ABSTRAK Kristiawan Ariwibawa
PUBLIC Alice Diniarti COVER Kristiawan Ariwibawa
PUBLIC Alice Diniarti
BAB 1 Kristiawan Ariwibawa
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 2 Kristiawan Ariwibawa
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 3 Kristiawan Ariwibawa
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 4 Kristiawan Ariwibawa
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 5 Kristiawan Ariwibawa
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
PUSTAKA Kristiawan Ariwibawa
PUBLIC Alice Diniarti
Kendaraan listrik merupakan mode transportasi masa depan karena memiliki
banyak keunggulan dibandingkan kendaraan berbasis motor bakar. Kendaran listrik
mampu memberikan efisiensi penggunaan energi yang lebih tinggi, lebih ramah
lingkungan, dan mengurangi ketergantungan terhadap bahan bakar fosil. Sistem
baterai lithium-ion menjadi kandidat utama sebagai sistem penyedia energi pada
kendaraan listrik, dikarenakan ringan dan memiliki kerapatan energi yang tinggi
dibandingkan tipe baterai lainnya seperti asam timbal. Namun baterai litium-ion
memiliki beberapa tantangan yang perlu diatasi seperti sensitif terhadap (1)
temperatur berlebih, (2) ketidaksetimbangan kapasitas antar sel, (3) kemungkinan
terjadinya pemakaian yang berlebih (over discharged), dan (4) kemungkinan
terjadinya pengisian yang berlebih tinggi (overcharged) yang dapat memperpendek
masa guna sistem baterai. Oleh sebab itu, perlu dilakukan pemantauan kondisi
baterai untuk menjaga baterai beroperasi pada kondisi aman. Salah satu kondisi
baterai yang harus dapat dipantau dan diprediksi adalah temperatur. Pelepasan
termal dalam baterai secara berlebihan dapat menyebabkan baterai mengalami
degradasi. Efek dari degradasi ini adalah penurunan kapasitas simpan baterai
selama siklus pengisian atau pemakaian.
Kendala dari pemantauan temperatur dalam sistem baterai adalah pada jumlah
sensor temperatur yang harus dipasang di setiap sel baterai sehingga biaya
pembuatan sistem baterai menjadi tinggi. Selain itu, ada kendala teknis yang
dihadapi ketika banyak sensor temperatur yang harus dipasang dalam sebuah sistem
manajemen termal yang dibatasi oleh dimensi penempatan baterai seperti pada
kendaraan listrik. Kondisi tersebut dapat menyulitkan proses pengoperasian dan
perawatan sistem baterai pada kendaraan listrik.
Diperlukan pemodelan distribusi temperatur yang dapat digunakan sebagai
referensi peletakan posisi sensor yang tepat dan dapat digunakan sebagai basis
prediksi temperatur sistem baterai secara keseluruhan. Memanfaatkan pemodelan
dan analisis ini dapat secara efektif meminimalkan penggunaan sensor namun tetap
memastikan baterai beroperasi pada daerah aman. Berdasarkan pemodelan tersebut
dapat diketahui distribusi temperatur sistem baterai dengan informasi dasar
pengukuran seperti tegangan dan arus pengisian atau pemakaian serta data
pengukuran temperatur pada beberapa titik.
Model distribusi temperatur sistem baterai dapat diperoleh dengan metode
pemodelan Computational Fluid Dynamics (CFD). CFD adalah metode yang
terbukti efektif dalam memprediksi aliran panas dan temperatur pada modul baterai.
Akan tetapi metode ini tidak dapat diimplementasikan langsung pada pengukuran
real-time untuk memprediksi distribusi temperatur baterai. Hal tersebut karena
metode CFD memerlukan sumber daya komputasi yang besar untuk dapat
memperoleh prediksi dengan cepat. Alternatif yang dapat digunakan adalah dengan
memanfaatkan machine learning (ML). Akan tetapi pemodelan dengan ML
membutuhkan data latih yang banyak. Dengan demikian diperlukan eksperimen
dalam jumlah besar untuk memperoleh data latih yang cukup.
Pada penelitian ini dikembangkan model distribusi temperatur sistem baterai
kendaraan listrik dengan menggabungkan metode CFD dan ML. Sistem baterai
kendaraan listrik yang dimodelkan menggunakan sel baterai lithium silinder 18650
tipe NMC dengan tegangan nominal 3,6 Volt dan kapasitas 3000 mAh yang
kemudian disusun 24 paralel dan 10 seri sehingga membentuk modul baterai
dengan tegangan nominal 36 Volt dan kapasitas 72 Ah.
Data latih untuk mengembangkan model dengan metode ML diperoleh dari
simulasi CFD. Ini dapat mengurangi biaya dan waktu yang diperlukan untuk
melakukan eksperimen langsung pada sistem baterai. Model yang diperoleh dari
ML kemudian divalidasi menggunakan data hasil eksperimen. Penelitian ini dibagi
menjadi 5 tahap meliputi: (1) pemodelan CFD sistem baterai menggunakan aplikasi
COMSOL, (2) pemodelan ML distribusi temperatur dengan metode regresi mesin
pendukung (RVP), (3) eksperimen menggunakan sistem baterai, (4) validasi model
RVP dengan data hasil eksperimen, dan (5) analisis distribusi temperatur pada
sistem baterai. Simulasi pada CFD dilakukan untuk memperoleh data distribusi
temperatur sistem baterai yang akan digunakan membangun model distribusi
temperatur dengan metode RVP. Selanjutnya model distribusi temperatur yang
diperoleh dengan metode RVP divalidasi menggunakan data temperatur yang
diperoleh dari eksperimen. Model distribusi temperatur yang paling baik pada
model RVP diperoleh dengan kernel RBF, nilai parameter C=1 dan nilai parameter
gamma=0,1. Model tersebut memiliki nilai mean square error (MSE) 0,53; mean
absolute percentage error (MAPE) 1,01% dan mean absolute error (MAE) 0,34
pada fase tes. Sementara pada fase validasi memiliki nilai MSE 0,72; MAPE 2,45%
dan MAE 0,58.