Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Kebutuhan energi untuk rumah tangga atau bangunan di Indonesia sedang tumbuh secara signifikan. Oleh karena itu, efisiensi pada energi pendinginan sangat dibutuhkan. Penelitian ini bertujuan untuk mengembangkan model Artificial Neural Network (ANN) yang dapat memprediksi jumlah konsumsi energi pendinginan untuk pengaturan yang berbeda dari variabel kontrol sistem pendingin VRF. Bangunan dimodelkan oleh perangkat lunak Sketchup dan sistem pendinginan dimodelkan dengan EnergyPlus. MATLAB digunakan untuk training dan testing model ANN. Untuk model testing, set data dikumpulkan melalui simulasi yang sudah divalidasi dengan pengukuran lapangan. Empat langkah yang dilakukan dalam proses training yaitu pengembangan model awal, pemilihan variabel input, optimasi model, dan evaluasi kinerja. Model yang telah dioptimalkan menunjukkan akurasi prediksi yang akurat, sehingga membuktikan potensinya untuk aplikasi dalam algoritma kontrol yang diharapkan dapat menciptakan lingkungan termal ruangan yang nyaman serta energi yang efisien. Hasil analisis TOPSIS menunjukkan penghematan daya listrik sistem VRF sebesar 26% dari daya listrik observasi.

---

Energy needs for households or buildings in Indonesia are growing significantly. Therefore, efficiency in cooling energy is needed. This study aims to develop an Artificial Neural Network (ANN) model that can predict the amount of cooling energy consumption for different settings of the VRF cooling system control variable. The building is modeled by the Sketchup software and the cooling system is modeled by EnergyPlus. MATLAB is used for training and testing ANN models. For model testing, data sets are collected through simulations that have been validated with field measurements. The four steps involved in the training process are initial model development, selection of input variables, model optimization, and performance evaluation. The optimized model shows accurate prediction accuracy, thereby proving its potential for application in control algorithms that are expected to create a comfortable and energy efficient indoor thermal environment. The results of the TOPSIS analysis show that the VRF system's electrical power savings are 26% of the observed electrical power."

"Karya tulis ini membahas simulasi dan optimasi tujuan ganda proses regasifikasi hidrogen cair. Tujuan penulisan karay tulis ini adalah untuk mengetahui potensi pemanfaatan energi dingin hidrogen cair. Terdapat dua faktor utama yang melatarbelakangi proses pemanfaatan energi dingin hidrogen. Pertama, energi yang dikonsumsi pada proses pencairan hidrogen adalah 3,3 kWh/kg hidrogen cair (Departement of Energy U.S.A., 2009). Kedua, energi yang tergandung dalam hidrogen adalah 120 MJ/kg (Van Hoecke et al., 2021). Proses pemanfaatan energi dingin hidrogen cair yang dibahas adalah kombinasi Siklus Brayton dan ekspansi. Simulasi dilakukan pada Aspen HYSYS V.10 dengan fluid package­ Peng-Robinson. Fluida kerja yang digunakan dalam simulasi adalah fluida kerja Helium dan fluida kerja campuran Helium-Neon. Optimasi dilakukan pada aplikasi MS Excel. Algoritma yang digunakan adalah modifikasi dari I-MODE yang dibuat oleh Sharma & Rangiah, 2013. Optimasi tujuan ganda memaksimalkan energi listrik yang dibangkitkan dan meminimalkan biaya pompa dengan variabel penentu adalah laju alir dan komposisi fluida kerja, serta tekanan penguapan hidrogen cair. Dengan laju alir hidrogen cair 30 ton/hari, diperoleh kondisi operasi yang optimum 1836 kg/jam fluida kerja Helium dengan tekanan penguapan sebesar 68 atm. Energi listrik yang dibangkitkan adalah 0,934 GWh per tahun dan biaya pompa yang dibutuhkan adalah $12.305.142.

