Implementasi Struktur Hammerstein Untuk Pemodelan State Of Charge Baterai
Abstract
Baterai adalah perangkat yang dapat menyimpan energi listrik untuk kebutuhan setiap saat dan dengan mudah memindahkannya dari satu tempat ke tempat lain. Dengan kemajuan teknologi saat ini, semakin banyak aktivitas yang menggunakan baterai. Namun, seringkali proses pengisian baterai dalam perangkat elektronika melebihi kapasitas sehingga akan mengakibatkan overcharge dan penggunaan daya yang terlalu lama akan mengakibatkan baterai cepat habis (overdischarge). Dalam Battery Management System, akurasi pengukuran State of Charge (SoC) merupakan salah satu aspek terpenting. Estimasi SoC yang akurat tidak hanya dapat melindungi baterai, mencegah pengisian daya yang berlebihan dan memperpanjang masa pakai baterai, tetapi juga memungkinkan aplikasi mengembangkan strategi kontrol rasional untuk menghemat energi. Pada penelitian ini, kami berfokus pada implementasi struktur hammerstein untuk pemodelan state of charge baterai. Model hammerstein digunakan untuk mengatasi kompleksitas nonlinearitas dalam karakteristik SoC baterai sambil mempertahankan sifat linier dari interaksi masukan dan keluaran blok linier. Dari penelitian ini proses estimasi SoC menggunakan model hammersteinrecursive least square menunjukkan bahwa estimasi yang dihasilkan memperoleh estimasi yang sangat baik dengan grafik pengukuran dan estimasi yang dihasilkan sangat terlihat berimpit dan perhitungan metrik evaluasi kinerja yang sangat kecil berupa nilai MSE 0,0029, RMSE 0.05473 dan MAPE 0.08114.
Kata kunci โ Battery Management System, Hammerstein, State of Charge
References
A. D. Isnaini, Suwandi and R. F. Iskandar, "Estimation
State Of Charge Of Lithium Ion Battery Using
Coulomb Counting Method," Estimation State Of
Charge Of Lithium Ion Battery Using Coulomb
Counting Method, p. 650, 2017.
W. Y. Chang, "The State of Charge Estimating
Methods for Battery: A Review," Hindawi Publishing
Corporation, pp. 1-7, 2013.
J. Meng, G. Luo, M. Ricco, M. Swierczynski, D.-I.
Stroe and R. Teodorescu, "Overview of Lithium-Ion
Battery Modeling Methods for State-of-Charge
Estimation in Electrical Vehicles," Applied Sciences,
p. 659, 2018.
C. M. Cheng, Z. K. Peng, W. M. Zhang and G. Meng,
"Volterra Series Based Nonlinear System Modeling
and its Engineering Applications: A State of The Art
Review," Mechanical Systems and Signal Processing,
pp. 340-364, 2017.
E. J. Dempsey and D. T. Westwick, "Identification of
Hammerstein Models With Cubic Spline
Nonlinearities," IEEE Trans. Biomed. Eng, pp. 237-
, 2004.
E. W. Bai and M. Fu, "A Blind Approach to
Hammerstein Model Identification," IEEE Trans.
Signal Process, p. 1610-1619, 2002.
M. P. Wand and M. C. Jones, "Kernel Smoothing,"
Chapman and Hall, 1995.
S. Haykin, Adaptive Filter Theory, Prentice-Hall,



