Peran Biomasa dan Cooling Tower pada Green Hyperscale Data Center

Menjalankan operasi data besar membutuhkan listrik yang stabil dan tidak terputus serta pendinginan yang andal. Pembangkit listrik tenaga surya saja murah tetapi tidak stabil. Sifat intermittensi pembangkit listrik tenaga surya (sama seperti pembangkit listrik tenaga angin) akan menjadi hambatan sebagai sumber energi utama data center. Banyak energi dapat dihasilkan pada siang hari dan digunakan, tetapi energi yang tidak digunakan akan hilang begitu saja. Penyimpanan memungkinkan energi untuk digunakan kemudian, yakni misalnya untuk memenuhi kebutuhan selama periode permintaan tinggi, bukan hanya saat matahari bersinar. Hal inilah sehingga pembangkit listrik tenaga surya skala besar harus dipadukan dengan penyimpanan baterai. Energi bersih sekarang terkait erat dengan keandalan, waktu, dan perencanaan operasional, bukan hanya target emisi. Tetapi baterai kapasitas besar tersebut biayanya sangat mahal. 

 

Penggunaan bahan bakar biomasa untuk produksi listrik sebagai sumber energi data center akan menjadi kombinasi yang ideal dengan pembangkit listrik tenaga surya (panel surya) tersebut. Bahan bakar biomasa sebagai bahan bakar padat seperti batubara maka teknologi pembakaran untuk menghasilkan listrik juga sama. Bedanya bahan bakar biomasa adalah sumber energi terbarukan atau carbon neutral fuel, sedangkan batubara adalah bahan bakar fosil atau carbon positive fuel, Selain fasilitas pembangkit listrik biomasa, pembangkit listrik dari biogas juga bisa digunakan untuk mengatasi masalah intermittent pembangkit listrik tenaga surya (panel surya).  Hal ini karena fasilitas biomassa dan biogas menyediakan pembangkitan yang konsisten sepanjang tahun, menawarkan operator sistem kapasitas yang berharga dan dapat diatur yang dapat ditingkatkan atau diturunkan sesuai kebutuhan. 

Pendinginan yang handal bisa dilakukan dengan menggunakan cooling tower. Cooling tower adalah perangkat penukar panas secara evaporative cooling yang umum digunakan diberbagai industri pengolahan (kilang minyak, petrokimia, pulp and paper, tekstil dsb), maupun pembangkit listrik (batubara, gas, geothermal maupun biomasa). Faktor kunci berupa kualitas air sangat penting bagi operasional cooling tower tersebut, untuk lebih detail tentang berbagai masalah air pada cooling tower baca disini. Dengan cooling tower tersebut maka kebutuhan air untuk operasional data center bisa efisien karena air disirkulasi secara terus-menerus, bukan sekali pakai (once through system). Apalagi dengan water treatment technology menggunakan teknologi AOP (advanced oxidation process) untuk cooling tower water conditioner, maka selain hemat biaya juga ramah lingkungan karena tidak menghasilkan polusi sekunder dari aplikasinya.  

Sumber Energi untuk Data Center Antara Pertumbuhan dan Keberlanjutan serta Peran Bioenergi

Pusat data adalah fasilitas fisik yang menampung sistem komputer dan infrastruktur terkait, seperti server dan penyimpanan, yang digunakan untuk menyimpan dan memproses data. Mereka ini membentuk fondasi kekuatan komputasi suatu negara, dan menjadi sebuah ketergantungan inti dalam membangun Kecerdasan Buatan (AI) berskala besar.Dan khusus pusat data AI ini lebih boros energi. Menurut Badan Energi Internasional (IEA), pusat data AI tipikal saat ini menggunakan energi sebanyak 100.000 rumah tangga, sementara pusat-pusat AI besar saat ini mengonsumsi sekitar 20 kali lipat jumlah tersebut ( 2 juta rumah tangga).

Daya komputasi yang dibutuhkan untuk mendukung pertumbuhan AI juga meningkat dua kali lipat kira-kira setiap 100 hari. Sebagai contoh Malaysia bahwa tidak mengherankan jika konsumsi energi pusat data di Malaysia diproyeksikan melonjak hingga lebih dari 5.000 MW pada tahun 2035, yaitu 40 persen dari kapasitas daya Semenanjung Malaysia saat ini, atau 11,1 persen dari kapasitas daya Malaysia yang diproyeksikan pada tahun 2035. Sedangkan di Indonesia. Sedangkan proyeksi konsumsi listrik data center di Indonesia melonjak signifikan, diprediksi mencapai 5.200 MW pada 2034 dan bahkan bisa mencapai 12.000 MW pada 2033.  Dan kapasitas saat ini tahun 2025 baru sekitar 274 MW dan dengan prediksi pertumbuhan 16,8% per tahun bisa mencapai target >2.000 MW di 2029. 