---

This paper discusses simulation and multi-objective optimization of regasification liquid hydrogen. This paper is written to identify the utilization of hydrogen cold energy potency. There are two main factors behind this study. The amount of energy consumed in the liquefaction process is 3.3 kWh/kg of liquid hydrogen (Departement of Energy U.S.A., 2009), and the hydrogen energy content is 120 MJ/kg (Van Hoecke et al., 2021). The process simulation is a combination of the Brayton Cycle and direct expansion. The simulation is conducted on Aspen HYSYS V.10 with Peng-Robinson fluid package. The working fluids that are used in this simulation are Helium and Helium-Neon mixture. The optimization is conducted in MS Excel. I-MODE algorithm (Sharma & Rangiah, 2013) is modified to run the optimization process. Multi-objective optimization will maximize the amount of electricity and minimize the cost of the pump by changing the flow rate and composition of the working fluid, and the regasification pressure. Liquid hydrogen flow rate set to be constant at 30 ton/h, the optimum condition is 1863 kg/h Helium as working fluid and regasification pressure at 68 atm. The amount of electricity generated is 0.934 GWh per year and the cost of the pump is $12.305.142."

"Kenyamanan termal merupakan aspek yang penting dalam sebuah ruangan. Dengan kenyamanan tersebut, penghuni suatu ruangan dapat merasa nyaman dan memperoleh kepuasan untuk beraktivitas di dalamnya. Berkaitan dengan hal tersebut, kelancaran dalam beraktivitas di sebuah ruangan juga perlu didukung oleh pencahayaan yang baik. Salah satu upaya yang dapat dilakukan adalah memanfaatkan bukaan jendela. Akan tetapi, bukaan jendela tersebut juga dapat memberi dampak pada kenyamanan termal akibat solar gain. Oleh karena itu, penulisan skripsi ini bertujuan untuk menginvestigasi bagaimana kondisi kenyamanan termal dan pencahayaan alami dalam ruang studio arsitektur dengan melakukan pengukuran lapangan, simulasi, dan optimasi dengan pendekatan multi-objective optimization (MOO). Optimasi yang dilakukan menggunakan parameter window-to-wall ratio (WWR) ini bertujuan untuk menemukan nilai WWR optimal yang dapat meningkatkan kenyamanan termal sekaligus menjaga ketersediaan pencahayaan alami dalam ruang studio arsitektur. Hasil performa kenyamanan termal dan pencahayaan alami yang diperoleh pada kondisi WWR optimal didapatkan sesuai dengan standar yang ditetapkan, lebih baik dibandingkan dengan hasil analisis pada kondisi WWR eksisting.

---

Thermal comfort is a crucial aspect of a room. With thermal comfort, the occupants of a room can feel at ease and gain satisfaction in carrying out their activities within the room. In relation to this, a proper illumination is needed to maintain an uninterrupted set of activities. One of the efforts that can be made is to utilize window glazings. However, window glazings can also have impact on indoor thermal comfort due to solar gain. Therefore, the main goal of this thesis is to investigate the thermal comfort state and daylighting within the architectural studio room by conducting field measurements, simulations, and optimization with multi-objective optimization (MOO) approach. The optimization performed using the window-to-wall ratio (WWR) parameter aims to identify the optimal WWR value that is able to enhance the thermal comfort state while maintaining sufficient amount of daylighting within the architectural studio room. The results of the thermal comfort and daylighting performance achieved under the optimal WWR configurations resulted in compliance to standards, much better compared to the analyses results under the existing WWR conditions."

"Kebutuhan energi untuk rumah tangga atau bangunan di Indonesia sedang tumbuh secara signifikan. Oleh karena itu, efisiensi energi dalam energi pendingin sangat dibutuhkan. Penelitian ini bertujuan untuk mengembangkan sistem kontrol yang dapat menentukan setpoint paling optimal untuk laju aliran air massa untuk meminimalkan energi dari sistem pendingin. Bangunan dimodelkan oleh perangkat lunak Sketchup dan energi pendingin dimodelkan dengan menggunakan teknik co-simulasi antara EnergyPlus dan Matlab melalui BCVTB (Building Controls Virtual Test). Menggunakan Artificial Neural Network (ANN) dan optimisasi Genetic Algorithm (GA) untuk membuat prediksi optimasi titik yang akurat. Penelitian ini mendapatkan penghematan konsumsi listrik chiller HVAC yang sudah menggunakan sistem part load terutama pada daya pompa chiller sebesar 67,675% penghematan dari kondisi aslinya.

---

Energy needs for households or buildings in Indonesia are growing significantly. Therefore, energy efficiency in cooling energy is needed. This study aims to develop a Control Algorithm that can determine the most optimal set point for the mass flow rate of air to drain energy from the cooling system. Buildings are modeled by Sketchup software and cooling energy is modeled using co-simulation techniques between EnergyPlus and Matlab through BCVTB (Building Controls Virtual Test). Use dynamic neural networks (ANN) and genetics algorithm (GA) optimization to make accurate point optimization predictions. This study found the saving of HVAC chiller electricity consumption that already use part load systems, especially on the power of the chiller pump by 67,675% savings from its original condition."

"Pada negara dengan iklim tropis, Air Conditioner (AC) sudah menjadi kebutuhan masyarakat saat ini. Perangkat AC digunakan sebagai sistem pendingin ruangan pada rumah, gedung, dan bangunan lainnya. International Energy Associations (IEA) memperkirakan permintaan listrik untuk pendingin ruangan dapat meningkat hingga 50% secara global pada tahun 2030. Teknologi AC inverter terbaru mampu mengurangi konsumsi energi listrik, memangkas beban puncak, dan juga meningkatkan kualitas udara. Namun, AC generasi terbaru ini masih terlalu mahal bagi sebagian besar orang. Oleh karena itu, perangkat AC generasi lama masih banyak digunakan di negara-negara berkembang. Meningkatkan efisiensi energi dari perangkat AC ruangan dapat menghasilkan penghematan energi di seluruh dunia secara signifikan. Namun meningkatkan efisiensi energi AC, biasanya mengurangi kenyamanan pengguna di dalam ruangan. Penelitian ini mencoba untuk membuat sistem kontrol AC untuk efisiensi energi dengan mempertahankan kenyamanan pengguna. Untuk meningkatkan efisiensi energi, AC dikendalikan oleh perangkat remote berbasis Internet of Things (IoT) yang terhubung dengan model machine learning yang dijalankan di server. Alat ini mengukur data suhu, kelembaban, intensitas suara, dan deteksi manusia untuk selanjutnya dikirimkan ke server. Machine learning yang dijalankan di server menggunakan metode pembelajaran supervised learning dengan algoritma seleksi Random Forest. Machine learning secara teratur memberikan data feedback berupa kondisi thermal comfort model ruangan kepada perangkat remote berbasis IoT, Perangkat remote melakukan kontrol suhu AC di dalam ruangan serta kecepatan kipas AC berdasarkan hasil feedback dari machine learning. Hasil percobaan pada penelitian ini menunjukkan bahwa sistem kontrol ini dapat menurunkan konsumsi daya listrik pada AC dengan hasil pengukuran kenyamanan termal ruangan yang masih sesuai dengan ketentuan human thermal comfort model. Pada akhirnya sistem kontrol ini mampu mengurangi konsumsi daya AC dengan menyesuaikan suhu dan kecepatan kipas supaya lebih efisien dalam konsumsi energi listrik, namun tetap mempertahankan kenyamanan termal ruangan.

---

In a country with a tropical climate, Air Conditioner (AC) has become a necessity for today's society. Air conditioner devices are used widely as cooling systems for homes, buildings, and other buildings. The International Energy Associations (IEA) estimates electricity energy demand for air conditioner can increase by up to 50% globally by 2030. The latest inverter air conditioner technology can reduce electrical energy consumption, reduce peak loads, and improve air quality. However, this latest generation of air conditioners is still too expensive for most people. Therefore, old generation AC devices are still widely used in developing countries. Improving the efficiency of room air conditioners (AC) can lead to significant energy savings. In contrast, by increasing the energy efficiency it usually reduces the convenience satisfaction factor. This research tries to create an AC control system for increasing the energy efficiency while still maintaining the comfort level of the room users. AC is controlled by smart remote based on Internet of Things (IoT) and connected to machine learning. This device measures temperature, humidity, sound intensity, and human detection data to be sent to the server. Machine learning works with supervised learning method and Random Forest selection algorithm in a server to provides room thermal comfort conditions data to IoT-based remote device. Remote device controls the AC temperature and fan speed based on feedback from machine learning. The results from this research indicate that this control system is able to reduce electrical power consumption of air conditioner. The results of the thermal comfort analysis of the room are also still in accordance with the provisions of the human thermal comfort model. In the end, this control system is able to reduce AC power consumption by adjusting the fan speed and temperature, but still maintain the thermal comfort level of the users."

"Optimasi multi-objektif adalah salah satu alat untuk mengambil keputusan yang optimal dimana terjadi trade-off antara dua atau lebih objektif yang saling bertentangan. Pada studi ini optimasi multi-objektif dijalankan untuk sistem multi generasi panas bumi. Metode yang dipakai adalah artificial neural network-genetic algorithm (ANN-GA) dan genetic algorithm (GA), dimana keduanya nanti akan diperbandingkan. Digunakan software Engineering Equation Solver (EES) dan MATLAB. Batasan (constraint) yang dipakai adalah konsentrasi ammonia (YB), temperature geotermal (TGEO) dan mass extraction ratio (MER). Nilai optimal terbaik dari optimasi multi-objektif metode ANN-GA adalah exergy destruction 3955.51 kW, sum unit cost of the product (SUCP) 97.84 $/GJ dan exergoenvironmental 724.92 mPt/s, nilai optimal ANN-GA tersebut dicapai pada YB 0.415, TGEO 130.02oC dan MER 0.399. Sedangkan nilai optimal terbaik dari optimasi multi-objektif metode GA adalah exergy destruction 3522.59 kW, SUCP 93.86 $/GJ dan exergoenvironmental 813.29 mPt/s, nilai optimal ini didapat pada YB 0. 0.477, TGEO 159.79oC dan MER 0.203. Analisa life cycle analysis (LCA) yang ada dalam studi ini dari software SIMAPRO menunjukkan dampak lingkungan dari steel adalah 156 mPt/kg, steel low alloy 247 mPt/kg dan cast iron 227 mPt/kg.

---

Multi-objective optimization is a tool for making optimal decisions where there is a trade-off between two or more conflicting objectives. In this study, multi-objective optimization is carried out for the geothermal multi-generation system. The methods used are artificial neural network-genetic algorithm (ANN-GA) and genetic algorithm (GA), both of which will be compared later. Engineering Equation Solver (EES) and MATLAB software are used. The constraints used are ammonia concentration (YB), geothermal temperature (TGEO) and mass extraction ratio (MER). The best optimal values from the multi-objective optimization of the ANN-GA method are exergy destruction 3955.51 kW, sum unit cost of the product (SUCP) 97.84 $/GJ and exergoenvironmental 724.92 mPt/s, the optimal values for ANN-GA were achieved at YB 0.415, TGEO 130.02oC and MER 0.399. While the best optimal value of the multi-objective optimization GA method is exergy destruction 3522.59 kW, SUCP 93.86 $/GJ and exergoenvironmental 813.29 mPt/s, this optimal value is obtained at YB 0. 0.477, TGEO 159.79oC and MER 0.203. Life cycle analysis (LCA) that is done in this study from SIMAPRO software showed the environmental impact from steel is 156 mPt/kg, steel low alloy is 247 mPt/kg and cast iron is 227 mPt/kg."

