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