(Totok Gunawan, Hendra Cordova)

DESAIN AFRC (AIR TO FUEL RATIO CONTROL) BERBASIS OPTIMASI KANDUNGAN O2 PADA GAS BUANG DI PT.PERTAMINA REFINERY UNIT IV CILACAP DENGAN MENGGUNAKAN SISTEM FUZZY (Totok Gunawan, Hendra Cordova) Jurusan Teknik Fisika – Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih – Sukolilo, Surabaya 60111

dengan sempurna. Adapun parameter kesempurnaan pembakaran dapat diamati dari sisa kandungan oksigen pada gas buang[11].Pada penelitian ini dilakukan perancangan sistem AFRC (Air To Fuel Ratio Control) berbasis optimasi kandungan oksigen pada gas buang. Rasio antara udara dan bahan bakar dijaga pada nilai tertentu, agar kandungan Oksigen pada gas buang menjadi optimum, sehingga pembakaran terjadi dengan sempurna, dan panas yang dihasilkan akan maksimal. Saat ini kondisi AFRC di PT.Pertamina RU IV Cilacap masih belum terdapat umpan balik antara kandungan O2 dengan Distribute Control System (DCS). Setting setpoin Air To Fuel Ratio Control masih dilakukan manual oleh operator dengan melihat kandungan O2 pada oksigen analyzer. Kondisi seperti ini masih dinilai kurang optimal, karena memugkinkan adanya kesalahan oleh operator akibat kandungan oksigen yang tidak dapat dimonitoring secara terus menerus. Oleh karena itu, pada penelitian ini akan dilakukan desain sistem pengendalian Air To Fuel Ratio dengan menerapkan mass balance dan mempertimbangkan kandungan kimia bahan bakar sebagai pengganti umpan balik okxygen analyzer terhadap loop control secara software. Fuzzy Logic Control , merupakan suatu metode pengendalian berbasis pengetahuan, logika dan aturanaturan atau rule berdasarkan pengalaman (expert system)[16]. Pada Tugas Akhir ini, Fuzzy Logic Control, diimplementasikan pada sistem AFRC, dengan harapan menghasilkan sistem pengendalian yang lebih baik, serta dengan peningkatan performa sistem kontrol yang telah diperoleh, diharapkan juga dapat bermanfaat terhadap penghematan konsumsi bahan bakar boiler.

ABSTRAK Pembakaran merupakan reaksi eksotermik yang berlangsung sangat cepat, membebaskan energy berupa panas dan nyala api (flame) serta memiliki kemampuan menyebarkan panas melalui suatu medium [1]. Pada tugas akhir ini dilakukan sebuah pendekatan untuk merancag suatu pengendali perbandingan antara udara dan bahan bakar, atau Air To Fuel Ratio Control (AFRC), agar proses pembakaran pada boiler power plant terjadi dengan optimal. Nilai rasio antara bahan bakar yang optimal tergantung pada komposisi bahan bakar,dimana nilai rasio tersebut dapat ditentukan dengan hokum kesetimbngn massa. Optimasi rasio udara dan bahan bakar akan menurunkan level kandungan udara berlebih, sehingga meningkatkan efisiensi boiler. Fuzzy logic controller merupakan suatu metode pengendalian berbasis pengetahuan, logika dan aturan-aturan atau rule[16], yang diterapkan pada proses pembakaran. Hasil dari simulasi menunjukkan, bahwa sistem AFRC yang dibangun dengan memperhitungkan rasio berdasarkan hukum kesetimbngan massa dan Fuzzy Logic control memiliki performance yang baik, dan dapat memberikan operasi penghematan biaya yang signifikan apabila diterapkan pada plant boiler. Kata kunci: mass balance, Fuzzy Logic, Air to Fuel Ratio (AFR), pembakaran

I. PENDAHULUAN 1.1

Latar Belakang

Boiler merupakan bagian penting di dalam dunia industri.Uap panas yang dihasilkan boiler biasa digunakan untuk berbagai proses operasi. Di PT. Pertamina RU IV Cilacap,Uap panas selain digunakan untuk pembngkit listrik, juga digunakan untuk keperluan proses pengolahan minyak. Tungku pembakaran atau furnace adalah komponen penting pada boiler, yang berfungsi sebagai bagian penghasil kalor, yang diperoleh melalui proses pembakaran. Untuk menghasilkan proses pembakaran yang maksimal, maka perlu terdapat sistem kontrol yang mengkondisikan agar proses pembakaran berlangsung

1.2

Permasalahan

Berdasarkan latar belakang sebelumnya, maka dirumuskan permasalahan dalam Tugas Akhir ini, selanjutnya permasalahan dipecahkan berbasarkan metodologi yang ada. Adapun perumusan tersebut adalah sebagai berikut : • Bagaimanakah mengetahui cara mengoptimalkan kandungan oksigen gas buang pada boiler. • Bagaimanakah desain Air to Fuel Ratio Control berbasis logika fuzzy yang dapat diterapkan.

