UNDHIRA BALIUNDHIRA BALI

Jurnal Teknologi Informasi dan KomputerJurnal Teknologi Informasi dan Komputer

Gas alam mentah mempunyai kandungan uap air atau hidrat yang harus dimurnikan agar memenuhi spesifikasi gas penjualan. Proses pemurnian kandungan uap air yang paling sering digunakan adalah proses dehydration gas alam absorpsi dengan TEG. Proses dehydration gas alam yang optimal ditunjukkan oleh nilai water removal yang sesuai dengan standart penjualan gas, dimana nilai water removal dipengaruhi oleh kondisi operasi dan bahan baku gas alam mentah. Oleh karena itu, penelitian ini memprediksi nilai water removal proses dehydration gas alam menggunakan jaringan syaraf tiruan MLP (Multi Layer Percepton) struktur NARX (Nonlinear AutoRegressive, eXternalinput) dengan algoritma pembelajaran Levenberg-Marquardt agar mendapatkan kondisi operasi yang optimal. Parameter input jaringan syaraf tiruan adalah kondisi operasi, komponen gas alam mentah, dan kandungan TEG, sedangkan output adalah nilai water removal dan energi reboiler. Hasil penelitian diperoleh nilai Root Mean Square Error (RMSE) pada data latih sebesar 0,0005 kgmol/jam untuk water removal dan 0,0010 kW untuk energi reboiler, membuktikan bahwa model JST yang digunakan memiliki kinerja yang cukup baik dalam menangkap karakteristik komplek dan nonlinear pada proses dehydration gas alam.

Penelitian ini berhasil memprediksi nilai water removal pada proses dehydration gas alam menggunakan jaringan syaraf tiruan MLP dengan algoritma Levenberg-Marquardt.Proses dehydration gas alam yang kompleks dipengaruhi oleh kondisi operasi, komposisi gas mentah, dan kandungan TEG.Model JST yang digunakan menunjukkan kinerja yang baik dengan nilai RMSE yang kecil, membuktikan kemampuannya dalam menangkap karakteristik nonlinear pada proses tersebut.

Penelitian lanjutan dapat difokuskan pada pengembangan model prediksi yang lebih akurat dengan mempertimbangkan variabel operasi tambahan seperti laju aliran TEG dan suhu TEG. Selain itu, studi komparatif antara berbagai arsitektur jaringan syaraf tiruan, seperti Convolutional Neural Networks (CNN) atau Long Short-Term Memory (LSTM), dapat dilakukan untuk mengidentifikasi model yang paling optimal dalam memprediksi water removal. Terakhir, integrasi model prediksi ini dengan sistem kontrol proses secara real-time dapat diimplementasikan untuk mengoptimalkan operasi unit dehydration gas alam dan meningkatkan efisiensi energi secara keseluruhan. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan kinerja dan keandalan proses pemurnian gas alam di industri energi.

  1. Technical and economic evaluation of triethylene glycol regeneration process using flash gas as stripping... onlinelibrary.wiley.com/doi/10.1002/eng2.12153Technical and economic evaluation of triethylene glycol regeneration process using flash gas as stripping onlinelibrary wiley doi 10 1002 eng2 12153
Read online
File size465.27 KB
Pages10
DMCAReport

Related /

ads-block-test