Optimasi Kinerja Pembangkit Listrik Organic Rankine Cycle (ORC) Berbahan Bakar Tempurung Kelapa

Abstract

Kelangkaan sumber energi fosil telah menjadi isu utama di seluruh dunia. Hal tersebut memberikan dampak yang signifikan pada setiap aspek kehidupan dan salah satunya adalah dibidang pembangkit listrik. Pertumbuhan penduduk yang meningkat setiap tahun maka akan terjadi peningkatan kebutuhan energi secara signifikan. Pemanfaatan energi terbarukan merupakan alternatif yang mulai dikembangkan oleh pemerintah untuk menanggulangi kelangkaan bahan bakar fosil. Beberapa penelitian terbaru telah dilakukan untuk menghasilkan pembangkit daya yang bekerja pada temperatur dan tekanan rendah agar penggunaan bahan bakar dapat dikurangi. Beberapa penelitian yang telah dilakukan adalah pembangkit dengan sistem Organic Rankine Cycle (ORC. ORC setidaknya memiliki dua keuntungan, yaitu sebagai sebuah sistem pembangkit daya, ORC memiliki komponen sederhana dan ketersediaan komponen yang cukup banyak di pasaran. Prinsip kerja dari ORC dengan sistem rankine cycle hampir sama, perbedaan hanya pada fluida kerja yang digunakan ORC memiliki temperatur dan tekanan yang lebih rendah dibandingkan dengan air pada cycle rankine. Dari segi ekonomi memiliki keunnggulan biaya perawatan yang rendah, tidak mengunakan bahan bakar tambahan dan dampak akan lingkungan yang rendah. Pembangkit ORC menggunakan biomassa sebagai sumber energi menjadi salah satu pengembangan yang memiliki potensial yang baik. Tempurung kelapa merupakan salah satu biomassa yang potensial di Indonesia karena memiliki nilai estimasi produksi sebesar 9.548.000 ton/tahun dengan heating value sebasar 18.2 MJ/kg. Pada penelitian ini dilakukan optimasi pada parameter kerja alat pembangkit Organic Rankine Cycle (ORC) yang bersumber energi tempurung kelapa. Optimasi dilakukan menggunakan metode pemodelan matematika berdasarkan data eksperimental dari alat pembangkit, validasi dilakukan dengan membandingkan hasil model dari 2 metode yang berbeda, model pertama menggunakan metode interpolasi newton dan sebagai model validasi menggunakan Artificial Neural Network (ANN) pada software MATLAB. Parameter terbaik dari model akan dibandingkan dengan parameter terbaik dari eksperimental berdasarkan parameter efisiensi termal kedua parameter optimum. Optimasi akan tercapai jika parameter optimum model lebih baik dibandingkan parameter eksperimental. Parameter optimum untuk data eksperimental adalah 2.5 Kg/jam 2 GPM dengan nilai efisiensi termal sebesar 6.17 % sedangkan untuk data model, parameter data model variasi laju bahan yaitu 7 Kg/jam 1 GPM dengan nilai efisiensi termal 6.44 % dan parameter untuk variasi mass flow rate yaitu 2.5 Kg/jam 1.9 GPM dengan nilai efisiensi termal 6.279% sehingga dibandingkan dengan nilai efisiensi termal parameter optimum maka parameter optimum data model lebih tinggi dimana untuk parameter variasi laju bahan bakar memiliki nilai efisiensi termal 0.27 % lebih tinggi dari data eksperimental dan variasi mass flow rate memiliki nilai efisiensi termal 0.109 % lebih tinggi dari data eksperimental.