Pendahuluan
Visi pemenuhan kebutuhan energi yang dapat dicapai melalui pemanfaatan generator energi terbarukan yang dapat diproses secara realtime, memanfaatkan IoT, dan dikerjakan secara otomatis.
Kebutuhan energi secara global semakin meningkat lebih dari 50% dari 20 tahun terakhir dan akan meningkat lebih banyak pada tahun-tahun berikutnya seiring berkembangnya tren yang melibatkan elektronik dalam kehidupan sehari-hari. Namun, energi yang dihasilkan dari sumber daya alam ketersediaannya semakin menipis. Perlu ada tindakan untuk beralih ke sumber energi ramah lingkungan yang berkelanjutan untuk mengurangi dampak negatif terhadap lingkungan.
Energi terbarukan perlu dikembangkan dari segi infrastruktur untuk memenuhi kebutuhan. Pemanfaatan teknologi dibutuhkan untuk meningkatkan efisiensi dan efektivitas produksi energi terbarukan. Transformasi digital perusahaan saat ini membutuhkan desain dan penerapan model digital yang disebut dengan Digital Twin. Teknologi Digital twin dapat membantu pengoperasian sistem produksi energi secara realtime, yang memanfaatkan IoT, dan dikerjakan secara otomatis dari jarak jauh, sehingga rencana dan operasi menjadi lebih efektif dan efisien.
Digital twin dan generator energi terbarukan sebagai salah satu tools mencapai visi tersebut
Digital Twin adalah bagian dari teknologi digital baru yang mendukung transformasi digital dengan kemampuan untuk mengaktifkan model bisnis baru dan sistem untuk menentukan keputusan. Digital Twin bertujuan menciptakan model virtual untuk setiap entitas fisik untuk meniru keadaan dan perilaku mereka dengan kemampuan mengevaluasi, mengoptimalkan, dan memprediksi (Graessler dan Poehler, 2017).
Digital twin pertama diperkenalkan pada tahun 2002 oleh Dr. Michael Grieves dari University of Michigan yang mewakili hubungan antara objek fisik di ruang nyata dan model digital di ruang virtual.
Digital Twin merupakan seperangkat konstruksi informasi virtual yang sepenuhnya menggambarkan produk manufaktur fisik potensial atau aktual dari tingkat atom mikro ke tingkat geometri makro. Secara optimal, informasi apa pun yang dapat diperoleh dari pemeriksaan fisik produk manufaktur dapat diperoleh dari Digital Twin-nya. Model konsep Digital Twin berisi tiga bagian utama: a) produk fisik di ruang nyata, b) produk virtual di Ruang Maya, dan c) koneksi data dan informasi yang mengikat produk virtual dan nyata bersama-sama.
(Grieves, 2002)
Digital Twin diterapkan dalam berbagai sektor industri seperti desain, produksi, distribusi, manufaktur, dan pemeliharaan. Teknologi ini diperlukan untuk penelitian diberbagai bidang seperti prediksi kesalahan sistem dan efisiensi produksi. Digital twin tidak hanya menampilkan sebuah data, tetapi juga menunjukkan algoritma yang menggambarkan perilaku yang digunakan untuk memutuskan suatu tindakan dalam produksi.
Digital Twin dan Prinsip Kerjanya
Definisi Digital Twin yang paling umum dikemukakan oleh Glaess-gen dan Stargel. Mereka menjabarkan bahwa Digital Twin terdiri dari tiga bagian, yaitu produk fisik di ruang nyata, representasi produk virtual di ruang digital, dan interkoneksi yang mengubah informasi antara realitas fisik dan representasi virtual. Mereka mendefinisikan Digital Twin sebagai berikut :
“Simulasi probabilistik multi-fisika, multi-skala, dan probabilistik terintegrasi dari produk atau sistem yang menggunakan model fisik terbaik yang tersedia, pembaruan sensor, histori produk, dan sebagainya, untuk mencerminkan perilaku kembarannya yang sesuai”
(Glaessgen dan Stargel, 2012)
Kelebihan dari Digital Twin yaitu dapat mengurangi biaya dan risiko, meningkatkan efisiensi, meningkatkan penawaran layanan, meningkatkan keamanan, keandalan, dan ketahanan, dan mendukung pengambilan keputusan.
