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

Bab 1 - 13115044.pdf)u
PUBLIC D. Budina

Bab 2 - 13115044.pdf)u
PUBLIC D. Budina

Bab 3 - 13115044.pdf)u
PUBLIC D. Budina

Bab 4 - 13115044.pdf)u
PUBLIC D. Budina

Bab 5 - 13115044.pdf)u
PUBLIC D. Budina

Optimasi merupakan proses mencari nilai terbaik berdasarkan fungsi tujuan dengan daerah asal yang telah didefinisikan. Salah satu metode optimasi yang sering digunakan adalah algoritma genetika. Algortima genetika merupakan metode optimasi yang sangat luas pengunaannya, termasuk dalam bidang konversi energi. Pada penelitian ini, algoritma genetika digunakan untuk mengoptimasi sistem Heat Recovery Steam Generator (HRSG). Sistem HRSG membutuhkan desain yang optimal untuk memaksimalkan pemanfaatan panas untuk membangktikan uap air. Panas dari turbin gas dengan temperatur 600°C digunakan untuk membangkitkan uap air. Objektif optimasi ini adalah mengoptimalkan efisiensi eksergi, efisiensi energi dan indeks biaya desain. Optimasi multi-objektif digunakan untuk mengoptimasi ketiga objektif tersebut secara simultan. Analisis sensitivitas pada hasil optimasi dilakukan untuk mengetahui pengaruh perubahan parameter dan variabel optimasi terhadap hasil optimasi. Optimasi multi-objektif menghasilkan solusi Pareto yang acak dengan nilai efisiensi energi dan efisiensi eksergi berbanding lurus dengan indeks biaya desain. Pareto menghasilkan solusi optimasi (-0,832 ; -0,828 ; 9.073) T pada (50 bar ; 10,0°C ; 10,0°C), (-0,792 ; -0,835 ; 7.839)T pada (29 bar ; 14,3°C ; 11,5°C)T, (-0,832 ; -0,828 ; 9.073) pada (50 bar ; 10,0°C ; 10,0°C)T , dan (-0,827 ; -0,827 ; 8.655)T pada (48 bar ; 10,6°C ; 11,5°C). Analisis sensitivitas variabel desain optimasi menunjukkan efisiensi energi sensitif terhadap perubahan nilai pinch point dan approach point, efisiensi eksergi sensitif terhadap perubahan tekanan air/uap, dan indeks biaya desain sensitif terhadap perubahan nilai pinch point dibanding perubahan nilai approach point.