A HYBRID PSO FUZZY PID CONTROLLER FOR GAS TURBINE SPEED CONTROL 1.

1. Pendahuluan Pada zaman sekarang ini, dalam hal pembangkitan energy listrik, turbin gas memegang peranan yang sangat penting. Aplikasi secara luas pada turbin gas yang terdapat di pembangkit listrik dan system secara dinamis memiliki dua buah kepentingan yaitu mengenai keakuratan dalam pemodelan system dan variable control. Begitu pula mengenai identifikasi parameter pada system dan pengendalian suhu serta kecepatan dari turbin gas. Controller tidak linier mode slider akan dibahas. Akan dibahas pula mengenai genetic alghorithm berbasis beberapa controller yang dirancang untuk turbin gas. Kemudian optimasi LQR controller dibahas. Particle swarm optimization (PSO) algorithm digunakan untuk mengoptimasi parameter controller PID untuk mengatur temperature keluaran pada system turbin gas. Model matematika dari control temperature keluaran pada turbin gas mikro akan didikuskusikan. Controller ini terdiri dari dua input (kecepatan dan tenaga mekanik); output (fuel), sementara jaringan saraf tiruan dirancang untuk tuning nilai gain dari kontroller logika fuzzy berdasarkan kondisi operasi pembangkit listrik biomassa. Hasil simulasi menunjukkan bahwa oleh tuning kontroler logika fuzzy, waktu optimal kinerja sistem dapat dicapai dalam berbagai operasi kondisi dibandingkan dengan parameter tetap logika fuzzy controller dan PID controller. Tujuan dari makalah ini adalah untuk merancang controller pso fuzzy PID untuk mengontrol kecepatan gas turbin. Hasilnya akan dibandingkan dengan respon yang diberikan dari controller yang lain dengan model turbin yang sama. 2. Pemodelan Turbin Gas Turbin gas umumnya terdiri dari kompresor, ruang pembakaran, dan turbin, dimana tekanan gas (biasanya udara) awalnya meningkat dalam kompresor (dalam multi-tahap hingga 12 kali) dan udara bertekanan tersebut kemudian dipanaskan di ruang pembakaran. Setelah itu, gas diinjeksikan dengan tekanan tinggi dan suhu tinggi ke turbin dan energy gas termal dikonversi ke bentuk energi mekanik.

Salah satu batasan yang harus dipertimbangkan dalam turbin adalah bahwa kecepatan turbin seharusnya tidak melebihi tingkat tertentu meskipun kekuatan frekuensi dihasilkan secara langsung berhubungan dengan kecepatan turbin. Suhu gas buang juga harus dibatasi karena pertimbangan fisik dan ekonomis. Untuk memiliki fungsi yang benar dan normal, sistem perlindungan dan kontrol yang berbeda digunakan dalam turbin gas. Sistem ini memiliki kontrol parameter yang berbeda seperti turbin input/output suhu, kecepatan poros, poros tingkat getaran, kondisi api, jumlah pendingin udara, dll, dan beberapa parameter lebih signifikan. Masing masing parameter tersebut berada pada range tertentu. Turbin gas biasanya memiliki 5 parameter yang dikontrol, yaitu : 1. Start Controller Controller ini bertanggung jawab atas system saat kondisi starting dan ketika kecepatan turbin meningkat, dimana ini dicapai dalam bentuk loop terbuka melalui beberapa tahapan dan langkah-langkah. 2. Speed Controller Controller ini menghapus start controller pada saat kecepatan mendekati dengan kecepatan nominal dan bertanggung jawab atas meningkatkan kecepatan turbin pada akhir starting dan mengatur kecepatan secara akurat sebelum unit bersinkronisasi dan menutup pemutus generator. 3. Load Controller Turbin kontrol akan ditransfer secara otomatis dari controller kecepatan ke controller beban setelah generator pemutus tersambung dan unit tersinkronisasi. Load controller bertanggung jawab terhadap peningkatan beban turbin dan penurunan untuk mencapai unit tingkat beban yang diinginkan. 4. Turbines maximum temperature limit controller Controller ini adalah pembatas suhu turbin. Controller bertanggung jawab untuk menghindari kejenuhan turbin jika suhu melebihi ambang toleransi suhu maksimum turbin 5. Turbines mechanical load limit controller controller ini membatasi beban mekanis turbin dan mencegah turbin untuk mencapai torsi maksimum yang ditoleransi.