1

1.3

terjadi secara konveksi melalui pipa-pipa keci yang melewati furnace. Efisiensi perpindahan panas tersebut dapat diamati melalui besarnya suhu gas sisa pembakaran (flue gas). Semakin besar suhu gas sisa pembakaran, berarti semakin besar pula energi yang ikut terbuang bersama-sama dengan laju aliran udara [6] .Adapun gambaran sederhana sistem boiler ditunjukkan pada gambar 1 berikut ini.

Tujuan dan Manfaat Penelitian

Adapun tujuan dari penelitian ini adalah mendesain sistem AFRC (Air To Fuel Ratio Control) dengan menggunakan sistem fuzzy, dan mensimulasikan dengan menggunakan software.Manfaat dengan tercapainya tujuan penelitian di atas adalah : • Diketahui cara untuk meningkatkan performa boiler melalui optimasi kandungan oksigen gas buang. • Melalui simulasi desain AFRC yang telah dibuat, maka diketahui peningkatan performa sistem AFRC yang telah didisain. 1.4

Batasan Masalah

Untuk mencegah meluasnya permasalahan, maka pada Tugas Akhir ini diambil batasan masalah yang diantaranya adalah sebagai berikut : • Plant yang menjadi obyek studi adalah Boiler 052B102 Unit Utilities PT.Pertamina RU IV Cilacap. • Ratio control yang dianalisa adalah rasio antara udara dan bahan bakar minyak (Air to Fuel Ratio) dengan variable kendali aliran bahan bakar. • Asumsi properties fluida, tekanan, suhu, densitas adalah konstan. • Metode pengendalian yang digunakan adalah Sistem Fuzzy mamdani. 1.5

Gambar 1 Gambaran sistem boiler sederhana [10] Terdapat dua cara untuk menghitung efisiensi boiler, yaitu dengan cara langsung dan cara tidak langsung. Pada cara langsung efisiensi dihitung berdasarkan kalor yang masuk pada feedwater dibandingkan dengan kalor yang diumpankan oleh bahan bakar[6].Untuk menghitung efisiensi secara langsung dapat digunakan persamaan berikut ini [11]:

Metodologi

Dalam perancangan ini, langkah-langkah yang dilakukan untuk mencapai tujuan penelitian adalah sebagai berikut : 1. Study Literatur 2. Identifikasi masalah 3. Penetapan tujuan penelitian 4. Pengambilan data-data teknis dan operasi plant 5. Pengolahan data, meliputi : pemodelan proses pembakaran,instrument-instrument pendukung,validasi model 6. Mensimulasikan sistem kontrol yang telah ada 7. Mendesain sistem AFRC dengan Fuzzy Logic Control, dan mensimulasikan. 8. Penarikan hasil simulasi 9. Penyusunan laporan akhir

2.1 dengan : ηboiler = efisiensi boiler (%) = Laju aliran massa uap (kg/jam) = Laju aliran massa bahan bakar (kg/jam) hsteam = Entalphi uap (kkal/kg) hfeedwate = Enthalpi feedwater (kkal/kg) HHV = Higher Heating Value bahan bakar (kkal/kg) Cara menghitung efisiensi boiler tidak langsung dilakukan dengan menghitung kerugian kalor yang terjadi pada saat transfer kalor pada feedwater [6]: 2.2

II. TEORI PENUNJANG 2.1

Dengan : µ = efisiensi boiler (%) Lact = rugi kalor terukur (%) LL = Rugi Laten (%) LR =Rugi radiasi (%)

Boiler

Pada dasarnya proses pada boiler ini dibagi dalam dua sistem yang terpisah, yaitu tungku atau furnace yang berfungsi menghasilkan panas melalui pembakaran bahan bakar dan boiler atau ketel uap, yang berfungsi untuk mengubah air menjadi uap melalui panas yang dihasilkan oleh furnace [6],[10]. Proses perpindahan panas pada boiler

