Articles
<![CDATA[Pemodelan dan Prediksi Daya Output Photovoltaic secara Real Time Berbasis Mikrokontroler ]]>
<![CDATA[Prasetyono, Eka]]>;
<![CDATA[Wicaksana, Ragil Wigas]]>;
<![CDATA[Windarko, Novie Ayub]]>;
<![CDATA[Efendi, Moh. Zaenal]]>
<![CDATA[ JURNAL NASIONAL TEKNIK ELEKTRO Vol 4, No 2: September 2015 ]]>
Publisher : <![CDATA[Jurusan Teknik Elektro Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (793.143 KB)
|
DOI: 10.25077/jnte.v4n2.163.2015
<![CDATA[The electrical energy generated by the photovoltaic (PV) as a renewable energy source highly affected by environmental conditions such as intensity of sunlight irradiance, temperature, geographic location and tilt angle of PV itself. How much power should be generated by the PV for every times and anywhere will be discussed in this paper. This paper are implemented models of clear sky solar irradiance, solar position and PV temperature to predict the power output should be generated by PV. The model is implemented on the ARM Cortex M4F microcontroller STM32F407 which is a 32bit microcontroller and equipped with DSP, so the prediction of PV power output can be done online and in real time. To be able to predict the PV power output online, at any time and wherever they are, in this study microcontroller equipped with temperature sensors and input geographical information (latitude-longitude) and also equipped with a memory card for data logger between the predictions and field measurement. Results have been obtained by field experiments, measurements test for PV is very close to predictions with an average error 4.72% and computation time for all models by microcontroller with DSP instruction 33.64% faster compare to without DSP instruction.Keywords : Photovoltaic, Real time power prediction and Microcontroller. Abstrak—Energi listrik yang dihasilkan oleh photovoltaic (PV) sebagai sumber energi terbarukan sangat terpengaruh oleh kondisi lingkungan seperti besar kecilnya intensitas iradiasi sinar matahari, suhu, letak geografis dan orientasi kemiringan dari PV itu sendiri. Berapa daya yang seharusnya dihasilkan oleh PV untuk setiap saat dan dimana saja akan dibahas pada makalah ini. Pada makalah ini mengimplementasi clear sky solar irradiance, solar position dan PV temperatur model untuk memprediksi daya output yang seharusnya dihasilkan oleh PV. Model tersebut diimplemantasikan pada mikrokontroller ARM Cortex M4F STM32F407 yang merupakan mikrokontroller 32bit dan dilengkapi dengan DSP, sehingga prediksi daya output PV dapat dilakukan secara online dan real time. Untuk dapat memprediksi daya output PV secara online, setiap saat dan dimana saja berada, maka pada makalah ini mikrokontroler dilengkapi dengan sensor suhu dan input informasi geografis berupa lintang-bujur dan dilengkapi juga dengan memory card untuk data logger antara daya hasil prediksi dan daya hasil pengukurang dilapangan. Hasil yang telah diperoleh dari percobaan lapangan menunjukkan bahwa daya hasil pengukuran PV terhadap prediksi daya melalui model sangat mendekati dengan rata-rata error 4.72% dan penggunaan instruksi DSP pada mikrokontroler untuk perhitungan model waktu komputasinya 33.64% lebih cepat dibandingkan tanpa instruksi DSPKata Kunci : Photovoltaic, Prediksi daya secara real time  dan Mikrokontroler]]>
<![CDATA[Studi Komparasi Fungsi Keanggotaan Fuzzy sebagai Kontroler Bidirectional DC-DC Converter pada Sistem Penyimpan Energi ]]>
<![CDATA[Prasetyono, Eka]]>;
<![CDATA[Ashary, Wima]]>;
<![CDATA[Tjahjono, Anang]]>;
<![CDATA[Windarko, Novie Ayub]]>
<![CDATA[ JURNAL NASIONAL TEKNIK ELEKTRO Vol 4, No 2: September 2015 ]]>
Publisher : <![CDATA[Jurusan Teknik Elektro Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (539.57 KB)
|
DOI: 10.25077/jnte.v4n2.161.2015
