Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Moda transportasi kereta merupakan transportasi umum yang cukup diminati penduduk Indonesia. Namun, Moda transportasi ini masih sedikit menggunakan energi yang bersih. Kereta Api jarak jauh Indonesia masih menggunakan diesel. Bahan bakar diesel tentunya merupakan energi konvensional yang penggunaannya ingin dikurangi oleh dunia. Salah satu solusinya adalah dengan mengurangi pengurangan diesel pada kereta api jarak jauh. Untuk mengurangi penggunaan bahan bakar dan mengurangi emisi dari mesin, maka kereta api bisa dibuat secara hibrid dengan menggabungkan mesin diesel dengan sumber energi listrik, seperti baterai. Kereta hibrid memerlukan EMS (Energy Management System) untuk mengatur energi apa yang dipakai dengan cara yang optimal. Salah satu basis dari EMS ini adalah MPC (Model Predictive Control). Salah satu hal yang menjadi pertimbangan dari Model Predictive Control adalah prediktor nya. Dengan perkembangan Deep Learning, Long Short Term Memory Neural Network (LSTM) dikenal baik untuk memodelkan data sequence. LSTM bisa membuat model prediksi kecepatan dengan data yang telah dikumpulkan. Dengan prediksi daya yang akurat, Model Predictive Control bisa menghasilkan kontrol EMS yang lebih ekonomis dengan biaya komputasi yang bisa diimplementasikan. ......The train mode of transportation is public transportation that is quite attractive to the Indonesian population. However, this mode of transportation still uses little clean energy. Indonesian long-distance trains still use diesel. Diesel fuel is of course a conventional energy whose use the world wants to reduce. One solution is to reduce diesel reduction on long-distance trains. To reduce fuel use and reduce emissions from the engine, a hybrid train can be made by combining a diesel engine with a source of electrical energy, such as a battery. Hybrid trains require an EMS (Energy Management System) to regulate what energy is used in an optimal way. One of the bases of this EMS is MPC (Model Predictive Control). One of the things to consider in the Predictive Control Model is its predictors. With the development of Deep Learning, Long Short Term Memory Network (LSTM) is well known for modeling data sequences. LSTM can create a speed prediction model with the data that has been collected. With accurate power predictions, the Predictive Control Model can produce EMS control that is more economical with computational costs that can be implemented.

Abstrak :
Di era dengan ketersediaan bahan bakar fosil yang semakin rendah, diperlukan sumber energi terbarukan. Salah satu pembangkit dengan efisiensi optimal adalah pembangkit listrik tenaga nuklir. Badan Energi Atom Jepang (JAEA) memulai proyek HTTR pada tahun 1985 dengan inti prismatik, moderator grafit, dan reaktor berpendingin gas helium. Model matematis dan parameter merupakan acuan yang penting digunakan untuk melakukan suatu desain pengendali. Model kinetik reaktor nuklir yang digunakan terdiri dari model point kinetics, model thermal hydraulic, dan model reaktivitas masukan dan umpan balik ke model point kinetics. Beberapa parameter model pada reaktor nuklir sering kali tidak diketahui, oleh karena itu dilakukan estimasi model parameter menggunakan metode curve fitting nonlinear least squares. Didapatkan model yang telah dioptimasi dengan nilai akurasi dari hasil pada tingkat daya 9, 15 dan 18 MW berturut-turut yaitu sebesar 98.85%, 94.60% dan 97.95% dengan nilai RMSE masing-masing sebesar 0.0778, 0.2366 dan 0.1469. Sudah banyak sekali peneliti yang mengembangkan metode kendali untuk reaktor nuklir. Pada penelitian ini digunakan metode kendali terbaru yaitu Linear Parameter Varying Model Predictive Control (LPV-MPC). Kelebihan pada metode LPV-MPC yaitu model nonlinear dapat dibentuk dari model linear dan nonlinear dengan parameter yang bersifat varying tanpa harus menggunakan linearisasi. ......In an era where the availability of fossil fuels is getting lower, renewable energy sources are needed. One of the plants with optimal efficiency is a nuclear power plant. The Japan Atomic Energy Agency (JAEA) started the HTTR project in 1985 with a prismatic core, graphite moderator, and a helium gas-cooled reactor. Mathematical models and parameters are important references used to carry out a controller design. The nuclear reactor kinetic model consists of a point kinetics model, a thermal hydraulic model, and an input reactivity model and feedback to the point kinetics model. Some model parameters in nuclear reactors are often unknown, therefore the parameter model estimation is carried out using the nonlinear least squares curve fitting method. The model has been optimized with accuracy values from the results at power levels of 9, 15 and 18 MW, respectively, 98.85%, 94.60% and 97.95% with RMSE values of 0.0778, 0.2366 and 0.1469, respectively. Many researchers have developed control methods for nuclear reactors. In this study, the latest control method is used, namely Linear Parameter Varying Model Predictive Control (LPV-MPC). The advantage of the LPV-MPC method is that nonlinear models can be formed from linear and nonlinear models with varying parameters without having to use linearization.