Setidaknya ada 2 pendorong utama pertumbuhan industri pusat data ini. Pertama, faktor sisi permintaan meliputi pertumbuhan cloud dan AI, bersama dengan meningkatnya permintaan global akan kapasitas penyimpanan dan pemrosesan data dalam tugas sehari-hari seperti jejaring sosial, e-commerce, dan penyimpanan data. Kedua, faktor sisi penawaran meliputi ketersediaan sumber daya seperti listrik dan air, konektivitas serat optik dan ketersediaan lahan. 

Pada perkembangan pertumbuhan industri pusat data, dengan tinggi atau borosnya konsumsi energi untuk pusat data telah berkontribusi pada kenaikan harga listrik bagi penduduk dan usaha kecil. Setiap negara harus mengambil pelajaran dari studi kasus ini saat berupaya mencapai keseimbangan antara pertumbuhan dan keberlanjutan. Sebagai contoh yakni di Georgia, AS, pasar pusat data dengan pertumbuhan tercepat di AS, Georgia Power melaporkan bahwa 80 persen dari proyeksi peningkatan permintaan energi sebesar 8.200 MW pada tahun 2030 terkait dengan rencana pusat data yang akan dibuka di negara bagian tersebut. Untuk mengatasi peningkatan permintaan listrik, tarif listrik dasar telah dinaikkan dan pembangunan pembangkit listril tenaga nuklir (PLTN) baru.

Georgia merupakan pasar yang menarik untuk pusat data, mengingat harga listrik yang relatif rendah, dengan tarif listrik industri sekitar 42 persen di bawah rata-rata nasional AS. Keringanan pajak yang besar juga dijanjikan, dengan setidaknya US$163 juta dihapuskan dalam pengumpulan pajak negara bagian dan pajak penjualan lokal setiap tahun sejak tahun 2022. Tetapi sejak tahun 2023, rata-rata pelanggan perumahan Georgia Power membayar US$43 lebih banyak per bulan menyusul kenaikan tarif dasar listrik. Untuk menanggapi tantangan ini, Rancangan Undang-Undang Senat diajukan untuk melindungi pelanggan perumahan dan komersial dari tagihan listrik yang lebih tinggi karena investasi besar-besaran perusahaan listrik untuk memenuhi kebutuhan energi kecerdasan buatan. 

Upaya untuk  mengatasi peningkatan permintaan energi bagi pusat data sekaligus mengurangi dampak lingkungannya perlu dilakukan. Pendekatan yang biasa dilakukan adalah  optimalisasi Efektivitas Penggunaan Daya (Power Use Effectiveness / PUE) dan metrik terkait, serta peralihan ke energi terbarukan.  Penggunaan energi terbarukan untuk pusat data masih belum banyak dilakukan ataupun kalau sudah dilakukan maka kapasitasnya masih kecil yakni kurang dari 5%. Jenis energi terbarukan juga masih memprioritaskan matahari, dan angin yang bersifat intermittent. 

Para pelaku industri juga menyatakan bahwa sifat intermiten energi surya (setidaknya tanpa sistem penyimpanan baterai yang dikembangkan dengan baik) tidak menjadikannya sumber energi yang ideal untuk pusat data, mengingat kebutuhan untuk menjaga agar pusat data tetap beroperasi 24 jam sehari, 7 hari seminggu. Dengan kapasitas pembangkitan surya yang terbatas, pusat data sering mengandalkan generator diesel cadangan. Meskipun diesel terbarukan (biodiesel dan green diesel) merupakan pilihan yang tersedia, saat ini belum ada peraturan yang mendorong transisi ini. 

Biomasa sebagai sumber energi atau bioenergi bagi pusat data tersebut masih sangat minim. Biomasa tersebut bisa digunakan langsung pada pembangkit listrik biomasa(PLTBm) dimana tipe CFB sangat umum digunakan ataupun dengan cara cofiring pada pembangkit listrik (PLTU) batubara. Selain itu juga bisa memanfaatkan biomasa sebagai sumber energi dan juga produksi biochar yakni dengan teknologi pirolisis, seperti perusahaan di AS ini. Syngas dari pirolisis tersebut sebagai sumber energi yang bersifat carbon neutral dan biochar sebagai produk utama untuk carbon sequestration / CCS sehingga operasionalnya carbon negative.  

AI untuk Pabrik Sawit atau Pengembangan Produk Baru dengan Desain Proses Baru ?

Aplikasi AI telah merambah ke berbagai sektor termasuk juga pada pabrik kelapa sawit atau pabrik CPO. Aplikasi AI untuk pabrik kelapa sawit tersebut masih baru sehingga belum banyak aau masih bisa dihitung dengan jari pabrik sawit yang mengaplikasikannya. Salah satu pabrik sawit yang sudah melakukannya adalah Minsawi industries di Kuala Kangsar, Malaysia berkapasitas 45 ton TBS/jam dengan penggunaan AI pabrik tersebut bisa melakukan penghematan RM 1,6 juta (Rp 6,24 milyar) per tahun karena kehilangan minyak lebih kecil dan demikian juga biaya pemeliharaan (maintenance) serta penggunaan tenaga kerja berkurang 33%. Tetapi ada kekhawatiran penggunaan AI untuk pabrik sawit adalah potensi hilangnya sejumlah pekerjaan. Walaupun dengan tenaga kerja lebih sedikit tetapi penghasilan menjadi lebih tinggi. 

