DISAIN ALGORITMA MODEL PREDICTIVE CONTROL (MPC) PENGENDALIAN SISTEM TATA UDARA PRESISI
POLITEKNOLOGI VOL. 9, NOMOR 2, MEI 2010
DISAIN ALGORITMA
MODEL PREDICTIVE CONTROL (MPC) PENGENDALIAN
SISTEM TATA UDARA PRESISI
Nana Sutarna
Jurusan Teknik Elektro , Politeknik Negeri Jakarta
Email : nn_strn@yahoo.com
ABSTRACT
The model system of precision air condition is modeled as a multivariable system with two outputs
namely temperature and humidity and two inputs namely motor rotation speed and valve opening.
In this model there is a problem of coupling between the input and output. Model Predictive
Control (MPC) is one way to overcome the problem of coupling in multivariable systems. MPC
controllers are designed without the constraints to determine a reliable algorithm. From the
simulation results it appears that the controlling parameters is best horizon Hp = 10, Hu = 4, the
weighting matrix R = 0.1, and Q = 3. With this parameter the output response follow the set point
signal Keywords : Precision Air Systems Administration, MPC, Hp, Hu, Q and R ABSTRAKModel sistem tata udara presisi dimodelkan sebagai sebuah sistem multivariable dengan dua
output yaitu temperature dan kelembaban dan dua input yaitu kecepatan putaran motor dan
bukaan valve. Pada model ini ada masalah coupling diantara input dan outputnya. Model
Predictive Control (MPC) adalah salah satu cara untuk mengatasi masalah coupling dalam
sistem multivariable. Pengendali MPC dirancang tanpa constraints untuk menentukan agoritma
yang handal. Dari hasil simulasi nampak bahwa parameter-parameter pengendali yang terbaik
adalah horizon Hp=10, Hu=4, matrik pembobotan R=0.1, dan Q=3. Dengan parameter ini
respon keluarannya mengikuti sinyal set point Kata Kunci : Sistem Tata Udara Presisi, MPC, Hp, Hu, Q dan R.Nana Sutarna, Disain Algoritma Model… PENDAHULUAN
Model matematik untuk sistem PAC secara Mayoritas peralatan informasi umum terbagi dua yaitu prinsip konservasi teknologi searusnya ditempatkan pada energi dan konservasi massa. Mengacu ruang khusus yang tidak dipengaruhi oleh pada Gambar 2 diasumsikan suhu udara T fluaktuatif suhu lingkungan. Oleh karena 2 itu biasanya peralatan tersebut berada di dan moisture content yang dihasilkan 2 suatu ruangan yang disebut ruang datacom. oleh evaporator bercampur sempurna
Dampak yang timbul dari kondisi suhu dan dengan udara dan meninggalkan koil kelembaban udara yang fluktuatif pada pendingin. Kemudian suhu udara T dan 3 ruang datacom sangat rentan terhadap
yang meninggalkan
moisture content 3 thermal shutdown, corrosion dan short
kondenser sekunder merupakan hasil
circuit yang dapat menyebabkan kerusakan proses panas pada suhu ruang lemari.
pada peralatan. Untuk itu diperlukan pengendalian yang optimal pada sistem
Secondary
tata ruang udara yang presisi agar
Evaporator condenser
kelembaban dan suhu di dalam ruang datacom dapat dijaga konstan.
Precision Air Conditioning (PAC)
atau sistem tata udara presisi menghasilkan
T T T T , ,
2
1
3
1
1
1
2 T
dua keluaran yang harus dijaga konstan
100 %
2
3
2
yaitu suhu dan kelembaban, yang berasal
Air flow
dari dua variabel masukan antara lain
putaran motor kompressor dan bukaan
2 1
3
2
katup aliran refrigerant, sistem ini adalah multivariabel yang dikenal dengan istilah MIMO ( Multiple Input Multi Output).
Gambar 2. Model suhu dan kelembaban pada kondenser sekunder
1) Gambaran Blok Diagram PAC
a)
PAC untuk sistem peralatan Model Evaporator Pada bagian evaporator wilayah suhu telekomunikasi dikondisikan pada suhu terbagi dua, yaitu dry-cooling region dan ( T ) 22 C dan kelembabannya ( ) 50%.
wet-cooling region, seperti ditunjukkan
Sistem kerja PAC mengacu ke sistem kerja oleh Gambar 3. refrigerator, seperti terlihat pada Gambar 1.
