GDL

Program Design for Monitoring Condenser Cleanliness Factor and Predicting Cleaning Time Based on Neural Network at PLTGU Tambak Lorok

Skripsi, 022 / 2023 / TPTL
Undergraduate Theses from JBPTPPOLBAN / 2024-03-20 12:01:57
Oleh : 191724022 - Muhammad Fadhil Syafiqri (muhammadfadhilsyafiqri@gmail.com)
Dibuat : 2024-03-20, dengan 4 file

Keyword : Surface Condensor, Cleanliness Factor, Deeplearning, Neural Network
Subjek : Surface Condensor, Cleanliness Factor, Deeplearning, Neural Network

ondensor merupakan komponen penting dalam siklus pembangkitan listrik pada PLTGU. Kondensor mengubah uap steam menjadi air yang dapat digunakan kembali dalam siklus uap PLTGU dengan cara mengkondensasikan uap steam menjadi air untuk dapat digunakan kembali. Kondensor tipe surface menggunakan pipa saluran yang mendinginkan uap steam, tetapi dapat mengalami kekotoran yang mempengaruhi kinerjanya. Tingkat kekotoran tersebut diukur dengan Cleanliness Factor (CF) di mana sebelumnya terjadi kesalahan pembacaan yang berpengaruh dalam penentuan waktu pembersihan kondensor, maka dilakukan perbaikan pembacaan nilai CF dan penentuan waktu pembersihan kondensor, CF yang merupakan perbandingan nilai koefisien transfer panas efektif (Ueff) dan nilai koefisien transfer panas standar (Uhei) yang ditentukan oleh Heat Exchanger Institute (HEI). Penentuan CF yang tepat membutuhkan parameter seperti suhu air masuk dan keluar, suhu steam masuk, jumlah air pendingin, dan suhu steam bypass. Untuk membaca nilai CF yang akurat, digunakan perhitungan CF berdasarkan standar HEI. Penjadwalan pembersihan kondensor dilakukan menggunakan model Neural Network (NN). Dalam model prediksi deep learning menggunakan feedforward NN, data input yang digunakan adalah hasil fitting curve dari pembersihan sebelumnya. Proses penentuan model NN melibatkan berbagai kombinasi layer untuk memperoleh hasil yang diinginkan. Model NN yang memiliki deviasi paling kecil dipilih untuk digunakan selanjutnya. Setelah perbaikan berdasarkan standar HEI, nilai CF yang sebelumnya di atas 100% dapat diperbaiki menjadi sekitar 82%. Untuk prediksi jadwal pembersihan kondensor dengan menggunakan model neural network menunjukkan bahwa pembersihan perlu dilakukan 92 hari lagi dari tanggal 5 Maret 2023.

Deskripsi Alternatif :

The condenser is an important component in the power generation cycle of the PLTGU. The condenser converts steam into water that can be reused in the PLTGU steam cycle by condensing steam into water for reuse. Surface-type condensers use conduit pipes that cool the steam vapor, but are subject to soiling that affects their performance. The level of soiling is measured by the Cleanliness Factor (CF), which is the ratio of the effective heat transfer coefficient (Ueff) value and the standard heat transfer coefficient (Uhei) value determined by the Heat Exchanger Institute (HEI). Precise determination of CF requires parameters such as inlet and outlet water temperature, inlet steam temperature, amount of cooling water, and bypass steam temperature. To read an accurate CF value, a CF calculation based on HEI standards is used. Condenser cleaning scheduling is done using a Neural Network (NN) model. In the deep learning prediction model using feedforward NN, the input data used is the curve fitting results from the previous cleaning. The process of determining the NN model involves various combinations of layers to obtain the desired results. The NN model that has the smallest deviation is selected for further use. After improvement based on the HEI standard, the CF value that was previously above 100% can be improved to about 82%. For the prediction of the condenser cleaning schedule using the neural network model, it shows that the cleaning needs to be done in 92 days from March 5, 2023.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	JBPTPPOLBAN
Organisasi
Nama Kontak	Erlin Arvelina
Alamat	Jl. Trsn. Gegerkalong Hilir Ds. Ciwaruga
Kota	Bandung
Daerah	Jawa Barat
Negara	Indonesia
Telepon	022 201 3789 ext. 168, 169, 239
Fax	022 201 3889
E-mail Administrator	erlin.arvelina@polban.ac.id
E-mail CKO	erlin.arvelina@polban.ac.id