<![CDATA[Bidirectional DC-DC converter is needed in the energy storage system. The converter topology used in this paper was a non-isolated bidirectional DC-DC buck-boost converter. This converter worked in two ways, which the charging mode stored energy into battery when load current was less than nominal main DC current (set point) and discharging mode transferred energy from battery to the load when its current exceeded set point value. Both of these modes worked automatically according to the load current. The charging and discharging currents were controlled by fuzzy logic controller which was implemented on microcontroller ARM Cortex-M4F STM32F407VG. This paper compares two types of fuzzy membership function (triangular and sigmoid) in controlling bidirectional DC-DC converter. The results showed that fuzzy logic controller with triangle membership function and sigmoid as control bidirectional DC-DC converter had no significant different response, both had an average error for charging and discharging process under 4% with ripple current on the main DC bus around 0.5%. The computing time of program for fuzzy logic controller with triangular membership functions had 19.01% faster than sigmoid, and fuzzy logic computation time on a microcontroller with hardware floating point was 60% faster than software floating point.                                                                                                                                                       Keywords : Bidirectional DC-DC converter, Fuzzy logic controller and MikorkontrolerAbstrak—Bidirectional DC-DC converter merupakan converter yang diperlukan dalam sistem penyimpan energi. Topologi converter yang digunakan pada paper ini adalah non-isolated bidirectional DC-DC converter jenis buck–boost converter, converter ini dapat bekerja dua arah yaitu mode charging untuk menyimpan energi ke dalam baterai apabila arus beban kurang dari nilai nominal (set point) kemampuan main DC bus dan mode discharging untuk menyalurkan energi dari baterai ke beban bila arus beban melebihi nilai set point. Kedua mode tersebut bekerja secara otomatis sesuai dengan besarnya beban yang digunakan. Besarnya arus charging dan discharging dikontrol oleh kontrol logika fuzzy yang diimplemanetasikan pada mikrokontroler ARM Cortex-M4F STM32F407VG. Paper ini membandingkan dua jenis fungsi keanggotaan fuzzy (segitiga dan sigmoid) dalam mengontrol bidirectional DC-DC converter. Hasil yang diperoleh menunjukkan kontrol logika fuzzy dengan fungsi keanggotaan segi tiga dan sigmoid sebagai kontrol bidirectional DC-DC converter memiliki perbedaan respon yang tidak signifikan, keduanya memiliki rata-rata error untuk proses charging dan discharging dibawah 4% dengan ripple pada main DC bus 0.5%. Ditinjau dari waktu komputasi program, kontrol logika fuzzy dengan fungsi keanggotaan segitiga 19.01% lebih cepat komputasinya dibanding dengan sigmoid dan waktu komputasi logika fuzzy pada mikrokontroler dengan floating point hardware 60% cepat dibanding dengan floating point secara software.Kata Kunci : Bidirectional DC-DC converter, Fuzzy logic controller dan Mikorkontroler.]]>
<![CDATA[Estimasi Nilai Parameter Photovoltaic dengan Algoritma Numerik Menggunakan Software Psim ]]>
<![CDATA[Dimas Nur Prakoso]]>;
<![CDATA[Novie Ayub Windarko]]>;
<![CDATA[Bambang Sumantri]]>
<![CDATA[ BRILIANT: Jurnal Riset dan Konseptual Vol 6, No 2 (2021): Vol 6, No 2 (2021): Volume 6 Nomor 2, Mei 2021 ]]>
Publisher : <![CDATA[Universitas Nahdlatul Ulama Blitar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (762.99 KB)
|
DOI: 10.28926/briliant.v6i2.623
<![CDATA[Pemanfaatan sinar matahari dengan menggunakan panel photovoltaic akan berdampak ramah lingkungan, pemodelan dilakukukan untuk menggunakan panel photovoltaic tersebut, pemodelan yang digunakan disini adalah single diode, parameter dari pemodelan tersebut akan diestimasi dan digunakan sebagai input. Metode yang digunakan adalah algoritma numerik secant method. Metode tersebut nantinya digunakan untuk mencari nilai Maximum Power Point, dari nilai MPP tersebut akan digunakan sebagai nilai input kurva karakteristik P-V dan kurva karakteristik I-V lalu dibandingkan dengan kurva karakteristik asli dari photovoltaic tersebut. Pengujian dilakukan dengan empat (4) nilai iradiasi yang berbeda yaitu 1000, 750, 500 dan 250. Pengujian akan dilakukan menggunakan software simulasi PSim. Dari pengujian yang telah dilakukan dengan nilai iradiasi 1000 didapatkan daya sebesar 102 Watt dan arus 6.03 Ampere, dengan nilai iradiasi 750 didapatkan daya sebesar 75 Watt dan arus 4.52 Ampere, dengan nilai iradiasi 500 didapatkan daya sebesar 49 Watt dan arus 3.01 Ampere, dengan nilai iradiasi 250 didapatkan daya sebesar 23 Watt dan arus 1.5 Ampere. Dari pengujian masing-masing nilai iradiasi tersebut kurva karakteristik P-V dan kurva karakteristik I-V yang didapatkan dari algoritma numerik secant method sudah sesuai dengan kurva karakteristik aslinya.]]>
