Perpustakaan Digital ITB

Pada Pembangkit Listrik Tenaga Uap (PLTU), listrik dihasilkan oleh sistem turbin-generator yang digerakkan oleh uap bertekanan tinggi dari drum-boiler. Perubahan daya operasional menyebabkan variasi laju pemanasan dan ketinggian air, yang jika tidak dikontrol dengan baik dapat menyebabkan penghentian sistem. Pengontrolan level air pada sistem ini umumnya masih dilakukan secara manual atau menggunakan pengontrol PID, yang kurang sesuai karena sifat sistem yang nonlinier, MIMO, dan memiliki banyak titik operasi. Pengontrol Nonlinear Model Predictive Control (NMPC) mulai diterapkan karena kemampuannya menangani karakteristik tersebut, namun metode optimisasi berbasis gradien yang digunakan dalam NMPC rentan terjebak pada solusi optimum lokal. Algoritma genetika, sebagai metode non-gradien, menawarkan alternatif dengan pendekatan berbasis populasi sehingga lebih mampu untuk keluar dari solusi lokal. Penelitian ini bertujuan untuk: (1) mengembangkan model Nonlinear Auto Regressive with Exogeneous Input (NARX) yang merepresentasikan sistem drum-boiler, dan (2) merancang pengontrol NMPC berbasis algoritma genetika serta membandingkannya dengan NMPC berbasis interior-point dan PID gain scheduling pada sistem kontrol level drum-boiler. Penelitian dilakukan dengan tahapan pengumpulan data industri, pemodelan dengan NARX, perancangan pengontrol NMPC berbasis algoritma genetika, menentukan parameter pengontrol dan evaluasi performa pengontrol dengan pengontrol pembanding. Tantangan bagi pengontrol adalah untuk mempertahankan ketinggian air walaupun variabel daya operasional pada model diubah-ubah. Penelitian ini berhasil membuat model NARX yang memiliki nilai RMSE terhadap data latih sebesar 5,2105 dan RMSE terhadap data uji sebesar 3,6446. Pengontrol NMPC berbasis algoritma genetika mampu mempertahankan ketinggian air dengan RMSE 5,1944 dan energi sinyal kontrol 454590 (Ton/H)². Sementara itu, NMPC interior-point memiliki RMSE 13,0492 dan energi 264990 (Ton/H)², dan PID gain scheduling memiliki RMSE 13,5215 dan energi 1016600 (Ton/H)². Hasil ini menunjukkan bahwa NMPC dengan algoritma genetika memberikan kinerja terbaik dalam menjaga kestabilan level air dengan usaha kontrol yang efisien.