2

C = % massa karbon dalam 1kg bahan bakar H = % massa hydrogen dalam 1 kg bahan bakar S = % massa sulphur dalam 1 kg bahan bakar O = % kandungan Oksigen dalam 1 kg bahan bakar

2.2.Proses Pembakaran Pada Ruang Bakar Proses pembakaran yang terjadi di dalam ruang bakar atau furnace pada dasarnya adalah reaksi eksotermik yang berlangsung sangat cepat, yang membebaskan energy substansial berupa panas dan nyala api (flame), dengan kemampuan menyebarkan panas melalui medium[1]. Proses pembakaran memiliki efisiensi, yang didefinisikan sebagai kemampuan suatu proses untuk mengubah suatu spesifik bahan bakar menjadi energi panas dalam suatu periode waktu tertentu [2]. Pembakaran yang sempurna akan dapat mengubah seluruh energi yang memungkinkan pada bahan bakar. Akan tetapi, pada kenyataan, proses pembakaran sempurna dengan efisiensi 100% sangat sulit tercapai, karena kerugian (Loss) pada instrument pendukung. Kesempurnan proses pembakaran ini dapat dipengaruhi dari tiga hal, yaitu : • Jenis bahan bakar. • Temperatur pada gas buang • Konsentrasi O2 dan CO2

Hasil perhitungan jumlah udara tersebut di atas disebut dengan Theoritical Air atau jumlah udara yang dibutuhkan untuk menghasilkan pembakaran sempurna secara teoritis. Namun, Pada kenyataannya proses pembakaran sempurna ini tidak pernah terjadi. Untuk mengkondisikan agar proses pembakaran terjadi lebih sempurna, maka proses pembakaran dibuat dengan kondisi kelebihan udara. Jumlah udara berlebih yang dibutuhkan untuk proses pembakaran ini disebut dengan excess air [6]. Efisiensi pembakaran akan meningkat seiring dengan peningkatan jumlah excess air, hingga pada nilai tertentu, yaitu saat nilai kalor yang terbuang pada gas buang lebih besar dari pada kalor yang dapat disuplai oleh pembakaran yang optimal. Ilustrasi mengenai efisiensi pembakaran terhadap nilai excess air diperlihatkan pada gambar 2 berikut ini [3] :

Proses pembakaran sempurna dapat didekati menurut persamaan kimia berikut ini :

2.3 Pada pembakaran sempurna akan dihasilkan produk pembakaran berupa uap air (H2O), Karbon dioksida, dan SO2, sesuai dengan perhitungan stoikiometri.pada pembakaran tidak sempurna akan dihasilkan uap air, karbondioksida, SO2, karbon monoksida, hydrogen,dan aldehid[6]. Berikut ini persamaan kimia pembakaran tidak sempurna. Gambar 2 Grafik hubungan efisiensi pembakaran dengan kebutuhan udara berlebih (excess air)[3]

2.4 Nilai 3,76 pada persamaan 2.3 diatas adalah nilai perbandingan mol oksigen dengan nitrogen, yang diperoleh dari hasil perbandingan antara konsentrasi oksigen di udara (21%) dengan konsentrasi nitrogen di udara (79%). Untuk mengkondisikan agar proses pembakaran terjadi secara sempurna, maka perhitungan stochiometri kebutuhan udara digunakan persamaan 2.3 Sehingga diketahui kebutuhan udara dalam satuan mol, sebagai berikut : AFR =

Dengan k=konstanta pembakaran k=0,9 untuk gas alam, k=0,94 untuk fuel oil, dan k=0,97 untuk batubara [9].

2.3.Fuzzy Logic Controller Konsep logika fuzzy merubah konsep logika klasik menjadi konsep yang memetakan suatu variabel pada kemungkinan yang tidak eksak sehingga dapat sistem linguistik dan permasalahan yang tidak pasti atau tidak presisi serta permasalahan probabilitas. Beberapa faktor penting yang menjadi bahasan dalam logika fuzzy sebagai berikut

2.5

Apabila kandungan bahan bakar dinyatakan dalam persen, yaitu persen C (carbon), H2 (hydrogen) ,S (sulfur), dan persen kandungan O2. Maka kebutuhan udara dapat digunakan persamaan 2.6 berikut.

