Hasil Pencarian  ::  Simpan CSV :: Kembali

"Untuk berkontribusi dalam pengembangan energi terbarukan, penelitian ini bertujuan untuk menemukan keputusan yang tepatdari pemanfaatan Tandan Kosong Kelapa Sawit TKKS sebagai salah satu bahan yang potensial di Indonesia.Produk akhir dari pemanfaatan TKKS pada penelitian ini adalah Etanol, Furfural, dan Listrik. Multi-objektif yang akan di lakukan pada penelitian ini adalah NPV maksimum dan CO2 minimun yang akan diukur dengan Kurva Pareto. Penelitian sebelumnya sudah melakukan optimasi namun NPV yang dihasilkan masih belum ekonomis, salah satunya dikarenakan biaya kapital dari pemasangan sistem gugus tenaga surya yang masih mahal. Oleh karena itu, pada penelitian ini pengembangan yang akan penulis lakukan adalah dengan mengganti sumber kukus dengan bahan bakar gas alam. Sehingga mampu mengurangi biaya kapital dan diharapkan bisa memperbaiki NPV agar lebih ekonomis. Pada penelitian ini, diperoleh suhu operasi yang optimum pada unit praperlakuan sebesar 180o C, dan juga split fraksi 0.25 TKKS masuk kedalam unit hidrolisis. Pada kondisi ini, diperoleh NPV sebesar 43.6 juta dan emisi sebesar 9.237 juta kgCO2 Ekuivalen.

---

For doing some contribution in development of renewable energy, this study has an objective to find an optimum decision for Empty Fruit Bunch EFB utilization as one of potential raw material in Indonesia. The final products from EFB utilization in this study are ethanol, furfural, and electricity. Multi Objective that will optimize in this study are NPV maximum and CO minimum that will measure with Pareto Curve. The recent study has done the optimizing but the NPV still not economic. It s happen because the capital cost from CSP utilization as a steam generation still expensive. In this study, natural gas will use as a fuel for steam generation, so that can decrease the capital cost and can make the NPV become economic. In this study, the optimum operation temperature was obtained in 180o C and split fraction in 0.25 EFB into hidrolisis reactor unit. In this condition, the result for NPV is 43,6 million and emission 9.237 million kgCO2 equivalent."

"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."

"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."