Perpustakaan Digital ITB

Kebutuhan energi listrik yang terus meningkat mendorong pemanfaatan energi terbarukan, termasuk Pembangkit Listrik Tenaga Air (PLTA) dan Pembangkit Listrik Tenaga Mikrohidro (PLTMH). Turbin Francis banyak digunakan pada pembangkit dengan head sedang, dengan performa yang sangat dipengaruhi oleh geometri runner. Perubahan geometri runner berpotensi meningkatkan efisiensi hidraulik, namun juga dapat memengaruhi risiko kavitasi. Oleh karena itu, diperlukan pendekatan optimasi multiobjektif untuk memperoleh konfigurasi desain dengan kompromi performa yang optimal. Penelitian ini bertujuan mengevaluasi performa baseline runner turbin Francis pada PLTMH Cijedil, menganalisis pengaruh variasi geometri runner terhadap karakteristik hidraulik, serta memperoleh konfigurasi desain optimum. Penelitian diawali dengan rekonstruksi geometri tiga dimensi runner berdasarkan gambar teknik dan hasil pemindaian (3D scan). Simulasi Computational Fluid Dynamics (CFD) dilakukan menggunakan ANSYS CFX pada model full channel yang meliputi volute, stay vane, guide vane, runner, dan draft tube. Variasi parameter geometri runner dibangkitkan menggunakan Latin Hypercube Sampling (LHS) sebagai data pelatihan Kriging surrogate model. Model surrogate kemudian digunakan dalam optimasi menggunakan Multi-Objective Genetic Algorithm (MOGA) dengan mempertimbangkan efisiensi hidraulik dan risiko kavitasi, sehingga kebutuhan simulasi CFD dapat dikurangi. Hasil penelitian menghasilkan 35 solusi Pareto-optimal yang merepresentasikan kompromi antarobjektif. Tiga kandidat desain, yaitu fokus efisiensi, fokus daya, dan keseimbangan terbaik, selanjutnya divalidasi menggunakan CFD. Hasil validasi menunjukkan galat surrogate model sebesar 2,26% untuk efisiensi dan 1,87% untuk daya. Konfigurasi keseimbangan terbaik dengan 17 sudu menghasilkan efisiensi hidraulik sebesar 96,48% dan daya mekanik sebesar 797,15 kW, serta menunjukkan risiko kavitasi yang relatif lebih rendah dibandingkan kandidat dengan daya maksimum berdasarkan indikator bilangan Thoma kritis. Hasil tersebut menunjukkan bahwa integrasi CFD, Kriging surrogate model, dan MOGA mampu meningkatkan performa runner dengan tetap mempertimbangkan risiko kavitasi.