2.3.1.Himpunan Fuzzy Himpunan Crisp dapat dinyatakan sebagai nilai yang sebenarnya untuk menyatakan konsep relative, misalnya seperti kecepatan dan posisi. Di dalam

2.6 Dengan :

3

penggunaannya, himpunan ini sangatlah terbatas berbeda dengan ekspresi linguistik. Himpunan fuzzy memberikan kerangka untuk menyatakan ekspresi pendekatan variabel linguistic di atas. 2.3.2.Struktur Dasar Logika Fuzzy Pada dasarnya struktur logika fuzzy dapat digambarkan seperti berikut [13] :

Gambar 4. Diagram sistem control pembakaran boiler PT Pertamina

3.1. Metodologi Penelitian Adapun ringkasan metodologi ditunjukkan pada gambar berikut ini.

penelitian

Gambar 3. Struktur Dasar Logika Fuzzy [13] Fungsi dari bagian-bagian di atas adalah sebagai berikut[13]:
Fuzzifikasi Berfungsi untuk mentransformasikan sinyal masukan yang bersifat crisp ( bukan fuzzy ) ke himpunan fuzzy dengan menggunakan operator fuzzifikasi.
Basis Pengetahuan Berisi basis data dan aturan dasar yang mendefinisikan himpunan fuzzy atas daerah – daerah masukan dan keluaran dan menyusunnya dalam perangkat aturan kontrol.
Logika Pengambil Keputusan merupakan inti dari Logika Fuzzy yang mempunyai kemampuan seperti manusia dalam mengambil keputusan. Aksi atur fuzzy disimpulkan dengan menggunakan implikasi fuzzy dan mekanisme inferensi fuzzy.
Defuzzifikasi berfungsi untuk mentransformasikan kesimpulan tentang aksi atur yang bersifat fuzzy menjadi sinyal sebenarnya yang bersifat crisp dengan menggunakan operator defuzzifikasi III. PERANCANGAN DAN METODOLOGI Gambar 4 berikut ini merupakan diagram blok sistem pembakaran pada plant boiler PT Pertamina RU IV Cilacap. Umpan balik antara kandungan oksigen pada gas buang masih dilakukan secara manual oleh operator. Pada Tugas Akhir ini, untuk mengoptimasikan kandungan oksigen, di terapkan hukum mass balance untuk melakukan tuning setpoint secara otomatis.

Gambar 5. Flowchart metodologi penelitian 3.2. Perancangan Fuzzy Logic Control Pada Tugas akhir ini, variabel yang dikendalikan adalah laju aliran bahan bakar, dengan besar setpoint tergantung dari output laju aliran udara dengan rasio

4

tertentu. Sehingga sistem pengendalian dalam tugas akhir ini disebut sebagai sistem Air to Fuel Ratio Control (AFRC). Spesifikasi laju aliran massa maksimum yang dapat dimanipulasi control valve sistem AFRC pada tugas akhir ini adalah 6,2 kg/s. sehingga, dengan demikian range proses variabel yang harus dikendalikan antara 0 kg/s sampai dengan 6,2kg/s. Dengan demikian kemungkinan error yang terjadi adalah antara -6,2 sampai dengan 6,2. Kondisi error ini, dibagi menjadi tiga kelompok, yaitu : 1. Error negative, yaitu kondisi dimana nilai variabel terukur bernilai lebih besar daripada setpoin. 2. Error positif, yaitu kondisi dimana nilai variabel terukur lebih kecil dari nilai setpoint. 3. Error bernilai mendekati nol, atau berada pada daerah setpoin.

merupakan selisih antara error yang terjadi pada waktu t dengan (t-1). Sistem kontrol yang stabil, tidak berosilasi memiliki karakteristik delta error yang kecil. Oleh karena itu, pada sistem ini ditentukan batas membership function delta error adalah 10% terhadap membership function error. Adapun pengelompokan jenis perubahan error dikelompokkan menjadi tiga kategori, yaitu : 1. Delta error negative, yaitu saat perubahan error saat t dan (t-1) bernilai negative 2. Delta error positif, yaitu saat perubahan error saat t dan (t-1) bernilai positif. 3. Delta error nol, yaitu saat tidak terjadi perubahan error, atau saat respon controller telah stabil. Adapun membership function untuk input delta error ditunjukkan pada gambar 7 berikut ini.

Berdasarkan kondisi error yang telah didefinisikan di atas, maka ditentuan fungsi keanggotaan masing-masing error, yaitu sebagai berikut :

Gambar 7. Membership function delta error Variabel output pada sietem fuzzy ini adalah sinyal kontrol untuk mengendalikan bukaan kontrol valve. Membership functioun untuk variabel output ditentukan seperti pada gambar 8 berikut ini.