T
Air side T Evaporator condenser Cabinet room 1 ,
- 1' Secondary
1
- Wet region
T , , 1 1 1 , , T , , T
2 Air flow Dry region entries T air-cab Q load T Hot air to ducting device coil Temperature compresor va lve and RH sensor we Condenser Air flow
- T 2 2 2 3 3 3 2 ,
- Lampau
- masukan saling mempengaruhi terhadap
- Conditioning Processes (Potter Sections 12.6 & 12.7)
Refrigerant side exit Gambar 3. skema diagram evaporator
Pada
dry-cooling region, terjadi Gambar 1. Bagan sistem PAC. heat sensible sesuai dengan Persamaan 1. POLITEKNOLOGI VOL. 9, NOMOR 2, MEI 2010 Mengacu pada Gambar 4 di bawah ,
dT T T 1 ' 1 1 '
perubahan suhu T wc2 dinyatakan oleh C . . pu u pu u we V C . . f . T T UA 1 1 1 ' (1)
1 T
dt
2
Persamaan 8 , 9 dan 10. berikut. Pada wet-cooling region terjadi
dT T T 3 2 3 C . pu u cab pu u w c . V C . . f . T T UA 2 3
3 T 2
perubahan fasa sehingga terjadi sensible
dt
2 (8)
dan karena itu
heat latent heat,
persamaanya dalam bentuk enthalpy ditunjukkan oleh Persamaan 2.
Sensible heat dh T T 2 1 ' 2 . u V . f . h h UA 2 u 1 ' 2 we 2 T
(2) T
2 dt
2 T
3 T Condenser Wall
Hubungan antara enthalpy udara, suhu dan wc
: moisture content (w) adalah
(3)
h C . T h . p fg
Subtitusi persamaan (3) ke persamaan (2) akan diperoleh Persamaan 4.
Gambar 4. Skema diagram kondenser sekunder
dT dw 2 2 . . . . . .
C pu u
V 2 u V h C f T T 2 fg pu u 2 1 ' 2 dt dt
(4)
T T 1 ' 2 dT T T wc
. f . h w w UA u fg we 2 1 2
2 T
2 2 3 ( C V ) UA 3 T pw w w wc 2 wc 2
2
2 dt
(9) M ( h h ) 2 2 2
ref oc ic
Hubungan antara air moisture content (w)
M jika valve terbuka penuh 2 max
ref
dan suhu (T), sesuai dengan Persamaan 5;
M ref 2
(10)
jika valve tertutup penuh
2 w ( . 0198 T . 085 T
4 . 4984 ) / 1000 (5)
M M M ref 1 ref 2 ref
3 Dengan demikian,
c) Model Kompresor dw dT
( 2 . 0198 . 085 ) / 1000 x T (6)
Kompresor memberikan peranan
dt dt
penting dalam mengatur besarnya tekanan kompresi pada sistem refrigerator dan juga Dikarenakan adanya perbedaan yang sekaligus mengatur besarnya aliran rugi- signifikan dalam kelembaman panas rugi. Persamaan pada bagian ini sesuai antara refrigerant dan udara, respon dengan Persamaan 11. dinamik untuk perubahan di sisi udara lebih lambat dibanding sisi refrigerant,
s . V . d vol
maka diasumsikan massa kecepatan aliran
M ref (11) v s refrigerant di inlet maupun outlet
evaporator adalah sama. Persamaan energi untuk dinding evaporator sesuai dengan Keseimbangan energi untuk Persamaan 7. ruangan tertentu (cabinet) yang
dT T T T T dikondisikan memiliki Persamaan 12 we 1 '1 '1 2
C
V UA
1 T UA
2 T pw w w we we we
sebagai berikut :
2
2 dt
(7) M ( h h ) 1
ref oe ie dT c C . . pu u c pu u V C . . f .( T T ) Q 3 ruang load
(12)
b) dt Model Kondenser.
Nana Sutarna, Disain Algoritma Model…
dimana V adalah volume ruang cabinet,
c) Sinyal kendali u(k|k) dikirim ke proses, sedangkan sinyal kendali
Q adalah beban sensible di ruang load
terprediksi berikutnya dibuang, karena cabinet. pada pencuplikan berikutnya y(k+1)
dW
4 sudah diketahui nilainya.
V . f . W W M u c u
3
4 dt
(13) .
dimana M adalah beban uap lembab yang
Trayektori
dihasilkan di ruang cabinet.
