digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Antonius Hadiwinata S
PUBLIC Alice Diniarti

COVER_ Antonius Hadiwinata.pdf
PUBLIC Alice Diniarti

BAB I_ Antonius Hadiwinata.pdf
PUBLIC Alice Diniarti

BAB II_ Antonius Hadiwinata.pdf
PUBLIC Alice Diniarti

BAB III_ Antonius Hadiwinata.pdf
PUBLIC Alice Diniarti

BAB IV_ Antonius Hadiwinata.pdf
PUBLIC Alice Diniarti

BAB V_ Antonius Hadiwinata.pdf
PUBLIC Alice Diniarti

BAB VI_ Antonius Hadiwinata.pdf
PUBLIC Alice Diniarti

PUSTAKA Antonius Hadiwinata S
PUBLIC Alice Diniarti

LAMPIRAN_ Antonius Hadiwinata.pdf
PUBLIC Alice Diniarti

Kehandalan dan efisiensi dari pembangkit listrik tenaga uap semakin berkembang seiring perkembangan pengetahuan dari teknik pengontrolan dan metoda optimasi. Integrasi antara dua boiler dengan satu header uap sebagai penampung uap air dari boiler dan dua turbin sebagai pembangkit daya, membuat pembangkit listrik tenaga uap lebih dapat diandalkan. Pada penelitian ini dilakukan perancangan pengontrol dengan kondisi trip parsial yaitu satu boiler trip maka tekanan pada header akan berkurang seiring hilangnya laju uap dari boiler yang trip. Boiler yang masih jalan akan meningkatkan produksi uapnya untuk mengkompensasi laju uap yang hilang supaya tidak terjadi berkurangnya daya yang dihasilkan turbin. Model matematika sistem boiler-turbin yang digunakan adalah model sistem tidak linier pada boiler-turbin yang diperkenalkan oleh R.D. Bell dan K.J. Astrom pada tahun 1987 yang terdiri dari tiga masukan dan tiga keluaran. Tiga masukan ini yaitu laju alir bahan bakar, laju uap ke turbin, dan laju air umpan ke drum, sedangkan tiga keluaran yaitu tekanan uap boiler, daya yang dihasilkan turbin, dan deviasi ketinggian air di drum uap. Penelitian ini dilakukan pada pembangkit listrik tenaga uap di Riau yang menggunakan pengontrol Proporsional-Integral. Pengontrol PI ini biasanya ditala secara manual oleh orang yang sudah berpengalaman dan membutuhkan waktu observasi yang lama. Pada penelitian ini, pengontrol PI ini dioptimasi dengan metoda optimasi algoritma genetika (GA), algoritma penyerbukan bunga (FPA), dan deep reinforcement learning (DRL) secara khusus algoritma deep deterministic policy gradient (DDPG) untuk melakukan optimasi pengontrol PI secara otomatis. Dari hasil simulasi didapatkan bahwa algoritma penyerbukan bunga mempunyai waktu uji yang sangat baik sebesar 1 menit untuk melakukan optimasi dengan maksimum overshoot pada kontrol tekanan uap dan kontrol daya yang dibangkitkan sebesar 5% dengan settling time masing-masing sebesar 6,3 detik dan 1,9 detik, sedangkan kontrol ketinggian air metoda optimasi terbaik adalah DRL dengan maksimum overshoot sebesar 9,3% dan settling time sebesar 47,6 detik.