Rancang Bangun Neural Network untuk Estimasi State of Charge (SoC) Pada Lead Acid Battery

Abstract

Kebutuhan akan sumber energi listrik di era modern sangat tinggi, contohnya baterai. Baterai sendiri kini telah di alih fungsikan  sebagai sumber listrik utama untuk berbagai peralatan elektronik.Baterai yang sering digunakan adalah baterai dengan model Lead Acid yang memiliki keunggulan memiliki spesifikasi tegangan dan arus yang besar serta biaya perawatan yang lebih rendah. Baterai Lead Acid memiliki masa pakai lama, performa tinggi. Baterai mengalami siklus Charge dan Discharge yang menyebabkan penurunan kapasitas dan performa. Oleh karena itu, Untuk mengatasi masalah tersebut diperlukan Estimasi State of Charge (SOC) dengan benar karena keakuratan Estimated State of Charge (SOC) akan mempengaruhi umur dan kinerja baterai. Pada sistem Estimasi State of Charge ini digunakan metode Neural Network digunakan untuk menentukan parameter dan mengontrol kondisi State of Charge (SOC). Sistem ini juga dilengkapi dengan  proteksi jika terjadi Arus dan Tegangan Lebih. Dari hasil penelitian yang dilakukan, estimasi menggunakan metode Neural Network memiliki nilai error yang sangat kecil dibandingkan dengan simulasi estimasi SOC menggunakan aplikasi MATLAB, yaitu 0,17%. Estimasi State of Charge (SOC) menggunakan Neural Network dapat dikatakan memiliki performa yang baik karena nilai error jika dibandingkan dengan simulasi sangat kecil. Dan kelebihan dari Metode Neural Network ini adalah tidak perlunya pemodelan matematika untuk menghitung nilai SOC.