optimisasi konsumsi daya multi motor induksi tiga fasa...

Seminar Nasional Pascasarjana XI – ITS, Surabaya 27 Juli 2011 ISBN No.

Optimisasi Konsumsi Daya Multi Motor Induksi Tiga Fasa Penggerak Pompa Air Menggunakan Algoritma Genetika

Achmad Syahid 1*, Heri Suryoatmojo2, Mochamad Ashari

3

Electrical Department, Sepuluh Nopember of Institute Technology Surabaya, 60111, Indonesia

Email : [email protected]

Abstrak Multi motor induksi tiga fasa penggerak pompa air dengan kecepatan konstan banyak digunakan untuk memenuhi kebutuhan air, baik di industri maupun di PDAM. Penggunaan kecepatan variabel pada motor induksi tiga fasa penggerak pompa air lebih efisien dalam setiap perubahan kebutuhan kapasitas air. Penelitian ini menggambarkan hasil konsumsi daya yang diperoleh secara optimum beberapa motor listrik tiga fasa dengan kecepatan konstan dan kecepatan variabel penggerak pompa air menggunakan algoritma genetika. Perbedaan biaya konsumsi daya antara kedua sistem itu dihitung dan dibandingkan dalam sebuah analisis ekonomi. Penerapan kecepatan variabel pada motor induksi tiga fasa penggerak pompa air dapat mengurangi konsumsi daya listrik sampai dengan 32,3%, dibandingkan dengan kecepatan konstan. Signifikansi dari studi ini adalah untuk memberikan wawasan yang lebih ke bagaimana membuat sistem pompa air yang lebih baik.

Kata Kunci: motor induksi, kecepatan variabel, efisien, konsumsi daya, algoritma genetika.

1. Pendahuluan Sebagian besar pompa air selalu dioperasikan dengan metode konvensional Electro-Mechanical Starting, seperti Direct-On-Line start (DOL) dan Start-Delta Start dengan kecepatan konstan yang menimbulkan water hammer dalam sistem pompa air yang secara drastis mengurangi usia pipa, keran air, dan gasket. Berbagai macam solusi peralatan mekanik, seperti Hydraulic Valve, tangki bertekanan, dipasang untuk mencegah efek ini, meskipun yang demikian ini memerlukan biaya, perawatan yang tinggi, dan ruangan [Sofyan]. Penggunaan kecepatan variabel pada motor induksi tiga fasa lebih efisien dalam setiap perubahan beban [ABB]. Aplikasi multi motor induksi sebagai penggerak pompa air dengan kecepatan variabel cenderung meningkat, tetapi untuk mendapatkan performansi yang optimal perlu dilakukan. 2. Metodologi Untuk memperoleh optimisasi konsumsi daya multi motor induksi tiga fasa penggerak pompa air dilakukan dengan metode algoritma genetika yang sudah secara luas dikenal dan banyak digunakan untuk menyelesaikan masalah optimisasi. Algoritma genetika banyak digunakan untuk mendapatkan setting yang optimum parameter proporsional dan integral kontrol kecepatan motor induksi [Suyanto]. Optimisasi dengan Algoritma genetika dimulai dengan menciptakan beberapa individu yang

mewakili solusi yang mungkin untuk setiap kecepatan n dan kapasitas air Q atau daya listrik P, yang diperlukan untuk menemukan titik optimum dalam menyelesaikan optimisasi konsumsi daya multi motor induksi tiga fasa penggerak pompa air. Langkah-langkah yang dilakukan adalah sebagai berikut: 1. Menyiapkan data pompa dan debit air PDAM.