Sinyal output kontroler masuk ke blok gerbang MIN, di mana, ditentukan controller yang aktif dan mengontrol operasi turbin. Selama operasi unit, Semua controller di atas aktif bersama-sama sementara satu dengan sinyal yang rendah sebenarnya mengontrol turbin.

3. PSO Fuzzy PID Controller Untuk Mengatur Kecepatan Turbin Gas Dalam makalah ini, fuzzy, pso, dan kontrol pid didesain untuk mengontrol turbin gas kecepatan dan beroperasi secara paralel di pengendali hibrida.

3.1 Fuzzy Logic Structure Kontroler logika fuzzy umumnya terdiri dari empat bagian, yaitu: fuzzification, inference engine, rule base, dan defuzzification. Aturan dasar terdiri dari serangkaian aturan if-then sesuai dengan input fuzzy dan mengarah ke output fuzzy. Aturan dapat dikembangkan dengan menggunakan pengetahuan dari ahli atau operator di lapangan, serta pengalaman sejarah.

Dalam tulisan ini, kontroler logika fuzzy memiliki dua input dan satu output. Masukan yang turbin kecepatan deviasi (e) dan turunannya (e) dan output adalah perubahan posisi. Jumlah istilah linguistik untuk setiap variabel linguistik dipilih sebagai tujuh (negatif besar = NB, negatif berarti = NM, negatif kecil = NS, positif kecil = PS, berarti positif = PM, positif besar = PB). Mekanisme kesimpulan ini didasarkan pada teknik Mamdani. Fungsi keanggotaan untuk input variasi Gaussian dan variasi output dianggap sebagai segitiga.

Dalam sistem ini, 49 peraturan adalah fuzzy baru yang didefinisikan untuk dan mengoperasikan kondisi gas turbin.

3.2 PSO Algorithm Prinsip PSO adalah untuk mensimulasikan perilaku kolektif yang digunakan untuk menunjukkan gerakan bird and fish. PSO telah menyiimulasi gerakan bird sepanjang dua arah. Posisi masing-masing individu (wakil) diwakili oleh x y vektor dan Vx (kecepatan pada sumbu-x) dan Vy (kecepatan pada sumbu) mengekspresikan kecepatan. Meskipun di PSO, setiap anggota memiliki kecepatan yang adaptif (perubahan lokasi) karena yang bergerak di ruang pencarian, masing-masing memiliki memori, dengan kata lain, ia mengingat posisi terbaik telah mencapai di ruang pencarian. Oleh karena itu, setiap anggota bergerak dua arah. 1 - Terhadap posisi terbaik mereka temui, 2-arah posisi terbaik anggota terbaik telah bertemu di lingkungan.

Langkah langkah dalam merancang PSO Algorithm adalah sebagai berikut : 1. Menginisialisasi populasi dari kecepatan dan posisi. 2. Mengevaluasi fungsi kebugaran optimasi yang diinginkan dari individu partikel (pbest). 3. Melacak individu kebugaran tertinggi ( gbest ). 4. Memodifikasi Kecepatan yang berdasarkan pbest dan gbest posisi. 5. Melakukan update partikel kecepatan dan posisi menurut eq.1 dan eq.2. 6. Ulangi langkah 3-6 sampai tercapai criteria generasi maksimum. Dalam tulisan ini, algoritma PSO digunakan untuk menghitung nilai-nilai optimal (Kp, Ki dan Kd) PSO controller. Indeks kinerja, berarti kuadrat kesalahan (UMK), integral dari waktu dikalikan dengan mutlak kesalahan (ITAE) dan integral dari waktu dikalikan dengan kesalahan kuadrat (ITSE).

Dalam tulisan ini, nilai-nilai optimal PSO controller dihitung berdasarkan pada semua tiga indeks kinerja dan tanggapan terbaik dipilih sebagai PSO controller yang menanggulangi overshoot, settling time, dan sudut pandang rise time.

