PENGENDALIAN TEMPERATUR PADA ECONOMIZER UNIT BOILER MENGGUNAKAN FUZZY GAIN SCHEDULING PID CONTROLLER DI PT. PETROKIMIA GRESIK ( Doni Kusuma Erwanda, Ir. Ronny Dwi Noriyati, M. Kes, Eri Wahyu W.ST ) Jurusan Teknik Fisika – Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih – Sukolilo, Surabaya 60111 Abstrak
Economizer adalah sejenis alat penukar panas aliran silang dimana panas dipindahkan dari gas asap (hasil pembakaran) ke air pengisian (feed water) yang sedang masuk. Temperatur sangat berpengaruh pada proses in i dengan a danya p engendalian temperatur maka akan m eningkatkan e fisiensi dari s istem s esudah economizer yaitu HP drum. Dengan p erancangan k ontrol Fuzzy Gain SchedullingPID Controller diharapkan da pat meningkatkan efisiensi d ari HP drum dengan menjaga t emperature m enjadi stabil. D ari p erancangan s istem didapatkan parameter n ilai tuning t erbaik u ntuk Kp: 2 0, K i: 2 dan K d: 50 yang t erbaik de ngan maksimum overshoot sebesar 15%, settling time (ts): 40s. Hasil p erancangan s istem menggunakan a lgoritma Fuzzy Gain SchedullingPID Controller menunjukkan hasil respon pengendalian yang lebih baik dari mode pengendali P, PI dan PID Kata Kunci : Economizer, Temperatur, PID, Fuzzy Gain Schedulling
I.
II. TEORI PENUNJANG
PENDAHULUAN
Economizer dapat d iartikan s ebagai
2.1 Waste Heat Boiler Waste Heat Boiler adalah je nis boiler khusus, menghasilkan u ap bertekanan d engan c ara melepas p anas sisa d ari p roses. Boiler ini a kan mampu m enghemat ba han ba kar dan b iaya e nergi. Ada juga yang d isebut de ngan waste heat recovery boiler, ya kni boiler yang tidak m embutuhkan i nput energi. Biasanya diletakkan diatas sumber panas atau stack. D idalamnya t erdapat pi pa berisi a ir yang mengalir. P anas sisa pr oses a kan d igunakan u ntuk memanasi p ipa ini s eingga a ir d idalamnya akan menjadi ua p pa nas, yang ke mudian d igunakan u ntuk memutar turbin generator.
penghemat bahan bakar dalam proses pemanasan air pengisian pada b oiler. A lat in i ju ga me mpunyai keuntungan yang lain, d imana a ir pe ngisian (feed water) masuk kedalam Boiler dengan suhu yang lebih tinggi, sehingga a ir B oiler tidak b anyak m engalami pendinginan ke tika memasukkan a ir pe ngisian yang baru. Dengan d emikian pe mbuatan uap t idak banyak terganggu. Namun kinerja economizer sangat sensitif terhadap f aktor noise temperatur feedwater. H al ini dikarenakan bila t emperatur f eedwater t idak baik maka ak an mengakibatkan r espon b iaya o perasi meningkat. J ika e fektifitas pe rpindahan pa nas t idak optimal, m aka dibutuhkan l ebih ba nyak b ahan b akar untuk m enghasilkan e fektifitas p erpindahan p anas yang d iinginkan. M aka da ri itu d iperlukan pengendalian t emperature p ada economizer agar temperature dapat terjaga dan bisa menhasilkan panas yang o ptimal. Dimana p ada P T. P etrokimia Gresik belum menggunakan controller sehingga t emperature yang a da t idak t erkendali sehingga t emperature kadang n aik t erlalu t inggi d an t urun juga t erlalu rendah. M aka p erlu ad anya Fuzzy Gain Scheduling PID Controller untuk m erubah parameter k ontrol secara o tomatis jika t erjadi p erubahan k ondisi. Diharapkan d engan a danya Fuzzy Gain Scheduling pada controller PID untuk mengontrol t emperatur pada economizer ini b iasa me ningkatkan kinerja sistem yang suda ada sebelumnya.
Gambar 2.1 Desain Waste Heat Recovery Boiler PT. Petrokimia Gresik[5] Boiler economizer mengambil k embali panas s isa da ri c erobong b oiler da n ke mudian
1
menyalurkannya m enuju boiler feed water. M aka sekarang boiler feed water juga da lam temperature lebih t inggi akibat panas dari boiler economizer. H al ini a kan membantu pr oses p emanasan, k arena kini boiler hanya m embutukan l ebih s edikit e nergi untuk mengubah a ir menjadi u ap. Boiler economizer ini juga m eningkatkan efisiensi dari b oiler i tu s endiri, dengan car a menyedot panas dari p ipa-pipa ga s pada unit superheater atau d ari evaporative bank. P anas tersebut d isalurkan ke mbali menuju boiler feed water.[5]
Efektifitas pe rpindahan pa nas a dalah besarnya energi yang dapat terambil dari total jumlah energi yang d apat d iserap. S emakin besar e fisiensi perpindahan panas pada economizer, maka panas gas sisa yang t erambil akan s emakin banyak. S emakin besar e fektivitas pe rpindahan pa nas yang t erjadi, maka alat tersebut semakin efisien. 2.3 Fuzzy Logic Controller Konsep logika fuzzy merubah konsep logika klasik m enjadi konsep y ang m emetakan s uatu variabel pa da ke mungkinan yang t idak e ksak sehingga da pat s istem linguistik da n pe rmasalahan yang tidak pasti atau tidak presisi serta permasalahan probabilitas. B eberapa faktor penting ya ng m enjadi bahasan dalam logika fuzzy sebagai berikut. Pada d asarnya s truktur l ogika fuzzy dapat digambarkan seperti berikut :
2.2 Economizer Economizer adalah sejenis a lat pe nukar panas al iran s ilang d imana p anas d ipindahkan dari gas a sap ( hasil pembakaran) ke a ir pe ngisian ( feed water) ya ng s edang masuk. P enyerapan d i economizer ini juga da pat meningkatkan e fisiensi boiler. Fungsi dari economizer sebagai pemanas awal feed water sebelum masuk ke dalam s team dr um dimana pa nas yang d iperoleh da ri ga s a sap d iserap oleh di nding-dinding p ipa economizer untuk memanaskan ai r d alam p ipa s ehingga ai r t ersebut menjadi s aturated. Economizer terisolasi r apat sehingga tidak ada udara l uar y ang m asuk da n mengganggu pe nyerapan pa nas p ada p ipa economizer. D inding economizer terbuat da ri bahan isolasi rock wall, bahan ini tahan terhadap panas yang tinggi da n t idak banyak menyerap pa nas. P ada dasarnya economizer terdiri da ri p ipa-pipa y ang jumlahnya banyak, ko nstruksi p ipa pa da economizer sama s eperti p ada k onstruksi p ipa-pipa p emanas lanjut.
Basis Pengetahuan output
input Fuzzifikasi
Fuzzy
Defuzzifikasi Logika Pengambilan Keputusan
Fuzzy
Gambar 3 Struktur Dasar Logika Fuzzy [6] Fungsi d ari b agian-bagian d i atas a dalah s ebagai berikut: Fuzzifikasi Berfungsi u ntuk mngubah sinyal ma sukan yang be rsifat crisp ( bu kan fuzzy ) k e himpunan fuzzy dengan menggunakan operator fuzzifikasi. Basis Pengetahuan Berisi basis d ata d an at uran d asar yang mendefinisikan h impunan fuzzy atas d aerah– daerah masukan da n k eluaran da n menyusunnya dalam perangkat aturan kendali. Logika Pengambil Keputusan merupakan i nti dari L ogika Fuzzy yang mempunyai k emampuan s eperti manusia dalam mengambil k eputusan. A ksi atur fuzzy disimpulkan dengan m enggunakan i mplikasi fuzzy dan mekanisme inferensi fuzzy. Defuzzifikasi berfungsi u ntuk mentransformasikan kesimpulan t entang ak si at ur yang bersifat fuzzy menjadi s inyal sebenarnya ya ng be rsifat crisp dengan menggunakan o perator defuzzifikasi[6].
Gambar 2 Economizer [4] Kinerja economizer ditentukan o leh fluida yang mempunyai k oefisien p erpindahan p anas yang rendah yaitu gas. Kecepatan perpindahan panas dapat ditingkatkan de ngan c ara meningkatkan ko efisien perpindahan p anas t otal d engan cara mengatur susunan t ubing/properti fan dan m eningkatkan l uas kontak pe rpindahan p anas. R espon yang d ihasilkan oleh economizer adalah efektifitas perpindahan panas dan biaya operasi.
2.4 Pengendali Proposional Integral Derifatif(PID) Untuk menutupi ke kurangan da ri masing – masing pe ngendali, ke tiga pe ngendali t ersebut da pat
2
saling d ikombinasikan menjadi p engendali P I, P D atau P ID. D alam k ombinasi PID, d iagram bloknya menjadi seperti pada gambar dibawah ini :
Pada aplikasi in i, f uzzy b erfungsi menghitung pa rameter ko ntrol P ID ( Kp, T i da n Td), berdasarkan ko ndisi signal e rror ( E) da n pe rubahan error. Secara u mum, d iagram fuzzy P ID g ain scheduling control dapat digambarkan seperti berikut.
Gambar 4 Diagram Blok pengendali PID[1]
Gambar 6 Blok diagram Fuzzy PID Gain Scheduling Control III. METODOLOGI PENELITIAN Metodologi pe nelitian y ang di gunakan pa da tugas akhir ini sebagai berikut;
[1]
Gambar 5 Respon keluaran P,PD dan PID Keluaran P engendali P ID merupakan jumlahan d ari k eluaran P engendali p roporsional, keluaran Pengendali integral dan keluaran Pengendali diferensial. G ambar 2 .8 m enunjukkan r espon da ri pengendalian PID. 2.5 Fuzzy Gain Scheduling PID Control. Kontrol P ID merupakan a lgoritma ko ntrol yang banyak d igunakan d i industri pr oses ka rena bentuknya yang s ederhana da n mudah diimplementasikan. Pada k ondisi o perasi t ertentu (seperti misalnya sering terjadi gangguan pada proses atau parameter proses yang berubah-ubah), parameter control ini harus sering di-tuned agar kinerjanya tetap baik. Salah s atu t eknik da lam sistem ko ntrol yang sering d ilakukan u ntuk mengatasi pe rmasalahan in i adalah dengan m enggunakan m etode PID Gain Scheduling, d imana p arameter k ontrol d iubah s ecara otomatis jika t erjadi p erubahan k ondisi o perasi yang menyebabkan kinerja kontrol menurun. Kelebihan Gain scheduling terletak p ada perubahan c epat p arameter pe ngendali da lam merespon p erubahan pr oses. P ola ko nvensional gain scheduling adalah m engembangkan m odel proses yang t erlinearisasi p ada beberapa t itik o perasi dan merancang p engendali liniernya. M etode tersebut menggunakan p endekatan model driven. Logika fuzzy d apat d iaplikasikan p ada gain scheduling dalam b eberapa car a. Salah s atunya ad alah aplikasi logika f uzzy s ebagai gain scheduler dalam F uzzy Computing dan membedakannya d engan F uzzy Controller (seperti p ada PID Fuzzy Controller) karena d isini logika fuzzy tidak be rperan l angsung sebagai pengendali.
