Pengembangan Speed Sensorless Small-Scale Compressed air energy storage untuk Meningkatkan Kelaikan Pemanfaatannya untuk Elektrifikasi di Daerah Terpencil

Setiawan, Andi (2021) Pengembangan Speed Sensorless Small-Scale Compressed air energy storage untuk Meningkatkan Kelaikan Pemanfaatannya untuk Elektrifikasi di Daerah Terpencil. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
02. Buku Disertasi.pdf - Accepted Version
Restricted to Repository staff only until 1 April 2023.

Download (9MB) | Request a copy

Abstract

Permasalahan utama dari small-scale compressed air energy storage (SSCAES) untuk dapat menjadi sistem penyimpan energi yang laik dan populer adalah efisiensi dan kerapatan dayanya yang rendah. Permasalahan lain pada SS-CAES yang sudah dikembangkan saat ini adalah pemakaian sensor elektro-mekanis yang ringkih dan menambah kerumitan sehingga mengurangi kelaikannya, terutama untuk diaplikasikan di daerah terpencil. Dalam penelitian ini dikembangkan prototype SS-CAES yang bekerja dengan observer kecepatan berbasis neural network (NN Observer). Error observer kecepatan yang dihasilkan adalah 0.71% dari kecepatan maksimum yang terbaca dengan resolusi pembacaan kecepatan 1 rpm. Lebih lanjut, dikembangkan juga strategi dan metode untuk dapat mengoperasikan sistem pada efisiensi maksimumnya atau maximum efficiency point tracking (MEPT), dengan tetap menjamin kecukupan daya pada beban. SSCAES yang dikembangkan dalam penelitian ini menggunakan dua buah piranti pengendali, yaitu sebuah motorized valve dan sebuah boost converter yang ditempatkan pada output generator. MEPT dilakukan dengan algoritma perturb and observe (P&O) dan untuk memperbaiki kinerja Satndard P&O ditambahkan multiple input, multiple output Fuzzy logic (MIMO Fuzzy) untuk mengurangi osilasi pada periode steady-state dan mempercepat MEPT. Strategi dan metode pengoperasian ini diuji dengan menyimulasikan sistem dengan variasi beban dan menghasilkan pengurangan osilasi dengan kisaran nilai 0.04% sampai dengan 0.31%. Pengurangan waktu tracking dengan skenario pembeban ini adalah antara 1 sampai 3 detik. Hasil akhirnya adalah peningkatan efisiensi rata-rata dengan kisaran nilai 0.02% sampai 0.26%. ===================================================================================================== The main problems with small-scale compressed air energy storage (SS-CAES) to become a viable and popular energy storage system are its efficiency and low power density. Another problem with SS-CAES developed at this time is the use of electro-mechanical sensors, which are fragile and add complexity, thereby reducing their feasibility, especially for application in remote areas. In this study, an SS-CAES prototype was developed that works with a neural network-based speed observer (NN Observer). The resulting speed observer error is 0.71% of the maximum speed read, with a speed reading resolution of 1 rpm. Furthermore, a strategy and method are also developed to operate the system at its maximum efficiency (MEPT) while still ensuring sufficient power to the load. The SS-CAES developed in this study uses two control devices, a motorized valve and a boost converter placed at the generator output. The MEPT used the perturb and observe (P&O) algorithm. To improve the performance of the Standard P&O, a Multiple Input Multiple Output Fuzzy logic algorithm (MIMO Fuzzy) is added to reduce oscillations during the steady-state period and speed up MEPT. This operating strategy and method were tested by simulating the system with load variations resulting in reduced oscillations in the range of 0.04% to 0.31%. The reduction in tracking time under this loading scenario is between 1 and 3 seconds. The final result is an increase in the mean efficiency with a value ranging from 0.02% to 0.26%.

Item Type: Thesis (Doctoral)
Uncontrolled Keywords: small-scale compressed air energy storage, speed observer, MEPT, MIMO Fuzzy
Subjects: Q Science > Q Science (General) > Q325 GMDH algorithms.
Q Science > Q Science (General) > Q325.78 Back propagation
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20001-(S3) PhD Thesis
Depositing User: Andi Setiawan
Date Deposited: 04 Mar 2021 02:22
Last Modified: 04 Mar 2021 02:22
URI: https://repository.its.ac.id/id/eprint/83289

Actions (login required)

View Item View Item