Perpustakaan Digital ITB

Optimasi dilakukan untuk memperoleh kondisi optimum. Salah satu metode optimasi yang lazim digunakan adalah algoritma genetika. Penggunaan algoritma genetika sangat luas, termasuk dalam bidang konversi energi. Algoritma genetika telah banyak digunakan untuk mendapatkan kondisi optimum komponen-komponen pada sistem konversi energi. Pada penelitian ini, algoritma genetika digunakan untuk mengoptimasi sistem kogenerasi. Sistem kogenerasi menghasilkan dua produk secara bersamaan yaitu daya listrik dan panas berguna. Produk sistem kogenerasi berupa daya listrik sebesar 30 MW dan uap panas jenuh sebanyak 14 kg/s. Objektif optimasi adalah mengoptimalkan efisiensi total dan laju biaya pengeluaran. Optimasi satu objektif dilakukan untuk mengamati apakah terjadi konflik antar objektif. Optimasi multi-objektif dilakukan untuk mengoptimasi kedua objektif secara simultan. Optimasi dilakukan dengan bantuan perangkat lunak MATLAB R2017b. Pada hasil optimasi dilakukan analisis sensitivitas untuk mengetahui pengaruh perubahan parameter terhadap hasil optimasi. Optimasi satu objektif menunjukkan terjadinya konflik antar objektif, dimana pada efisiensi total maksimum sistem memberikan laju biaya pengeluaran yang besar dan pada laju biaya pengeluaran minimum sistem memberikan efisiensi total sistem yang kecil. Optimasi dua objektif bersamaan menghasilkan pareto optimum, yaitu grafik hubungan efisiensi total dan laju biaya pengeluaran optimum sistem kogenerasi. Semakin tinggi efisiensi total maka akan semakin tinggi pula laju biaya pengeluaran. Analisis sensitivitas menunjukkan perubahan temperatur udara memasuki kompresor, harga bahan bakar, dan suku bunga sensitif terhadap hasil optimasi.