Embedded Files
Staf Dosen
Staf Dosen
Prof. Dr. Ir. Edi Leksono, M.Eng., IPM.
Guru Besar, KK Fisika Teknik, FTI ITB.leksono@itb.ac.id Lab ME, Labtek VI Lt. 3
Dr. Irsyad Nashirul Haq, ST., MT.
Lektor, KK Fisika Teknik, FTI ITB.irsyad.n@itb.ac.idRuang dosen TF Labtek VI Lt 3 (ruang hijau - depan lab CMD)
Dr.-Ing. Justin Pradipta, ST., MT.
Lektor, KK Fisika Teknik, FTI ITB.justinpradipta@itb.ac.idRuang dosen TF Labtek VI Lt 3 (ruang hijau - depan lab CMD)
Dr.-Ing Thomas Budiarto
Non Jabatan, KK Fisika Teknik, FTI ITB.tbudiarto@itb.ac.id Lab ME, Labtek VI Lt. 3Lokasi
Lokasi
Laboratorium Manajemen Energi
Labtek VI Lt.3, Sayap Barat.
Prediksi kenyamanan termal bangunan menggunakan neural network modeling berbasis edge device
SIFAT: Eksperimental
Calon pembimbing I : Dr. Justin Pradipta
Calon pembimbing II : Dr. Rahmat Romadhon
kenyamanan termal dan efisiensi energi menjadi bagian penting dalam desain bangunan, tindakan untuk menciptakan lingkungan yang nyaman secara termal dan tetap menghemat energi merupakan bagian dari peningkatan fleksibilitas energi bangunan. Dalam peningkatan fleksibilitas energi bangunan, penggunaan teknologi neural network menjadi penting dan digunakan untuk memprediksi kenyamanan termal di dalam bangunan. Integrasi prediksi berbasis edge device, memungkinkan kontrol suhu pada sistem HVAC dalam menjaga kenyamanan termal semakin adaptif terhadap perubahan suhu lingkungan dan okupansi.
Kata Kunci: Thermal comfort, PMV, PPD, Neural Network, edge device
SIFAT: Eksperimental
Calon pembimbing I : Dr. Justin Pradipta
Calon pembimbing II : Dr. Irsyad Nashirul Haq
Prediksi okupansi pada bangunan berbasis data-driven modeling berbasis edge device
Dalam upaya terus meningkatkan efisiensi energi dan pengelolaan sumber daya dalam lingkungan bangunan, pemahaman tentang pola okupansi menjadi semakin penting. Penggunaan sensor pergerakan, deteksi koneksi wifi, sebagai alat untuk memprediksi pola okupansi telah membuka peluang baru dalam mengoptimalkan penggunaan sumber daya dan kenyamanan penghuni. Teknologi neural network, memungkinkan pengembangan sistem prediksi okupansi yang lebih akurat. Melalui integrasi prediksi berbasis edge device, kemampuan untuk mengontrol sistem HVAC (Heating, Ventilation, and Air Conditioning) menghasilkan sistem bangunan efisien secara energi, tetapi juga nyaman bagi para penghuni, dan dapat meningkatkan fleksibilitas energi sistem bangunan.
Kata Kunci: Occupancy
SIFAT: Eksperimen
Calon pembimbing I : Dr. Edi Leksono
Calon pembimbing II : Dr. Justin Pradipta
Perancangan kontrol prediktif berbasis pembelajaran pada sistem HVAC
Sistem kontrol HVAC berbasis pembelajaran memanfaatkan kemampuan mesin untuk belajar dari data cuaca lingkungan dan dinamika okupansi guna mengoptimalkan pengaturan HVAC dalam bangunan. Dengan menggabungkan konsep pembelajaran mesin dan pengetahuan mendalam tentang dinamika termal, sistem kontrol HVAC berbasis pembelajaran mampu memberikan lingkungan interior bangunan yang lebih nyaman dan efisien secara energi, beradaptasi dengan perubahan kondisi secara real-time.
