltage and battery temperature, power output of electric motors, electric current, velocity and acceleration at all times being recorded and displayed in the form of the velocity profile to do an analysis of energy consumption is used, the slope of theroad, temperature and feature of the track and driver behaviour. The average energy consumption of vehicles is 15.286 kWh per 100 kilometer distance to the level of energy consumption on the ramp is 4 times larger than the horizontal path. Can be concluded that the electric vehicle prototype with a total weight of 120 kilograms andis powered by 350 Watt BLDC electric motor could not produce the level of energy consumption efficiency of a good deal with road terrain with slope range between 0- 20% at the track?s maximum temperature 41degree Celsius."

"Kereta listrik merupakan salah satu mode transportasi umum yang banyak digunakan di Indonesia karena ramah lingkungan, mampu mengangkut banyak orang, dan berbiaya relatif terjangkau. Faktor-faktor tersebut membuat peningkatan efisiensi energi kereta menjadi hal yang penting untuk menurunkan biaya dan emisi di tengah isu perubahan iklim dan urbanisasi. Oleh karena itu, penggunaan Energy Storage Device (ESD) dan pemilihan profil kecepatan operasional kereta yang optimal diperlukan agar konsumsi energi kereta menjadi sekecil mungkin. Problem penentuan profil kecepatan kereta ini dapat dimodelkan menjadi problem multi stage yang dapat diselesaikan dengan algoritma dynamic programming (DP). Dynamic programming banyak digunakan karena DP memperhitungkan semua kemungkinan state space yang ada sehingga menghasilkan hasil yang paling optimal. Pada penelitian ini, penentuan profil kecepatan yang optimum dilakukan dengan mempertimbangkan kenyamanan penumpang, karakteristik Energy Storage Device seperti energi awal dan daya maksimum, elevasi dan batas kecepatan pada jalur, serta batasan waktu. Model yang digunakan adalah model berbasis gaya dengan massa berupa titik dan on-board ESD. Model konsumsi energi dari kereta hanya mempertimbangkan energi yang dikonsumsi sistem traksi (tidak termasuk sistem pendingin, penerangan ataupun akomodasi kereta). Pemodelan perjalanan dilakukan dengan membagi mode berkendara kereta menjadi accelerating, cruising, coasting, dan braking. Kombinasi mode berkendara ini kemudian disimulasikan pada model jalur dengan membagi jalur menjadi beberapa bagian setiap interval jarak tertentu dan menyelesaikannya dengan algoritma DP berbasis forward induction. Hasilnya didapatkan profil kecepatan kereta terhadap posisi kereta yang optimal berdasarkan kriteria konsumsi energi dengan penurunan konsumsi energi akibat penggunaan ESD hingga 13.58% untuk daya ESD 500kJ dan batas waktu 110s.

---

Electric train is one of the most commonly used mode of transportation in Indonesia owing to its environmental friendliness, high capacity, and relatively low cost. These factors make increasing train energy efficiency an important issue to reduce cost and emission amid climate change and urbanization issues. Hence, the use of Energy Storage Device (ESD) and selection of optimum speed profile are needed to ensure train energy consumption to be as low as possible. The problem of determining the train speed profile could be modelled as a multi-stage problem which could be solved by the dynamic programming algorithm (DP). Dynamic programming is commonly used because DP calculates all possible state-space combinations, outputting the most optimum result. In this research, the determination of the optimum speed profile is done by considering passenger comfort, characteristics of ESD such as initial energy content and maximum power, elevation and speed limits of the train track, and time limit. The model used in this research is a force-based model with point-mass and on-board ESD. The energy consumption model only considers the energy consumed by the traction system (doesn’t include energy consumed by air conditioning, lighting, or accommodation systems of the train). Modelling of the train journey is done by dividing the driving mode of the train into accelerating, cruising, coasting, and braking. This combination of driving modes is then simulated on the train track model by dividing the track into several segments every fixed distance and then solving it by using a forward- induction based DP. The result is an optimum train speed profile measured against train position based on energy consumption criterion with energy consumption reduction of up to 13.58% for ESD with a power of 500kJ and 110s journey time limit."

