OPTIMASI KONFIGURASI STEAM LOAD MANAGEMENT BOILER BERDASARKAN ALGORITMA DUAL ANNEALING

Boiler merupakan salah satu peralatan penunjang utilities untuk memproduksi uap. Pemanfaatan banyak boiler secara bersamaan membutuhkan load management yang baik dengan mempertimbangkan karakteristik setiap boiler. Seiring perkembangan teknologi, membuka arah baru dalam permodelan dan prediksi sistem boiler yang kompleks menggunakan machine learning. Oleh karena itu, dalam penelitian ini digunakan metode Global Optimization berbasis algoritma Dual Annealing yang dikombinasikan dengan Extreme Gradien Boosting (XGBoost) untuk mengoptimalkan konfigurasi steam load boiler dengan meminimalkan rasio fuel-to-steam (F/S) keseluruhan boiler sebagai indikator efisiensi praktis, yaitu jumlah fuel yang dibutuhkan untuk menghasilkan satu ton uap. Model Dual Annealing merupakan gabungan dari metode Classical Simulated Annealing (CSA) dan Fast Simulated Annealing (FSA) serta dikombinasikan strategi pencarian local pada solusi yang diterima. Hasil evaluasi menunjukkan bahwa XGBoost memiliki akurasi prediksi yang baik dan mampun megeneralisasi model pada data baru. Potensi hasil optimasi menghasilkan konfigurasi optimal, ditandai dengan nilai rata – rata F/S optimized menurunkan F/S sebesar 1 m3/ton dari kondisi unoptimized, serta terdapat penghematan konsumsi fuel gas sebesar 1.24 kNm3/jam dengan peningkatan PTE sebesar 0.22%. Hal ini membuktikan bahwa metode Dual Annealing efektif dalam menemukan titik solusi optimal dalam permasalahan optimasi sistem boiler.