Kata Kunci: HVAC, learning based predictive control, MPC
SIFAT: Eksperimen
Calon pembimbing I : Dr. Edi Leksono
Calon pembimbing II : Dr. Justin Pradipta
Perancangan kontrol prediktif berbasis pembelajaran pada sistem bangunan terintegrasi microgrid
Dalam meningkatkan fleksibilitas energi, konsep pengendalian sistem bangunan yang terintegrasi dengan mikrogrid berbasis pembelajaran merupakan salah satu solusi. Integrasi ini menggabungkan kecerdasan buatan dan pembelajaran mesin untuk mengelola sumber daya energi di dalam bangunan serta memanfaatkan sumber energi terbarukan. Dengan mengoptimalkan penggunaan listrik, penyimpanan energi, dan distribusi daya, sistem ini tidak hanya memberikan manfaat dalam hal efisiensi energi, tetapi juga memberikan fleksibilitas yang lebih besar dalam merespons perubahan permintaan energi dan kondisi lingkungan.
Kata Kunci: BIMG, learning based predictive control, MPC
SIFAT: Eksperimen
Calon pembimbing I : Dr. Justin Pradipta
Calon pembimbing II : Dr. Rahmat Romadhon
engembangan sistem monitoring suhu pada sistem data center berbasis edge device
Penerapan sistem edge device telah merevolusi pemantauan suhu di pusat data. Monitoring suhu dalam lingkungan data center dapat dilakukan dengan presisi dan responsif. Data yang dihasilkan oleh edge device diolah secara lokal, memungkinkan pengoptimalan operasional yang cepat. Dukungan teknologi neural network dalam menganalisis data suhu juga membantu mengidentifikasi tren dan potensi masalah dengan lebih akurat, menjadikan sistem edge device solusi yang kuat untuk menjaga suhu optimal dan performa tinggi dalam lingkungan kritis pusat data.
Pemodelan umum PLTS pada konfigurasi yang berbeda di bawah kondisi naungan
SIFAT: Simulasi / Eksperimen
Calon pembimbing I : Dr. Edi Leksono
Calon pembimbing II : Dr. Irsyad Nashirul Haq
Array photovoltaic (PV) merupakan susunan modul PV yang terhubung secara seri dan paralel bergantung pada kebutuhan penggunaan. Gangguan yang umum terjadi pada sistem PLTS berupa shading yang mengakibatkan penurunan produksi daya listrik. Untuk meminimalisir penurunan daya akibat shading diperlukan strategi dalam menyusun modul PV dalam hubungan seri maupun paralel. Dalam penelitian ini akan dimodelkan berbagai jenis konfigurasi array PV di bawah kondisi shading sehingga didapatkan konfigurasi yang menghasilkan daya optimal walau terkena shading. Selain shading, ada beberapa jenis gangguan yang akan diskenariokan dalam penelitian ini seperti degradasi, line-to-line, open circuit, dan short circuit.
Kata Kunci: Array PV, Konfigurasi, Daya, Shading
Pemantauan kondisi sistem PLTS berbasis IoT
SIFAT: Simulasi / Eksperimen
Calon pembimbing I : Dr. Edi Leksono
Calon pembimbing II : Dr. Irsyad Nashirul Haq
Produksi daya pembangkit listrik tenaga surya (PLTS) berubah-ubah mengikuti perubahan iradiansi matahari. Semakin besar iradiansi semakin besar pula produksi daya PLTS. Namun, saat terjadi gangguan seperti shading, dapat menyebabkan produksi daya PLTS tidak maksimal. Hal ini perlu diatasi dengan menghilangkan gangguan tersebut. Modul photovoltaic (PV) sebagai komponen utama PLTS umumnya berada di atap menyebabkan sulit dijangkau dan dipantau secara rutin. Sehingga dibutuhkan suatu sistem pemantauan kondisi yang mudah berbasis internet of things (IoT). Teknologi IoT menjadikan kondisi PLTS dapat dipantau secara daring dan waktu nyata. Pda penelitian ini, dikembangkan sistem pemantauan kondisi berbasis IoT untuk mengetahui nilai iradiansi matahari, temperatur lingkungan, arus dan tegangan array PV, dan daya yang dihasilkan.