Studi penelitian ini dilakukan di Perusahaan Daerah Air Minum (IPAM) Karang Pilang II Surabaya, dimana ada 6 (enam) unit motor listrik induksi tiga fasa penggerak pompa air dengan data-data masing-masing seperti berikut ini. Nama pompa : Forwading Pump No. Produk : P-928020 Tipe & ukuran : CDMV 500X400 Total Head : 60 m Rate of Flow : 30 m kubik per menit atau 500 liter per detik Kecepatan : 994 rpm Daya Listrik : 400 kW Poles : 6 P Isolasi : F Frekuensi : 50 Hz Syncro Speed : 1000 rpm Service factor : 1

Dalam melakukan studi ini akan dibandingkan antara besarnya konsumsi daya dan biaya existing aplikasi yang ada yaitu sistem putaran konstan dengan jika menggunakan sistem kecepatan variabel dengan metode algoritma genetika.

mailto:[email protected]�


Setiap hari ada 4 (empat) unit pompa air yang dioperasikan, sedangkan 2 (dua) unit pompa air lainnya berfungsi cadangan bergantian setiap satu minggu seperti pada tabel 1. Tabel 1: Pengoperasian Pompa Air tanggal 1 juli sampai dengan tanggal 7 juli 2010 [PDAM].

Pompa 01 jul

02 jul

03 jul

04 jul

05 jul

06 jul

07 jul

P1 1 1 1 1 1 1 1 P2 0 0 0 0 0 0 0

P3 1 1 1 1 1 1 1 P4 1 1 1 1 1 1 1 P5 0 0 0 0 0 0 0 P6 1 1 1 1 1 1 1

Keterangan: 1: operasi 0: tidak operasi Kapasitas aliran air atau debit air Q rata-rata yang dihasilkan setiap jam, setiap hari dalam seminggu dapat dilihat pada gambar 1 dan gambar 2.

Gambar 1. Kapasitas Aliran Air Q rata-rata setiap hari dari jam 01.00 sampai dengan jam12.00[PDAM].

Gambar 2. Kapasitas Aliran Air Q rata-rata setiap hari dari jam 13.00 sampai dengan jam 24.00[PDAM].

Menghitung debit pompa air rata-rata per jam setiap hari dalam satu minggu dengan rumus:

nQn .......... Q2 Q1Qrj +++

=

dimana:

Qrj : Kapasitas aliran air rata-rata per jam (liter/detik)

Q1, Q2,..........,Qn : kapasitas aliran air setiap jam setiap hari dalam satu minggu (liter/detik)

Sehingga diperoleh besarnya debir air rata-rata setiap jam per hari seperti pada tabel 3.

2. Dengan cara yang sama maka dapat dihitung Besarnya kuat arus listrik rata-rata per jam setiap hari dalam satu minggu dengan rumus:

nIn .......... I2 I1Irj +++

=

dimana:

Irj : Kuat arus listrik rata-rata per jam (amper)

I1, I2,..............,In : Kuat arus listrik setiap jam setiap hari dalam satu minggu (amper).

Sehingga diperoleh besarnya kuat arus listrik rata-rata setiap jam per hari seperti pada tabel 3.

3. Menentukan data inverter yang sesuai [ABB]. Daya inverter : 400 kW Efisiensi inverter : 0,975

4. Menentukan hubungan daya pompa dan frekuensi.

Karakteristik umum konsumsi daya motor listrik P terhadap frekuensi pada putaran konstan dan putaran variabel, seperti ditunjukkan pada gambar 3 di bawah ini:

Val

ve r

educ

tion

rate

B

Pow

er c

onsu

mpt

ion

(Mot

or c

apac

ity)

Actual head rate A(Ineffective portion due

to the actual head)

Operation frequencyfRUN [Hz]

Frequency (Air flow rate Q)

Power supply frequency

fs [Hz][Hz] ([%])

0

Water flow rate control using an inverter

Energy saving effect

Water flow rate control using a valve

50

100[%]

Gambar 3. Karakteristik daya terhadap frekuensi pada putaran konstan dan putaran variabel [Fuji].

Sedangkan hubungan kapasitas aliran air Q, ketinggian H atau tekanan Pa, dan konsumsi daya P pada saat frekuensi suplai fs dijalankan dibandingkan dengan pada saat frekuensi inverter finv

digunakan, seperti ditunjukkan pada tabel 2.


