oleh : Rahmat Aziz ( ) Reza Sofyan Arianto ( )

Ukuran: px

Mulai penontonan dengan halaman:

Download "oleh : Rahmat Aziz ( ) Reza Sofyan Arianto ( )"

Harjanti Wibowo
6 tahun lalu
Tontonan:

PENGENDALIAN TEMPERATUR OUTLET HEAT EXCHANGER NETWORKS(HENs) PENGENDALIAN TEMPERATUR OUTLET HOT STREAM DENGAN PADA COOLING MODEL WATER PREDICTIVE NETWORK CONTROL (CWN) DENGAN (MPC) MELALUI MODEL

1 PENGENDALIAN TEMPERATUR OUTLET HEAT EXCHANGER NETWORKS(HENs) PENGENDALIAN TEMPERATUR OUTLET HOT STREAM DENGAN PADA COOLING MODEL WATER PREDICTIVE NETWORK CONTROL (CWN) DENGAN (MPC) MELALUI MODEL SIMULASI PREDICTIVE SOFWARE CONTROL (MPC) HYSYS Pembimbing : Prof. Ir. Renanto, M.S, Ph.D. oleh : Rahmat Aziz ( ) Reza Sofyan Arianto ( ) LABORATORIUM PERANCANGAN DAN PENGENDALIAN PROSES JURUSAN TEKNIK KIMIA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER

2 Latar Belakang Perkembangan industri yang diiringi dengan efisiensi energi Heat Exchanger Networks banyak digunakan di industri Peranan HENs penting dalam mengatur kondisi operasi KINERJA PENGENDALI KONVENSIONAL KURANG OPTIMAL DISTURBANCE MPC

control yang biasa tidak lagi dapat bekerja dengan hasil maksimal,

3 Rumusan Masalah Adanya masalah settling time dan overshoot dalam proses pengendalian pada Heat Exchanger Networks membuat model dengan sistem control yang biasa tidak lagi dapat bekerja dengan hasil maksimal, karenanya perlu digunakan kontroller yang berbasis pada Model Predictive Control (MPC).

4 Batasan Masalah Membandingkan hasil pengendalian menggunakan MPC dan PID Controller Simulasi menggunakan program HYSYS Penentuan hasil pengendalian ditinjau berdasarkan metode Integral of The Absolute Value of The Error (IAE) Disturbance berupa perubahan temperatur masuk h 1 (Th 1 in ) sebesar +/- 10%

5 Tujuan Penelitian Melakukan pengendalian temperatur let pada Heat Exchanger Networks dengan menggunakan Model Predictive Control (MPC) 1 Membandingkan hasil pengendalian dengan MPC dan PID controller 2 Mengontrol temperatur keluar proses sebesar 47 o C

6 Manfaat Penelitian 1 Temperatur let Heat Exchanger Netwoks dapat dikendalikan sesuai dengan setpoint yang diinginkan sehingga sistem akan lebih optimal 2 Evaluasi proses secara dynamic 3 Mempelajari kerja pengendali MPC

Base Case Marchetti, Jacinto L. dan Leonardo L. Giovanini. 2003.

7 Base Case Marchetti, Jacinto L. dan Leonardo L. Giovanini Low-Level Flexible- Structure Control Apllied to Heat Exchanger Networks.

8 Metodologi START T Pengumpulan dan Pengolahan Data A B Simulasi Steady State menggunakan software HYSYS Pengujian dengan metode IAE Pemberian disturbance Tidak Validasi hasil Ya Sizing dan Perubahan ke kondisi dynamic mode Membandingkan hasil pengendalian PID dan MPC Pengujian dengan metode IAE Pemasangan PID controller Pemberian disturbance Step Response Tes Pemasangan MPC dalam beberapa konfigurasi END A B

9 Sistem Heat Exchanger Networks Controlled Variabel (CV) Temperatur Keluar Proses (h 1, h 2, c 1, dan c 2 ) Manipulated Variabel (MV) Duty utilitas dan bypass (C-1, C-2, H, x 1, x 2, dan x 3 ) Disturbance Variabel (DV) Temperatur inlet fluida proses Th 1 in +/-10%

