Printed

Estimasi State Of Charge Baterai Lithium ION Menggunakan Metode Neural Network

---

Sejak penemuan baterai pertama, teknologi baterai telah berkembang signifikan,
mengatasi tantangan seperti kapasitas penyimpanan energi dan ketahanan terhadap
guncangan. Baterai lithium ion (li-ion) menjadi solusi yang paling banyak digunakan
karena keunggulan struktural dan kapasitas energi tinggi. Namun, penggunaan li-ion
memiliki risiko kecelakaan serius, seperti ledakan, sehingga diperlukan perhatian
terhadap keamanan. Untuk mengatasi risiko tersebut, diperlukan sistem akurat dalam
memperkirakan tingkat muatan baterai atau State of Charge (SoC), dengan
menggunakan parameter arus, tegangan, serta pengaruh suhu. Data pelatihan diambil
dari eksperimen discharge 4 baterai 18650 yang disusun seri menjadi 16,4 volt dan
1200 mAh, dilengkapi rangkaian buckboost converter. Mengambil data pada 500mA,
400mA, 300mA, 200mA, dan 100mA, pelatihan dilakukan dengan sampel 200mA
dan 400mA menggunakan metode RNN dan LSTM. Hasilnya, metode ini mampu
mencapai akurasi tinggi dengan nilai RMSE di bawah 1% dan 3% pada data
tervalidasi.
Kata kunci: Baterai lithium ion, LSTM, RMSE, RNN, State of Charge

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

TA-2240085.1

Penerbit

Bandung : Polman., 2024

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

D4 Prodi Teknologi Rekayasa Otomasi 2024

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar