Deteksi Kebocoran Pipa Boiler Pembangkit Listrik Dengan Algoritma Pembelajaran Terarah

Sadiq, Jakfar (2024) Deteksi Kebocoran Pipa Boiler Pembangkit Listrik Dengan Algoritma Pembelajaran Terarah. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032202131-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 July 2026. Download (5MB) | Request a copy

Abstract

Kebocoran pipa boiler merupakan jenis gangguan yang paling sering menyebabkan pemadaman paksa pada Pembangkit Listrik Tenaga Uap (PLTU) berbahan bakar batubara. Boiler adalah peralatan PLTU yang bekerja pada tekanan dan temperatur tinggi secara konsisten sehingga sering menyebabkan gangguan kebocoran pada pipa boiler secara tidak terduga. Bocoran pada satu pipa akan mengenai pipa lain di sekitarnya. Penanganan kebocoran kecil yang kurang tepat dan kurang cepat dapat menyebabkan terjadinya kebocoran sekunder, sehingga dengan berjalannya waktu dapat menyebabkan kerusakan yang semakin meluas. Patroli rutin merupakan salah satu mitigasi yang dilaksanakan oleh operator pembangkit untuk mengamati dan mengidentifikasi potensi adanya kelainan suara maupun kelainan visual seperti semburan air pada sisi dalam maupun sisi luar boiler. Pembangkit listrik dilengkapi dengan peralatan instrumen dan sistem akuisisi data yang canggih. Dengan demikian, data keluaran sensor memungkinkan untuk diunduh, diolah dan dievaluasi lebih lanjut dengan memanfaatkan perkembangan sains data yang saat ini pemanfaatannya semakin masif termasuk pada pembangkit listrik. Penelitian ini akan mengembangkan model deteksi kebocoran pipa boiler dengan memanfaatkan data sensor area boiler pada salah satu PLTU Batubara sub kritis kelas 600MW di Indonesia. Aktivitas akan dimulai dengan penyiapan, evaluasi dan cleansing data, dilanjutkan dengan pengembangan model klasifikasi menggunakan pendekatan pembelajaran mesin berbasis Bayesian, juga pelaksanaan pengujian dan pengukuran kinerja model dengan menghitung tingkat akurasinya sebagai dasar pemilihan model yang paling sesuai untuk dimanfaatkan lebih lanjut.
===================================================================================================================================
Boiler tube leak is one type of disturbance that often causes forced outages in Coal-Fired Steam Power Plants (CFPP). The boiler is equipment that works at consistently high pressure and temperature, often causing unexpected leaks in the boiler tubes. Leaks in one tube will affect others in the vicinity. Handling small leaks that are not precise and not fast can cause secondary leaks so that, over time, they can cause more widespread damage. Routine patrol is a mitigation program carried out by the power plant operator to observe and identify the potential for sound or visual abnormalities, such as bursts of water inside and outside the boiler. The power plant has a wide range of instrumentation and a sophisticated data acquisition system. Thus, the sensor output data makes it possible to download, process and evaluate it further by taking advantage of data science developments whose utilization extends to power plants. This research will develop a boiler tube leak detection model using boiler area sensor data at one of Indonesia's 600MW subcritical coal-fired power plants. Activities will begin with preparing, evaluating, and cleansing data, followed by developing a classification model using a Bayesian-based machine learning approach and testing and measuring model performance by calculating its accuracy level to select the most suitable model for further use. The boiler tube leak detection model, as result of this study, will strengthen the mitigation program carried out by operators. The processed data will produce information that makes it easier for operators to carry out early and real-time detection of boiler conditions, thus supporting the speed of preparing operational and maintenance strategies to increase plant productivity

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Deteksi Kebocoran Tabung Boiler, Penambangan Data, Pembelajaran Mesin, Pembangkit Listrik, Pembelajaran Terawasi; Boiler Tube Leak Detection, Data Mining, Machine Learning, Power Plant, Supervised Learning
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1322.6 Electric power-plants
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Jakfar Sadiq
Date Deposited:	15 Feb 2024 01:42
Last Modified:	15 Feb 2024 01:42
URI:	http://repository.its.ac.id/id/eprint/107339

Actions (login required)

View Item