Gambar 7 Flowchart Penelitian Tugas akhir
3
3.1 Dinamika Proses dan Pemodelan Economizer Pada eco nomizer t erjadi p emanasan sementara, terjadi p erubahan f asa dari f asa ca ir menjadi fasa ua p ( uap jenuh). P enurunan model matematis d ari economizer mempergunakan h ukum kesetimbangan kalor.
200
Temperatur (C)
150
100
50
sinyal respon 0 0
2000
4000
6000 Time (s)
8000
10000
12000
Gambar 9 Grafik respon keluaran economizer Pada s imulasi ini diperoleh k eluaran temperatur economizer sebagai f ungsi flow air y ang masuk. Kenaikan temperatur ini diakibatkan sejumlah kalor yang d igunakan u ntuk memanasi economizer. Dari hasil simulasi sinyal uji step, dapat diamati pada grafik bahwa u ntuk flow air m asukan 110 K g/s da n 106.50C flow air yang masuk. U ntuk t emperatur pada r uang bakar a dalah 300 0C, di mana itu a dalah temperatur r ata-rata exhaust gas yang m asuk economizer. Sedangkan untuk flow air keluaran yaitu sekitar 70 K g/s, t emperatur yang da pat di capai economizer adalah 171 0C. K enaikan u ntuk pemanasan d engan e conomizer ini r ata-rata s ekitar 600C. Di b awah in i a dalah gambar grafik v alidasi hasil keluaran model simulink yang diperoleh dengan menggunakan persamaan (6) dengan masuakan nilainilai p arameter y ang d iperoleh d ari d ata p abrik dibandingkan dengan data k eluaran d ari D CS yang terekam di dalam ruang central control room (CCR). Data y ang d igunakan s ebagai validasi s ebanyak 50 data sebagai sampel.
Gambar 8 Sistem pada Economizer[7] Hukum kesetimbangan kalor pada Economizer
Akumulasi kalor pada = input laju − output laju + kalor kalor kalor pembakaran economizer
E = E − E + Q (1) ec in out ec m ec ∆T = m1.C p .Ti − m 2 .C p .T + Qec (2) dT Vec .ρv .Cv . = m1.C p .Ti − m 2 .C p .T + Qec (3) dt Dimana :
ρv Vec Cv Cp . m.1 = m2 Ti T Qec
= desitas uap pada Economizer (kg/m3) = volume Economizer (m3) = kalor spesifik pada Economizer (kJ/kg.K) = kalor jenis air (kkal/kg0C) laju aliran massa dari Feed water pump (kg/s) = laju aliran massa ke HP drum (kg/s) = temperatur input Economizer (0C) = temperature output Economizer (0C) = kalor pembakaran pada Economizer (kJ/s)
Berdasarkan d ata t eknis d i lapangan maka d iperoleh model d inamika da ri pe rsamaan d iatas s ebagai berikut :
59,72 × 0,582 × 190,8614.
dT = m1.C p .Ti − m 2 .C p .T + Qec dt
(4) Gambar 10 Grafik validasi economizer
dT (5) = m1.C p .Ti − m 2 .C p .T + Qec dt 1 F = m .C .T ( s) − m .C .T ( s) + Q ( s) (6) ( s) 6634,4438s 1 p i 2 p ec
6634,4438.
Pada gambar diatas dapat dilihat bahwa garis warna biru merupakan ke luaran temperatur dari economizer yang dihasilkan me lalui s imulasi sedangkan w arna merah merupakan temperatur real
4
plant yang ad a. B erdasarkan p erhitungan r ata-rata error menggunakan pr ogram excel, d idapatkan nilai rata-rata error untuk temperatur dari economizer sebesar 5.10C. Ini menunjukan b ahwa pe modelan yang dilakukan sudah bi sa m ewakili m odel plant yang sebenarnya.
pada economizer. T emperatur t ercatat i ni yang direpresentasikan menjadi s inyal u ji step. D ari simulasi yang d ilakukan, untuk t emperatur min imum sebesar 0 0C m aka ar us y ang tercatat pada temperature transmitter adalah s ebesar 4 mA, sedangkan u ntuk l ajua a liran maksimum economizer sebesar 2 500C maka ar us yang t ercatat p ada temperature transmitter adalah sebesar 20 mA.