Acuan Masukan dan Keluaran Keluaran
Permasalahan yang ada pada sistem
Terprediksi Model
multivariable diantaranya variabel
Masukan yang Akan
keadaan keluarannya., kondisi ini akan
Datang
berpengaruh terhadap nilai acuan yang diharapkan. Pengendali Model Predictive
Optimizer Kesalahan
Control (MPC) merupakan adalah salah Prediksi
satu pengendali yang mampu mengatasi
Fungsi Kriteria Constraint
permasalahan tersebut. MPC banyak digunakan pada bidang industri karena mempunyai kelebihan dan mampu
Gambar 5. Struktur Pengendali MPC mengatasi pengendalian pada kondisi keadaan variable yang kompleks dibandingkan dengan pengendali
METODOLOGI.
konvensional Pola diagram alir dalam perhitungan kendali perhitungan udara
2) Prisnip Dasar MPC
presisi pada MPC ditunjukkan pada
Model Predictive Control (MPC)
Gambar 6, dengan tools mengunakan atau sistem kendali prediktif termasuk software matlab. dalam konsep perancangan pengendali berbasis model proses, dimana model proses digunakan secara eksplisit untuk merancang pengendali dengan cara meminimumkan suatu fungsi kriteria. Struktur dasar dari pengendali MPC dapat dilihat pada Gambar 5. Metodologi semua jenis pengendali yang termasuk kedalam kategori MPC dapat dikenali oleh strategi berikut:
a) Keluaran proses yang akan datang untuk rentang
horizon Hp yang
ditentukan yang dinamakan sebagai
prediction horizon, diprediksi pada
setiap waktu pencuplikan dengan menggunakan model proses.
b) Serangkaian sinyal kendali dihitung dengan mengoptimasi suatu fungsi kriteria yang ditetapkan sebelumnya. Fungsi kriteria tersebut umumnya Gambar 6. Diagram alir algoritma MPC. berupa suatu fungsi kuadratik dari kesalahan antara sinyal keluaran
HASIL DAN PEMBAHASAN.
terprediksi dengan trayektori acuan.
POLITEKNOLOGI VOL. 9, NOMOR 2, MEI 2010
a) Pengendalian dengan perubahan nilai Prediction Horizon (Hp).
Bentuk grafik hasil pengendalian MPC dengan nilai Prediction Horizon (Hp), yang berbeda dapat ditunjukkan pada Gambar 7(a) ,7(b) dan 7(c)
Gambar 7 ( c) . Sinyal keluaran y
1 dan y
2
dengan parameter , Hp=20; Hu=2; Q=1; R=1.pada Hp=20
Jika nilai Hp diperbesar terus maka sinyal output akan dinaikkan terus sampai menuju nilai set point yang ditetapkan. Seperti tampak pada keluaran y 1 . Sebaliknya jika keluaran sudah mencapai
Gambar 7(a) Sinyal keluaran y
1 dan y
2
nilai set point, tetapi jika nilai Hp terus dengan parameter Hp=4; Hu=2; Q=1; diperbesar, maka nilai keluaran dipaksa di R=1. tekan pada nilai set point nya. Hal ini dapat dilihat pada keluaran y
2 .
Jika pengamatan di fokuskan pada keluaran y dengan perubahan nilai Hp
1
yang semakin diperbesar, nampak waktu naiknya ( rise time) semakin diperbaiki. Pada saat Hp=4 waktu naik sekitar 60 detik dan pada saat Hp=10 waktu naiknya semakin cepat sebesar 15 detik.
Semakin besar nilai Hp, maka akan semakin memperbesar dimensi ukuran matriks, dengan demikian maka akan semakin lama waktu komputasi. Untuk pemilihan besarnya nilai Hp pada analisis di atas dipilih nilai Hp sebesar 10. Hal ini didasarkan pada analisis di Gambar 7(b)
Gambar 7(b). Sinyal keluaran y
1
dan Gambar 7(c) untuk keluaran y
1
dan y
2 pada dengan parameter Hp=10;
nampak perubahannya tidak begitu Hu=2; Q=1; R=1.Hp=10 signifikan.
Nana Sutarna, Disain Algoritma Model…
halus, dan pada sisi keluaran y
Q=1;
Gambar 9 (a). Grafik keluaran dengan parameter R= 0.5; Hp=10; Hu=4; Q=1; Gambar 9(b) Grafik keluaran dengan parameter b. R= 0.1; Hp=10; Hu=4;
Perbandingan hasil pengendalian MPC dengan perubahan bobot matriks R dapat ditunjukkan oleh gambar 9(a),9(b) dan 9(c).
c) Pengendalian dengan perubahan Matriks Bobot R
peredaman keluaran terhadap nilai seting pointnya jika bilai Hu terus diperbesar.
2 juga ada
1 nampak semakin lebih
Gambar Grafik perbandingan hasil Pengendalian MPC, dengan perubahan Perbedaan Nilai Control Horizon (Hu), dapat ditunjukkan oleh Gambar 8(a), 8(b) dan 8(c).
