MAHARDHIKA, WISNU PRAMUDYA (2017) RANCANG BANGUN SISTEM KONTROL LEVEL DEAERATOR STORAGE TANK PADA INDUSTRI PLTU BERBASIS ARDUINO DENGAN MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM) UNTUK PROSES BOILER FEEDWATER. Diploma thesis, POLITEKNIK PERKAPALAN NEGERI SURABAYA.
Full text not available from this repository.Abstract
ABSTRAK Dalam industri pembangkit listrik tenaga uap, air umpan (feedwater) merupakan komponen penting yang harus dikendalikan. Salah satu contoh pengendalian sistem feedwater adalah sistem pengendalian level deaerator storage tank. Permasalahan yang ada di industri yaitu untuk sistem pengendalian level deaerator storage tank menggunakan kontrol PI untuk masing – masing input. Sehingga, terdapat pemborosan modul kontrol PI. Selain itu, saat pengendalian menggunakan metode PI memiliki kelemahan yaitu dibutuhkan pengaturan (tuning) secara berkala saat terdapat perubahan sistem dan merupakan metode yang konvensional. Dari permasalahan tersebut maka dibuatlah sistem pengendalian level deaerator storage tank menggunakan metode Extreme Learning Machine (ELM).Sehingga dengan dikembangkannya menggunakan ELM, diharapkan dapat menambah efisiensi kerja sistem. Untuk pengembangan dari sistem tersebut, maka di buatlah prototype sistem pengendalian level deaerator storage tank menggunakan mikrokontroller arduino. Menggunakan pompa, motor servo dan valve (kran) sebagai aktuator. Dan sensor FS-400a untuk membaca laju air (flow) dan HC-SR04 untuk membaca level tangki untuk digunakan sebagai input. Selanjutnya kerja dari input dan output tersebut yaitu saat level dan kedua flow rendah maka servo dan valve (kran) membuka (menuju 100%), sebaliknya saat level dan kedua flow tinggi maka servo dan valve (kran) menutup (menuju 0%). Oleh karena itu pengembangan sistem pengendalian level deaerator storage tank sangatlah penting, untuk menambah efisiensi dari kerja sistem pembangkitan energi listrik tersebut dan meminimalisir jumlah modul untuk kontrol yang digunakan oleh input sistem. Dari beberapa percobaan yang telah dilakukan, metode ELM merupakan metode yang sangat handal dan sangat cepat berdasarkan rata – rata waktu training adalah 0.013382 second dan waktu tempuh untuk mencapai setpoint lebih cepat daripada metode konvensional PI. Dimana untuk mencapai setpoint 10 cm, ELM membutuhkan waktu untuk mencapai setpoint adalah 44.06 second sedangkan untuk metode PI membutuhkan 118.04 second. Prototype pada penelitian ini bekerja cukup baik menggunakan metode ELM dengan nilai standart deviasi 0.037459015 dan toleransi error kurang dari 0.15 %. Kata kunci: arduino, Extreme Learning Machine (ELM), PI, FS-400a, HC-SR04, Deaerator. ABSTRACT In the power industry steam, feed water (f eed water) is an important component that must be controlled. An example is the system control feed water level control system deaerator storage tanks. The problems that exist in the industry is to control level deaerator storage tank system using PI control for each input. So that, there are avoid of waste PI control module. Other than that, control using PI method has the weakness that is required to set (tuning) periodically when there is a change in the system and as a conventional method. From that issues then deaerator storage tank level control system is made using Extreme Learning Machine (ELM) method .So that with the development of using ELM, expected to increase the work efficiency of the system. For the development of the system, then build a prototype system deaerator storage tank level control using a microcontroller Arduino. Using pumps, servo motors and valves as actuators. And the FS-400A sensor to read the rate of water (flow) and HC-SR04 to read tank level to be used as input. Then the work of the input and the output are if level and two flows are low and then the servo and valve open (to 100%), else if level and two flows are high and then the servo and valve close (towards 0%). Therefore, the development of control level deaerator storage tank system is very important, to increase the working efficiency of the electric energy generation systems and to minimize the number of modules used by the control system input. From several experiments that have been done, ELM method is a very reliable and very fast method based on the average training time is 0.013382 second and the time to reach the setpoint is faster than conventional PI method. Where to reach setpoint 10 cm, ELM takes time to reach setpoint is 44.06 second while for PI method requires 118.04 second. The prototype in this study worked quite well using the ELM method with a standard deviation value of 0.037459015 and an error tolerance of less than 0.15%. Keywords: arduino, Extreme Learning Machine (ELM), PI, FS-400a, HC-SR04, Deaerator.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Jurusan Teknik Kelistrikan Kapal > D4 Teknik Otomasi |
| Depositing User: | Unnamed user with email repository@ppns.ac.id |
| Date Deposited: | 22 Sep 2018 04:47 |
| Last Modified: | 22 Sep 2018 04:47 |
| URI: | http://repository.ppns.ac.id/id/eprint/1207 |
Actions (login required)
 |
View Item |