3.2 Model Matematis Temperature Transmitter Jenis t ransmitter y ang d igunakan a dalah differensial pressure transmitter. T ransmitter ini bekerja dalam range 0-200 0C dan keluarannya adalah sinyal listrik de ngan r ange 4 -20 m A. Gain dari transmitter ini adalah : GL =
Span keluaran (mA)
3.3 Katup Pengendali (Control Valve) Dengan a sumsi bahwa control valve yang digunakan m empunyai karakteristik a liran ya ng linier, m aka fungsi t ransfer control valve dapat didekati dengan persamaan orde satu sebagai berikut : (3.7)
(7)
Span masukan ( 0 C )
laju aliran maks perubahan tekanan masukan 180(kg / det) = 15 − 3( psi) = 15 (kg / det . psi)
GCV =
Dengan memasukkan data dari transmitter level maka didapat :
GL =
0 (20 − 4)mA C = 0 . 064 0 mA 250 C
Gain I/P : perubahan tekanan masukan GT = perubahan arus masukan
Sedangkan u ntuk m endapatkan fungsi t ransfer da ri transmitter level ini digunakan persamaan :
LL ( s) GL = I L ( s ) Tc ( s) + 1
dimana : GL Tc
(9)
(10)
15 − 3(kg / det) 20 − 4( psi) = 0.75 psi / mA
(3.8) =
(8)
: gain transmitter : time constant transmitter
Sehingga diperoleh gain total control valve:
KV = GCV .GT
Time constant dari t ransmitter ini adalah 0, 7 de tik, maka fungsi transfer transmitter level adalah :
(11)
= 15 . 0,75 = 11.25(kg det/ mA)
LL ( s ) 0.064 = I L ( s ) 0.7 s + 1
Time constant efektif control valve diperoleh berdasarkan hu bungan w aktu stroke, p erfreksional terhadap p osisi valve dan p erbandingan k onstanta waktu inferent terhadap w aktu stroke yang dinyatakan. Hal ini dinyatakan dalam :
25
20
τ cv = Tv(∆V + RV )
(12)
15 mA
τ CV =
10
0.679 180 − 0 + 0.03 0.39 180
τ CV = 1.79s
5
Sehingga model matematis control valve diketahui :
Respon 0 0
2
4
6
8 Time (s)
10
12
14
16
M (s) 11.25 = I ( s ) 1,79 s + 1
Gambar 11 Grafik respon uji step temperature transmitter Dari hasil s imulasi, t emperatur p ada spesifikasi temperature transmitter dikonversi menjadi ar us ( mA). Karena yang t ercatat p ada temperature transmitter ini adalah t emperatur p ada economizer, maka diharapkan laju aliran yang tercatat pada temperature transmitter ini ma mpu m encatat temperatur min imum s ampai t emperatur ma ksimum
5
Table 1 Parameter mode kontrol P,PI, dan PID Parameter No Mode Kontrol Kp Ti Td
200
Flow (Kg/ s)
150
1
P
5
0
0
2
PI
4.5
8.33
0
3
PID
6
5
1.25
100
50
3.5 Perancangan Algoritma Kendali Fuzzy-PID Gain Schedulling Perancangan al goritma k endali fuzzy-PI gain scheduling dilakukan de ngan memanfaatkan pemrograman simulink pada software Matlab 7. 4. Prosedur yang d ilakukan da lam pe rancangan algoritma fuzzy adalah : 1. Menentukan p arameter tuning PI t erbaik berdasarkan simulasi pada simulink. 2. Menetapkan data input dan output. 3. Fuzzifikasi 4. Membuat at uran fuzzy yang akan d igunakan dalam operasi fuzzy. 5. Metode P engambilan Keputusan ( Inferensi/ Rule Evalution). 6. Strategi Defuzzifikasi.
Respon CV 0 0
2
4
6
8 Time (s)
10
12
14
16
Gambar 12 Grafik uji step control valve Dari s imulasi yang d ilakukan melalui simulink diperoleh g rafik sinyal u ji d an r espon control valve. S inyal u ji yang d igunakan a dalah sinyal step. Sedangkan respon dari sinyal uji tersebut dapat di lihat m elalui ga mbar 3. 9. B entuk gr afik respon control valve menunjukkan b ahwa m odel control valve yang d ibuat a dalah sistem o rde s atu. Dari simulasi yang d ilakukan, t ampak bahwa u ntuk sinyal in putan 4 mA control valve menutup seluruhnya, s edangkan untuk inputan 20 mA control valve membuka 100% . D ari gr afik da pat d iamati bahwa l aju b ahan bakar maksimum y ang keluar dari control valve saat b ukaannya 100% a dalah s ebesar 180 Kg/s.
3.5.1 Fuzzifikasi Fuzzifikasi adalah p roses memetakan input output dari variabel crips kedalam v ariabel linguist. Dalam pemilihan fungsi keanggotaan himpunan fuzzy tidak ad a at uran yang baku, t api pemilihan f ungsi keanggotaan h arus m erepresentasikan karakteristik himpunan fuzzy yang kita inginkan. • Data m asukan ( error, delta e rror) dan ke luaran (Kp, K i da n Kd) berupa crisp diperoleh d ari simulasi p lant e conomizer. N ilai crisp er ror mempunyai r entang antara -20 s ampai d engan 20, delta e rror antara -10 s ampai d engan 10, sedangkan nilai k eluaran p arameter K p an tara 19.5 s ampai de ngan 20. 5, pa rameter K i a ntara 1.95 da n 2. 05 s edangkan pa rameter K d a ntara 49.5 sampai 44.5 • Untuk jumlah variabel l inguistik error dan delta error sebanyak lima variabel, yaitu NB, NM, Z, PM da n PB. P da n N adalah po sitif da n negatif, sedangkan B adalah big, M adalah medium dan S adalah small. D erajat ke anggotaan himpunan fuzzy d ipilih fungsi s egitiga k arena d alam perhitungannya memerlukan waktu y ang l ebih cepat di bandingkan fungsi lainnya. D imana fungsi s egitiga menyatakan derajat k eanggotaan (μ) dari x untuk masing – masing himpunan variabel linguistik. • Untuk j umlah variabel linguistik p ada s etiap output ad a tiga yaitu B ad alah big, M a dalah medium dan S a dalah small sama s eperti i nput yaitu m enggunakan f ungsi s egitiga sebagai derajat keanggotaannya dikarenakan memerlukan waktu yang lebih cepat.
