Hasil Pencarian  ::  Simpan CSV :: Kembali

"Moda transportasi kereta merupakan transportasi umum yang cukup diminati penduduk Indonesia. Namun, Moda transportasi ini masih sedikit menggunakan energi yang bersih. Kereta Api jarak jauh Indonesia masih menggunakan diesel. Bahan bakar diesel tentunya merupakan energi konvensional yang penggunaannya ingin dikurangi oleh dunia. Salah satu solusinya adalah dengan mengurangi pengurangan diesel pada kereta api jarak jauh. Untuk mengurangi penggunaan bahan bakar dan mengurangi emisi dari mesin, maka kereta api bisa dibuat secara hibrid dengan menggabungkan mesin diesel dengan sumber energi listrik, seperti baterai. Kereta hibrid memerlukan EMS (Energy Management System) untuk mengatur energi apa yang dipakai dengan cara yang optimal. Salah satu basis dari EMS ini adalah MPC (Model Predictive Control). Salah satu hal yang menjadi pertimbangan dari Model Predictive Control adalah prediktor nya. Dengan perkembangan Deep Learning, Long Short Term Memory Neural Network (LSTM) dikenal baik untuk memodelkan data sequence. LSTM bisa membuat model prediksi kecepatan dengan data yang telah dikumpulkan. Dengan prediksi daya yang akurat, Model Predictive Control bisa menghasilkan kontrol EMS yang lebih ekonomis dengan biaya komputasi yang bisa diimplementasikan.

---

The train mode of transportation is public transportation that is quite attractive to the Indonesian population. However, this mode of transportation still uses little clean energy. Indonesian long-distance trains still use diesel. Diesel fuel is of course a conventional energy whose use the world wants to reduce. One solution is to reduce diesel reduction on long-distance trains. To reduce fuel use and reduce emissions from the engine, a hybrid train can be made by combining a diesel engine with a source of electrical energy, such as a battery. Hybrid trains require an EMS (Energy Management System) to regulate what energy is used in an optimal way. One of the bases of this EMS is MPC (Model Predictive Control). One of the things to consider in the Predictive Control Model is its predictors. With the development of Deep Learning, Long Short Term Memory Network (LSTM) is well known for modeling data sequences. LSTM can create a speed prediction model with the data that has been collected. With accurate power predictions, the Predictive Control Model can produce EMS control that is more economical with computational costs that can be implemented."

"Seiring berkembangnnya teknologi, energi listrik menjadi semakin penting. Setiap aspek yang menggerakan dunia pada era ini bergantung dengan adanya energi ini. Namun salah satu sumber terbesar dari energi ini menghasilkan gas rumah kaca yang memicu pemanasan global. Oleh karena itu, muncul banyak dorongan untuk meminimalisasi kegunaan bahan bakar tak terbarukan yang salah satunya adalah bahan bakar disel. Bahan bakar ini sangat penting untuk menggerakan transportasi. Maka dari itu diperlukannya perkembangan dalam kendaraan hibrid, dimana kegunaan mesin diesel dapat diturunkan dan secara langsung menurunkan emisi gas rumah kaca. Dalam ranah itu, Model Predictive Control mulai dikembangkan untuk mengendalikan distribusi daya pada kendaraan hibrid. Dengan mengoptimasi kegunaan mesin diesel maka konsumsi dari bahan bakar juga semakin minim. Dengan perkembangan strategi ini, sebuah long shrinking horizon diakomodasikan pada strategi MPC biasa dengan sampling time yang lebih panjang. Penambahan ini menghasilkan sebuah pengendali MPC yang dapat melakukan optimasi terhadap keseluruhan perjalanan dan mendapatkan hasil yang lebih efisien dengan dengan mengorbankan waktu komputas. Setelah melakukan simulasi, MH-MPC dapat menggunakan baterai untuk 44.13% perjalanan sedangakan MPC biasa hanya dapat mengguanakan 33.53%