*tambahan: Data berasal dari inverter grid dan hibrid yang dapat ditarik menggunakan jaringan internet ITB
sumber bacaan:
1. https://itbdsti-my.sharepoint.com/:b:/g/personal/33321301_mahasiswa_itb_ac_id/EbjPT0ofDgRNmf4pTnPyg-wBBw4dYya_MPGomoKA6fpdJA?e=wgbnjO
Kata Kunci: PLTS, IoT, Daya, Iradiansi, Tegangan, Arus
Pemodelan Karakteristik Termal Baterai untuk Prediksi Temperatur Internal Inti Single Cell dengan Validasi Sistem Modul Menggunakan Finite Element Method
SIFAT: Simulasi / Eksperimen
Calon pembimbing I : Dr. Edi Leksono
Dengan pesatnya pertumbuhan EV, permintaan daya baterai dengan kepadatan energi tinggi telah meningkat dengan cepat. Dibandingkan dengan jenis penyimpanan energi lainnya baterai lithium-ion (LiB) lebih baik digunakan dalam kendaraan energi baru karena tingkat pengosongan diri yang rendah, life span yang lama, daya tinggi, dan kepadatan energi. Namun, degradasi dan keamanan termal LiB masih menjadi tantangan utama bagi pengembangan EV berbasis LiB. Pemodelan berbasis fisik memiliki kemampuan mendeteksi adanya masalah termal pada baterai dengan baik namun kurang akurat. Adapun pemodelan menggunakan finite element method memiliki kemampuan melakukan prediksi termal dengan baik. Sehingga integrasi pemodelan berbasis fisik dan finite element method akan meningkatkan kemampuan dalam melakukan prediksi terhadap termperatur internal inti pada baterai.
Kata Kunci: Pemodelan, Karakteristik Termal Baterai, Temperatur Internal Inti, Finite Element Method
Pemodelan Karakteristik Termal Baterai untuk Prediksi Temperatur Internal Inti Single Cell dengan Validasi Sistem Modul Menggunakan Lumped Thermal Network
SIFAT: Simulasi / Eksperimen
Calon pembimbing I : Dr. Edi Leksono
Dengan pesatnya pertumbuhan EV, permintaan daya baterai dengan kepadatan energi tinggi telah meningkat dengan cepat. Dibandingkan dengan jenis penyimpanan energi lainnya baterai lithium-ion (LiB) lebih baik digunakan dalam kendaraan energi baru karena tingkat pengosongan diri yang rendah, life span yang lama, daya tinggi, dan kepadatan energi. Namun, degradasi dan keamanan termal LiB masih menjadi tantangan utama bagi pengembangan EV berbasis LiB. Pemodelan berbasis fisik memiliki kemampuan mendeteksi adanya masalah termal pada baterai dengan baik namun kurang akurat. Adapun pemodelan menggunakan Lumped Thermal Network memiliki kemampuan melakukan prediksi termal dengan baik. Sehingga integrasi pemodelan berbasis fisik dan Lumped Thermal Network akan meningkatkan kemampuan dalam melakukan prediksi terhadap termperatur internal inti pada baterai.
Kata Kunci: Pemodelan, Karakteristik Termal Baterai, Temperatur Internal Inti, Lumped Thermal Network
Prediksi Umur Baterai Berdasarkan Karakteristik Termal saat Kondisi Operasi Normal dan Overheating
SIFAT: Simulasi / Eksperimen
Calon pembimbing I : Dr. Edi Leksono
Dengan pesatnya pertumbuhan EV, permintaan daya baterai dengan kepadatan energi tinggi telah meningkat dengan cepat. Dibandingkan dengan jenis penyimpanan energi lainnya baterai lithium-ion (LiB) lebih baik digunakan dalam kendaraan energi baru karena tingkat pengosongan diri yang rendah, life span yang lama, daya tinggi, dan kepadatan energi. Namun, degradasi dan keamanan termal LiB masih menjadi tantangan utama bagi pengembangan EV berbasis LiB. Pemodelan berbasis fisik memiliki kemampuan mendeteksi adanya masalah termal pada baterai dengan baik namun kurang akurat. Adapun pemodelan menggunakan finite element method memiliki kemampuan melakukan prediksi termal dengan baik. Sehingga integrasi pemodelan berbasis fisik dan finite element method akan meningkatkan kemampuan dalam melakukan prediksi terhadap termperatur internal inti pada baterai.
Kata Kunci: Prediksi Umur Baterai, Karakteristik Termal, Kondisi Normal, Overheating
SIFAT: Eksperimen
Calon pembimbing I : Dr. Edi Leksono
Calon pembimbing II : Dr. Irsyad Nashirul Haq
Peningkatan Kinerja Mikrogrid Digital Twin dengan Metode Deep Q Learning berbasis Digital Twin
Reinforcement Learning sebagai agen kontrol (agent) lebih cocok dengan konsep Digital Twin yang membutuhkan kemampuan pembelajaran secara dinamis. Agent dapat secara independen berinteraksi dengan model digital sistem microgird (environment) yang paling update.
