Hasil Pencarian  ::  Simpan CSV :: Kembali

"Transportasi umum kereta antar kota menjadi salah satu transportasi yang banyak diminati karena bisa mengurangi kemacetan dan jarak tempuh yang jauh serta bisa mengangkut orang dalam jumlah yang banyak. Pada kenyataannya, bahan bakar yang digunakan adalah diesel yang Smenghasilkan emisi gas karbon. Emisi gas karbon bisa meningkatkan pencemaran udara dan efek rumah kaca. Sebagai solusi, penggunaan kombinasi sumber energi pada sistem kereta hibrid sudah dilakukan dan dikembangkan dalam beberapa dekade ini. Sumber energi listrik dalam bentuk baterai atau sel bahan bakar hidrogen dalam bentuk fuel cell menjadi energi utama dalam penggerak kereta. Sebagai tambahan, untuk memenuhi kebutuhan daya kereta yang disesuaikan juga bisa ditambahkan sumber energi lain seperti ultra/super capacitor ataupun diesel. Oleh karena itu, pada sistem kereta hibrid ini diperlukan EMS (Energy Management System) untuk mengatur keluaran dan penggunaan energi yang dipakai secara optimal. Metode pengendalian yang digunakan adalah MPC (Model Predictive Control) yang memungkinkan strategi perencanaan dan pengoptimalan penggunaan energi dari berbagai sumber daya. Pada metode optimasi MPC terdapat cost function yang akan diminimalisir dan dioptimalkan dengan berbagai constraints.

---

Inter-city train public transportation is one of the most popular transportations because it can reduce congestion and long distances and transport large numbers of people. In reality, the fuel used is diesel which produces carbon gas emissions. Carbon gas emissions can increase air pollution and the greenhouse effect. As a solution, the use of a combination of energy sources in hybrid train systems has been carried out and developed in recent decades. Electrical energy sources in the form of batteries or hydrogen in the form of fuel cells become the main energy in driving the train. In addition, other energy sources such as ultra/super capacitors or diesel can also be added to fulfill the power requirements of the train. Therefore, this hybrid train system requires an EMS (Energy Management System) to optimally manage the output and use of energy used. The control method used is MPC (Model Predictive Control) which enables strategic planning and optimization of energy use from various resources. In the MPC optimization method, there is a cost function that will be minimized and optimized with various constraints."

"Kereta hibrida merupakan kereta yang menggabungkan beberapa sumber energi dengan tujuan untuk meningkatkan efisiensi bahan bakar dan mengurangi emisi gas rumah kaca di kawasan minim infrastruktur jaringan distribusi listrik. Namun, jenis kereta ini memiliki tantangan dalam manajemen sumber energi agar biaya penggunaannya dapat diminimalkan. Maka dari itu, penelitian dilakukan untuk mengoptimalkan strategi manajemen energi atau yang biasa disebut dengan Energy Management System (EMS). Strategi manajemen energi pertama yang dikenalkan adalah Rule-Based dengan biaya komputasi yang kecil, namun belum optimal. Untuk mendapatkan hasil yang lebih optimal digunakan Model Predictive Control (MPC) yang terkenal sangat andal karena kemampuan prediksi, mampu menangani masalah yang kompleks, dan dapat disesuaikan secara real-time. Optimasi real-time dibatasi oleh waktu cuplik, sehingga optimasinya belum tentu sempurna. Maka, optimasi real-time dapat dikombinasikan dengan optimasi global yang dijalankan secara offline, salah satunya menggunakan strategi Pontryagin’s Minimum Principle (PMP) yang telah banyak digunakan oleh para peneliti karena waktu komputasinya yang cepat dan secara akurat dapat mempertimbangkan State of Charge (SOC) baterai agar tetap dalam range nominal. Penelitian ini bertujuan untuk mengembangkan strategi manajemen energi yang efisien untuk kereta hibrida, menggunakan Rule-Based Pontryagin’s Minimum Principle Model Predictive Control (RB-PMP-MPC). Pengujian dan evaluasi dilakukan dengan melakukan simulasi pada Matlab dan Simulink.