---

With the development of technology, the need of electricity has been even more evident. Every aspect that governs the world revolves around this energy. However, one of the biggest sources of energy is also one of the biggest contributors to the emission of green house gasses. With that in mind, there has been a major push in the effort of minimizing the usage of these sources, one of them being diesel. This fuel is very important especially in the realms of transportation. With that being the case, the need of hybrid vehicles is becoming more relevant in which, the usage of the diesel engine will be reduced as will the emission of green house gasses. In this realm, the usage of Model predictive controllers has been heavily researched as a Energy Management System. One of the outcomes of this research is an additional shrinking horizon to add on the conventional MPCs. This addition creates a Model Predictive Controller that can essentially optimize the condition for the entire trip in exchange for computational effort. After the simulations, the MHMPC is able to use the battery for 44.13% of the trip while the conventional MPC is only able to achieve 33.53%."

"Penggunaan bahan bakar minyak pada kereta diesel menghasilkan emisi gas rumah kaca yang berkontribusi terhadap pemanasan global. Kereta lintas provinsi adalah salah satu moda transportasi umum di Indonesia yang masih menggunakan mesin diesel sebagai sumber tenaga utamanya yang menghasilkan emisi yang cukup signifikan. Untuk mengurangi emisi dari kereta diesel, dikembangkan kereta dengan tenaga hibrid, yaitu menggabungkan sumber tenaga diesel dan listrik. Sistem tenaga hibrid ini memerlukan strategi manajemen energi untuk mengatur distribusi suplai daya dari masing-masing sumber sehingga dapat meminimalkan penggunaan tenaga diesel serta tetap dapat memenuhi kebutuhan beban agar tercapai efisiensi optimal dan mengurangi emisi. Besar keperluan daya diestimasi dengan metode kendali rule-based terhadap kondisi kereta secara real time dengan mensimulasikannya dalam driving cycle perjalanan kereta nyata. Selain itu, penerapan regenerative braking juga digunakan yang merupakan metode yang cukup baik dalam meningkatkan efisiensi sistem. Pada studi ini, dilakukan simulasi kendali kereta hibrid diesel-listrik menggunakan strategi manajemen energi berbasis state machine dan logika fuzzy serta memanfaatkan regenerative braking pada driving cycle perjalanan kereta serta mengevaluasi besar efisiensi dari pengendalian tersebut. Tingkat penggunaan bahan bakar diesel berhasil dikurangi sebesar 0.65% pada strategi state machine dan sebesar 46.64% pada strategi fuzzy logic dengan tetap memenuhi kebutuhan daya perjalanan kereta.

---

The use of diesel fuel in diesel trains produces greenhouse gas emissions that contribute to global warming. Cross-province trains are one of the common modes of transportation in Indonesia that still use diesel engines as their main power source, resulting in significant emissions. To reduce emissions from diesel trains, hybrid trains have been developed, combining diesel and electric power sources. This hybrid power system requires energy management strategies to regulate the distribution of power supply from each source, minimizing the use of diesel power while meeting the load requirements for optimal efficiency and emission reduction. The power demand is estimated using a rule-based control method based on real-time train conditions, simulated in the driving cycle of actual train journeys. Additionally, the application of regenerative braking is utilized as a method to improve system efficiency. In this study, a simulation of diesel-electric hybrid train control is conducted using a state machine-based energy management strategy and fuzzy logic, while also utilizing regenerative braking in the train's driving cycle. The efficiency of these control methods is evaluated. The level of diesel fuel usage was successfully reduced by 0.65% with the state machine strategy and by 46.64% with the fuzzy logic strategy, while still meeting the power requirements for the train journey."

"Kereta hibrida telah menjadi fokus penelitian dalam upaya meningkatkan efisiensi energi dan mengurangi emisi gas buang dengan cara meminimalkan penggunaan diesel. Penelitian ini menyajikan perancangan strategi manajemen daya adaptif berbasis Equivalent Consumption Minimization Strategy (ECMS) dengan memanfaatkan informasi prediksi daya dari jaringan saraf tiruan Long Short-Term Memory (LSTM). Strategi ECMS dirancang untuk mengoptimalkan persamaan konsumsi bahan bakar yang merupakan kombinasi dari konsumsi bahan bakar dan daya listrik yang dihasilkan oleh baterai melalui informasi prediksi daya beban dan SOC baterai. Prediksi daya beban didapatkan melalui masukan data kecepatan dan ketinggian kereta. Setelah menerapkan strategi dan melakukan simulasi, disimpulkan bahwa strategi mampu bekerja dengan baik pada saat SOC baterai dalam kondisi optimal. Pada SOC awal sebesar 90%, penggunaan diesel mampu ditekan hanya sebesar 18.94% sepanjang siklus pengujian.