Kata Kunci: Management System
SIFAT: Eksperimen
Calon pembimbing I : Dr. Edi Leksono
Calon pembimbing II : Dr. Irsyad Nashirul Haq
Pengembangan Model Digital Twin Microgrid dengan Metode Event Trigerred Update
Kemajuan teknologi internet of things (IoT), artificial intelligence (AI), dan big data analytics telah memungkinkan pertukaran data/informasi yang cepat antara dunia fisik dan dunia cyber. Hal tersebut memungkinkan pengembangan representasi digital real-time dari sistem fisik yang dikenal sebagai Digital Twin (DT). DT merupakan representasi digital dari suatu objek fisik yang diperoleh melalui proses "twinning" objek fisik tersebut. DT dapat diperoleh dengan memanfaatkan model high-fidelity yang memiliki hubungan bijektif dengan objek fisik sehingga mampu mencermikan, menyimulasikan, meniru, menyamai, dan memprediksi keadaan objek fisik di masa depan.
Kata Kunci: Microgrid, Digital Twin, Hybrid Modelling, Physiscs Based Model, Machine Learning
SIFAT:Eksperimen
Calon pembimbing I : Dr. Irsyad Nashirul Haq
Calon pembimbing II : Dr. Justin Pradipta
Prediksi SOH/RUL baterai menggunakan Machine Learning
Melakukan prediksi nilai State of Health (SOH), Remaining Useful Life (RUL) dari baterai menggunakan metode machine learning antara lain: Artificial Neural Network/Deep learning, Random Forest Classifier, Support Vector Machine, Gaussian Process Regression. Logistic Regression, dll. Data baterai diperoleh dari hasil lab, atau dari open dataset yang disediakan seperti NASA, CALCE CS2, dll
Kata Kunci: SOH, RUL, Prediksi, Machine Learning
SIFAT:Eksperimen
Calon pembimbing I : Dr. Irsyad Nashirul Haq
Calon pembimbing II : Dr. Justin Pradipta
Mengukur pola vibrasi pada jalan-jalan dengan kualitas yang berbeda-beda
Mengukur pola vibrasi pada jalan-jalan dengan kualitas berbeda. Akseleromater dipasang pada kendaraan konvensional melalui jalan-jalan tertentu. Setiap kondisi jalan akan memiliki pola vibrasi tertentu. Hasilnya dipakai untuk menganalisis kualitas jalan berdasarkan Power Spectral Density (PSD) dari setiap jalan yang dilewati.
Kata Kunci: Vibrasi, PSD, Machine Learning, Driving Condition, Battery
SIFAT:Eksperimen
Calon pembimbing I : Dr. Irsyad Nashirul Haq
Calon pembimbing II : Dr. Justin Pradipta
Melakukan pengukuran karakteristik baterai kendaraan listrik dalam kondisi mengemudi pada vibration platform
Melakukan pengukuran karakteristik baterai kendaraan listrik dalam kondisi mengemudi pada vibration platform. Baterai kendaraan listrik dipasang pada vibration platform. Kemudian dilakukan siklus charge dan discharge sampai baterai menuju End of life. Parameter-parameter voltage, current, temperature, capacity dicatat dan direcord ke database. Hasilnya adalah suatu dataset yang siap untuk dipakai untuk analisis lebih lanjut.
SIFAT:Simulasi
Calon pembimbing I : Dr. Irsyad Nashirul Haq
Calon pembimbing II : Dr. Justin Pradipta
Prediksi SOH/RUL baterai kendaraan listrik pada kondisi mengemudi di jalan menggunakan platform vibrasi
Prediksi State of Health (SOH)/Remaining Useful Life (RUL) baterai kendaraan listrik pada kondisi mengemudi di jalan menggunakan platform vibrasi. Menggunakan dataset hasil penelitian sebelumnya yang berupa dataset baterai kendaraan listrik dalam kondisi mengemudi pada platform vibrasi. Dataset tersebut digunakan untuk melakukan simulasi prediksi SOH/RUL.
Page updated
Google Sites
Report abuse