<![CDATA[Design and Implementation of Battery Charger with Power Factor Correction using Sepic Converter and Full-bridge DC-DC Converter ]]>
<![CDATA[Moh. Zaenal Efendi]]>;
<![CDATA[Novie Ayub Windarko]]>;
<![CDATA[Moh. Faisal Amir]]>
<![CDATA[ Journal of Mechatronics, Electrical Power and Vehicular Technology Vol 4, No 2 (2013) ]]>
Publisher : <![CDATA[National Research and Innovation Agency ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.14203/j.mev.2013.v4.75-80
<![CDATA[This paper presents a design and implementation of a converter which has a high power factor for battery charger application. The converter is a combination of a SEPIC converter and a full-bridge DC-DC converter connected in two stages of series circuit. The SEPIC converter works in discontinuous conduction mode and it serves as a power factor corrector so that the shape of input current waveform follows the shape of input voltage waveform. The full-bridge DC-DC converter serves as a regulator of output voltage and operates at continuous conduction mode. The experimental results show that the power factor of this converter system can be achieved up to 0.96.]]>
<![CDATA[Desain dan Simulasi UPS Multilevel Inverter Dengan Metode Modulasi Phase Disposition PWM ]]>
<![CDATA[Gede Patrianaya Margayasa Wirsuyana]]>;
<![CDATA[Muhammad Nizar Habibi]]>;
<![CDATA[Novie Ayub Windarko]]>;
<![CDATA[Suryono Suryono]]>
<![CDATA[ Semesta Teknika Vol 23, No 1 (2020): MEI 2020 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.18196/st.v23i1.8782
<![CDATA[Penelitian ini memaparkan hasil perancangan dan simulasi Uninterruptible Power Supply (UPS) yang berfungsi sebagai sumber energi cadangan ketika sumber energi utama beban padam. Rangkaian UPS ini terdiri dari baterai sebagai sumber energi, konverter DC-DC boost sebagai penaik tegangan dari baterai yang disertai dengan kontrol PI untuk menstabilkan tegangan keluaran konverter, dan multilevel inverter tipe dioda clamped dengan metode modulasi Phase Disposition PWM (PD-PWM) untuk mengubah tegangan DC menjadi tegangan AC yang dapat disuplai ke beban. Pada penelitian ini akan dibahas performa dari konverter DC-DC boost yang dilengkapi dengan kontrol PI dan diode clamped multilevel inverter dalam aplikasinya sebagai UPS yang digunakan untuk menyuplai beban. Hasil penelitian menunjukkan bahwa konverter boost DC-DC mampu menaikkan dan menstabilkan tegangan DC sebesar 339,71 volt dan multilevel inverter mampu mengubah tegangan DC menjadi tegangan AC sebesar 220,41 volt dan tegangan Total Harmonic Distortion (THD) 0,39222% yang dapat disuplai. ke beban sebagai pengganti sumber energi utama. Sistem UPS ini memiliki waktu peralihan 23 milidetik.This paper presents the results of the design and simulation of an Uninterruptible Power Supply (UPS) that functions as a backup energy source when the main energy source of the load goes out. This UPS circuit consists of a battery as an energy source, a DC-DC boost converter as a voltage booster from a battery that is accompanied by a Proportional-Integral (PI) control to stabilize the output voltage of the converter, and a diode clamped multilevel inverter with the Phase Disposition PWM (PD-PWM) modulation method to change the DC voltage into an AC voltage that can be supplied to the load. This research will discuss the performance of the DC-DC boost converter which is accompanied by PI control and diode clamped multilevel inverter in its application as a UPS that is used to supply loads. The results show that DC-DC boost converter is able to increase and stabilize DC voltages by 339.71 volts and multilevel inverters are able to convert DC voltages to AC voltages by 220.41 volts and Total Harmonic Distortion (THD) voltage of 0.39222% which can be supplied to the load as a substitute for the main energy source. This UPS system has a switching time of 23 milliseconds.]]>
