Estimasi State of Charge (SOC) Pada Baterai Lithium – Ion Menggunakan Feed-Forward Backpropagation Neural Network Dua Tingkat

Abstract

Pada perkembangan teknologi zaman ini, baterai memainkan peran penting dalam memenuhi kebutuhan energi. Faktor yang mempengaruhi kinerja baterai adalah keadaan muatan dan energi yang disimpan baterai terbatas. Hal ini menyebabkan kerusakan baterai karena pengisian dan pengosongan baterai yang berulang kali dan dapat over-charge atau over-discharging. Oleh karena itu, dibutuhkan alat pengukuran kapasitas baterai untuk menjaga agar baterai tidak cepat rusak. State of charge baterai adalah status yang menunjukkan kapasitas baterai.  Pada penelitian ini, akan dilakukan estimasi state of charge baterai Lithium Ion 12 volt 4 ah menggunakan metode Feed-Forward Backpropagation karena metode FF-BPNN dapat menyesuaikan dengan karakteristik non-linear dari baterai Dalam metode ini, ada dua tingkat proses training data (dua neural) untuk mendapatkan estimasi nilai OCV dan SOC. Tingkat pertama dengan parameter input yaitu tegangan, arus, dan waktu charge atau discharge untuk estimasi OCV. OCV dari hasil tingkat pertama, digunakan sebagai input dari proses tingkat kedua untuk estimasi SOC. Hasil estimasi SOC yang didapat yaitu jumlah nilai hidden neuron 11 pada kondisi charging dan nilai hidden neuron 10 pada kondisi discharge, karena hal itu menunjukkan bahwa estimasi baterai lithium-ion SOC dengan pembacaan aktualnya menunjukkan error yang kecil.