---

Hybrid trains combine multiple energy sources to improve fuel efficiency and reduce greenhouse gas emissions in areas with limited electrical distribution infrastructure. However, these trains face challenges in energy source management to minimize operational costs. Therefore, research is conducted to optimize energy management strategies, commonly known as the Energy Management System (EMS). The first introduced energy management strategy is Rule-Based, which has low computational costs but is not yet optimal. To achieve more optimal results, Model Predictive Control (MPC) is used, known for its high reliability due to its predictive capabilities, ability to handle complex problems, and real-time adaptability. Real-time optimization is limited by sampling time, so it may not be perfect. Therefore, real-time optimization can be combined with global optimization performed offline, one of which uses Pontryagin's Minimum Principle (PMP) strategy, widely used by researchers for its fast computation time and accurate consideration of the battery's State of Charge (SOC) to remain within the nominal range. This research aims to develop an efficient energy management strategy for hybrid trains using Rule-Based Pontryagin's Minimum Principle Model Predictive Control (RB-PMP-MPC). Testing and evaluation are conducted through simulations in Matlab and Simulink."

"Pemanasan global yang disebabkan oleh emisi CO2, keterbatasan sumber daya fossil dan kenaikan polusi global mendorong sebuah ide untuk mengembangkan kendaraan dengan sumber daya yang bersih dan ramah atas lingkungan. Kendaraan seperti Hybrid Electric Vehicle (HEVs), fuel cell vehicles (FCVs), dan battery electric vehicles (BEVs) merupakan solusi utama untuk kendaraan yang ramah lingkungan. Dengan potensi besar untuk mengurangi dampak lingkungan, dilakukan pengembangan pada kendaraan kereta api hibrid untuk menekan konsumsi dari bahan bakar diesel dengan menggabungkannya dengan sumber energi ramah lingkungan, seperti baterai dan fuel cell. Besar kebutuhan daya kereta yang akan didistribusikan dari sistem perlu diestimasi denga melakukan evaluasi profil kecepatan dan geometri lintasan di sepanjang siklus perjalanan kereta. Oleh karena itu, penelitian ini berfokus pada perancangan sistem manajemen energi untuk distribusi daya kereta hibrid yang menggunakan tiga sumber energi, fuel cell, baterai, dan diesel dengan metode PMP (Pontryagin Minimum Principle). Sebuah pendekatan berbasis optimasi yang dirancang untuk meningkatkan efisiensi penggunaan energi dan mengoptimalkan kinerja keseluruhan sistem. Pendekatan ini memiliki kelebihan karena beban komputasi yang kecil dan waktu komputasi yang singkat.

---

Global warming caused by CO2 emissions, the scarcity of fossil fuels, and the rise of global pollution have driven the development of vehicles with clean and environmentally friendly energy sources. Vehicles such as Hybrid Electric Vehicles (HEVs), fuel cell vehicles (FCVs), and battery electric vehicles (BEVs) are the main solutions for environmentally friendly vehicles. With great potential to reduce environmental impact, development is being carried out on hybrid rail vehicles to reduce diesel fuel consumption by combining it with environmentally friendly energy sources such as batteries and fuel cells. The large power requirement of the train that will be distributed from the system needs to be estimated by evaluating the speed profile and track geometry along the train's travel cycle. Therefore, this study focuses on the design of an energy management system for distributing power to hybrid trains using three energy sources, fuel cells, batteries, and diesel with the PMP method. An optimization-based approach designed to improve energy efficiency and optimize overall system performance."

"Model Predictive Control is an important technique used in the process control industries. It has developed considerably in the last few years, because it is the most general way of posing the process control problem in the time domain. The Model Predictive Control formulation integrates optimal control, stochastic control, control of processes with dead time, multivariable control and future references. The finite control horizon makes it possible to handle constraints and non linear processes in general which are frequently found in industry. Focusing on implementation issues for Model Predictive Controllers in industry, it fills the gap between the empirical way practitioners use control algorithms and the sometimes abstractly formulated techniques developed by researchers. The text is firmly based on material from lectures given to senior undergraduate and graduate students and articles written by the authors"