Tabel 2. Hubungan antara kapasitas aliran air, tekanan, dan

daya terhadap Frekuensi Suplai dan Frekuensi Inverter [Fuji]

Item Hubungan fs d dan finv

F (Hz)

inv(10% turun)

45 Hz Finv(40% turun)

30 Hz

Kapasitas aliran air

Q(m3

Q

/min)

≈

sfinvf

Q = 50

45 x Q

= 0,9 Q

Q = 50

30x Q

= 0,6 Q

Head H (m) Atau Tekanan P (Pa)

H=

2

sfinvf

H=

2

50

45

xH

= 0,81 H

H=

2

50

30

xH

= 0,36 H

Konsumsi daya P (W) P=

3

sfinvf

P=

3

50

45

x P

= 0,729 P

P =

3

50

30

xP

= 0,216 P

Besarnya biaya hemat energi Bh

(rupiah/tahun) yang diperoleh dengan menggunakan kecepatan variabel adalah [Fuji]:

Bh = Bk - B

v

Besarnya biaya jika menggunakan motor dengan kecepatan konstan yaitu :

Bk

M

1η

= {P x (1 – B) x Q + P x B} x x D x H x M

Besarnya biaya jika menggunakan motor dengan kecepatan variabel Bv

B

yaitu :

v

3

s

inv

FF

= {(P – P x A) x + P x A} x M

1η

x D x H

xM dimana : BhB

= Biaya hemat energi (rupiah/tahun) k

kecepatan konstan = Biaya jika menggunakan motor dengan

Bv kecepatan variabel

= Biaya jika menggunakan motor dengan

P = Daya motor (kW) A = Tinggi atau tekanan Aktual (%) B = Reduksi kran (%) Q = Kapasitas aliran air (%) finvf

= Frekuensi inverter (Hz) s

D = Jumlah hari per tahun (hari/tahun) = Frekuensi power suplai (Hz)

H = Jumlah jam operasi per hari (jam/hari) M = Harga energi listrik (kWh/rupiah)

Mη = Efisiensi motor (%)

invη = Efisiensi inverter (%)

4. Proses Optimisasi Dengan Metode Algo- ritma Genetika adalah [Sofyan]:

1. Inisialisasi : Serangkaian populasi awal diberikan secara acak didalam batasan minimum dan maksimum dari variabel-variabel kontrol yang dipilih sebagai populasi induk.

2. Evaluasi fungsi : Evaluasi fungsi menggunakan Persamaan Monetary Amount of Energy Saving Effect : MS Rupiah/Tahun yang digunakan untuk menentukan Fittnes setiap populasi.

3. Seleksi: Pada seleksi ini bahwa individu–individu yang lebih baik memperoleh kesempatan lebih tinggi dalam generasi berikutnya bergantung pada nilai-nilai fitnessnya. Dalam seleksi turnamen, jumlah individu tertentu dipilih secara acak dari populasi dan individu paling baik dari grup ini dipilih sebagai orang tua.

START

Inisialisasi populasi awal dalam Batasan max dan min variabel

Kontrol dipilih sebagai populasi induk

PengkodeanKromosom

tidak

Ya

Anak 1Anak 2

Tidak

Ya

A

Mutasi

A

Ya

Tidak

Masukkan data motor listrik, pompa air

PersamaanFungsi Objektif

Copy 1 atau 2 individu terbaik ke generasi berikutnya

Seleksi turnamen Induk 1Induk 2

P < probCo

Crossover

Maxpasangan

P < prob mut

Generasi baru

Max gen

Generasi terbaik

STOP

Gambar 4. Flowchart Algoritma Genetika dari metode yang diusulkan.


Proses ini diulang sesering mungkin untuk memilih individu–individu terbaik. Seleksi tournament secara acak memilih dua individu terbaik.

4. Pindah silang adalah salah satu komponen penting atau operator yang utama dalam algoritma genetika. Titik potong dilakukan secara random dan saling tukar diantara bagian yang terpotong sehingga didapatkan generasi yang baru. Sebuah komponen yang mengarah pada solusi yang baik bisa diperoleh dari proses pindah silang.

