FUZZY APPLICATIONS IN A POWER

STATION

Aplikasi Fuzzy Dalam Pembangkit

Daya
 Introduction
• Pembangkit Daya milik pemerintah di India yang
menjadi acuan dalam makalah ini adalah
pembangkit daya 500 MW berbahan bakar fosil
• Soot Blowing System terdiri dari 88 Wall Blowers
di dalam pembangkit daya yang berlokasi di India
• Makalah ini menyediakan sistem berbasis aturan
fuzzy untuk mengesetimasi kebersihan dari boiler,
faktor kebersihan tersebut dikalkulasi dari
beberapa variabel
 Introduction
• Soot Blowing dilakukan berdasarkan waktu
yang telah ditentukan pada kebanyakan
pembangkit daya
• Makalah ini mengemukakan sistem logika
fuzzy yang didesain untuk memberitahu kapan
dan dimana untuk mem”blow” sisa sisa
pembakaran yang dikeluarkan dari boiler yang
bergantung pada “cleanliness factor” secara
lebih efisien
 Fuzzy Logic Design
• Sistem Logika Fuzzy terdiri 3 bagian. Fuzzy sets,
Fuzzy variables dan Fuzzy rules
• Membership dari variabel fuzzy dalam himpunan
fuzzy ditentukan oleh fungsi yang mempunyai
nilai dengan interval [0, 1]
• Aturan-aturan fuzzy menentukan hubungan
antara variabel-variabel dan seringkali
menggunakan linguistik, aturan fuzzy “if-then”
menghubungkan kondisi variabel variabel
tersebut pada kesimpulan
 Fuzzy Logic Design
• Kendali logika fuzzy terdiri dari 3 bagian,
fuzzifier, rule base dan defuzzifier
• Fuzzifier: mengubah nilai numerik menjadi
himpunan fuzzy
• Rule base: terdiri dari fungsi fungsi
membership dan aturan aturan kontrol
• Defuzzifier: mengubah himpunan fuzzy
menjadi nilai numerik kembali
Let the picture do the talk
 Metode Untuk Mengestimasi
“Cleanliness Factor”
• Metode dari cara menghitung “cleanliness factor”
dalam ruang pembakaran dikalkulasi
menggunakan logika fuzzy, variabel variabel input
berikut akan digunakan untuk fuzzifikasi
– Load
– SH metal temperature
– Total spray flow
– Burner tilt
– Mill combination
– Perkiraan waktu sejak soot blowing terakhir
 Metode Untuk Mengestimasi
“Cleanliness Factor”
• Himpunan himpunan fuzzy untuk variabel
variable diatas adalah sebagai berikut:
– Load (MW): {Low, Average, High}
– Temp (oC): {Low, Normal, High}
– Spray (TPH): {Low, Normal, High}
– Burner Tilt (deg.): {Down, Normal, Up}
– MillCombination : {Lower, Other, Up}
– Time in HR : {Short, Average, Long}
 Metode Untuk Mengestimasi
“Cleanliness Factor”
• Variabel variabel linguistik dan rangenya akan
diperlihatkan pada tabel
Metode Untuk Mengestimasi “Cleanliness
Factor”
 Metode Untuk Mengestimasi
“Cleanliness Factor”
• Mempertimbangkan semua kondisi kemungkinan-
kemungkinan dalam pengoperasian Boiler yang akan
dimasukkan kedalam sistem fuzzy, hal ini ditunjukkan oleh
tabel berikut
 Metode Untuk Mengestimasi
“Cleanliness Factor”
• Membership Function (MF) untuk keenam
variabel dan satu output variabel tersebut
kemudian dipertimbangkan
• Himpunan himpunan fuzzy yang menjelaskan
load, temp, spray, tilt, mill com, time dan
output cleanliness factor diilustrasikan oleh
gambar berikut
• Surface View dari beberapa kombinasi input dan perintah
output (Cleanliness Factor) diperlihatkan pada Figure 8
 Hasil
• Fuzzy inference system yang ada dalam MATLAB mengkalkulasi nilai nilai
crisp output untuk input yang diberikan, strategi “soot blowing” yang
berbasis fuzzy memenuhi tujuan tujuan optimisasi seperti biaya operasi
yang lebih rendah, memaksimalkan generasi daya, meminimalisasi biaya
perawatan.
 Hasil
• Untuk hasil hasil yang lebih banyak dari
MATLAB dengan 6 input seperti yang
diperlihatkan tabel, memperkirakan
Cleanliness Factor dari model fuzzy soot
blowing
Hasil
 Daftar Pustaka
• International Journal on Soft Computing (IJSC)
Vol.6, No. 2, May 2015
• http://airccse.org/journal/ijsc/papers/6215ijsc
01.pdf diakses pada 21/05/2017 pukul 19:07