Gambar 6. Membership function untuk input Batas-batas membership function error ini menentukan kecepatan controller untuk mencapai setpoint atau menentukan Settling time controller. Semakin sempit range yang diberikan untuk batas membership function error, maka controller semakin cepat mencapai setpoin, tetapi memberikan efek respon lebih berosilasi.Pada desain fuzzy logic control ini, ditentukan dengan batas membership function antara -1 sampai dengan 1, dengan tujuan agar sistem memiliki karakter error steady state yang kecil. Berdasarkan gambar 6 di atas, fungsi keangotaan untuk error negative dan positif masingmasing secara berurutan memiliki nilai maksimum pada variabel error maksimal, -1 dan 1. Hal ini berarti, apabila hasil perhitungan error antara variabel terukur dengan setpoin bernilai -1 atau +1, maka controller akan memberikan respon maksimum sistem, pada sistem AFRC valve membuka 100% dan mengalirkan fuel oil sebesar 6.2 kg/s, dan valve menutup 100%. Fungsi keanggotaan pas, pada gambar di atas merepresentasikan kondisi error saat mendekati nol. Dengan demikian untuk membership function error mendekati nol ini, dikondisikan agar memiliki nilai yang maksimal saat nilai error tersebut nol. Untuk mengurangi osilasi respon controller, maka perlu ditambahkan varibel delta error. Delta error

Gambar 8.Membership function variabel output Fungsi keangotaan untuk variabel output ini dibagi menjadi lima jenis, yaitu : 1. Valve menutup cepat, atau close fast 2. Valve membuka cepat, atau open fast 3. Valve tidak berubah, atau no change 4. Valve menutup pelan, atau close low 5. Valve membuka pelan, atau open low Strategi atau rule base pada Fuzzy Logic Control ini disusun berdasarkan sistem kepakaran. Berdasarkan strategi kontrol kepakaran, diperoleh aturan, yaitu apabila laju aliran bahan bakar (Process variable) terlalu kecil

5

(berada di bawah setpoin) atau error bernilai positif, maka valve harus dibuk dengan cepat. Apabila laju aliran bahan bakar terlalu besar, atau error negative, maka valve harus ditutup dengan cepat, dan apabila laju aliran bahan bakar mendekati setpoint, maka valve dibuka dan ditutup dengan perlahan, serta saat laju aliran berada tepat pada setpoint, maka bukaan valve dijaga konstan. Berdasarkan strategi kontrol di atas, maka dapat disusun suatu rule sebagai berikut: 1. If (error is negative) then (valve is close_fast) 2. If(error is positive) then (valve is open_fast) 3. If (error is pas) and (delta error is stabil), then (valve is no change) 4. If (error is pas) and (delta error is positive) then (valve is close_slow) 5. If (error is pas) and (delta error is negative) then (valve is open_slow) IV. SIMULASI DAN ANALISA DATA 4.1. Simulasi dan validasi peramal O2 (O2 Estimator)

Uji Respon Setpoint Sinyal Step Pada tahap ini, dilakukan pengujian performansi sistem AFRC dengan menggunakan PI controller, yang merupakan pengendali yang ada di lapangan saat ini, dibandingkan dengan AFRC yang telah didesain dengan menggunakan Fuzzy Logic. Tuning Kp,Ti dan Td pada PI controller disesuaikan dengan kondisi lapangan. Masing – masing controller diberikan setpoin yang sama, yang berasal dari output pengendali master, yaitu laju aliran udara, sebesar 50 kg/s. Kemudian nilai flow udara ini akan dibagi dengan ratio tertentu, berdasarkan hasil perhitungan O2 estimator. Nilai hasil perbandingan antara flow udara dengan ratio hasil perhitungan O2 estimator, akan menjadi setpoin pada pengendalian laju bahan bakar. Pada simulasi, diperoleh hasil perhitungan O2 estimator adalah 3,53, atau berarti kebutuhan bahan bakar yang harus disuply adalah sebesar 3,53 kg/s untuk udara 50 kg/s.