5. Mutasi: Setelah gen mengalami crossover maka gen akan di mutasi, jika bilangan random yang dibang-kitkan kurang dari nilai probabilitas mutasi mutp maka nilai gen tersebut berubah menjadi kebalikannya.

3. Pembahasan Hasil 3.2 Program Algoritma Genetika Dari data-data pompa air diatas maka dapat direncanakan pemrograman sebagai berikut:

Jumlah variabel pada fungsi yang dioptimisasi (Nvar) = 4 Jumlah bit yang mengkodekan satu variabel (Nbit) = 10 Jumlah gen dalam kromosom (JumGen) = 40 Batas bawah interval (Rb) = [ 0 0 0 0 ) Batas atas interval (Ra) = [ 575 575 575 575 ] Jumlah kromosom dalam populasi (UkPop) =200 Probabilitas pindah silang (Pcrossover) = 0,8 Probabilitas mutasi (Pmutasi) = 0,05 Jumlah generasi atau Iterasi (MaxG) = 100 Parameter pompa yang dimasukkan sesuai dengan data-data pompa yaitu: Actual Head rate = 0,064 Efisiensi motor (eff-m) =0,9 Efisiensi inverter (eff-inv) = 0,975 Jam operasi pompa air (H) = 24 Biaya pemakaian listrik (M) = Rp 680,-/kWh Debit air nominal pompa (Q) = 575 liter/detik Arus listrik rata-rata per jam (Irj) = I per jam A Tegangan rata-rata konstan (Vrt) = 5,8 kV Power faktor (Pf) = 0,85 3.2. Hasil simulasi

Setelah dilakukan running program dengan memasukkan data kapasitas aliran air dan kuat arus listrik yang sesuai, setiap jam dari jam 00.00 sampai dengan jam 23.00 seperti yang ditun-jukkan pada tabel 3, dimana masing-masing dirunning sebanyak sepuluh kali, maka hasilnya dapat dilihat dalam tabel 4 dan tabel 5. Dari hasi running menunjukkan bahwa besarnya efisiensi daya maksimum pada tabel 4 dan efisiensi biaya konsumsi daya pada tabel 5, diperoleh:

1. Jumlah daya konstan Pk = 31.778,78 kW, 2. Hemat daya min. Pmin. = 9.966,8 kW. 3. Hemat daya mak. Pmak. = 10.278,30 kW. 4. Jumlah biaya konstan Rp. = 22.924.864,48,- 5. Hemat biaya min. Rp. = 6.777.988,67,- 6. Hemat biaya mak. Rp. = 6.770.026,99,- Tabel 3. Kapasitas Aliran Air Rata-rata Per Jam Per Hari Qrj

(liter/detik)

Jam Kapasitas rata-rata

Aliran Air Qrj

Kuat Arus

(Liter/detik) Rata-rata

Irj (amper) 00.00 1.723,70 41,80

01.00 1.685,60 41,80

02.00 1.672,00 41,80

03.00 1.674,00 41,80

04.00 1.689,10 41,80

05.00 1.706,70 41,80

06.00 1.989,40 44,00

07.00 2.016,60 44,00

08.00 2.062,30 44,00

09.00 2.047,80 44,00

10.00 2.042,10 44,00

11.00 2.038,00 44,00

12.00 1.984,60 43,50

13.00 1.932,30 43,50

14.00 1.895,60 43,50

15.00 1.906,00 43,50

16.00 2.071,70 43,50

17.00 1.982,60 43,50

18.00 1.998,30 44,47

19.00 1.989,00 44,47

20.00 1.934,30 44,47

21.00 1.906,80 44,00

22.00 1.831,00 44,00

23.00 1.773,60 43,00

Sehingga dapat dihitung besarnya hemat daya P dan hemat biaya B per hari dalam prosen yaitu:

Hemat P min. =

= 31,36 %

Hemat P mak. =

= 32,30 %


Hemat B min. =

= 29,50 %

Hemat B mak. =

= 29.70 %

Tabel 4. Rangkuman Hasil Running Daya P (kW)

