Sistem pemantauan baterai (BMoS) sangat penting untuk memantau kondisi baterai dalam memasok dan menyerap energi saat beroperasi dan sekaligus menentukan batas optimal untuk mencapai umur baterai yang panjang. Semua ini dapat dilakukan dengan mengukur parameter baterai dan meningkatkan status pengisian (SoC) dan status kesehatan (SoH) baterai.
Dataset baterai dari NASA digunakan untuk evaluasi. Dalam karya ini, vektor gradien digunakan untuk mendapatkan tren pola suplai energi dari baterai. Selain itu, mesin vektor dukungan (SVM) diadopsi untuk indeks akurasi baterai yang akurat. Hal ini sejalan dengan penggunaan regresi polinomial; karenanya, titik V1 dan V2 diperoleh sebagai batas fase penggunaan normal. Selanjutnya pengujian distribusi lama waktu juga dilakukan terhadap lama waktu baterai berhasil diekstraksi dari klasifikasi.
Semua tahapan tersebut dapat digunakan untuk menghitung tingkat penurunan daya baterai selama penggunaan sehingga strategi ini dapat diterapkan pada situasi nyata dengan membandingkan nilai secara terus menerus. Dalam hal ini, dengan menggunakan gradien tegangan, metode SVM, dan regresi polinomial yang disarankan, MAPE (%), MAE, dan RMSE dapat diperoleh terhadap grafik nilai baterai dengan nilai masing-masing 0,3%, 0,0106, dan 0,0136. Dengan nilai error ini, dinamika nilai SoC baterai dapat diperoleh, dan masalah SoH dapat diselesaikan dengan waktu penggunaan yang lebih singkat dengan menghindari fase voltage-drop.
Ada beberapa curve pada grafik discharge profil sebagaimana terlihat pada Voltage Discharging Profile di dataset NASA. Dengan membandingkan dari mmasing-masing nilai gradient dan range tegangannya secara statistik maka akan diperoleh Gambar 2 untuk masing-masing cycle 1, 85, 169 yang berurutan.
Kemudian, dengan mengikuti prediksi dari model regresi, dimungkinkan untuk mendapatkan awal dari 淰oltage Drop. Untuk mengetahui semua titik jatuh dari setiap siklus dari setiap baterai digunakan model bersama dengan nilai gradien.
Ada jual beli dengan pagar pada V1, dan untuk nilai terendah dan tertingginya ada pada BAT0006. Data pada tabel tersebut masih menunjukkan data dari keseluruhan cycle dari masing-masing baterai. Kemudian, ada Time Length yang menunjukkan variasi dari lama dari fase 漀ormal Usage yang di awali oleh V1 dan di akhiri oleh V2.
Penulis: Erwin Sutanto, S.T., M.Sc.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
Erwin Sutanto, Putu Eka Astawa, Fahmi Fahmi, Muhammad Imran Hamid, Muhammad Yazid, Wervyan Shalannanda, dan Muhammad Aziz
Energies, EISSN 1996-1073, MDPI Volume 16 , Issue 3, 1083, 2023,
18 January 2023