10 Data Heat Exchanger Netwoks Stream T in (K) T (K) WCp (kw/k) h 1 363,15 313,15 50 h 2 403,15 373,15 20 c 1 303,15 353,15 40 c 2 293,15 313,15 40 CW 1 288,15-35 (maksimal) CW 2 303,15-30 (maksimal) S 473,15-10 (maksimal) Alat HE-1 HE-2 HE-3 C-1 C-2 H UA (kw/k) Source : Marchetti dan Giovanini, 2003

11 Validasi Simulasi Steady State Data yang divalidasi pada simulasi steady state adalah temperatur keluar setiap aliran pada HENs Berdasarkan hasil validasi didapatkan error terbesar 1,125 % Aliran Temperatur Jurnal (K) Temperatur Simulasi (K) Error (%) h 1 313,15 312,7 1,125 h 2 373,15 372,2 0,95 c 1 353,15 352,34 1,0125 c 2 313,15 312,77 0,95

12 Simulasi Steady State & Dynamic Mode

13 Data Sizing Heat Exchanger CONSTRUCTION OF SHELL AND TUBE Number of Tubes 160 Tube OD 20 mm Tube Thickness 2 mm Length 6000 mm Shell OD 739,1 mm Pitch 50 mm Lay 30 O Baffle Spacing 800 mm Baffle Cut 20 % Passes Per Shell 2 Source : Default Hysys

14 Validasi Simulasi Dynamic Mode Data yang divalidasi pada simulasi dynamic mode adalah temperatur keluar setiap aliran pada HENs Berdasarkan hasil validasi didapatkan error sebesar 1,125 % Aliran Temperatur Jurnal (K) Temperatur Simulasi (K) Error (%) h 1 313,15 312,7 1,125 h 2 373,15 372,16 0,99 c 1 353,15 352,43 0,9 c 2 313,15 312,79 0,9

15 Pemberian Disturbance + 10% Tanpa Controller Temperatur (K) Temperatur h1 in Waktu (detik) Temperatur h1 (K) Temperatur c1 (K) Waktu (detik) Waktu (detik) Temperatur h2 (K) Temperatur c2 (K) Waktu (detik) Waktu (detik)

16 Step Response Test +10% T h1 T h2 T c1 T c2 Duty C-1 Duty C-2 Duty H VLV 100 VLV 101 VLV 102

sebesar +10% Pengendalian Th 2 Tanpa sebesar

17 2 Auxiliary Variable Pengendalian Th 2 Tanpa Auxiliary Variable dengan Disturbance T h1 in sebesar +10% Pengendalian Th 2 Tanpa Auxiliary Variable dengan Disturbance T h1 in sebesar -10%

18 Data Step Respon

19 Konfigurasi MPC Terdapat 4 CV dan 6 MV dengan MPC 4x4 Konfigurasi 1 MPC PID Konfigurasi 2 MPC PID Konfigurasi 3 MPC PID : duty C-1, duty C-2, duty H, VLV101 : VLV100 & VLV102 : duty C-1, VLV100, VLV101, VLV102 : duty C-2 & duty H : duty C-1, duty H, VLV101, VLV102 : duty C-2 & VLV100 Ketiga konfigurasi tersebut diharapkan sudah mewakili keseluruhan konfigurasi yang mungkin. Konfigurasi 1: 2 valve menggunakan PID controller Konfigurasi 2: 2 duty menggunakan PID controller Konfigurasi 3: 1 valve dan 1 duty menggunakan PID controller

20 Pemasangan MPC Number of input Number of put Step response length Prediction horizon Control horizon Reference trajectory Gamma U Gamma Y Control interval : 4 : 4 : 50 : 25 : 2 : 1 : 1 : 1 : 20 s TUNING PARAMETER Prediction Horizon (P) Berapa banyak prediksi put yang dilakukan MPC dalam setiap sampling time Control Horizon (M) Jumlah langkah kontrol yang diterapkan & diprediksi oleh MPC dalam sebuah sample time Sebaiknya kecil Seborg dkk, 2004