Tabel 5. Rangkuman Hasil Running Biaya (Rp)

Dengan demikian maka dapat dihitung juga besarnya hemat daya dan hemat biaya pertahun yaitu: Total P kons. = 30 x 12 x 31.778,78 kW = 11.440.360,80 kW Hemat P min. = 30 x 12 x 9.966,80 kW = 3.588.048 kW Hemat P mak. =

30 x 12 x 10.278,30 kW

= 3.700.188 kW Total B kons. = 30 x 12 x Rp. 22.924.864,48,- = Rp. 8.252.951.212,80,- Hemat B min. = 30 x 12 x Rp. 6.777.988,67,- = Rp. 2.440.075.921,20,- Hemat B mak. = 30 x 12 x Rp. 6.779.026,99,- = Rp. 2.440.449.716,40,-

Jam P konstan Hemat Daya ΔP (kW)

Minimum Maksimum

00.00 1258.87 585.38 585.39

01.00 1258.87 628.72 629.07

02.00 1443.09 769.61 769.61

03.00 1258.87 641.38 641.97

04.00 1258.87 624.85 629.07

05.00 1258.87 605.03 605.12

06.00 1335.63 315.45 315.58

07.00 1335.63 272.47 272.54

08.00 1335.63 272.47 272.54

09.00 1335.63 221.44 221.70

10.00 1335.63 231.07 231.08

11.00 1335.63 237.80 237.84

12.00 1335.63 307,50 307,71

13.00 1335.63 386.83 386.86

14.00 1335.63 439.87 439.90

15.00 1335.63 425.04 425.07

16.00 1335.63 181.65 181.70

17.00 1335.63 310.57 310,81

18.00 1335.63 286.12 286.28

19.00 1335.63 300.71 300.84

20.00 1335.63 383.88 383.90

21.00 1335.63 423.91 423.92

22.00 1335.63 528.38 528.39

23.00 1335.63 586.59 733.68

Jumlah 31.778,78 9.966,8 10.278,30

Jam Biaya konstan Hemat Biaya ΔB (Rp)

Minimum Maksimum

00.00 856028.64 398060.05 398063.98

01.00 856028.64 427526.22 427765.77

02.00 981301.12 523336.47 523336.47

03.00 856028.64 436512.99 436546.64

04.00 856028.64 425071.37 424896.88

05.00 856028.64 411325.73 411478.98

06.00 981301.12 214502.99 214595.50

07.00 981301.12 185309.44 185278.55

08.00 981301.12 185309.44 185325.81

09.00 981301.12 150582.25 150755.91

10.00 981301.12 157127.76 157151.45

11.00 981301.12 161705.49 161710.99

12.00 981301.12 209099.28 209244.72

13.00 981301.12 263042.41 263049.80

14.00 981301.12 299113.98 299129.85

15.00 981301.12 289030.56 289047.78

16.00 981301.12 123526.38 123556.06

17.00 981301.12 211194.62 211350.07

18.00 981301.12 194648.02 194669.66

19.00 981301.12 204488.28 204579.66

20.00 981301.12 261050.57 261036.79

21.00 981301.12 288242.68 288267.27

22.00 981301.12 359300.07 359301.98

23.00 981301.12 398881.62 398886.42

Jumlah 22.924.864,48 6.777.988,67 6.779.026,99


0 10 20 30 40 50 60 70 80 90 1000

2

4

6

8

10

12

14

16

18x 10

7

Generasi

Fitn

ess

terb

aik

0 10 20 30 40 50 60 70 80 90 1000

0.5

1

1.5

2

2.5

3

3.5x 10

8

Generasi

Fitn

ess

terb

aik

Gambar 4.2 Konfigurasi Sistem Pada Kapasitas Aliran Air Q Minimum = 1672 liter per detik

Gambar 4.3 Konfigurasi Sistem Pada Kapasitas Aliran Air Q Maksimum = 2071,70 liter per detik

4. Kesimpulan Dari hasil penelitian dapat disimpulkan sebagai berikut : 1. Algoritma Genetika dapat digunakan untuk

optimisasi konsumsi daya multi motor induksi tiga fasa penggerak pompa air.