3.4 Penentuan Parameter Tuning PID terbaik Dalam menentukan p arameter tuning terbaik, d ilakukan de ngan c ara o silasi mengunakan metode Zigler-Nichols dengan m enggunakan software matlab. D engan ca ra mengubah-ubah parameter P ID y aitu nilai Kp d iubah-ubah s ampai mencapai nilai k ritis ( Kcr) s ampai o utput s istemnya berosilasi. S etelah d iubah p arameter-parameternya dianalisa gr afik r esponnya. D ari gr fik t ersebut maka akan d iperoleh nilai P cr yaitu jarak a ntara p uncak gelombang-gelombang berikutnya.
Gambar 3.13 Grafik respon untuk mencari Pcr Didapatkan nilai Kcr = 10 da n P cr = 10 ke mudian dimasukan d alam r umus Zigler-Nichols dengan metode osilasi maka d idapatkan p arameter c ontrol sebagai berikut :
6
basis a turan ( rule base). B asis at uran (rule base) meliputi kumpulan aturan kontoler logika fuzzy untuk menyatakan a ksi pe ngendali a gar mencapai t ujuan yang d iharapkan. D alam p embuatan at uran fuzzy diperlukan ketelitian dan pemahaman terhadap sistem yang a kan d ibangun d engan logika fuzzy. Pembuatan aturan dari logika fuzzy pada penelitian ini didasarkan pada pe ngaruh nilai pa rameter P ID ( Kp, K i da n Kd) terhadap respon pengendalian. Gambar 15 merupakan desain b asis aturan l ogika fuzzy pada F IS ed itor Matlab, dimana basis aturan terdiri dari 25 aturan.
Gambar 14 Fuzzy Inference System 3.5.2 Pembuatan Aturan Fuzzy Dalam membuat a turan fuzzy diperlukan ketelitian d an pemahaman t entang s istem yang a kan dibangun dengan logika fuzzy. Pembuatan aturan dari logika fuzzy pada pe nelitian ini d idasarkan pa da hubungan antara input dan output. Tabel 2 Rule Base untuk Kp Delta Error Error NB NK Z PK NB S S S S
Gambar 15 Rule Base kontroler FGS
PB S
NK
S
S
M
S
S
IV. ANALISA DATA DAN PEMBAHASAN
Z
S
M
M
M
S
PK
B
B
M
B
B
PB
B
B
B
B
B
4.2 Uji Open Loop Proses Simulasi p ada open loop ini d igunakan untuk m engetahui s ejauh ma na performansi sistem tanpa pe ngendali. Uji open loop dilakukan d engan memberikan input berupa sinyal step. Gambar 4. 1 menunjukkan bahwa d engan adanya u ji open loop tanpa pe ngendali, temperature tidak b isa m encapai set point. Karena p erformansi sistem t ersebut jauh d ari yang d iinginkan, k arena karakteristik plant termasuk orde satu dan tidak dapat mengendalikan d irinya s endiri ke tika t idak d ipasang alat-alat pengendali.
Tabel 3 Rule Base untuk Ki Delta Error Error NB NK Z PK NB B B B B
PB B
NK
B
B
M
B
B
Z
S
M
M
M
S
PK
S
S
M
S
S
PB
S
S
S
S
S
500 Respon
Temperatur (C)
Tabel 4 Rule Base untuk Kd Delta Error Error NB NK Z PK NB S S S S
Set point 400
PB S
NK
S
S
M
S
S
Z
S
M
M
M
S
PK
B
B
M
B
B
PB
B
B
B
B
B
300
200
100
0 0
20
40
60
80
Time (s)
Gambar 16 Respon open loop
Setelah proses fuzzifikasi yang menghasilkan fungsi k eanggotaan, maka perlu adanya perancangan
7
100
4.2 Uji Close Loop dengan Mode Kontrol P, PI, PID dan Fuzzy Gain Schedulling PID Controller Pada s ub - bab b erikut a kan d ilakukan perbandingan de ngan menggunakan mode ko ntrol P , PI, dan PID. Parameter yang d igunakan d alam mode kontrol P, PI, dan PID sendiri didapat melalui metode Ziegler - Nichols. Tujuan dilakukannya perbandingan ini ad alah u ntuk m engetahui p erbedaan p erforma antara k ontroler berbasis Fuzzy Gain Schedulling dengan mode kontrol P, PI dan PID.
