skip to main content

Penggunaan Algoritma Random Forest untuk Klasifikasi berbasis Kinerja Efisiensi Energi pada Sistem Pembangkit Daya

*Ghiffari Awliya Muhammad Ashfania orcid  -  Department of Mechanical Engineering, Universitas Diponegoro, Indonesia
Toni Prahasto  -  Department of Mechanical Engineering, Universitas Diponegoro, Indonesia
Achmad Widodo orcid scopus  -  Department of Mechanical Engineering, Universitas Diponegoro, Indonesia
Tarwaji Warsokusumo  -  PT. Indonesia Power, Indonesia
Open Access Copyright (c) 2022 ROTASI

Citation Format:
Abstract

Efisiensi energi adalah salah satu parameter kinerja utama dalam sistem pembangkit daya selain dari parameter keandalan, ketersediaan, pemeliharaan, dan keselamatan (RAMS). Indikator Efisiensi Energi (EEI) mempunyai peran yang sangat signifikan dalam cost efficiency terkait Biaya Pokok Penyediaan (BPP) tenaga listrik dan penurunan emisi CO2 yang terkait dengan lingkungan hidup yang dikombinasikan dengan aplikasi pembangkit berbasis Energi Baru dan Terbarukan (EBT). Data operasi pembangkit lainnya yang banyak dimonitor sesuai dengan sensor yang tersedia, antara lain: main steam (temperature, flow, pressure, spray water flow), reheat steam (temperature, flow, pressure, spray water flow), feed water (temperature, pressure, flow), exhaust gas (O2 content, temperature), condensate (vacuum pressure, temperature), coal (calory value, flow), dll. Selama ini dalam diagnosis kegagalan peralatan untuk pengambilan keputusan pemeliharaan hanya didasarkan pada fitur-fitur berbasis kinerja keandalan peralatan. Penelitian dalam paper ini bertujuan untuk mencari alternatif baru dengan penggunaan fitur-fitur berbasis indicator Kinerja Efisiensi energi sebagai basis dalam diagnosis kegagalan peralatan atau degradasi fungsi sistem untuk pengambilan keputusan pemeliharaan. Proses diagnosis menggunakan model Random Forest Classifier (RFC) yang memberikan informasi fitur-fitur mana yang mengalami anomali sehingga dapat ditentukan peralatan atau sistem yang berhubungan dengan fitur tersebut. Selain itu juga dengan menggunakan model RFC dapat diperoleh Feature Importance yang dapat dimanfaatkan untuk menentukan prioritas lingkup pekerjaan pemeliharaan yang akan dilakukan. Hasil kajian studi kasus dalam penelitian ini menunjukkan bahwa dengan menggunakan fitur label indikator Net Plant Heat Rate (NPHR) dan fitur-fitur prediktor dari Top 10 Variabel Terkendali, diketahui fitur-fitur yang mengalami degradasi fungsi operasi terkait kinerja efisiensi energi dan sudah disesuaikan prioritasnya adalah: Final Feed Water Temperatur, Main Air Preheater Gas Out Temperature, dan O2 Contents in Flue Gas. 

Note: This article has supplementary file(s).

Fulltext View|Download |  Research Instrument
Dataset of Controllable Variables, NPHR and Gross Load
Subject NPHR, Energy Efficiency Index
Type Research Instrument
  View (243KB)    Indexing metadata
Keywords: random forest, NPHR, Indikator operasi variabel terkendali

Article Metrics:

Last update:

No citation recorded.

Last update: 2024-12-26 04:14:27

No citation recorded.