PERANCANGAN

SISTEM KONTROL PREDIKTIF

PADA STEAM BOILER BERBASIS JARINGAN SYARAF
TIRUAN UNTUK SISTEM MULTI INPUT MULTI OUTPUT
(MIMO) DI PLTU PT. PJB UP GRESIK UNIT 3

Disusun oleh :
MOH. BACHRUDIN
NRP. 2406 100 010

Dosen Pembimbing :
Dr. Bambang Lelono Widjiantoro ST. MT.
NIPN. 196905071995121001
 LATAR BELAKANG
1. Terdapat offset pada tekanan dan temperatur steam

SP : Tekanan : 169 kg/cm2 200 MW

Temperatur : 541 0C

MV : Tekanan : 166 kg/cm2 190 MW

Temperatur : 531 0C

Offset Tekanan : 3 kg/cm2

Offset Temperatur : 10 0C
2. Kurang maksimalnya sistem ratio kontrol pada
proses pembakaran yang mengakibatkan
berkurangnya kapasitas produksi listrik

3. Diperlukan sistem pengendalian yang mampu

menjaga tekanan dan temperatur steam boiler
sesuai dengan set point sehingga mampu
memaksimalkan kapasitas produksi listrik
 TINJAUAN PUSTAKA
1. Journal - W.G. Vieira, V.M.L. Santos, F.R. Carvalho, J.A.F.R.Pereira,
A.M.F. Fileti ; “Identification and predictive control of a FCC unit
using a MIMO neural model”, Brazil, 2004
Pada jurnal ini dijelaskan tentang proses identifikasi plant Fluid
Catalytic Cracking (FCC) dan perancangan sebuah kontrol prediktif
untuk sistem MIMO. Dari hasil penelitian ini, didapat bahwa respon
sistem dengan kontroler MPC lebih baik daripada kontroler PID.

2. Pengembangan Sistem Kontrol Prediktif Non Linier Berbasis

Jaringan Syaraf Tiruan untuk Sistem Multi Input Multi Output
oleh Bambang L. Widjiantoro Jurusan Teknik Fisika - FTI, Institut
Teknologi Bandung, Disertasi Jurusan Teknik Fisika tahun 2005
Pada jurnal ini, telah dirancang kontroler MPC berbasis JST yang
diaplikasikankolom distilasi, tangki bertingkat dan prototipe unit
penukar panas serta sistem mekanik massa pegas damper.
 PERMASALAHAN
1. Bagaimana merancang sistem kontrol prediktif
pada steam boiler berbasis Jaringan Syaraf
Tiruan (JST)?
2. Bagaimanakah menguji performansi sistem
kontrol prediktif berbasis Jaringan Syaraf
Tiruan (JST) yang diimplementasikan pada
steam boiler?
 BATASAN MASALAH
1. Pengambilan data dilakukan pada saat boiler dalam
keadaan Normal Operation
2. Identifikasi sistem dan perancangan sistem kontrol
dilakukan berdasarkan data input-output yang diperoleh
dari data operasional lapangan pada boiler di PLTU PT. PJB
UP Gresik Unit 3
3. Algoritma belajar yang digunakan untuk menentukan nilai
parameter bobot bagi model jaringan syaraf tiruan adalah
algoritma Levenberg Marquardt, sedangkan algoritma
belajar untuk menentukan nilai parameter bobot bagi
kontroler jaringan syaraf tiruan adalah Backpropagation
 TUJUAN
1. Merancang sistem kontrol prediktif pada steam
boiler berbasis Jaringan Syaraf Tiruan di PLTU PT.
PJB UP Gresik Unit 3
2. Menganalisa performansi Jaringan Syaraf Tiruan
(JST) sebagai sistem kontrol prediktif pada steam
boiler
 PUSTAKA PENUNJANG
BOILER PLTU UNIT 3