Sinyal kendali u
b) Pengendalian dengan perubahan Nilai Control Horizon (Hu)
dengan parameter Hu=8; Hp=10; Q=1; R=1. Jika dibandingkan Gambar 8(a) dengan Gambar 8(b) perhatikan sinyal kendali u 1 .
2
1 dan u
Gambar 8 (b) Sinyal kendali u
1 dan u
Gambar 8 (a) Sinyal kendali u
2 Dengan parameter Hu=4; Hp=10; Q=1; R=1.
POLITEKNOLOGI VOL. 9, NOMOR 2, MEI 2010 Gambar 10 (b) Garfik keluaran dengan
Gambar 9(c). Grafik keluaran dan parameter Q=5; R= 0.1; Hp=10; Hu=4 masukan pada R=0.05
Jika dibandingkan Gambar 9(a) dan Bandingkan Gambar 8(a) dengan
10(b) dengan Gambar 10(b) respon Gambar 9(c) perubahan yang nampak kecepatan keluaran y
1 semakin cepat
jelas adalah pada keluaran y
1 , respon rise
menuju nilai acuan, sedang keluaran y
2
time keluarannya lebih cepat. Sedang diredam dan dipertahankan pada nilai keluaran y
2 nampak diredam dan optimumnya, yaitu pada nilai acuannya.
dipertahankan pada nilai acuannya. Jika Jika nilai bobot matriks Q diperbesar lagi, bobot matriks R terus diperkecil lagi, pengaruh terhadap keluaran baik y
1 response rise time nya semakin halus.
maupun y tidak begitu signifikan.
2
d) Pengendalian dengan perubahan KESIMPULAN Matriks Bobot Q
Dari hasil pembahasan di atas dapat disimpulkan bahwa, Pengendali Perbandingan hasil pengendalian MPC
MPC dapat meredam overshoot dan sinyal Dengan perubahan Matriks Bobot Q, dapat keluaran mengikuti setting point, nilai ditunjukkan oleh Gambar 10(a) dan 10(b). bobot matrik R dan Q terbaik pada nilai R=0.1 dan Q=3. Kemudian nilai
Prediction Horizon dan Control Horizon
pada model PAC nilai terbaik Hp=10 dan Hu=4.
DAFTAR PUSTAKA.
[1] Yunus A. Cengel, Michael A.Boles, An Engineering
Thermodynamics:
Approach, Second edition. (New York: McGraw-Hill, 1994), hal. 693. [2] Shan K. Wang, Handbook Of Air
Conditioning And Refrigeration,
Second Edition. (New York: McGraw- Gambar 10(a). Grafik Keluaran dengan Hill, 2001), hal. 9.16. parameter Q=3; R= 0.1; Hp=10; Hu=4;
Nana Sutarna, Disain Algoritma Model…
[3] Lars Finn Sloth Larsen. “Model Based
Control of Refrigeration Systems
.” Ph.D. Thesis, Central R & D Danfoss A/S DK-6430 Nordborg, Denmark November 2005, hal. 2.9 – 2.11. [4] Potter & Somerton - Chapter 12:
Mixtures and Solutions - Part 2 The Psychrometric Chart & Air-
[5] Raul Anton, Hans Jonsson, and Björn Palm,
Modeling of air conditioning for cooling of data centers, journal IEEE,
2002 Inter Society Conference on Thermal Phenomena. [6] Qi Qi, Shiming Deng, Multivariable
Control-Oriented Modeling of Direct Expansion (DX) Air Conditioning (A/C) System, International Journal of
Refrigeration 2008, Jounal homepage: [7] J.Howard A, Jtaylor Beard, Chris
Bolton, Simplified Analytical Modeling of an Air Conditioner with Positive Displacement Compressor, journal IEEE, 1996.
[8] C P Underwood, Analysing Multivariable Control of Refrigerantion Plant Using Matlab/Simulink, Seventh International IBPSA Conference, Rio de Janeiro, Brazil, 2001.
[9] Aries Subiantoro, Diktat kuliah system Kendali Adaptif, Control System Research group, Jurusan Elektro FTUI, 2002.
[10] P.E. Wellstead and M.B. Zarrop, Self- Tuning Systems, Control and Signal Processing, 1991, John Willey & Sons, Baffins Lane, Chichester England.
[11] Maciejowski, Predictive Control with Constraints, 2002, Prentice Hall, Harlow England.
[12] Richard J. vaccaro, Digital control A State-Space Approach, 1995, McGraw-Hill, Singapore.
[13] Katsuhiko Ogata, Modern Control
th
Engineering, 3 edition 1997, Prentice Hall, New Jersey.