Untuk memperkirakan kandungan gas buang dapat dilakukan dengan menggunakan hukum mass balance dan persamaan excess air . Adapun hasil validasi dari O2 estimator adalah sebagai berikut :

Gambar 10 Grafik simulasi uji sinyal step

Pada gambar 10 di atas, garis warna hijau adalah proses variabel pada sistem AFR dengan fuzzy logic controller. Sedangkan garis biru adalah proses variabel dengan menggunakan PI controller,dan garis merah adalah setpoin yang harus dicapai controller. Berdasarkan pada gambar 10 di atas, diketahui, bahwa Pada AFR dengan menggunakan fuzzy logic controller, mulai steady pada time 40 detik (settling time) dengan error steady state sebesar 0,56%. Sedangkan Pada PI controller, mulai steady pada detik ke 70 (Settling Time), dengan karakteristik error steady state sebesar 0,85%. Maksimum overshoot pada AFR dengan menggunakan fuzzy logic controller adalah 6,87 %, sedangkan pada PI controller, memiliki maksimum overshoot sebesar 13,88%.

Gambar 9. Grafik hasil validasi O2 estimator Tabel Cuplikan data validasi O2 Estimator 052FIC _205 (Kg/s) udara

052FIC _208 (Kg/s) minyak

052AI_ 201 (O2 Conten ) %

AFR

O2 CONT ENT Model (%)

ERR OR %

194054. 52 194345. 00 194229. 28 193844. 33 194489. 07

12387.6

3.06

2.86

6.87

12424.8

3.03

2.83

6.90

12462.0

2.91

2.76

5.22

12499.2

2.86

12424.8

2.92

15.6 6 15.6 4 15.5 8 15.5 1 15.6 5

Pengujian beban perubahan konsentrasi karbon pada bahan bakar, dan perubahan laju aliran udara Pengujian beban perubahan konsentrasi karbon pada bahan bakar dan perubahan laju aliran udara dilakukan sebagai analisa untuk mengetahui performansi sistem AFR (Air To Fuel Ratio Control) dalam menghadapi beban dan perubahan setpoint dalam satu simulasi. Pada pengujian ini, juga akan dibandingkan dengan sistem AFRC yang telah ada dilapangan, sehingga

2.66 2.84

7.12 2.50

6

akan diketahui keunggulan dari sistem AFRC baru yang telah didesain. Adapun gambar blok diagram simulasi pada software simulink, ditunjukkan pada gambar 11 berikut ini.

sistem AFRC konfensional dengan menggunakan PI controller yang saat ini digunakan di lapangan. Garis berwarna merah adalah respon sistem AFRC dengan menggunakan fuzzy logic controller. Penerapan mass balance dengan memperhitungkan kandungan kimia dalam bahan bakar sebagai umpan balik untuk tuning setpoint pada sistem AFRC yang telah didesain dapat menjaga konsentrasi oksigen pada gasbuang pada level yang optimal, yaitu 2%. Pada gambar 12 tersebut di atas terlihat dengan jelas bahwa, sistem AFRC konfensional tidak dapat mengidentifikasi ketika terjadi perubahan komponen bahan bakar. Setpoin laju aliran bahan bakar tidak dapat menyesuaikan terhadap kondisi hasil proses. Saat terjadi kondisi seperti ini, maka dapat dipastikan effisiensi pembakaran menurun, karena proses pembakaran terlalu berlebih bahan-bakar. Saat kondisi seperti ini terjadi, pada sistem AFRC konfensional sangat tergantung terhadap kemampuan operator untuk kembali melakukan tuning setpoint yang optimal. Adapun perbandingan hasil proses konsentrasi oksigen pada gas buang diperlihatkan pada gambar 13 berikut

Gambar 11. Blok diagram simulasi performansi AFRC dalam mengatasi perubahan beban konsentrasi kandungan carbon dalam bahan bakar dan laju aliran udara

Proses simulasi dilakukan memberikan gangguan perubahan kandungan karbon dalam bahan bakar semula 86%, menjadi 80% pada detik ke 50. Kemudian gangguan perubahan laju aliran udara diberika pada detik ke 110. Semula laju aliran udara 45kg/s kemudian diubah menjadi 50kg/s, sedangkan waktu total simulasi adalah 200 detik. Adapun hasil simulasi uji beban perubahan konsentrasi karbon pada bahan bakar dan laju aliran udara AFRC dengan menggunakan PI controller dan fuzzy logic controller serta sistem AFRC konfensional yang terdapat di lapangan ditunjukkan pada gambar 12 berikut ini

