digilib@itb.ac.id +62 812 2508 8800

PEMODELAN DEGRADASI SISTEM BATERAI PADA KENDARAAN LISTRIK RODA DUA BERBASIS PEMBELAJARAN MESIN

Penulis : Ammar Akila Azhar [13316048]
Kontributor / Dosen Pembimbing :
  • Ir. Edi Leksono, M.Eng., Ph.D.
  • Dr. Irsyad Nashirul Haq, S.T., M.T.
Jenis Koleksi : Tugas Akhir
Penerbit : Teknik Fisika
Fakultas : Fakultas Teknologi Industri
Subjek :
Kata Kunci : Kendaraan listrik, Sistem Manajemen Baterai, Degradasi Baterai, Pembelajaran Mesin, Internet of Things
Sumber :
Staf Input/Edit : Irwan Sofiyan  
File : 1 file
Tanggal Input : 21 Sep 2020

ABSTRAK Ammar Akila Azhar
Terbatas Open In Flip Book Irwan Sofiyan
» ITB

Saat ini dunia sudah mulai mengalami transformasi besar dalam bidang transportasi dengan meningkatnya jumlah kendaraan listrik yang terjual. Baterai sebagai komponen penyimpanan energi memainkan peran vital dalam hal keamanan hingga efisiensi kendaraan listrik. Namun, baterai tidak dapat digunakan secara terus menerus sehingga pemodelan degradasi baterai menjadi hal penting untuk diketahui. Untuk itu, Sistem Manajemen Baterai (SMB) yang baik harus dikembangkan agar degradasi baterai dapat dimodelkan. Penelitian ini akan membahas integrasi Sistem Manajemen Baterai yang dapat memberikan cukup data agar Kondisi Kesehatan (KK) dari modul baterai pada kendaraan listrik dapat dimodelkan degradasinya. Pada penelitian ini dibuat SMB berbasis Internet of Things (IoT) pada kendaraan listrik roda dua dengan baterai pak Li-Ion jenis katoda LiNiCoMnO2 (Nickel-Manganese-Cobalt,NMC) yang memiliki 5 level assist sebagai pembatas daya motor dengan level 5 sebagai level tertinggi, menggunakan ESP32 sebagai modul komunikasi dan mikrokontroler. Pengambilan data dilakukan dengan 3 skenario secara real-time dengan skenario 1 dan 2 dilakukan di dalam kampus ITB dengan level assist masing-masing 5 dan 3, dan skenario 3 dilakukan di rute menanjak ITB—Jl. Ir. H. Djuanda menuju Bukit Dago dengan level assist 5. Data ini akan dilatih bersama dengan data baterai Li-Ion jenis katoda LiFePO4 (Lithium-Ferro-Phosphat,LFP) dan LiMn2O4 (Lithium-Manganese Oxide,LMO) yang berasal dari referensi dengan beberapa model pembelajaran mesin dan hasil permodelan terbaik yang telah dioptimasi akan dibandingkan dengan model degradasi baterai NMC. Pada Penelitian ini, SMB yang telah dibuat berhasil menghasilkan data tegangan dan arus selama berkendara yang selanjutnya diolah untuk menghasilkan data kapasitas beberapa siklus awal dengan metode Approximate Weighted Total Least Square (AWTLS). Data ini berhasil dimodelkan dengan pembelajaran mesin Regresi Vektor Pendukung (RVP) menggunakan tambahan data baterai jenis LFP untuk skenario 1 dan 2, dan tambahan data LMO untuk skenario 3. Model Skenario 1 dan 2 tidak berhasil mencapai kapasitas degradasi sedangkan skenario 3 berhasil mencapai kapasitas degradasi pada siklus ke-490. Sehingga model skenario 3 dapat merepresentasikan model degradasi baterai NMC dengan R2=0,911.

Artikel Terkait