<![CDATA[Studi Komparasi Fungsi Keanggotaan Fuzzy sebagai Kontroler Bidirectional DC-DC Converter pada Sistem Penyimpan Energi ]]>
<![CDATA[Eka Prasetyono]]>;
<![CDATA[Wima Ashary]]>;
<![CDATA[Anang Tjahjono]]>;
<![CDATA[Novie Ayub Windarko]]>
<![CDATA[ JURNAL NASIONAL TEKNIK ELEKTRO Vol 4 No 2: September 2015 ]]>
Publisher : <![CDATA[Jurusan Teknik Elektro Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (539.57 KB)
|
DOI: 10.25077/jnte.v4n2.161.2015
<![CDATA[Bidirectional DC-DC converter is needed in the energy storage system. The converter topology used in this paper was a non-isolated bidirectional DC-DC buck-boost converter. This converter worked in two ways, which the charging mode stored energy into battery when load current was less than nominal main DC current (set point) and discharging mode transferred energy from battery to the load when its current exceeded set point value. Both of these modes worked automatically according to the load current. The charging and discharging currents were controlled by fuzzy logic controller which was implemented on microcontroller ARM Cortex-M4F STM32F407VG. This paper compares two types of fuzzy membership function (triangular and sigmoid) in controlling bidirectional DC-DC converter. The results showed that fuzzy logic controller with triangle membership function and sigmoid as control bidirectional DC-DC converter had no significant different response, both had an average error for charging and discharging process under 4% with ripple current on the main DC bus around 0.5%. The computing time of program for fuzzy logic controller with triangular membership functions had 19.01% faster than sigmoid, and fuzzy logic computation time on a microcontroller with hardware floating point was 60% faster than software floating point. Keywords : Bidirectional DC-DC converter, Fuzzy logic controller and MikorkontrolerAbstrak—Bidirectional DC-DC converter merupakan converter yang diperlukan dalam sistem penyimpan energi. Topologi converter yang digunakan pada paper ini adalah non-isolated bidirectional DC-DC converter jenis buck–boost converter, converter ini dapat bekerja dua arah yaitu mode charging untuk menyimpan energi ke dalam baterai apabila arus beban kurang dari nilai nominal (set point) kemampuan main DC bus dan mode discharging untuk menyalurkan energi dari baterai ke beban bila arus beban melebihi nilai set point. Kedua mode tersebut bekerja secara otomatis sesuai dengan besarnya beban yang digunakan. Besarnya arus charging dan discharging dikontrol oleh kontrol logika fuzzy yang diimplemanetasikan pada mikrokontroler ARM Cortex-M4F STM32F407VG. Paper ini membandingkan dua jenis fungsi keanggotaan fuzzy (segitiga dan sigmoid) dalam mengontrol bidirectional DC-DC converter. Hasil yang diperoleh menunjukkan kontrol logika fuzzy dengan fungsi keanggotaan segi tiga dan sigmoid sebagai kontrol bidirectional DC-DC converter memiliki perbedaan respon yang tidak signifikan, keduanya memiliki rata-rata error untuk proses charging dan discharging dibawah 4% dengan ripple pada main DC bus 0.5%. Ditinjau dari waktu komputasi program, kontrol logika fuzzy dengan fungsi keanggotaan segitiga 19.01% lebih cepat komputasinya dibanding dengan sigmoid dan waktu komputasi logika fuzzy pada mikrokontroler dengan floating point hardware 60% cepat dibanding dengan floating point secara software.Kata Kunci : Bidirectional DC-DC converter, Fuzzy logic controller dan Mikorkontroler.]]>
<![CDATA[Pemodelan dan Prediksi Daya Output Photovoltaic secara Real Time Berbasis Mikrokontroler ]]>
<![CDATA[Eka Prasetyono]]>;
<![CDATA[Ragil Wigas Wicaksana]]>;
<![CDATA[Novie Ayub Windarko]]>;
<![CDATA[Moh. Zaenal Efendi]]>
<![CDATA[ JURNAL NASIONAL TEKNIK ELEKTRO Vol 4 No 2: September 2015 ]]>
Publisher : <![CDATA[Jurusan Teknik Elektro Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (793.143 KB)
|
DOI: 10.25077/jnte.v4n2.163.2015