2. Besarnya konsumsi daya multi motor induksi tiga fasa penggerak pompa air dengan kecepatan variabel lebih efisien sampai dengan 32,3 % dibandingkan dengan kecepatan konstan.

3. Besarnya biaya konsumsi daya multi motor induksi tiga fasa penggerak pompa air dengan kecepatan variabel lebih efisien minimum Rp. 2.440.075.921,20,- per tahun, dan efisien maksimum Rp. 2.440.449.716,40,- per tahun dibandingkan dengan biaya pada kecepatan konstan.

5. Saran Pada penelitian ini data existing pompa yang dioperasikan dan debit air yang diproduksi selama penelitian yang diamati dan digunakan sebagai referensi. Untuk mendapatkan aplikasi yang baik diperlukan penelitian lanjutan berkaitan batas-batas Studi Kelayakan.

DAFTAR PUSTAKA ABB, “A Smooth Shutdown Soft-starters” ABB

Automation Techno-logiees AB, Divition Automation Product/Cewe-ControlSE-721 61Vasteras Sweden, March 2007.

Claus B. Rasmussen, Ewen Ritchie, Antero Arkkio, “Variable Speed Induction Motor Drive for Household Refrigerator Compressors”, 9220 Aalborg East, Denmark, 02150 Espoo, Finland., IEEE Catalog Number: 97TH

Feng lin, Qi-Wen Yang, “Application Allied Genetc Algorithms in Sensorless Speed Adjustment Control for Induction Motor Drive System”, IEEE Trans. on Power Systems, Vol.9, No. 4, 2000.

8280, 1997.

Fuji HVAC inverterfor Fans and Pumps, FRENIC-ECO Series, US LISTED MEH442d, Japan, 2006.

Hua, Seok-Kwon Jeong, Sam-Sang You,“Feed forward Control of Capacity and Superheat for Variable Speed Refrigeration System”, Applied Thermal Engineering 29 (2009), Korea, 2009.

Imam Robandi,“Desain Sistem Tenaga Modern”,Penerbit Andi Yogyakarta, Juni 2006.

K.F. Man, K.S. Tang, S. Kwong and W.A. Halang, ”Genetic Algorihtms for Control and Signal Processing”, Springer-Verlag London Limited, 1977.

Mostafa I, Marei, Mostofa F. Shaaban, Ahmed A. El-Sattar, “A Speed Estimation Unit for Induction motors Based on Adaptive linear Combiner”, Energy Conversion and management 50, (2009), Cairo, 2009.

Paul C. Krause, Oleg Wasynczuk, Scott d. Sudhoff, “Analysis Of Electric Machinary And Drive Systems”, A John Wiley & Sons, Inc. Publication, 2002.

Shirong Zhang, Xiaohua Xia, “Optimal Control of Operation Efficiency of Belt Conveyor Systems”, Department of the Electrical Engineering Wuhan China and University of Pretoria, South Africa, Applied Energy, 2010.

S. Palko, T. Jokinen, ”Optimation of Squirel Cage Induction Motors Using Finite Element Method and Genetic Algorithm”, Conference Publication No. 444 IEE, Finland, 2007.

Soufyan Moh. Noerbambang & Takeo Morimura, “Perancangan dan Pemeli-haraan Sistem Plumbing”, PT Pradnya Paramita, Jakarta, 2005.

Suyanto,“Algoritma Genetika Dalam Matlab”, Penerbit Andi Yoyakarta, Januari, 2005.

Theodore Wildi, “Electrical Machines, Drives,

and Power System”, Prentice Hall International Editions.

Youn Cheol Park, “Transient Analysis of a Variable Speed Rotary Compre-ssor”, Deparment of Mechanical Engineering, Cheju National University, Ara-Dong, Jeju-Do 690-756, Republic of Korea, 2010.

optimisasi konsumsi daya multi motor induksi tiga fasa...

Documents