"Energi listrik merupakan salah satu infrastruktur yang menyangkut hajat hidup orang banyak, oleh karena itu sudah seharusnya eketersediaan energi listrik terjamin dengan jumlah yang cukup dengan mutu yang baik dan harga yang wajar. Pertumbuhan perekonomian nasional menyebabkan konsumsi listrik setiap tahunnya terus meningkat. Dengan meningkatnya kebutuhan akan energi dan maraknya isu mengenai permasalahan lingkungan membuat para ahli terus mengembangkan teknologi yang tepat agar dapat mengatasi kedua masalah tersebut. Sistem PLTP siklus biner merupakan salah satu teknologi pembangkit yang sangat efektif untuk diterapkan dalam pemanfaatan energi panas bumi skala kecil enthalpy rendah sampai menengah dengan menggunakan fluida kerja yang memiliki titik didih lebih rendah daripada air, oleh karena itu maka pada tesis ini dilakukan suatu pemodelan sistem PLTP siklus biner dengan memanfaatkan waste brine dengan temperatur 180 0C pada wellpad 4 PLTP Dieng. Pemodelan dilakukan dengan menggunakan software Matlab dan REFPROP, kemudian dilakukan optimasi terhadap sistem dimana exergy destruction total dan total annual cost dipilih sebagai fungsi objektif. Adapun optimasi dilakukan dengan menggunakan multi objective genetic algorithm. Berdasarkan simulasi diketahui bahwa efesiensi exergi dan nilai ekonomis dari sistem PLTP siklus biner yang optimal adalah pada temperatur evaporasi sebesar 163,3 oC, temperatur brine keluar preheater sebesar 130 0C, temperatur air pendingin keluar kondenser sebesar 35,4 0C, tekanan kerja fluida kerja keluar pompa sebesar 3859 kPa dengan campuran refrigeran 86 R601 dan 14 R744 menghasilkan daya turbin sebesar 119,8 kW nilai exergy destruction total 742,4 kW dengan efesiensi exergy sebesar 48,8 dan total annual cost sebesar 36.723 US dollar.Kata kunci : PLTP siklus biner, efesiensi exergi, exergy destruction , cost, genetic algorithm.

---

Electrical energy is one of the important part of human life, so the provision of electrical energy must be able to guarantee the availability of sufficient quantity, reasonable price and good quality. Indonesia rsquo s electricity consumption every year continues to increase in line with the increase of national economic growth. The increasing demand on energy and environmental issues make the experts to develop the right technology in order to face both issues. PLTP binary cycle is a highly effective generating technology to be applied in the utilization of small scale enthalpy low to medium geothermal energy by using a working fluid that has a lower boiling point than water, hence in this thesis a PLTP binary system model was performed using waste brine with temperature of 180oC at wellpad 4 in PLTP Dieng. Modeling has been done by using Matlab and REFPROP software, then optimization procedure has been conducted to the system where total exergy destruction and total annual cost are chosen as the objective function. In addition, environmental aspects are also considered in this modeling where natural environmentally friendly working fluids are used. The optimization is done by using multi objective genetic algorithm. Based on the simulation it is known that the exergy efficiency and economic value of the optimal binary cycle of PLTP system has an optimum condition at the evaporation temperature of 163.3 oC, the brine temperature out the preheater of 130 oC, the condenser coolant outlet temperature of 35.4 oC, the outlet pump pressure at 3859 kPa with composition of refrigeran mixture 86 R601 and 14 R744, turbine power of 119.8 kW, total exergy destruction of 742.4 kW with exergy efficiency of 48.8 , and total annual cost about 36.723 US dollars. "

