Perpustakaan Digital ITB

Sistem Baterai Penyimpan Energi (SBPE) adalah teknologi yang memanfaatkan kumpulan sel baterai untuk memenuhi kebutuhan ataupun keperluan jaringan listrik. Salah satu komponen SBPE adalah Sistem Manajemen Baterai (SMB) yang berfungsi memprediksi parameter operasi dan kinerja baterai seperti State of Charge (SoC) dan State of Health (SoH). Banyaknya jumlah sel pada SBPE membuat perediksi tersebut menjadi lebih kompleks. Teknologi mahadata dapat menjadi solusi untuk menyelesaikan tantangan tersebut. Pemanfaatkan teknologi mahadata menggunakan dua arsitektur yakni Smart Grid Architectural Model (SGAM) dan Cross Industry Standard Process for Data Mining (CRISP DM), sehingga menjadi suatu platform mahadata. Platform mahadata terdiri atas sumber data hingga prediksi SoC dan SoH. Beberapa penelitian sebelumnya telah membahas topik ini namun belum membahas relasi antara sumber daya infrastruktur platform mahadata dengan performa platform mahadata berupa waktu eksekusi. Pada Tugas Akhir ini, dilakukan pengembangan platform mahadata untuk prediksi SoC dan SoH dengan objek penelitian berupa lima belas sel baterai. Hasil tugas akhir menunujukan, kinerja prediksi SoC menghasilkan galat sebesar 2.2% dengan metode Artificial Neural Network (ANN) dan 2.3% untuk prediksi SoH dengan metode Recurrent Neural Network (RNN). Kedua nilai tersebut masih berada pada standar galat 5% untuk sebuah baterai. Hasil analisis platform mahadata menunjukan relasi sumber daya infrastruktur platform mahadata berupa CPU yang digambarkan dengan persamaan pangkat ????=1557.8 ?????0.269, sedangkan RAM digambarkan dengan RAM terhadap waktu eksekusi digambarkan dengan persamaan linier ????=?3????+1168. Hasil analisis menunjukan beda performa antar konfigurasi sistem dengan persamaan linier ????=0.0002?????29.558.