Digital Twin adalah gambaran virtual yang dapat mendefinisikan sifat fisik dan fungsional yang komprehensif dari produk sepanjang siklus hidupnya dan dapat mengirimkan dan menerima informasi dari produk (Tharma et al., 2018). Istilah Digital Twin didefinisikan seperti replika aset fisik, proses atau sistem yang digunakan untuk kontrol dan pengambilan keputusan (Vatn, 2018).
Ide dan konsep Digital Twin, terutama berisi teknologi akuisisi data waktu nyata, teknologi pemetaan data, dan teknologi prediksi berbasis data, dapat membuat konvergensi antara produk fisik dan ruang virtual menjadi kenyataan (Liu et al., 2019a).
Digital Twin memiliki kemampuan untuk memprediksi respon sistem terhadap suatu kejadian yang tidak diharapkan sebelum hal itu terjadi. Digital Twin perlu menjadi representasi yang paling realistis dari model fisik, menggabungkan produk dan semua informasi yang tersedia. Ini harus berisi semua informasi proses, dan memperoleh informasi operasional, organisasi dan teknis. Itu selalu disinkronkan dengan produk fisik.
Digital Twin adalah sesuatu yang hidup yang berubah, meningkat, dan berkembang sambil mempertahankan perbandingan antara ruang fisik dan virtual. Semua informasi tentang elemen fisik serta proses dan layanannya harus saling berhubungan.
Generator Energi Terbarukan
Konsep digital twin dapat dimanfaatkan untuk menghasilkan energi terbarukan. Pada konteks energi terbarukan, energi yang tersedia di alam dikonversi menjadi energi listrik melalui rotasi generator ataupun konverter daya listrik statis.
Energi yang berasal dari sinar matahari dipanen menggunakan konverter daya listrik statis. Energi yang berasal dari angin maupun arus air dapat dikonversi menjadi listrik melalui rotasi generator. Sebagian besar sumber energi yang terdapat di alam dapat dikonversi menggunakan rotasi generator, seperti angin, diesel, uap, turbin hidro, dan lain-lain (Ahmad, 2018). Menurut Subyakto (2017), prinsip kerja generator listrik secara umum adalah induksi magnetik untuk menghasilkan arus listrik. Terdapat dua jenis generator listrik berdasarkan arus yang dihasilkannya, yaitu 1) generator arus searah, dan 2) generator arus bolak-balik (Ahmad, 2018; Subyakto, 2017). Tabel di bawah ini akan menjelaskan kelebihan dan kekurangan penggunaan generator listrik pada beberapa sumber energi.
| Energy Resource | Advantages | Disadvantages |
| Fossil fuels | Reliable | Create pollution and will run out |
| Nuclear power | Reliable | Will run out and produce dangerous waste that is hard to dispose of |
| Wind turbines | Clean and cheap to run | Expensive to set up and wind does not always blow |
| Wave generators | Clean and cheap to run | Expensive to set up |
| Tidal generators | Clean and cheap to run and produce a lot of electricity once running | Very expensive to set up and could be hazardous to local wildlife |
| Hydroelectric power stations | Clean and cheap to run | Expensive to set up and output could be affected by drought |
| Solar cells | Clean and cheap to run | Not always sunny and output does not always outweigh initial cost to set up |
Berdasarkan tabel di atas, generator energi terbarukan memerlukan biaya yang tinggi dalam pemasangan dan pemeliharaan. Namun, generator energi terbarukan menghasilkan energi yang lebih bersih dan minim produksi limbah. Oleh karena itu, penggunaan teknologi digital twin pada produksi energi dengan generator energi terbarukan diharapkan mampu meningkatkan efisiensi dan meminimalisasi biaya untuk menghasilkan energi yang ramah lingkungan.