"Pemanasan global dan meningkatnya standar hidup manusia merupakan faktorpendorong yang menyebabkan naiknya konsumsi energi untuk sistem HVAC. Peningkatanteknologi HVAC yang mampu mengurangi konsumsi energi sektor bangunan, meskipunkecil akan memberikan dampak yang signifikan bagi konsumsi energi secara agregat absolut. Pendekatan bilinier dalam pemodelan dan kendali sistem HVAC sudah banyak dilakukan baik secara teori maupun praktis dan terbukti memiliki banyak kelebihan.Sistem HVAC berbasis Hammerstein-bilinear diturunkan secara matematis danberhasil diidentifikasi dengan struktur model linier OE sebagai dua buah sistem MISO dalamtesis ini. Metode identifikasi yang penulis gunakan adalah algoritma pseudo-linear regression dan least-square. Model linier tersebut kemudian digunakan sebagai plant model padadisain kendali model prediktif. Kinerja pengendali prediktif memberikan hasil yang memuaskan dan terbukti mampu memenuhi tujuan pengendalian yang diinginkan. Kinerja pengendali prediktif lebih baik daripada pengendali PI pada kasus lup kendali suhu, sebaliknya untuk kendali kelembaban kinerja pengendali PI lebih memuaskan.

---

Global warming and increasing human standard of living are the driving factors

leading to increased energy consumption for HVAC systems. Enhanced HVAC technology

that can reduce energy consumption in the building sector, despite of small amount, it will

have a significant impact on energy consumption’s absolute aggregate. The bilinear approach to modeling and control of HVAC systems has been done both theoretically and

practically and has proven to have many advantages.

An HVAC system based on Hammerstein-bilinear was derived mathematically and

was identified using an OE linear model structure as two MISO systems in this thesis. The

identification methods adopted by the author were pseudo-linear regression and least-square

algorithm. The linear models were subsequently used as plant models in the predictive model

control design. The predictive controllers’ performance gave satisfying results and was

proven being able to meet the desired control objectives. The predictive controller gave

better performance than the PI controller in the case of temperature control loop, on the contrary, for humidity control the PI’s performance was more satisfying."

"ABSTRAKEnergi adalah salah satu komponen penting untuk menghasilkan listrik. Penggunaan energi untuk pembangkit listrik di Indonesia saat ini didominasi oleh bahan bakar fosil. Saat ini, ketersediaan bahan bakar fosil menurun karena penggunaan energi secara besarbesaran untuk kebutuhan manusia. Selain itu, penggunaan bahan bakar fosil memilikiefek negatif bagi lingkungan dan kesehatan manusia akibat partikulat yang dihirup oleh manusia. Salah satu solusi untuk mengatasi efek negatif bahan bakar fosil adalah penggunaan energi terbarukan karena faktor emisi rendah dan ketersediaan energi yang melimpah. Selain itu, penggunaan energi terbarukan dapat meningkatkan ekonomi lokal dengan menyerap tenaga kerja. Pada penelitian ini ditentukan nilai optimal dari produksi listrik di Indonesia berdasarkan aspek ekonomi, lingkungan, kesehatan dan tenaga kerja menggunakan Goal Programming. Dari hasil yang diperoleh, energi listrik yang dihasilkan dari energi batubara sebesar 295.697,702 GWh dan energi minyak sebesar 33.996,399 GWh masih menjadi sumber energi utama untuk memenuhi kebutuhan listrik. Penggunaan energi terbarukan seperti air , panas bumi, dan biomas dapat menjadi energi alternatif bagi kebutuhan listrik di Indonesia hingga tahun 2025 dengan total energi listrik yang dihasilkan sebesar 52.403 GWh.

---

ABSTRACTEnergy is one important component to produce electricity. The use of energy for electricity generation in Indonesia is currently dominated by fossil fuels. Today, the availability of fossil fuels is decreasing due to the use of energy massively for human needs. In addition, the use of fossil fuels has a negative effect for environment and human health due to particulates inhaled by humans. One solution to solve the negative effects of fossil fuels is the use of renewable energy due to low emission factors and abundant energy availability. Also, renewable energy can increase the local economy by absorbing labor. This research is to determine the optimal value of electricity production inIndonesia based on economic, environmental, health and labor aspects using Goal Programming. From the results, coal and oil are still the main energy sources to meet the needs of electricity with the total electricity generated from each energy are 295.697,702 GWh and 33.996,399 GWh, meanwhile renewable energy such as water, waste,geothermal, and biomass can be an alternative energy sources for electricity in Indonesia until 2025 with the total electricity generated is 52.403 GWh."