4. Analisis Hasil Simulasi Dalam bagian ini, kinerja controller dirancang untuk evaluasi startup dan kondisi operasi. Lima controller, PSO, Fuzzy, PID, Fuzzy_PID, PSO_Fuzzy_PID, dirancang untuk model turbin gas dan hasil dibandingkan untuk mengevaluasi kinerja controller.

4.1 Start up

Gambar 7 menunjukkan variasi kecepatan selama startup. Rasio kecepatan rotor berubah sehingga mencapai kecepatan nominal sebanding dengan pemilih operasi nilai rendah (LVS), yang mengubah dari kontrol loop akselerator ke kontrol kecepatan rotor dan mencapai titik favorit.

Gambar 8 menunjukkan variasi suhu gas buang. Suhu mencapai suhu steady 41 F setelah melewati transient state. Jumlah kenaikan suhu pada transient state tidak melebihi batas threshold dan akibatnya turbin tidak keluar dari modus operasi dalam memulai tahap dan tidak menunjukkan trip.

Gambar 9 menunjukkan operasi dan kinerja controller dalam pelacakan variasi kecepatan selama startup. Dalam simulasi, kecepatan turbin berubah dimulai dari 200 sec dengan kemiringan base unit 1% untuk mengevaluasi kinerja sistem. Angka ini menunjukkan kemampuan sederhana controller ini dalam pelacakan kecepatan. Angka pelacakan kecepatan ini tidak terlihat adanya overshoot dalam respon sistem dan diperoleh pelacakan yang sesuai. 4.2 Operating Condition Untuk menyelidiki kinerja controller, dirancang plan bekerja di bawah kondisis operasi yang sebenarnya. Tingkat variasi beban dianggap 0.3 dari masukan sinyal step.

Gambar 11 menunjukkan operasi dari lima buah kontroler yang mengendalikan plant terhadap variasi beban. Seperti yang ditunjukkan dalam gambar, sudah jelas terlihat bahwa kontroler telah mencapai nilai yang diinginkan dan menunjukkan respon yang optimal.

Dalam tabel 2, hasil simulasi beberapa controller diilustrasikan. Tingkat overshoot controller PSO_Fuzzy_PID adalah 8,87%, yang terkecil di antara semua kontroler. Overshoot maksimum, 34.5%, adalah dari PSO controller. PSO_Fuzzy_PID

controller menunjukkan waktu steady pada 3.87 sec. waktu steady paling lama yaitu 11 sec, milik Fuzzy controller.

Pada gambar 12, ditampilkan operasi dari 5 buah kontroler pada variasi kecepatan yang disebabkan variasi beban. Hal ini jelas bahwa PSO_Fuzzy_PID controller memiliki tanggapan terbaik.

Hasil simulasi dan perbandingan menunjukkan bahwa PSO_Fuzzy_PID controller memiliki keuntungan yang cukup dibandingkan dengan kontroler lain dalam hal load tracking dan kontrol kecepatan. Overshot dan settling time jauh lebih bagus dalam controller ini. 5. Kesimpulan Dalam tulisan ini, PSO_Fuzzy_PID controller dirancang untuk mengontrol kecepatan turbin gas. Dalam model yang diusulkan, PID, Fuzzy dan PSO controller beroperasi secara paralel. Dalam tulisan ini, tujuh bagian linguistik yang dipilih untuk setiap variabel dan fungsi segitiga keanggotaan diterapkan ke variabel ini. Dalam controller ini, 49 aturan yang ditetapkan untuk mengontrol turbin gas dalam memulai dan kondisi pengoperasian. PSO algoritma diterapkan untuk menghitung nilai optimal controller dan indeks kinerja dianggap sebagai target fungsi. Dalam tulisan ini, kinerja controller dirancang disajikan untuk startup dan kondisi operasi. Hasil simulasi menunjukkan bahwa PSO_Fuzzy_PID controller memiliki minimal overshoot, waktu settling, dan nilai kesalahan error kecepatan kecil. Perbandingan hasil menggambarkan bahwa PSO_Fuzzy_PID controller menunjukkan respon yang lebih efisien dibandingkan dengan controller lainnya.