Tantangan dalam Mengembangkan Digital Twin untuk Generator Energi Terbarukan
Menurut Ebrahimi (2019), penerapan model teknologi digital twin pada generator energi terbarukan perlu menghadapi beberapa tantangan. Diantaranya adalah sebagai berikut :
- Power electronics
Memerlukan pengembangan metode untuk memperkirakan waktu dan distribusi spasial dari medan magnet pada generator. Memerlukan pengembangan model yang lebih detail untuk menentukan dan mengalkulasi parameter pada setiap bagian generator. Kegagalan untuk mengatasi tantangan tersebut akan mengurangi kemampuan kerja, mempersingkat umur hidup, meningkatkan peluang kegagalan kerja, meningkatkan periode pemeliharaan, dan meningkatkan kebutuhan biaya pada generator.
- Multy-physical systems
Pada sistem multi-fisik, pemeliharaan dan monitoring diperlukan untuk menjaga kerja generator dan menghindari kerugian ekonomi yang besar. Monitoring dapat dilakukan secara offline, online, maupun dengan memanfaatkan teknologi AI (artificial intelligent). Namun, tidak ada metode baku untuk mengatasi hal tersebut. Sehingga, setiap sistem memiliki cara pemeliharaan dan monitoring yang khas.
- Fault detection
System generator yang kompleks akan merimbas pada sulitnya menerapkan metode yang tepat dan akurat untuk mendeteksi pola dan mendiagnosis kerusakan. Dengan banyaknya komponen, hampir tidak mungkin mendapatkan nilai yang akurat pada setiap parameter. Oleh karenanya, diperlukan pengembangan alat dan metode baru untuk menghadapi tantangan tersebut.
Teknologi Digital Twin merupakan sebuah seni yang memiliki ciri khas pada penerapannya pada setiap sistem. Hal tersebut juga berlaku untuk penerapan pada sistem generator energi terbarukan. Dengan banyaknya tantangan yang perlu dihadapi, masih banyak ruang untuk mengembangkan metode dan alat untuk mencapai kondisi yang ideal. Oleh karena itu, berbagai penelitian dan riset perlu dilakukan. Berbagai peneliti dari berbagai bidang dapat berkontribusi dalam pengembangan teknologi ini. Tidak terkecuali mahasiswa Teknik Fisika. Oleh karenanya, mari gali lebih dalam wawasan terkait penerapan teknologi Digital Twin pada Generator Energi Ramah Lingkungan, dan berkontribusi dalam pengembangannya dengan riset-riset yang berkualitas!
REFERENSI
Ahmad, M. (2018). 3 . 1 Energy Conversion 3 . 2 Power Conversion and Control of Wind Energy Systems. 51–68.
Ebrahimi, A. (2019). Challenges of developing a digital twin model of renewable energy generators. IEEE International Symposium on Industrial Electronics, 2019–June, 1059–1066. https://doi.org/10.1109/ISIE.2019.8781529
Errandonea, I., Beltrán, S., & Arrizabalaga, S. (2020). Digital Twin for maintenance: A literature review. Computers in Industry, 123. https://doi.org/10.1016/j.compind.2020.103316
Lo, C. K., Chen, C. H., & Zhong, R. Y. (2021). A review of digital twin in product design and development. Advanced Engineering Informatics, 48(July 2020). https://doi.org/10.1016/j.aei.2021.101297
Onile, A. E., Machlev, R., Petlenkov, E., Levron, Y., & Belikov, J. (2021). Uses of the digital twins concept for energy services, intelligent recommendation systems, and demand side management: A review. Energy Reports, 7, 997–1015. https://doi.org/10.1016/j.egyr.2021.01.090
VanDerHorn, E., & Mahadevan, S. (2021). Digital Twin: Generalization, characterization and implementation. Decision Support Systems, 145(June 2020), 113524. https://doi.org/10.1016/j.dss.2021.113524