---

Hybrid trains have emerged as a focal point of research endeavors aimed at enhancing energy efficiency and mitigating exhaust gas emissions by minimizing diesel usage. This study presents the design of an adaptive power management strategy based on Equivalent Consumption Minimization Strategy (ECMS), leveraging power prediction information from Long Short-Term Memory (LSTM) artificial neural networks. The ECMS strategy is formulated to optimize the fuel consumption equation, a combination of fuel consumption and electric power generated by the battery, using predicted load power and battery State of Charge (SOC) information. Load power predictions are obtained through input data consisting of train speed and elevation. Upon implementing the strategy and conducting simulations, it is concluded that the proposed strategy performs effectively when the battery SOC is in optimal conditions. Starting with an initial SOC of 90%, diesel usage could be reduced by only 18.94% throughout the testing cycle."

"Penggunaan bahan bakar minyak pada lokomotif diesel akan menghasilkan emisi khususnya senyawa CO2 yang menyebabkan terjadinya pemanasan global. Salah satu moda transportasi umum di Indonesia yaitu kereta khususnya kereta antar kota saat ini masih menggunakan mesin diesel sebagai sumber energi utamanya. Untuk itu, perlu dikembangkan solusi penggunaan sumber energi bebas emisi yaitu fuel cell beserta strategi manajemen energi (EMS) untuk kereta hibrid di mana kebutuhan daya kereta dapat didistribusikan dari sistem distribusi daya lainnya seperti baterai, supercapacitor, dan jaringan suplai daya DC. Besar kebutuhan daya kereta yang akan didistribusikan dari sistem perlu diestimasi dengan mengevaluasi profil kecepatan dan geometri lintasan di sepanjang siklus perjalanan kereta. Setelah estimasi kebutuhan daya kereta dilakukan, distribusi daya dari masing-masing sistem penyimpanan energi akan diatur menggunakan algoritma strategi manajemen energi berbasis aturan dan optimasi yang kemudian akan dianalisis performanya berdasarkan perhitungan biaya yang dihasilkan. Berdasarkan hasil simulasi pada model empiris kereta hibrid mode ganda, diperoleh biaya selama siklus perjalanan kereta yaitu sebesar 18,48 € untuk strategi state machine control (SMC) dan sebesar 17,6 € untuk strategi equivalent consumption minimization strategy (ECMS). Selain itu, dapat diketahui bahwa model electric-circuit dapat lebih menggambarkan perilaku dinamis konverter dalam meregulasi arus fuel cell dan baterai, serta tegangan DC bus.

---

The use of fuel oil in diesel locomotives will produce emissions, especially CO2 compounds that cause global warming. One of the modes of public transportation in Indonesia, namely trains, especially intercity trains, currently still uses diesel engines as its main energy source. For this reason, it is necessary to develop solutions for using emission-free energy sources, namely fuel cells along with an energy management strategy (EMS) for hybrid trains where the train's power demand can be distributed from other power distribution systems such as batteries, supercapacitors, and DC power supply networks. The amount of train power required to be distributed from the system needs to be estimated by evaluating the speed profile and track geometry throughout the train cycle. After the estimation of the train's power demand is made, the power distribution of each energy storage system will be adjusted using a rule-based and optimization based energy management strategy algorithm which will then be analyzed for its performance based on the resulting cost calculations. Based on the simulation results on a empirical model of dual-mode hybrid train, the cost during the entire train cycle is 18.48 € for the state machine control (SMC) strategy and 17.6 € for the equivalent consumption minimization strategy (ECMS). In addition, it can be seen that the electric-circuit model can better describe the dynamic behavior of the converter in regulating the fuel cell and battery currents, as well as the DC bus voltage."