21 Konfigurasi 1 MPC PID : duty C-1, duty C-2, duty H, VLV101 : VLV100 & VLV102

22 Konfigurasi 2 MPC PID : duty C-1, VLV100, VLV101, VLV102 : duty C-2 & duty H

23 Konfigurasi 3 MPC PID : duty C-1, duty H, VLV101, VLV102 : duty C-2 & VLV100

24 Pengendalian Th 1 untuk Th 1 in +/-10%

25 Pengendalian Th 2 untuk Th 1 in +/-10%

26 Pengendalian Tc 1 untuk Th 1 in +/-10%

27 Pengendalian Tc 2 untuk Th 1 in +/-10%

28 Perbandingan IAE 3 Konfigurasi Variabel Th 1 D +10% Th 1 D -10% Th 2 D +10% Th 2 D -10% Tc 1 D +10% Tc 1 D -10% Tc 2 D +10% Tc 2 D -10% IAE total IAE rata-rata IAE(K.detik) Konfigurasi 1 Konfigurasi 2 Konfigurasi 3 910, , , , , , ,904 64,687 70, ,231 65,421 72, , ,75 257,19 308, , , , , , , , , , , , , , ,811 Konfigurasi terbaik konfigurasi 3 dengan IAE rata-rata 321,811

29 Pengendalian PID Controller Controlled Variable Manipulated Variable Temperatur h 1 Duty Cooler C-1 Temperatur h 2 Duty Cooler C-2 Bypass x 3 Temperatur c 1 Bypass x 1 Duty Heater H-1 Temperatur c 2 Bypass x 2 Controller Parameter TIC- TIC- SPLT-100 SPLT Kc 4,35 1,03 8,38 0,749 τ i 0,123 0,180 0,0899 0,283 τ d 0,0274 0,0401 0,0200 0,0630 Tuning dengan autotuner hysys Menggunakan 2 PID controller dan 2 Split controller

30 Perbandingan MPC dan PID

31 Perbandingan MPC dan PID

32 Perbandingan IAE MPC dan PID Variabel MPC IAE PID Th 1 D +10% 578,16 600,361 Th 1 D -10% 513, ,521 Th 2 D +10% 70,83 76,976 Th 2 D -10% 72,361 80,455 Tc 1 D +10% 257,19 278,317 Tc 1 D -10% 244, ,749 Tc 2 D +10% 443, ,512 Tc 2 D -10% 394, ,992 IAE total 2574, IAE rata-rata 321, Pengendalian MPC lebih baik daripada PID dengan IAE rata-rata 321,811 dibandingkan 351,360

33 Kesimpulan Pengendalian temperatur let pada Heat Exchanger Networks (HENs) dengan Model Predictive Control (MPC) dan PID controller dapat dilakukan dengan mengatur parameter-parameter pengendali sehingga controlled variable (berupa temperature let) dapat mencapai setpoint yang diinginkan Konfigurasi MPC terbaik adalah konfigurasi 3 di mana MPC digunakan pada 2 bypass dan 2 duty utilitas dan PID digunakan pada 1 bypass dan 1 duty utilitas Kinerja pengendali Model Predictive Control lebih baik daripada PID controller, tetapi tidak signifikan

34 LABORATORIUM PERANCANGAN DAN PENGENDALIAN PROSES JURUSAN TEKNIK KIMIA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER

dokumen-dokumen yang mirip

Pengendalian Sistem Kolom Distilasi Campuran Azeotrop Heterogen Butanol-Air Menggunakan Model Predictive Control (MPC)

Pengendalian Sistem Kolom Distilasi Campuran Azeotrop Heterogen Butanol-Air Menggunakan Model Predictive Control (MPC) Nama Mahasiswa : 1. Agung Kurniawan : 2. Muh. Makki Maulana NRP : 1. 2306 100 051