Pengaturan Optimal Konsumsi Gas Alam untuk Pembangkitan Listrik pada PLTG di PT. Indonesia Power UP Grati Pasuruan

Pada PLTG PT. Indonesia Power Unit Pembangkitan (UP) Grati, daya terbangkit yang tercatat sebesar 3x100MW. Pada Pembangkit Listrik Tenaga Uap (PLTG) umumnya menggunakan bahan baku utama yaitu gas alam sebagai pendorong turbin gas dengan tekanan tinggi. Dengan begitu maka dimanfaatkan untuk dapat menggerakkan turbin hingga listrik pun terbangkit. Untuk meningkatkan efisiensi penggunaan gas alam pada pembangkit PT. Indonesia Power UP Grati ini diperlukan adanya metode untuk meningkatkan efiensinya dengan menimalkan gas alam yang digunakan dengan daya yang terbangkit mendekati daya yang tercatat yaitu maksimal sebesar 100MW untuk masing-masing unitnya. Penelitian dilakukan tentang penerapan algoritma PSO (Particle Swarm Optimization) pada identifikasi pemodelan sistem dan penerapan kontroler LQG (Linear Quadratic Gaussian) pada proses optimalisasi sistem tersebut. Hasil dari pengujian dapat dilihat bahwa penerapan algoritma PSO dapat menghasilkan nilai fitness model yang lebih baik yaitu sebesar 0,6901 atau 69,01%. Dan juga hasil LQG dapat meningkatkan efisiensi pada sistem ini hingga mencapai 45%. ================================================================= In PLTG PT. Indonesia Power Generation Unit (UP) Grati, power generated recorded at 3x100MW. In Gas Power Plant (PLTG) generally use the main raw materials of natural gas as a driver of high pressure gas turbine. With that then it is used to be able to move the turbine until electricity is infected. To increase the efficiency of natural gas utilization at PT. Indonesia Power UP Grati is needed a method to improve its efficiency by minimizing the natural gas used with power that is nearing the recorded power of 100MW maximum for each unit. The research conducted on the application of PSO algorithm (Particle Swarm Optimization) on the identification of system modeling and the application of LQG (Linear Quadratic Gaussian) controller in the process of optimizing the system. The results of the test can be seen that the application of PSO algorithm can produce a better fitness model value of 0.6901 or 69.01%. And also the LQG results can improve the efficiency of this system up to 45%