"Transportasi umum kereta antar kota menjadi salah satu transportasi yang banyak diminati karena bisa mengurangi kemacetan dan jarak tempuh yang jauh serta bisa mengangkut orang dalam jumlah yang banyak. Pada kenyataannya, bahan bakar yang digunakan adalah diesel yang Smenghasilkan emisi gas karbon. Emisi gas karbon bisa meningkatkan pencemaran udara dan efek rumah kaca. Sebagai solusi, penggunaan kombinasi sumber energi pada sistem kereta hibrid sudah dilakukan dan dikembangkan dalam beberapa dekade ini. Sumber energi listrik dalam bentuk baterai atau sel bahan bakar hidrogen dalam bentuk fuel cell menjadi energi utama dalam penggerak kereta. Sebagai tambahan, untuk memenuhi kebutuhan daya kereta yang disesuaikan juga bisa ditambahkan sumber energi lain seperti ultra/super capacitor ataupun diesel. Oleh karena itu, pada sistem kereta hibrid ini diperlukan EMS (Energy Management System) untuk mengatur keluaran dan penggunaan energi yang dipakai secara optimal. Metode pengendalian yang digunakan adalah MPC (Model Predictive Control) yang memungkinkan strategi perencanaan dan pengoptimalan penggunaan energi dari berbagai sumber daya. Pada metode optimasi MPC terdapat cost function yang akan diminimalisir dan dioptimalkan dengan berbagai constraints.

---

Inter-city train public transportation is one of the most popular transportations because it can reduce congestion and long distances and transport large numbers of people. In reality, the fuel used is diesel which produces carbon gas emissions. Carbon gas emissions can increase air pollution and the greenhouse effect. As a solution, the use of a combination of energy sources in hybrid train systems has been carried out and developed in recent decades. Electrical energy sources in the form of batteries or hydrogen in the form of fuel cells become the main energy in driving the train. In addition, other energy sources such as ultra/super capacitors or diesel can also be added to fulfill the power requirements of the train. Therefore, this hybrid train system requires an EMS (Energy Management System) to optimally manage the output and use of energy used. The control method used is MPC (Model Predictive Control) which enables strategic planning and optimization of energy use from various resources. In the MPC optimization method, there is a cost function that will be minimized and optimized with various constraints."

"Kereta hibrida merupakan kereta yang menggabungkan beberapa sumber energi dengan tujuan untuk meningkatkan efisiensi bahan bakar dan mengurangi emisi gas rumah kaca di kawasan minim infrastruktur jaringan distribusi listrik. Namun, jenis kereta ini memiliki tantangan dalam manajemen sumber energi agar biaya penggunaannya dapat diminimalkan. Maka dari itu, penelitian dilakukan untuk mengoptimalkan strategi manajemen energi atau yang biasa disebut dengan Energy Management System (EMS). Strategi manajemen energi pertama yang dikenalkan adalah Rule-Based dengan biaya komputasi yang kecil, namun belum optimal. Untuk mendapatkan hasil yang lebih optimal digunakan Model Predictive Control (MPC) yang terkenal sangat andal karena kemampuan prediksi, mampu menangani masalah yang kompleks, dan dapat disesuaikan secara real-time. Optimasi real-time dibatasi oleh waktu cuplik, sehingga optimasinya belum tentu sempurna. Maka, optimasi real-time dapat dikombinasikan dengan optimasi global yang dijalankan secara offline, salah satunya menggunakan strategi Pontryagin’s Minimum Principle (PMP) yang telah banyak digunakan oleh para peneliti karena waktu komputasinya yang cepat dan secara akurat dapat mempertimbangkan State of Charge (SOC) baterai agar tetap dalam range nominal. Penelitian ini bertujuan untuk mengembangkan strategi manajemen energi yang efisien untuk kereta hibrida, menggunakan Rule-Based Pontryagin’s Minimum Principle Model Predictive Control (RB-PMP-MPC). Pengujian dan evaluasi dilakukan dengan melakukan simulasi pada Matlab dan Simulink.