Mode Kontrol Proporsional Integral Derivatif (PID) Parameter - parameter mode k ontrol P ID dapat d ilihat melalui t abel 4 .1. D engan d emikian, perbandingan ko ntroler ini d ilakukan t idak ha nya terhadap d esain fuzzy gain schedulling yang t elah dibuat, namun d ibandingkan pu la karakteristik u ntuk masing - masing mode ko ntrol pr oporsional (P), mode ko ntrol pr oporsional integral ( PI) da n mode kontrol p roporsional integral d erivatif (PID). M ode kontrol PID sendiri me rupakan ju mlahan d ari gabungan f ungsi a lih m ode kontrol proporsional, mode kontrol integral, dan mode kontrol derivatif.
Mode Kontrol Proporsional (P) Mode k ontrol p roporsional, de ngan parameter K p 0. 5. M ode k ontrol pr oporsional dipasang d engan mengambil t ekanan s ebagai referensi. H al itu d imaksudkan k arena p ada Fuzzy Gain Schedulling, ko nfigurasi ut amanya menggunakan tekanan sebagai referensi.
300
250
Temperatur (C)
200
250
150
100 20 0
Temperature (C)
50
Respon
150
Set point 0 20
0
10 0
60
40
80
100
Time (s)
Gambar 19 Grafik respon economizer dengan kontrol PID
50 Respon Set point 0 0
20
40
60
10 0
80
Mode Kontrol Fuzzy Gain Schedulling PID Controller Berikut a kan d ilakukan U ji Close Loop dengan Fuzzy Gain Schedulling PID Controller. Dimana p ada sub-bab ya ng s ebelumnya telah dilakukan u ji close loop dengan m ode control P ,PI dan P ID. P ada k ontrol Gain Schedulling PID Controller telah d ilakukan pa da B ab yang sebelumnya yaitu menggunakan dua input da n t iga output yaitu error dan delta error sebagai in put da n Kp,Ki dan Kd sebagai output.
Time (s)
Gambar 17 Grafik respon economizer dengan mode kontrol P Dari G rafik d iatas r espon d ari s ystem kontrol P t idak da pat mencapai s et po int. D imana hasil r espon yang yang d iperoleh s elalu d iatas setpoint da n ko ntol P t idak t epat di gaunakan u ntuk pengendalian temperatur pada economizer. Mode Kontrol Proporsional Integral (PI) Setelah d ilakukan pe rbandingan d engan mode ko ntrol P , s elanjutnya d ilakukan pe rbandingan dengan mode kontrol PI (Proporsional Integral). Dari perbandingan ini, a kan d iketahui s ejauh mana kemampuan Fuzzy Gain Schedulling apabila dibandingkan dengan mode kontrol PI. Mode Kontrol PI y ang d igunakan bekerja b erdasarkan r eferensi tekanan. P arameter k ontroler yang d igunakan tercantum pada tabel 4.1.
200
Temperatur (C)
150
100
30 0
50 Respon
250
Set point
Temperature (C)
20 0
0 0
20
60
40
80
100
Time (s)
150
Gambar 20 Grafik r espon economizer dengan kontrol Fuzzy Gain Schedulling
10 0
50
Respon Set point
Dengan Fuzzy Gain Schedulling ini d idapatkan nilai Kp = 20, K i = 2 da n Kd = 50. D ari pe rbandingan data d iatas d apat d ilihat p ada t able d ibawah i ni
0 0
20
60
40
80
10 0
Time (s)
Gambar 18 Grafik respon economizer dengan mode control PI
8
manakah mode ko ntrol yang pa ling baik d iantara mode kontrol P, PI, PID dan Fuzzy Gain Schedulling. Tabel 2 Perbandingan mode kontrol PI
PID
FGS
Max. Overshoot
-
61.76%
47.35%
15%
Settling Time
∞
50s
35s
40s
150
Temperatur (C)
P
200
100
50
Dapat d isimpulkan bahwa u ntuk mode pengendali P t idak da pat mencapai s et po int maka tidak d idapatkan nilai maximum overshoot dan settling time ∞ . U ntuk m ode pe ngendali P I t erjadi maximum overshoot dan settling time yang t erlalu tinggi ya itu mencapai 47. 35% da n r espon s istem banyak b erosilasi. Untuk i tu m aka dibuat m ode pengendalian P ID u ntuk m ereduksi overshoot yang tinggi d an r espon s istem yang berosilasi p ada mode pengendalian P I, d engan mode p engendalian PID tetapi ma sih b elum b isa me reduksi d engan maksimal dan maximum overshoot masih besar 47. 35% da n memperpendek n ilai settling time menjadi 35s t etapi respon s istem s udah t idak berisolasi. U ntuk mode pengendali F GS l ebih ba ik l agi da ri pada mode pengendalian PID y ang bi sa m ereduksi overshoot menjadi 15% da n settling time agak l ebih l ama 5 detik m enjadi 40s. I ni membuktikan bahwa d engan controller Fuzzy Gain Schedulling dapat m enekan overshoot menjadi lebih k ecil d an settling time (ts) yang cepat untuk mencapai set point. Semua pengujian ini masih dengan beban yang sesuai d engan k eadaan normal. Untuk m engetahui performasi yang t erbaik d ari Fuzzy Gain Scheduling PID Controller dengan P ID Controlle terhadap perubahan-perubahan beban a tau s et po in maka a kan dibahas pada sub-bab berikutnya.
