Prediksi Efisiensi Turbin Uap Dengan Menggunakan Machine Learning

Silitonga, Surya Hernando and Martowidjojo, Aryantono and Yuda, Sesmaro (2020) Prediksi Efisiensi Turbin Uap Dengan Menggunakan Machine Learning.

[img] Text
STPenelitian.pdf

Download (1MB)
[img] Text
PREDIKSIEFISIENSITURBINUAPDENGAN.pdf

Download (771kB)

Abstract

PLTP Lumut Balai adalah Pembangkit Listrik Tenaga Panas Bumi yang terletak di desa Penindaian Kec. Semende Darat Laut, Kab. Muara Enim, merupakan salah satu area kerja PT Pertamina Geothemal Energy dengan daya mampu 1x55 MW. Memprediksi pengaruh kelembaban udara secara terus menerus adalah sangat penting untuk memastikan kinerja turbin pada tingkat yang diinginkan. Pembahasan utama pada makalah ini ialah melakukan prediksi pengaruh kelembapan udara terhadap efisiensi PLTP Lumut Balai 1x55 MW dengan menggunakan orange software. Pengembangan supervised learning model regresi dilakukan dengan menggunakan aplikasi Orange. Data kinerja turbine dapat dengan mudah diakses oleh aplikasi Orange dan dapat digunakan untuk melihat pengaruh kelembaban udara terhadap eisiensi turbin sesuai dengan perkembangan data. Hasil komputasi menunjukkan bahwa kenaikan 1% kelembapan udara pada area Lumut Balai akan menurunkan rata-rata efisiensi turbin uap sebesar 0.079%. Kata Kunci : kelembapan udara, turbin uap, machine laearning, efisiensi, orange PLTP Lumut Balai is a Geothermal Power Plant located in the village of Penindai Kec. Semende Land Sea, Kab. Muara Enim, is one of the work areas of PT Pertamina Geothemal Energy with a capacity of 1x55 MW. Predicting the effect of air humidity continuously is very important to ensure the performance of the turbine at the desired level. The main discussion in this paper is to predict the effect of air humidity on the efficiency of PLTP Lumut Balai 1x55 MW using orange software. The development of supervised learning regression models is carried out using the Orange application. Turbine performance data can be easily accessed by the Orange application and can be used to see the effect of air humidity on turbine efficiency according to data development. Computational results show that a 1% increase in air humidity in the area of Lumut Balai will reduce the average efficiency of the steam turbine by 0.079%. Keyword: relative humidity, steam turbine, eficiency, machine learning, geothermal

Item Type: Article
Subjects: TECHNOLOGY > Mechanical engineering and machinery > Turbines. Turbomachines (General)
Depositing User: Mr Alexander Jeremia
Date Deposited: 25 Aug 2020 07:38
Last Modified: 28 Aug 2020 11:13
URI: http://repository.uki.ac.id/id/eprint/2132

Actions (login required)

View Item View Item