---

Hybrid trains combine multiple energy sources to improve fuel efficiency and reduce greenhouse gas emissions in areas with limited electrical distribution infrastructure. However, these trains face challenges in energy source management to minimize operational costs. Therefore, research is conducted to optimize energy management strategies, commonly known as the Energy Management System (EMS). The first introduced energy management strategy is Rule-Based, which has low computational costs but is not yet optimal. To achieve more optimal results, Model Predictive Control (MPC) is used, known for its high reliability due to its predictive capabilities, ability to handle complex problems, and real-time adaptability. Real-time optimization is limited by sampling time, so it may not be perfect. Therefore, real-time optimization can be combined with global optimization performed offline, one of which uses Pontryagin's Minimum Principle (PMP) strategy, widely used by researchers for its fast computation time and accurate consideration of the battery's State of Charge (SOC) to remain within the nominal range. This research aims to develop an efficient energy management strategy for hybrid trains using Rule-Based Pontryagin's Minimum Principle Model Predictive Control (RB-PMP-MPC). Testing and evaluation are conducted through simulations in Matlab and Simulink."

"Pemanasan global dan meningkatnya standar hidup manusia merupakan faktorpendorong yang menyebabkan naiknya konsumsi energi untuk sistem HVAC. Peningkatanteknologi HVAC yang mampu mengurangi konsumsi energi sektor bangunan, meskipunkecil akan memberikan dampak yang signifikan bagi konsumsi energi secara agregat absolut. Pendekatan bilinier dalam pemodelan dan kendali sistem HVAC sudah banyak dilakukan baik secara teori maupun praktis dan terbukti memiliki banyak kelebihan.Sistem HVAC berbasis Hammerstein-bilinear diturunkan secara matematis danberhasil diidentifikasi dengan struktur model linier OE sebagai dua buah sistem MISO dalamtesis ini. Metode identifikasi yang penulis gunakan adalah algoritma pseudo-linear regression dan least-square. Model linier tersebut kemudian digunakan sebagai plant model padadisain kendali model prediktif. Kinerja pengendali prediktif memberikan hasil yang memuaskan dan terbukti mampu memenuhi tujuan pengendalian yang diinginkan. Kinerja pengendali prediktif lebih baik daripada pengendali PI pada kasus lup kendali suhu, sebaliknya untuk kendali kelembaban kinerja pengendali PI lebih memuaskan.

---

Global warming and increasing human standard of living are the driving factors

leading to increased energy consumption for HVAC systems. Enhanced HVAC technology

that can reduce energy consumption in the building sector, despite of small amount, it will

have a significant impact on energy consumption’s absolute aggregate. The bilinear approach to modeling and control of HVAC systems has been done both theoretically and

practically and has proven to have many advantages.

An HVAC system based on Hammerstein-bilinear was derived mathematically and

was identified using an OE linear model structure as two MISO systems in this thesis. The

identification methods adopted by the author were pseudo-linear regression and least-square

algorithm. The linear models were subsequently used as plant models in the predictive model

control design. The predictive controllers’ performance gave satisfying results and was

proven being able to meet the desired control objectives. The predictive controller gave

better performance than the PI controller in the case of temperature control loop, on the contrary, for humidity control the PI’s performance was more satisfying."

"Pemanasan global yang disebabkan oleh emisi CO2, keterbatasan sumber daya fossil dan kenaikan polusi global mendorong sebuah ide untuk mengembangkan kendaraan dengan sumber daya yang bersih dan ramah atas lingkungan. Kendaraan seperti Hybrid Electric Vehicle (HEVs), fuel cell vehicles (FCVs), dan battery electric vehicles (BEVs) merupakan solusi utama untuk kendaraan yang ramah lingkungan. Dengan potensi besar untuk mengurangi dampak lingkungan, dilakukan pengembangan pada kendaraan kereta api hibrid untuk menekan konsumsi dari bahan bakar diesel dengan menggabungkannya dengan sumber energi ramah lingkungan, seperti baterai dan fuel cell. Besar kebutuhan daya kereta yang akan didistribusikan dari sistem perlu diestimasi denga melakukan evaluasi profil kecepatan dan geometri lintasan di sepanjang siklus perjalanan kereta. Oleh karena itu, penelitian ini berfokus pada perancangan sistem manajemen energi untuk distribusi daya kereta hibrid yang menggunakan tiga sumber energi, fuel cell, baterai, dan diesel dengan metode PMP (Pontryagin Minimum Principle). Sebuah pendekatan berbasis optimasi yang dirancang untuk meningkatkan efisiensi penggunaan energi dan mengoptimalkan kinerja keseluruhan sistem. Pendekatan ini memiliki kelebihan karena beban komputasi yang kecil dan waktu komputasi yang singkat.