FGS PID Set point
0 0
100
200
300
400 Time (s)
500
600
700
800
Gambar 22 Uji tracking set point PID dan FGS controller Karakteristik p erformansi p engendalian t emperatur ketika setpoint awal yaitu 1200C. Tabel 3 Tabel performansi setpoint awal yaitu 1200C PID FGS Max. Overshoot 41.16% 14.58% Settling Time 35s 40s Karakteristik p erformansi p engendalian t emperatur ketika terjadi ketika kenaikan setpoint 500C Tabel 4 Tabel performansi kenaikan setpoint 500C PID FGS Max. Overshoot 15.64% 4.7% Settling Time 25s 30s Karakteristik p erformansi p engendalian t emperatur ketika terjadi ketika penurunan setpoint 200C Tabel 5 Tabel performansi penurunan setpoint 200C PID FGS Max. Underhoot 12.5 % 3.91% Settling Time 25s 30s Karakteristik p erformansi p engendalian t emperatur ketika terjadi ketika penurunan setpoint 500C Tabel 6 Tabel performansi penurunan setpoint 500C PID FGS Max. Underhoot 6% 3.9% Settling Time 32s 30s
4.3
Pengujian dan Analisa Kendali Fuzzy Gain Scheduling PID Controller dengan PID Controller. Maka dalam sub-bab ini akan dibandingkan controller yang terbaik dengan pengujian tracking set point, p enambahan d an p engurangan beban. D engan pengujian-pengujian in i ma sih ma mpukah dari Fuzzy Gain Scheduling PID Controller dengan PID Controller untuk m encapai s et po int de ngan gangguan-ganguan yang ada.
Untuk respon PID Controller pada kenaikan setpoint awal 120 0C m engalami overshoot yang t inggi yaitu mencapai 41. 16% da n itu membahayakan t erhadap pengendalian t emperature de ngan t emperature yang tinggi j uaga akan m engakibatkan tekanan ya ng ditimbulkan s emakin besar p ula d an itu bisa mengakibatkan kebocoran pada pipa bila terjadi terus menerus. Tetapi dengan Fuzzy Gain Scheduling PID Controller tidak mengalami overshoot yang k ecil yaitu c uma 14. 8% dan itu cukup aman untuk pengendalian temperature. Untuk ke naikan set point awal 120 0C degan k enikan yang c ukup t inggi mengakibatkan overshoot yang tinggi pu la t etapi t idak u ntuk pe nurunan set point 500C kedua jenis controller tersebut tidak mengalami perubahan derastis dan masih sesuai dengan set point.
Uji tracking set point Pada pe ngujian ini d ilakukan pe ngujian Fuzzy Gain Scheduling PID Controller dengan PID Controller terhadap p erubahan t erhadap setpoint pada proses dengan memberikan uji setpoint naik dan sekaligus u ji setpoint turun pa da s elang w aktu 800 detik. G rafik r espon sistem d engan setpoint : [ 120 170 150 120]0C dapat dilihat pada gambar di bawah.
9
Tabel 8 Tabel performansi penurunan beban 20% PID FGS Max. Undershoot 45.05% 17.05% Settling Time 50s 40s Dari gr afik pe nurunan beban 20% da ri ke adaan standart m embuktikan bahwa u ntuk PID Controller mempunyai overshoot yang t inggi s ekaili ya itu mencapai 45. 05% da n juga membutuhkan w aktu yang lama u ntuk s tabil yaitu 50s . D engan overshoot yang tinggi s ekali m aka PID Controller tidak co cok apabila ada perubahan-perubahan beban namun untuk penurunan beban ini lebih t idak s tabil d ibandingkan dengan penambahan beban. Dari s emua uji diatas m embuktikan b ahwa Fuzzy Gain Scheduling PID Controller masih d apat stabil de ngan pe rubahan-perubahan yang a da. D an ketika terjadi perubahan parameter pada plant, respon Fuzzy Gain Scheduling PID Controller masih mampu menjaga kestabilan sistem. Ideal PID Controller tidak mampu la gi me ngendalikan plant dengan ba ik (respons menjadi tidak stabil). Sedangkan Fuzzy Gain Scheduling PID Controller menghitung ul ang parameter P ID b erdasarkan k ondisi error (E) dan perubahan error (ΔE) yang terjadi. Hal ini membuktikan bahwa a lgoritma ke ndali Fuzzy Gain Scheduling PID Controller mempunyai k elebihan dibandingkan de ngan a lgoritma P ID bi asa. A danya tambahan fuzzy ini d iharapkan pe ngendali lebih responsive t erhadap p erubahan d i plant (mampu melakukan t uning a daptif de ngan pe rubahan plant) sehingga kestabilan sistem tetap terjaga. Agar sebuah proses bisa dikatakan Safe, sistem pengendalian yang mengontrol p roses ha rus Reliable, dan adaptif dalam mengikuti perubahan proses.