<![CDATA[The electrical energy generated by the photovoltaic (PV) as a renewable energy source highly affected by environmental conditions such as intensity of sunlight irradiance, temperature, geographic location and tilt angle of PV itself. How much power should be generated by the PV for every times and anywhere will be discussed in this paper. This paper are implemented models of clear sky solar irradiance, solar position and PV temperature to predict the power output should be generated by PV. The model is implemented on the ARM Cortex M4F microcontroller STM32F407 which is a 32bit microcontroller and equipped with DSP, so the prediction of PV power output can be done online and in real time. To be able to predict the PV power output online, at any time and wherever they are, in this study microcontroller equipped with temperature sensors and input geographical information (latitude-longitude) and also equipped with a memory card for data logger between the predictions and field measurement. Results have been obtained by field experiments, measurements test for PV is very close to predictions with an average error 4.72% and computation time for all models by microcontroller with DSP instruction 33.64% faster compare to without DSP instruction.Keywords : Photovoltaic, Real time power prediction and Microcontroller. Abstrak—Energi listrik yang dihasilkan oleh photovoltaic (PV) sebagai sumber energi terbarukan sangat terpengaruh oleh kondisi lingkungan seperti besar kecilnya intensitas iradiasi sinar matahari, suhu, letak geografis dan orientasi kemiringan dari PV itu sendiri. Berapa daya yang seharusnya dihasilkan oleh PV untuk setiap saat dan dimana saja akan dibahas pada makalah ini. Pada makalah ini mengimplementasi clear sky solar irradiance, solar position dan PV temperatur model untuk memprediksi daya output yang seharusnya dihasilkan oleh PV. Model tersebut diimplemantasikan pada mikrokontroller ARM Cortex M4F STM32F407 yang merupakan mikrokontroller 32bit dan dilengkapi dengan DSP, sehingga prediksi daya output PV dapat dilakukan secara online dan real time. Untuk dapat memprediksi daya output PV secara online, setiap saat dan dimana saja berada, maka pada makalah ini mikrokontroler dilengkapi dengan sensor suhu dan input informasi geografis berupa lintang-bujur dan dilengkapi juga dengan memory card untuk data logger antara daya hasil prediksi dan daya hasil pengukurang dilapangan. Hasil yang telah diperoleh dari percobaan lapangan menunjukkan bahwa daya hasil pengukuran PV terhadap prediksi daya melalui model sangat mendekati dengan rata-rata error 4.72% dan penggunaan instruksi DSP pada mikrokontroler untuk perhitungan model waktu komputasinya 33.64% lebih cepat dibandingkan tanpa instruksi DSPKata Kunci : Photovoltaic, Prediksi daya secara real time dan Mikrokontroler]]>
<![CDATA[FEED FORWARD NEURAL NETWORK SEBAGAI ALGORITMA ESTIMASI STATE OF CHARGE BATERAI LITHIUM POLYMER ]]>
<![CDATA[Mohammad Imron Dwi Prasetyo]]>;
<![CDATA[Anang Tjahjono]]>;
<![CDATA[Novie Ayub Windarko]]>
<![CDATA[ KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 7, No 1 (2020) ]]>
Publisher : <![CDATA[Lambung Mangkurat University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20527/klik.v7i1.290
<![CDATA[Estimasi State Of Charge (SOC) baterai merupakan parameter terpenting dalam Battery Management System (BMS), terlebih sebagai aplikasi dari mobil listrik dan smart grid. SOC tidak dapat dilakukan pengukuran secara langsung, sehingga diperlukan metode estimasi untuk mendapatkan nilai tersebut. Beberapa metode yang pernah diusulkan adalah coloumb counting dan open circuit voltage. Akan tetapi coloumb counting memiliki kelemahan dalam hal inisialisasi SOC awal dan memiliki ketergantungan terhadap sensor arus. Sedangkan metode open circuit voltage hanya dapat digunakan pada baterai dalam kondisi idel. Pada penelitian ini diusulkan metode algoritma Feed Forward Neural Network (FFNN) untuk estimasi SOC baterai lithium polymer. Algoritma ini dapat menyelesaikan sistem nonlinier seperti yang dimiliki oleh baterai lithium polymer. Arsitektur FFNN dibangun dua kali (dual neural) untuk