---

Global warming caused by CO2 emissions, the scarcity of fossil fuels, and the rise of global pollution have driven the development of vehicles with clean and environmentally friendly energy sources. Vehicles such as Hybrid Electric Vehicles (HEVs), fuel cell vehicles (FCVs), and battery electric vehicles (BEVs) are the main solutions for environmentally friendly vehicles. With great potential to reduce environmental impact, development is being carried out on hybrid rail vehicles to reduce diesel fuel consumption by combining it with environmentally friendly energy sources such as batteries and fuel cells. The large power requirement of the train that will be distributed from the system needs to be estimated by evaluating the speed profile and track geometry along the train's travel cycle. Therefore, this study focuses on the design of an energy management system for distributing power to hybrid trains using three energy sources, fuel cells, batteries, and diesel with the PMP method. An optimization-based approach designed to improve energy efficiency and optimize overall system performance."

"Kenyamanan dalam berkendara merupakan salah satu hal penting yang dikembangkan pada industri otomotif. Salah satu komponen yang memegang peranan penting dalam memberikan rasa nyaman bagi pengemudi saat berkendara adalah sistem suspensi, salah satu jenisnya adalah sistem suspensi semi-aktif. Sumber tenaga eksternal tidak diperlukan pada sistem suspensi semi aktif dimana nilai damping coefficient dapat diubah untuk mengendalikan disipasi energi pada damper. Karakteristik sistem suspensi semi-aktif yang hanya dapat mendisipasikan energi menjadi constraint sinyal kendali sesuai dengan state dari sistem. Kontur jalan juga menjadi gangguan pada sistem suspensi yang akan mempengaruhi kinerja sistem, oleh karena itu diperlukan pengendali yang prediktif.Pengendali model predictive control (MPC) dengan constraint digunakan untuk mengendalikan sistem suspensi semi-aktif diskrit hasil identifikasi dari sistem kontinu dengan menggunakan metode identifikasi least square. Perancangan pengendali MPC dilakukan dengan menentukan panjang prediction horizon, control horizon serta matriks bobot Q dan R. Uji pengendalian sistem suspensi semi-aktif menggunakan pengendali MPC dengan constraint dilakukan dengan mengamati kinerja pengendalian perpindahan sprung mass dari sistem suspensi semi-aktif dengan road profile sebagai gangguan sistem. Hasil pengendalian sistem suspensi semi-aktif kontinu dengan half car model yang dilakukan dengan simulasi menunjukkan kinerja pengendalian perpindahan sprung mass yang baik untuk berbagai jenis road profile.

---

Ride comfort is one of the important things in automotive industry. The component which took the responsibility in ride comfort are suspension system, one of them is semi-active suspension. An external power source is not needed in semi-active suspension system where the damping coefficient value is adjusted to control the amount of dissipated energy by damper. The characteristics of semi-active suspension system which only can dissipate energy become constraints to control signal appropriate with the state of system. The height of road surface also affect suspension system?s performance as disturbances so in order to overcome that problem a predictive controller is needed.

Controller with model predictive control (MPC) strategy with constraints is used to control discrete semi-active suspension system from identification result of continuous system by using least square identification method. Design of MPC controller is done by determine the length of prediction horizon, control horizon and weight matrix Q and R. The test of semi-active suspension system control using MPC controller with constraints is determined by sprung mass displacement control performance of semi-active suspension system with road profile as disturbances. Simulation result of the control of continuous semi-active suspension system with half car model show that the sprung mass displacement control performance is good for many kinds of road profiles."