Uji kenaikan beban 20% dari keadaan standart Pada u ji ka li ini d ilakukan pe nambahan beban 20% dari keadaan s tandart y aitu s ekitar 120 Kg/s u ntuk l aju massa a liran da n 330 0C unt uk pemanas dari s team dari s isa h asi pembakaran y ang tidak digunakan. 300
250
Temperatur (C)
200
150
100 FGS 50
PID Set point
0 0
20
40
60
80
100
Time (s)
Gambar 23 Grafik respon kenikan beban 20% Karakteristik p erformansi p engendalian t emperatur ketika t erjadi penambahan beban 20% da ri ke adaan standart dapat dilihat pada table dibawah ini. Tabel 7 Tabel performansi kenaikan beban 20% PID FGS Max. Undershoot 47.76% 14.52% Settling Time 25s 35s Dari gr afik d iatas membuktikan b ahwa de ngan kenaikan bebean 20% da ri ke adan s tandart Fuzzy Gain Scheduling PID Controller masih d apat mengikuti set point dengan overshoot yang kecil. PID Controller masih d apat mengikuti set p oint t etapi overshoot yang t inggi yaitu 47. 76%. PID Controller cuma bisa stabil dan mempunyai overshoot kecil pada keadaan standart t etapi sangat t idak c ocok unt uk adanya perubahan b eban y ang terlalu j auh b erbeda dengan keadaan yang standart.
V. KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan pengujian yang telah dilakukan maka didapatkan kesimpulan sebagai berikut: 1. Telah d ilakukan p erancangan k ontroler fuzzy gain scheduling PID control pada economizer Waste Heat Boiler (WHB). D engan 2 5 rule base, input (error, delta error) dan o utput (Kp, Ki dan Kd). 2. Mode ko ntrol P de ngan Kp 5 t idak c ocok digunakan u ntuk control temperature. Untuk mode ko ntrol P I de ngan Kp 4. 5 da n T i 8. 33 mengalami maximum overshoot yang t erlalu tinggi. S edangkan mode c ontrol de ngan P ID masih me ngalami maximum overshoot yang tinggi pula yaitu 47.35% 3. Untuk ko ntrol fuzzy gain scheduling PID control didapatkan pa rameter K p 20, Ki 2 da n Kd 50 y ang m engalami maximum overshoot yang t idak t erlalu t inggi yaitu 15% dan settling time 40s da n t epat un tuk di gunakan sebagai kontrol temperatur pada economizer. 4. Dengan d ilakukanya u ji beban da n tracking set point, Fuzzy Gain Scheduling PID Controller
Uji penurunan beban 20% dari keadaan standart Pada u ji ka li ini d ilakukan pe ngurangan beban 20% da ri ke adaan standart yaitu s ekitar 80 Kg/s u ntuk l aju massa a liran da n 270 0C unt uk pemanas dari s team dari s isa h asi pembakaran y ang tidak digunakan. 250
Temperature (C)
20 0
150
10 0
FGS
50
PID Set point 0 0
20
40
60
80
10 0
Time (s)
Gambar 24 Grafik respon penurunan beban 20% Karakteristik p erformansi p engendalian t emperatur ketika t erjadi penurunan beban 20% da ri ke adaan standart dapat dilihat pada table dibawah ini.
10
lebih b isa me ngikuti set point dan m engalamai overshoot yang ke cil bila d ibandingkan de ngan mode control PID biasa. S ehingga de ngan adanya t ambahan fuzzy ini p engendali lebih responsive terhadap perubahan di plant (mampu melakukan t uning a daptif de ngan pe rubahan plant) sehingga kestabilan sistem tetap terjaga.
BIODATA PENULIS
5.2 Saran Berdasarkan penelitian yang telah dilakukan maka d apat d iberikan s aran b ahwa u ntuk meningkatkan efisiensi dari sistem Waste Heat Boiler diperlukan pe ngontrolan pa da pe manas a wal yaitu pada economizer dengan pemanasan awal yang stabil maka a kan meringgankan ke rja HP Drum dalam merubah a ir menjadi steam yang d igunakan u ntuk proses produksi di PT. Petrokimia Gresik.
Nama : Doni Kusuma E. NRP : 2409 105 018 TTL : Bojonegoro, 21 Desember 1988 Alamat : Jl.Raya Bubulan No.5 Bubulan,Bojonegoro E-mail :
[email protected] Riwayat Pendidikan : - SDN 1 Bubulan (1994 - 2000) - SLTPN 1 Bubulan (2000 - 2003) - SMAN 3 Bojonegoro (2003 - 2006) - D3 T. Instrumentasi (2006 - 2009) - Teknik Fisika ITS (2009 - sekarang)
DAFTAR PUSTAKA [1] Ogata, K atsuhik. 1995. T eknik K ontrol Automatik . Jakarta; Erlangga. [2] Holman, J.P., Jasfi, E. 1997. ” PERPINDAHAN KALOR” edisi ke 6, Erlangga. [3] Asyari D. Yu nus. 2 005. D iklat K uliah Termodinamika T eknik I I .Universitas D arma Persada – Jakarta. [4]
, Mei ,2010 [5] Hamidah, N ur L aila. 2010. A nalisa Kinerja Waste Heat Boiler Dengan M etode Kesetimbangan P anas D an M assa D ipabrik 1 (Satu) Pt.Petrokimia Gresik. ITS Surabaya. [6] Zhang, H uaguang & D erong L iu. 2006. Fuzzy Modelling And Fuzzy C ontrol. B oston: Birkhauser. [7] Kusuma de wi, S ri. 2002. Analisis & desain sistem Fuzzy.Yogyakarta:Graha Ilmu [8] Sulastri, H eni. 2 011. P erancangan I nlet P ressure Control (IP C) H igh P ressure S team T urbin Berbasis L ogika F uzzy-Pi G ain S cheduling D i Pltgu T ambak Lorok Pt.Indonesia P ower U BP. Semarang. ITS surabaya
11