Cost to benefit ratio tentu akan menjadi pertimbangan penting suatu teknologi baru termasuk penggunaan AI. Seberapa besar biaya dikeluarkan harus memberi keuntungan yang sepadan atau lebih besar. Dalam hal aplikasi AI pada pabrik sawit tersebut, biaya AI menelan biaya RM 5 juta (~Rp 19,5 Milyar) artinya dengan penghematan sebesar RM 1,6 juta per tahun tersebut maka dalam waktu sekitar 3 tahun investasi untuk perangkat AI tersebut kembali. Pengembalian investasi yang wajar. Tetapi dengan dengan investasi sebesar itu untuk peningkatan efisiensi pada pabrik yang sudah beroperasi atau dimana nilai investasi itu misalnya senilai 15% dari pabrik utama, memang membutuhkan pertimbangan yang komprehensif. 

Sejumlah perangkat diintegrasikan seperti sensor, alat prediktif dan aplikasi AI untuk peningkatan efisiensi produksi minyak sawit atau CPO tersebut. Lebih detailnya komponen-komponen kunci untuk pabrik sawit berbasis AI tersebut meliputi : pertama, advanced sensors. Sensor-sensor tersebut dipasang diseluruh bagian pabrik sawit untuk mendapatkan data real-time pada parameter-parameter penting seperti suhu, tekanan, amper, dan kinerja mesin. Kedua, kamera-kamera CCTV berkemampuan AI. Sejumlah kamera dipasang pada tempat-tempat strategis untuk memonitor area-area kunci, seperti untuk mendeteksi volume TBS, kualitasnya dan menyediakan informasi tersebut untuk mengontrol proses produksi. Ketiga, sistem kontrol yang digerakkan oleh AI. Sistem-sistem tersebut secara otomatis dan mengoptimalkan proses, mengatur operasional peralatan dan pemanfaatan sumber daya berbasis pada real time data analysis. 

Sedangkan pada pengembangan produk baru, berarti akan meningkatkan nilai tambah dari bahan-bahan yang ada. Peningkatan nilai tambah ini bisa jauh lebih besar daripada yang didapat dari peningkatan efisiensi pabrik aplikasi dari penggunaan AI. Bahan baku yang sebelumnya tidak dimanfaatkan atau bahkan dibuang begitu saja sehingga mencemari lingkungan bisa mendatangkan banyak keuntungan dari pengembangan produk baru tersebut. Tentu saja mengoptimalkan performa atau kinerja pabrik sangat penting karena menghasilkan efisiensi yang tinggi, tetapi inovasi untuk pengembangan produk baru juga tidak kalah penting. 

Pada industri sawit pengembangan produk baru bisa dilakukan dengan cara yakni membuat berbagai produk turunan dari minyak mentah sawit (CPO) dan mengolah berbagai limbah biomasa dari operasional industri sawit tersebut, baik limbah biomasa dari pabrik sawitnya maupun dari perkebunannya. Ada banyak produk yang bisa dihasilkan dari pengolahan-pengolahan tersebut. Sebagai contoh pada turunan CPO akan dihasilkan biofuel seperti biodiesel, minyak goreng, stearin, olein dan sebagainya sedangkan pengolahan limbah biomasa bisa menjadi bioenergy, biocarbon, biofuel, biomaterial dan biochemical. 

Merancang proses produksi yang efisien sangat penting untuk menghasilkan produk yang kompetitif. Demikian juga dengan produksi yang rendah emisi atau limbah sekecil mungkin bahkan zero waste juga menjadi perhatian penting. Integrasi berbagai proses produksi terutama untuk penghematan energi termasuk waste heat recovery sangat dimungkinkan untuk mencapai tingkat efisiensi atau biaya produksi yang rendah. Keuntungan yang besar karena aplikasi AI pada pabrik sawit atau produksi CPO selanjutnya bisa digunakan untuk pengembangan produk baru termasuk merancang proses produksi seefisien mungkin. 

 

Pada akhirnya apabila pengembangan produk-produk baru tersebut bisa dilakukan dan sekaligus AI  diintegrasikan maka kebutuhan tenaga kerja akan bertambah pada unit-unit bisnis tersebut, walaupun setiap unit bisnis bekerja secara efisien. Produksi berbagai produk turunan hingga specialty chemical sangat dimungkinkan dengan pengembangan produk baru mengikuti perkembangan zaman. Selain itu di sisi perkebunannya juga bisa memanfaatkan AI dan mekanisasi untuk mengurangi 3D (dirty, dangerous, demeaning) jobs, sehingga pekerjaan juga semakin efisien dengan penghasilan meningkat.  Bahkan mekanisasi di perkebunan sawit juga masih rendah sehingga lebih mendesak dilakukan dibanding aplikasi AI.