"Tesis ini menyelidiki penerapan multi-ojective genetic algorithm untuk mengurangi konsumsi energi dalam sistem heating, ventilation dan air conditioning (HVAC) sekaligus meningkatkan kenyamanan termal melalui kontrol prediktif pengoperasian pompa. Penelitian ini memanfaatkan EnergyPlus dan OpenStudio untuk memodelkan kinerja energi Makara Art Center, sebuah gedung di Universitas Indonesia. Optimasi multi-objective dinamis kemudian dilakukan pada model tersebut, khususnya pada laju aliran massa pompa boiler dan pompa chiller. Simulasi Energyplus dan MATLAB dijalankan secara paralel di Building Control Virtual Test Bed (BCVTB) untuk menilai peningkatan kenyamanan termal sekaligus meminimalkan kebutuhan energi menggunakan model yang dioptimalkan. Hasilnya menunjukkan pengurangan konsumsi energi secara signifikan sebesar 32% tanpa mengurangi kenyamanan termal. Hal ini menunjukkan potensi optimasi multi-objective sebagai alat untuk meningkatkan efisiensi sistem HVAC di gedung.

---

This thesis investigates the application of multi-objective dynamic optimization to reduce energy consumption in Heating, Ventilation, and Air Conditioning (HVAC) systems while improving thermal comfort through pump operation predictive control. The study utilizes EnergyPlus and OpenStudio to model the energy performance of Makara Art Center, a building at the University of Indonesia. A dynamic multi-objective optimization is then conducted on the model, particularly in the boiler and chiller pumps mass flowrates. Co-simultion between Energyplus and MATLAB is run in Building Control Virtual Test Bed (BCVTB) to assess the improvememnt on thermal comfort while minimizing energy demand using the optimized model. The results demonstrate a significant 32% reduction in energy consumption without compromising thermal comfort. This highlights the potential of data driven multi-objective optimization as a valuable tool for improving HVAC system efficiency in buildings."

"Dengan meningkatnya tuntutan untuk membuat sistem perkeretaapian yang lebih ramah lingkungan, gerbong diesel telah digantikan oleh kendaraan perkeretaapian listrik hibrida. Hibridisasi kendaraan kereta listrik diesel merupakan pendekatan yang efektif untuk mengurangi konsumsi bahan bakar, dan untuk mengidentifikasi solusi optimal dalam meningkatkan kinerja energi pada kereta listrik. Masalah signifikan dalam hibridisasi kendaraan adalah menentukan ukuran optimal untuk sistem penyimpanan energi, dan menggabungkan strategi manajemen energi serta persyaratan teknis dan operasional. Sistem Penyimpanan Energi (Energy Storage System) menggunakan baterai Lithium-ion sebagai tindakan penghematan energi. Hibridisasi kereta listrik tidak hanya memperoleh daya melalui mesin diesel tetapi juga dapat beroperasi tanpa mesin diesel, yaitu disuplai melalui ESS dari baterai Lithium-ion yang digunakan pada kereta listrik. Sehingga diperlukan kontrol pada hibridisasi kereta listrik agar tidak mengganggu kualitas energi sistem kereta listrik. Dalam penelitian ini, dilakukan simulasi sistem kereta listrik sumber energi hibrida berupa mini-model dengan sistem Hybrid Control Unit (HCU) sebagai Energy Management System (EMS) untuk menentukan dan menyesuaikan pendistribusian sumber energi pada kereta, penyimpanan energi pada baterai, kualitas energi dan juga kinerja kontrol yang baik pada pengaturan aliran energi atau sumber daya dalam sistem kereta.

---

With the increasing demands to make the train system more environmentally friendly, diesel coaches have been replaced by hybrid electric train vehicles. Hybridization of electric diesel train vehicles is an effective approach to reduce fuel consumption, and to identify optimal solutions to improve the energy performance of trains. A significant issue in vehicle hybridization is determining the optimal size for the energy storage system, and incorporating energy management strategies and technical and operational requirements. The Energy Storage System uses Lithium-ion batteries as an energy saving measure. Train hybridization not only obtains power through a diesel engine but can also operate without a diesel engine, i.e. supplied via ESS from the Lithium-ion battery used in the electric train. So that control is needed on train hybridization so as not to interfere with the energy quality of the electric train system. In this study, a simulation of a hybrid energy source electric train system was carried out in the form of a mini-model with the Hybrid Control Unit (HCU) system as an Energy Management Strategy (EMS) to determine and adjust the distribution of energy sources on trains, energy storage in batteries, energy quality and also performance, and controlling the flow of energy or resources in the train system."