Gambar 13. Perbandingan hasil proses,konsentrasi oksigen gas buang tiga macam sistem AFRC. Garis warna hijau pada gambar 13 di atas menunjukkan hasil proses konsentrasi kandungan oksigen sistem AFRC dengan PI controller, garis warna merah dan warna biru, secara berurutan merupakan hasil proses konsentrasi oksigen pada gasbuang AFRC dengan menggunakan fuzzy logic controller dan AFRC konfensional. Berdasarkan grafik gambar 13 tersebut, terlihat bahwa output proses yang berupa konsentrasi oksigen dengan menggunakan sistem AFRC yang memanfaatkan mass balance untuk umpan balik, dapat dijaga pada level yang optimal, yaitu 2%. Sedangkan sistem AFRC konfensional tidak dapat meng-handle kontrol kandungan oksigen pada gas buang yang merupakan parameter terjadinya pembakaran sempurna. Dengan kondisi hasil proses kandungan oksigen gas buang yang selalu terkontrol pada level yang optimal, maka pembakaran akan selalu berlangsung dengan sempurna, dengan demikian akan dapat lebih menghemat penggunaan

Gambar 12. Hasil uji beban perubahan kandungan karbon bahan bakar dan laju aliran udara tiga jenis AFRC

Garis berwarna hijau adalah respon sistem AFRC dengan PI controller yang telah diumpan balik terhadap kandungan oksigen gas buang. Garis warna biru adalah

7

bahan bakar dibandingkan apabila menggunakan sistem AFRC konfensional.

•

Perhitungan efisiensi boiler berdasarkan kandungan oksigen gas buang, dan nilai penghematan (cost)

Besarnya penghematan (cost saving) terhadap sistem AFRC yang telah didesain adalah sebagai berikut :

Berdasarkan simulasi yang telah dilakukan, pada subbab 4.6, diketahui bahwa kriteria kualitatif IAE (Integral Absolute Error) AFRC dengan menggunakan Fuzzy Logic adalah 20,47%, AFRC dengan menggunakan PI controller 24,08%. Sedangkan nilai IAE sistem AFRC ditinjau berdasarkan kemampuan untuk mencapai target kadar oksigen pada gas buang sebesar 2%, serta nilai kandungan oksigen gas buang masing-masing sistem AFRC ditunjukkan pada tabel 4.4 berikut :

IAE %O2

PI Controller 49,19% 2,98398 %

Fuzzy Logic 41,64 % 2,8328%

Dengan Cs= besar penghematan (Rupiah/sekon) = konsumsi bahan bakar (kg/s) E1= efisiensi lama pembakaran (%) E2 = efisiensi baru pembakaran (%) Jika harga bahan bakar yang digunakan (Marine Fuel Oil) adalah 5.300 per liter, dengan densitas pada suhu standard 150 C = 930 kg/m3 , serta konsumsi bahan bakar dapat didekati dengan laju aliran bahan bakar rata-rata proses (3,09 kg/s) maka besarnya penghematan dapat diperhitungkan sebagai berikut [9]:

AFRC konfensional 155,9% 5,118%

Efisiensi boiler dapat dihitung dengan metode tidak langsung, yaitu melalui perhitungan rugi kalor pada stack [6],[14],[11]. Rugi kalor tersebut sangat dipengaruhi oleh suhu gas buang dan konsentrasi oksigen. Pada Tugas Akhir ini, suhu pada gas buang masing-masing sistem AFRC dianggap sama dan tetap 1880 C. Sehingga dengan demikian rugi kalor pada boiler hanya dipengaruhi oleh kadar oksigen, dimana konsentrasi oksigen gas buang yang kurang, barati menunjukkan terdapat atom bahan bakar yang tidak terbakar, dan bila terlalu banyak kandungan oksigen, maka panas yang terbuang dan terserap oleh nitrogen semakin banyak[11]. Adapun hubungan antara kandungan oksigen dengan loss pada stack, dapat dilihat pada tabel di halaman Lampiran D. Berdasarkan Tabel D, pada halaman lampiran, serta dengan cara interpolasi, maka didapatkan rugi kalor sebagai berikut.