Gambar 1. Boiler Water Tube Gambar 2. Boiler PLTU Unit 3

UP Gresik
PROSES PRODUKSI PADA PLTU
DESKRIPSI SISTEM PENGENDALIAN PADA STEAM BOILER

Gambar 3. P&ID Steam Boiler PLTU Unit 3

 SKEMA SISTEM KONTROL PREDIKTIF

Gambar 4. Skema Sistem Kontrol Prediktif

N1 = Horison prediksi minimum

N2 = Horison prediksi maksimum
Nu = Horison kontrol
rho = faktor pengali perubahan sinyal kontrol
 Mulai

Pengambilan Data Input Output

pada Boiler

Metodologi
Penelitian Pemodelan Boiler dengan
Jaringan Syaraf Tiruan

Validasi Hasil
Pemodelan

Tidak
Toleransi Diterima

Ya

Perancangan Algoritma
Sistem Kontrol Prediktif pada Boiler

Uji Performansi Algoritma

Sistem Kontrol Prediktif

Tidak
Kriteria Terpenuhi

Ya

Selesai
STRATEGI APLIKASI SISTEM KONTROL PREDIKTIF

Gambar 5. Skema Sistem Kontrol Prediktif

 PEMODELAN PLANT

FURNACE

Gambar 6. Proses pada Furnace

Gambar 7. Model Simulink Furnace

Model matematiknya:
FINALLY SUPERHEATER

Model matematiknya:

Gambar 8. Proses pada Finally

Superheater

Gambar 9. Model Simulink Finallly Superheater

CONTROL VALVE FV-26

Fungsi Transfer:

Gambar 10. Model Simulink Control Valve

DAMPER DD-101

Fungsi Transfer:

Gambar 11. Model Simulink Damper

Pengambilan data Input-Output sistem

Dari model Simulink, akan diambil pasangan data input-output dengan

menggunakan pembangkit sinyal APRBS (Amplitude Pseudo Random Binary
Signal)
Input : u1 ( besarnya arus untuk membuka Control valve )
u2 ( besarnya arus untuk membuka Damper )
Output : y1 ( besarnya Tekanan Steam)
y2 ( besarnyaTemperatur Steam)

Gmabar 12. Grafik sinyal APRBS

Pemodelan Steam Boiler dengan Menggunakan
Jaringan Syaraf Tiruan

Gambar 13. Proses identifikasi sistem dengan JST

Membangun Algoritma Kontrol Prediktif Nonlinier
Berbasis Model Jaringan Syaraf Tiruan.

Gambar 14. Strategi Sistem Kontrol Prediktif

 Begin

Load Bobot Model

Menentukan Parameter
Predictive Control

Pengukuran Variable-
variable Proses

Model Proses

Prediksi output dari nilai-nilai

akan datang lampau

OPTIMASI Algorithm

Menentukan Sinyal
Kontrol

End

Gambar 15. Flowchart sistem kontrol prediktif

PEMODELAN PLANT DALAM SIMULINK

Gambar 16. Pemodelan steam boiler dalam simulink

 VALIDASI PLANT

Gambar 17. Validasi pressure output Gambar 18. Validasi temperatur output

Dengan program excel didapatkan Dengan program excel didapatkan

RSME = 0,9774 RSME = 1,8681
 PENGAMBILAN DATA INPUT-OUTPUT PLANT

Gambar 19. Sinyal APRBS u1 Gambar 20. Sinyal output y1

Gambar 21. Sinyal APRBS u2 Gambar 22. Sinyal output y2

 PEMODELAN PLANT DENGAN JST

Gambar 24. Hasil training y1

Gambar 23. Data input training u

Gambar 26. Hasil training y2

Hasil training :
RSME = 0.0014175 ; 0.0014175
Gambar 25. Data input training y VAF = 99.6836 ; 99.6836
 VALIDASI PLANT DENGAN JST

Gambar 28. Hasil training y1

Gambar 27. Data input training u

Gambar 30. Hasil training y2

Hasil validasi :
Gambar 29. Data input training y RSME = 0.0014175; 0.0014175
VAF = 99.6836; 99.6836
 SIMULASI DAN UJI PERFORMANSI
SISTEM KONTROL PREDIKTIF