"Kereta listrik merupakan salah satu transportasi umum yang digunakan dalam rangka mengurangi jumlah konsumsi bahan bakar fosil. Pengurangan ini disebabkan oleh kelangkaan bahan bakar fosil serta dampak negatif akibat proses pembakaran bahan bakar fosil. Peningkatan jumlah penumpang setiap tahun menyebabkan efisiensi energi perlu dipertimbangkan. Efisiensi energi dalam pengoperasian kereta erat kaitannya dengan optimasi pada profil kecepatan. Hasil optimasi profil kecepatan dapat diterapkan pada Driver Advisory System (DAS) maupun Automatic Train Operation (ATO). Berbagai jenis algoritma optimasi dapat digunakan untuk mendapatkan profil kecepatan yang optimal, salah satunya Ant Colony Optimization (ACO). ACO merupakan salah satu anggota swarm intelligence dan terinspirasi oleh perilaku koloni semut dalam mencari makanan. Pada ACO setiap semut buatan memilih solusi berdasarkan informasi feromon dan heuristik. Selain optimasi profil kecepatan, pengereman regeneratif juga berperan dalam meningkatkan efisiensi energi. Energi yang biasanya terbuang dalam bentuk panas oleh braking resistor pada pengereman dapat disimpan ke Energy Storage Device (ESD). Pada skripsi ini, akan digunakan ACO sebagai algoritma untuk mencari profil kecepatan. Selain itu digunakan On-board Energy Storage Device (OESD) sehingga energi yang dihasilkan pengereman regeneratif dapat disimpan. ACO yang digunakan berjenis Max-Min Ant System (MMAS) dengan variabel bebas antara lain bobot informasi heuristik, jumlah semut buatan, jumlah iterasi maksimum, dan batas atas/bawah informasi feromon. Berdasarkan hasil simulasi, ant colony dapat digunakan untuk mencari profil kecepatan dengan waktu komputasi yang rendah.

---

Electric trains are one of the public transportations used in order to reduce the amount of fossil fuel consumption. This reduction is due to the scarcity of fossil fuels and the negative impact of the process of burning fossil fuels. The increasing number of passengers every year causes energy efficiency to be considered. Energy efficiency in train operation is closely related to optimization of the speed profile. The speed profile optimization results can be applied to the Driver Advisory System (DAS) and Automatic Train Operation (ATO). Various types of optimization algorithms can be used to obtain an optimal speed profile, one of which is Ant Colony Optimization (ACO). ACO is a member of swarm intelligence and is inspired by the behavior of ant colonies in search of food. In ACO, each artificial ants chooses a solution based on pheromone and heuristic information. In addition to optimizing the speed profile, regenerative braking also plays a role in increasing energy efficiency. Energy that is usually wasted in the form of heat by the braking resistor during braking can be stored to the Energy Storage Device (ESD) . In this thesis, ACO will be used as an algorithm to find the speed profile. In addition, an On-board Energy Storage Device (OESD) is used so that the energy produced by regenerative braking can be stored. The ACO used is a Max-Min Ant System (MMAS) with independent variables including the weight of heuristics information, the number of artificial ants, the maximum number of iterations, and the upper/lower limits of pheromone information. Based on the simulation results, ant colony can be used to find a speed profile with low computing time."

"Kereta rel listrik kini menjadi sarana transportasi pilihan dari masyarakat Jabodetabek dalam kehidupan sehari-hari. Namun besarnya kebutuhan sarana transportasi kereta rel listrik diimbangi dengan kebutuhan energi listrik yang cukup besar dalam penggunaan kesehariaannya. Sehingga diperlukannya evaluasi konsumsi energi dari kereta commuter line. Pada penelitian ini penulis melakukan simulasi kereta commuter line dengan data kecepatan sebenarnya dari kereta rute Jakarta Kota – Tanjung Priok, menghitung konsumsi energi yang dibutuhkan dari kereta dengan hasil profil kecepatan simulasi, mengoptimalkan konsumsi energi yang dibutuhkan kereta dengan program dinamis. Kemudian membandingkan hasil konsumsi energi dengan konsumsi energi optimal. Hasil efisiensi yang didapatkan dari konsumsi energi optimal sebesar 31 % untuk rute Jakarta Kota – Kampung Bandan, 20 % untuk rute Kampung Bandan – Ancol dan untuk rute Ancol Tanjung Priok sebesar 13 %.

---

Electric trains are now the preferred means of transportation for the Jabodetabek people in their daily lives. However, the need for electric rail transportation facilities with the need for electrical energy is quite large in daily use. So, it is necessary to evaluate the energy consumption of commuter line trains. In this study, the author simulates a commuter line train with the actual data speed of the Jakarta Kota – Tanjung Priok train route and calculates the energy consumption required from the train with the simulation speed profile results, optimizing the energy consumption needed by the train with a dynamic program. Then compare the results of energy consumption with energy consumption optimally. The efficiency results obtained from the optimal energy consumption are 31% for the Jakarta Kota – Kampung Bandan route, 20% for the Kampung Bandan – Ancol route, and for the Ancol Tanjung Priok route 13%."