estimasi OCV dan SOC. FFNN pertama dengan input tegangan, arus, dan waktu charging maupun discharging untuk estimasi OCV. OCV hasil training neural pertama digunakan sebagai input FFNN kedua untuk estimasi SOC. Hasil dari estimasi ini didapatkan dengan nilai hidden neuron 11 pada neural pertama dan hidden neuron 4 pada neural kedua.Keywords: SOC, BMS, Coloumb Counting, OCV, FFNNEstimasi State Of Charge (SOC) baterai merupakan parameter terpenting dalam Battery Management System (BMS), terlebih sebagai aplikasi dari mobil listrik dan smart grid. SOC tidak dapat dilakukan pengukuran secara langsung, sehingga diperlukan metode estimasi untuk mendapatkan nilai tersebut. Beberapa metode yang pernah diusulkan adalah coloumb counting dan open circuit voltage. Akan tetapi coloumb counting memiliki kelemahan dalam hal inisialisasi SOC awal dan memiliki ketergantungan terhadap sensor arus. Sedangkan metode open circuit voltage hanya dapat digunakan pada baterai dalam kondisi idel. Pada penelitian ini diusulkan metode algoritma Feed Forward Neural Network (FFNN) untuk estimasi SOC baterai lithium polymer. Algoritma ini dapat menyelesaikan sistem nonlinier seperti yang dimiliki oleh baterai lithium polymer. Arsitektur FFNN dibangun dua kali (dual neural) untuk estimasi OCV dan SOC. FFNN pertama dengan input tegangan, arus, dan waktu charging maupun discharging untuk estimasi OCV. OCV hasil training neural pertama digunakan sebagai input FFNN kedua untuk estimasi SOC. Hasil dari estimasi ini didapatkan dengan nilai hidden neuron 11 pada neural pertama dan hidden neuron 4 pada neural kedua.Kata kunci: SOC, BMS, Coloumb Counting, OCV, FFNN]]>
<![CDATA[Battery Management System (BMS) Dengan State Of Charge (SOC) Metode Modified Coulomb Counting ]]>
<![CDATA[Puspita Ningrum]]>;
<![CDATA[Novie Ayub Windarko]]>;
<![CDATA[Suhariningsih Suhariningsih]]>
<![CDATA[ INOVTEK - Seri Elektro Vol 1, No 1 (2019): INOVTEK Seri Elektro ]]>
Publisher : <![CDATA[Politeknik Negeri Bengkalis ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (850.862 KB)
|
DOI: 10.35314/ise.v1i1.1022
<![CDATA[Baterai merupakan media penyimpanan energi listrik dalam bentuk energi kimia yang dapat dikonversikan menjadi daya. Dalam kasus yang ditemukan baterai mudah mengalami kerusakan dan memiliki life time yang pendek. Kerusakan pada baterai disebabkan karena penggunaan yang tidak ideal dan baterai tidak dilengkapi sistem proteksi dan monitoring, sehingga baterai tetap beroperasi meskipun dalam kondisi over-voltage, over-current dan over-heat saat charging dan ditambah mengalami under-voltage pada saat discharging. Pada jurnal ini disampaikan perancangan sistem BMS (Battery Management System) untuk 2 jenis baterai yaitu Lead Acid 12V 7Ah dan Li-ion 12V 4Ah. BMS memiliki tiga fungsi, yaitu computation , monitoring ,dan protection. Sensor tegangan, sensor arus ACS 712 dan sensor suhu DHT22 digunakan untuk mengirimkan informasi mengenai kondisi baterai ke mikrokontroler Arduino Mega 2560 sebagai pusat kendali. Akurasi pengukuran State Of Charge (SOC) mempunyai aspek yang penting dalam perancangan Battery Management System. Pengukuran SOC secara tepat dapat menghindarkan baterai dari kondisi overcharge dan undercharge. Dari hasil pengujian diharapkan bahwa BMS mampu membaca nilai tegangan, arus, suhu, SOC, AH, dan WH. Hasil pembacaan parameter dapat tersimpan pada SD Card. Sistem proteksi pada BMS akan aktif ketika baterai dalam kondisi tidak ideal sehingga baterai tidak mudah rusak dan dapat menekan penurunan life time.]]>
<![CDATA[Estimasi State of Charge (SOC) Pada Baterai Lithium – Ion Menggunakan Feed-Forward Backpropagation Neural Network Dua Tingkat ]]>
<![CDATA[S Aisyah]]>;
<![CDATA[Muhammad Nizar Habibi]]>;
<![CDATA[Mohammad Imron Dwi Prasetyo]]>;
<![CDATA[Novie Ayub Windarko]]>;
<![CDATA[Diah Septi Yanaratri]]>
<![CDATA[ Jurnal Teknologi Terpadu Vol 8, No 2 (2020): JTT (Jurnal Teknologi Terpadu) ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengabdian Kepada Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32487/jtt.v8i2.846
<![CDATA[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.]]>