Rugi kalor

PI Controller

Fuzzy Logic

13,5534318%

13,491448%

Efisiensi AFRC dengan PI Controller

•

Cost saving boiler dengan AFRC Fuzzy Logic Controller

Cs= 232,571 Rupiah/ sekon •

Cost saving boiler dengan AFRC PI Controller Cs= 9,818 Rupiah/ sekon

V. KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari serangkaian metodologi, pengujian, analisa serta pembahasan yang telah dilakukan, maka didapatkan kesimpulan, yaitu sebagai berikut: • Untuk mengoptimalkan kandungan oksigen gas buang dapat dilakukan dengan menerapkan hukum kesetimbangan massa (Lavoisier), dengan mempertimbangkan komponen penyusun bahan bakar. • Telah didisain dan disimulasikan sistem AFRC dengan menggunakan Pengendali Fuzzy Logic dan pengendali PI. • Secara kualitatif, sistem AFRC dengan menggunakan pengendali Fuzzy Logic memiliki IAE (Integral Absulute Error) 41,64% terhadap target konsentrasi O2 sebesar 2%. Pada Pengendali PI, memiliki IAE sebesar 49,19%,

AFRC konfensional 14,59962%

Apabila kerugian (loss) lain-lain yang tidak terhitung diasumsikan konstan, 2.6% [11],maka diketahui efisiensi boiler sebagai berikut : • Efisiensi mula-mula (AFRC konfensional)

Dengan cara yang sama, didapatkan : • Efisiensi AFRC dengan Fuzzy logic Controller

8

•

serta pada sistem AFRC lama memiliki IAE sebesar 155,9%. Berdasarkan simulasi dan analisa yang telah dilakukan, didapatkan bahwa penghematan biaya (Cost Savings) pada sistem AFRC dengan menggunakan Fuzzy Logic Controller adalah 232,571 rupiah per sekon, dan pada PI controller 9,818 rupiah per sekon.

[7].Furchan,akhmad. 2008, Perancangan sistem ”Control Fuzzy” Pada Sistem Pembakaran Boiler Di PLTU Gresik, Jurusan Teknik Fisika ITS. [8] .Praswasti PDK,Wulan,2008, Bahan Bakar dan Pembakaran [9]. Santoso, Handi M.H., Nazaruddin, Yul.Y, dan Muchtadi, Farida.I, 2005, Boiler

5.2. Saran Dari serangkaian kegiatan Tugas Akhir yang telah dilakukan, dapat diberikan saran sebagai berikut: Peningkatan efisiensi boiler masih bisa ditingkatkan lagi dengan cara meningkatkan performa sistem pengendalian. Oleh karena itu, untuk penelitian selanjutnya mengenai sistem pembakaran dan AFRC, dapat dilakukan dengan melakukan perancangan ulang dengan sistem pengendalian yang lebih handal, misalnya dengan menggunakan sistem kontrol prediktif, atau dengan memperbaiki arsitektur fuzzy. DAFTAR PUSTAKA

[1].

[2].

Performance Optimization Using Fuzzy Logic Controller. Department of Engineering Physics, Institute of technology Bandung. IFAC. [10] ______,1998.Boiler Feed Water System, Lentech [11] Greg, Harrel. 2001.Steam System Survey Guide, The University of TennesseeEnergy, Environment, and Resources Center

F.El-Mahallawy, S El-Din Habik. 2002. Fundamentals and technology of combustion.Elseiver, Ltd

[12] Turn,Stephen.R.2000.An Introduction to Combustion- concept and application.Singapore: Mc Grawhill

____,2009. Types of Efficiencies. .

[13] Kusuma dewi,Sri.2002.Analisis&desain sistem Fuzzy.Yogyakarta:Graha Ilmu

[3]. ____,2009. Combustion Efficiency And Excess Air.

[16] jantzen,jan. Design Of Fuzzy Controllers

BIODATA PENULIS

[4]. Techmation.2000.”Control strategy : Ratio Control System” [5].Handin purwoko .2008. Studi performansi sistem pengendalian dan proteksi pada high pressure drum PT. Indonesia power unit bisnis pembangkitan semarang untuk mengetahui dinamika keamanan proses melalui simulasi. Jurusan Teknik

Nama : Totok Gunawan TTL : Bangil, 29 April 1986 Alamat : Jl. Pakujoyo 11 BangilKab.Pasuruan-JATIM E-mail : [email protected]

Fisika- ITS [6]. Sudibjo,wisnu.2008, Optimisasi pengontrol rasio udara-bahan bakar pada boiler pt. Pertamina up iv cilacap menggunakan pengontrol prediktif jaringan syaraf tiruan. Jurusan Teknik Fisika-ITB

Riwayat Pendidikan : 2005 – sekarang : Teknik Fisika ITS, Surabaya 2002 – 2005 : SMA Negeri 1Bangil 2000 – 2003 : SLTP Negeri 1 Bangil 1993 – 2000 : SDN Latek- Bangil

9