Parameter kontroler :
N1 = 1 Nu = 1
N2 = 4 rho = 1.10-6

Untuk tracking set point pertama pada

simulasi pressure steam didapatkan:

Setelah dilakukan perubahan set point

dari 160,55 kg/cm2 menjadi 169 kg/cm2
didapat nilai:

Gambar 31. Grafik Simulasi Tracking Set Point

Pressure Steam
 SIMULASI DAN UJI PERFORMANSI
SISTEM KONTROL PREDIKTIF

Parameter kontroler :
N1 = 1 Nu = 1
N2 = 4 rho = 1.10-6

Untuk tracking set point pertama pada

simulasi pressure steam didapatkan:

Setelah dilakukan perubahan set point

dari 160,55 kg/cm2 menjadi 169 kg/cm2
didapat nilai:

Gambar 32. Grafik Simulasi Tracking Set Point

Temperatur Steam
 SIMULASI DAN UJI PERFORMANSI
SISTEM KONTROL PREDIKTIF

Parameter kontroler :
N1 = 1 Nu = 1
N2 = 6 rho = 1.10-8

Untuk tracking set point pertama pada

simulasi pressure steam didapatkan:

Setelah dilakukan perubahan set point

dari 160,55 kg/cm2 menjadi 169 kg/cm2
didapat nilai:

Gambar 33. Grafik Simulasi Tracking Set Point

Pressure Steam
 SIMULASI DAN UJI PERFORMANSI
SISTEM KONTROL PREDIKTIF

Parameter kontroler :
N1 = 1 Nu = 1
N2 = 6 rho = 1.10-8

Untuk tracking set point pertama pada

simulasi pressure steam didapatkan:

Setelah dilakukan perubahan set point

dari 160,55 kg/cm2 menjadi 169 kg/cm2
didapat nilai:

Gambar 34. Grafik Simulasi Tracking Set Point

Temperatur Steam
 PERBANDINGAN PERFORMANSI KONTROLER PI DENGAN
SISTEM KONTROL PREDIKTIF

Gambar 35. Grafik Respon output pressure Gambar 36. Grafik Respon output temperatur
steam PI controller steam PI controller

Error
Maximum Settling
Nilai Jenis Steady
Set Point Overshoot Time
SP Kontroler State
(%) (detik)
(%)
PI 11,8 50 1,87
160,55
MPC 6,45 16 6,23x10-4
Tabel 1. Perbandingan respon
Pressure
PI 0 25 1,78
kontrol PI dan sistem kontrol
169
MPC 0,8 12 1,78 x10-3 prediktif berbasis JST
PI 11,87 45 1,95
514
MPC 1,28 12 1,56 x10-3
Temperatur
PI 0 30 1,85
541
MPC 0,25 10 5,55 x10-4
 KESIMPULAN
1. Telah berhasil dikembangkan sebuah Sistem Kontrol Prediktif
berbasis Jaringan Syaraf Tiruan (JST) pada steam boiler plant.
2. Berdasarkan hasil simulasi yang telah dilakukan, diperoleh
parameter Sistem Kontrol Prediktif yang terbaik adalah N1 = 1,
N2 = 6, Nu = 1, dan rho = 1.10-6.
3. Sistem kontrol prediktif yang dirancang yang dikembangkan
mampu menghasilkan performansi yang lebih baik daripada
kontrol PI yang ada sekarang dengan nilai kestabilan antara lain
maksimum overshoot sebesar 10,35 kg/cm2, settling time sebesar
16 detik, dan error steady state sebesar 0,001 kg/cm2 pada output
pressure dan pada temperatur output maksimum overshoot
sebesar 6,9 oC, settling time sebesar 12 detik, dan error steady
state sebesar 0,008 oC.
SEKIAN … !!!
KASIH… !!! ☺
TERIMA KASIH…