"Pada sistem kendali konvensional, batasan-batasan seperti amplitudo dan slew rate sinyal kendali tidak diperhitungkan pada proses pengendalian. Hal ini tentu dapat menyebabkan hasil kendali menjadi kurang baik, terutama jika terjadi pemotongan paksa terhadap sinyal kendali sebelum masuk ke plant. Untuk mengatasi hal tersebut dirancanglah suatu pengendali MPC. Dengan MPC, keluaran proses yang akan datang dapat diprediksi dan batasan-batasan yang ada tidak diabaikan sehingga keluaran sistem menjadi bagus. Selain keluaran sistem menjadi bagus, adanya batasan juga dapat membuat kinerja alat menjadi optimal. Pada skripsi ini, sistem yang akan dikendalikan dengan metode MPC dengan constraints adalah Coupled-Tank Basic Process Rig 38-100. Model yang digunakan pada perancangan pengendali berbentuk ruang keadaan yang didapat dengan menggunakan metode Kuadrat Terkecil berdasarkan pada data masukan dan data variabel keadaan alat. Masukan sistem adalah tegangan pompa pada tangki pertama dan keluaran yang akan dikendalikan adalah ketinggian air pada tangki kedua. Dari uji eksperimen terbukti bahwa metode pengendali MPC dengan constraints memberikan hasil yang lebih baik dibandingkan dengan metode Aturan Kendali Ruang Keadaan. Hal tersebut dapat terlihat dari tanggapan sistem, dimana tanggapan sistem dengan menggunakan metode MPC lebih cepat serta tidak adanya overshoot maupun undershoot pada keluaran sistem saat terjadi perubahan nilai trayektori acuan.

---

In conventional control system, constraints, such as amplitude and slew rate of input signal are not computed in control process. This matter of course can make the control result become worst, especially when force cutting occur to input signal before it enters to the plant. To solve those problems, a MPC controller is designed. With MPC, process output can be predicted and the existence of constraints will not be ignored and, as the result, it makes output system become well. Besides improve output system quality, the existence of the constraints can also make the device works at optimum condition everytime.

In this following final thesis, system that will be controlled by MPC with constraints method is Coupled-Tank Basic Process Rig 38-100. Model that is used in controller design has state space form. This model is formed by using Least Squares method based on input and state variable data. Input system is pump in first tank and output that will be controlled is water level in second tank.

Experiments prove that MPC with constriants give better result than State Controller method. With MPC, system response become faster and there are no overshoot nor undershoot when the set point change."

