Estimasi State Of Charge (Soc) Pada Baterai Lithium Ion Menggunakan Long Short-Term Memory (LSTM) Neural Network

Abstract

Lithium-ion batteries have become one of the primary choices for efficient and environmentally friendly mobility in today's era. These batteries play a crucial role in our digital lifestyle, from smartphones to electric cars. The use of these batteries involves challenges in estimating the State of Charge (SOC), which is a key parameter for monitoring the remaining energy availability in the battery. Therefore, an accurate SOC estimation method is essential for efficient energy management and battery safety. The Long Short Term Memory (LSTM) model was chosen for its ability to handle complex time-series data and nonlinear patterns in battery performance. This research aims to provide a solution for estimating the SOC of lithium-ion batteries. In this study, an RMSE value of 3.53% was achieved at a temperature of 25°C.Baterai lithium-ion telah menjadi salah satu pilihan utama untuk mobilitas yang efisien dan ramah lingkungan di era saat ini. Baterai memainkan peran penting dalam gaya hidup digital kita, mulai dari smartphone hingga mobil listrik. Penggunaan baterai ini tidak terlepas dari tantangan dalam mengestimasi State of Charge (SOC), yang merupakan parameter kunci untuk memantau ketersediaan energi yang tersisa dalam baterai. Oleh karena itu diperlukan sebuah metode Estimasi SOC yang akurat penting untuk manajemen energi yang efisien dan keamanan penggunaan baterai. Model Long Short Term Memory (LSTM) dipilih karena kemampuannya menangani data deret waktu yang kompleks dan pola nonlier dalam performa baterai. Penelitian ini diharapkan dapat menjadi salah satu solusi dalam mengestimasi SOC baterai lithium ion. Pada penelitian ini menghasilkan nilai RMSE sebesar 3,53% pada temperature 25°C.