"Sistem tata udara presisi adalah sistem yang mengatur lingkungan udara yang cocok untuk peralatan ICT dalam kebinet ruang Datacenter yang khusus melayani penggunaan yang sangat penting dan kritis. Untuk mencegah kerusakan pada peralatan ICT dan pada media penyimpan akibat thermal shutdown, conductive anodic failures, hygroscopic dust failures, corrosion, dan short circuit, sistem tata udara presisi harus dapat mengendalikan temperatur dan kelembaban didalam kabinet, serta mampu beradaptasi terhadap perubahan temperatur akibat perubahan beban panas peralatan IT. Permasalahan yang dihadapi adalah bahwa sistem ini memiliki karakterisitik kompleks dan nonlinier yang sangat kuat yang sangat sukar dikendalikan oleh teknik kendali lanjut linier. Di dalam dissertasi ini diusulkan teknik kendali prediktif nonlinier baru yang disebut sebagai sistem kendali prediktif multi model berbasis supervisi untuk mengendalikan temperatur keluaran sistem tata udara presisi. Algoritma kendali tersusun dari tiga layer, yaitu layer optimasi kendali real-time untuk mengikuti perubahan sinyal acuan, layer adaptasi untuk menyesuaikan model PAC terhadap variasi beban panas, dan layer supervisi untuk menjamin kestabilan. Sistem PAC memiliki rancangan struktur baru yaitu penambahan kondenser sekunder yang berfungsi sebagai reheater untuk menurunkan RH keluaran evaporator. Prinsip kerja dan siklus kompresi uap sistem PAC diilustrasikan dalam psychrometric chart dan diagram enthalpi-tekanan. Model nonlinier sistem PAC diturunkan menggunakan teori pemodelan fisik berdasarkan prinsip konservasi energi dan kesetimbangan massa, dan kemudian dilinierisasi di sekitar titik kerja untuk mengembangkan model ruang keadaan orde-8 yang cocok untuk perancangan pengendali multivariabel. Kualitas model terlinierisasi dianalisa dari aspek respons transien, sifat controllability dan observability, dan interaksi antar variabel masukan-keluaran. Sebuah model nonlinier yang disebut sebagai multi model linier diusulkan dimana matriks parameter model diestimasi oleh algoritma identifikasi N4SID menggunakan himpunan data eksperimen masukankeluaran. Kontribusi utama dari dissertasi ini adalah multi model linier dapat diestimasi secara bertingkat dimana tiap tingkat identifikasi mempertahankan hubungan linier antar matriks parameter. Konsep model bertingkat ini juga mempermudah perancangan pengendali prediktif multi model dengan tetap mempertahankan optimasi kendali sebagai permasalahan quadratic programming. Mekanisme adaptasi pengendali prediktif dibentuk dengan memperbaharui model prediksi menggunakan algoritma N4SID rekursif. Untuk menjamin kestabilan sistem PAC dan menghindari fenomena bursting, algoritma deteksi ketidakcukupan eksitasi sinyal masukan dan monitoring sinyal diturunkan dalam persamaan rekursif, sehingga penambahan waktu komputasi tidak signifikan. Komputasi rekursif pada layer supervisi menjadi kontribusi terakhir. Kualitas model nonlinier hasil pemodelan fisik dan identifikasi bertingkat divalidasi melalui simulasi dan uji eksperimen baik secara kualitatif maupun kuantitatif. Sebagai indikator kinerja validasi model digunakan kriteria loss function dan kriteria final prediction error. Dari hasil uji simulasi dan eksperimen, hanya multi model linier menunjukkan kinerja model yang baik dari aspek kemampuan meniru karakteristik nonlinear sistem PAC dan nilai parameter analisa model yang baik, sehingga model ini cocok dipakai pada perancangan pengendali. Algoritma kendali yang diusulkan juga diverifikasi baik dalam kasus uji simulasi dan eksperimen, dan menunjukkan kemampuannya untuk menjejaki perubahan sinyal acuan.

---

Precision air conditioning (PAC) is a system that regulate air environment suitable for ICT equipments inside the cabinet of Datacenter room which serves very important and critical works. In order to overcome damage on ICT equipments and media storage due to thermal shutdown, conductive anodic failures, hygroscopic dust failures, corrosion, and short circuit, the PAC should be able to control the temperature and relative humidity inside the cabinet, and also able to adapt againts temperature change caused by interaction with humans, change of environment temperature, and change of heat load of ICT equipments.

The problem encountered is that the PAC shows complex and highly nonlinear dynamics that is usually very difficult to control with linear advanced control systems. In this Dissertation, a new nonlinear predictive control called a supervision-based multi model predictive control to regulate the temperature outlet of PAC is presented. The proposed control algorithm consists of three layers, they are the optimization of real-time control layer for tracking the given set points, the adaptation layer for adjusting the PAC model againts variation of heat load, and the supervision layer for guarantee the closed loop stability.

The work mechanism and vapourcompression cycle for the PAC system are illustrated using psychrometric chart and enthalpypressure diagram. A nonlinear model is derived using physical modeling theory based on the conservation of mass and energy balance principles, and then linearized about operating points for developing a 8th order state space model suited for multivariable control design. The quality of linearized model is analyzed in terms of response transient, controllability, observability, and interaction between input-output variables. A nonlinear model called multi linear model is proposed where the model parameter matrices are estimated by N4SID algorithm using a set of input-output data.

The main contribution of this dissertation is that the multi linear model can be estimated using multi-stage subspace identification algorithm, where the relationship between model parameter matrices is still maintained linear. The concept of multi level models also simplify the design of multi model predictive controller retaining control optimization as a quadratic programming problem. The adaptation mechanism is performed by updating the prediction model using recursive N4SID algorithm.

In order to guarantee system stability and to overcome bursting phenomena, a detection algorithm of less excitation signal and signals monitoring are derived in recursive forms, so that the control algorithm needs no significant additional computing power. The recursive computation in supervision layer is the last contribution for this dissertation. Quality of nonlinear model from physical modeling and system identification is validated through simulation and experimental test both qualitatively and quantitatively. Loss function and final prediction error are choosed as a performance criteria of model validation.

From the simulation and experimental results, only the multi linear model shows good modeling performance in terms of ability to mimic the nonlinear behavior of PAC system and good parameter value of model analysis. The proposed control algorithm is also verified in case of simulation and experimental test showing its ability to track the set-point change."

"Recent developments in model-predictive control promise remarkable opportunities for designing multi-input, multi-output control systems and improving the control of single-input, single-output systems. This volume provides a definitive survey of the latest model-predictive control methods available to engineers and scientists today.The initial set of chapters present various methods for managing uncertainty in systems, including stochastic model-predictive control. With the advent of affordable and fast computation, control engineers now need to think about using “computationally intensive controls,” so the second part of this book addresses the solution of optimization problems in “real” time for model-predictive control. The theory and applications of control theory often influence each other, so the last section of Handbook of Model Predictive Control rounds out the book with representative applications to automobiles, healthcare, robotics, and finance.The chapters in this volume will be useful to working engineers, scientists, and mathematicians, as well as students and faculty interested in the progression of control theory. Future developments in MPC will no doubt build from concepts demonstrated in this book and anyone with an interest in MPC will find fruitful information and suggestions for additional reading."

"Sistem tata udara presisi atau yang lebih dikenal dengan Precision Air Conditioning (PAC) merupakan mesin refrigerasi yang bekerja berdasarkan konsep termodinamika. Sistem tata udara presisi digunakan di ruang pusat data untuk menjaga temperatur dan kelembaban di dalam kabinet agar peralatan IT di dalam kabinet tidak cepat rusak. Temperatur ideal yang harus dicapai di dalam kabinet berkisar antara 20º - 25ºC, sedangkan kelembaban relatif (RH) yang harus dijaga di dalam kabinet berkisar antara 45-55%. Namun untuk mencapai keadaan tersebut, dibutuhkan pengendalian sistem supaya sistem dapat bekerja dengan keluaran seperti yang diinginkan.Model predictive control merupakan salah satu metode pengendali prediktif yang populer digunakan di dunia indutri. Sistem tata udara presisi yang dikendalikan dalam penelitian ini merupakan sistem multi input single output (MISO) dengan masukan berupa kecepatan putaran kipas kompresor dan kecepatan aliran udara volumetrik, dan keluaran yang dikendalikan adalah suhu keluaran dari kondenser kedua yang menuju kabinet dari sistem tata udara presisi. Diuji tiga model sistem tata udara presisi, model linier, model nonlinier tanpa beban heat sensible peralatan IT, dan model nonlinier dengan beban sensible peralatan IT yang divariasikan dengan pendekatan model linier biasa hasil identifikasi PO-MOESP dan model linier dengan vektor bias hasil identifikasi menggunakan metode kuadrat terkecil.Hasil pengendalian MPC untuk ketiga plant sistem tata udara presisi menujukkan performa yang baik dalam pengendalian, dilihat dari keluaran sistem yang mengikuti trajektori acuan yang diberikan.

---

Precision Air Conditioning (PAC) is a refrigerant machine that works based on thermodynamics concept. PAC is in implemented data center in order to stabilize the temperature and the humidity in cabinet in order to prevent IT damage integrated in the cabinet. The desired ideal temperature for the cabinet is from 20oC to 25oC and the desired relative humidity (RH) is from 45-55%. However, to achieve such a state, it takes control of the system so that the system can work with the output as desired.

Model predictive control is a predictive control method which is popularly used in industries world. Precision air conditioning system are controlled in this study is a multi-input single output (MISO) system with input in the form of fan rotation speed of the compressor and the air volumetric flow rate, and the controlled output is the temperature of the output of the second condenser to the cabinet of the precision air conditioning system. Tested three models of precision air conditioning system, linear models, nonlinear models without the burden of sensible heat IT equipment, and nonlinear models with variation of sensible heat IT equipment load with ordinary linear model approach to the identification of PO-MOESP and linear models with bias the results of identification using the method least squares.

MPC control results for the third plant of PAC systems showed good performance in control, viewed from the system output to follow a given reference trajectory."