ESTIMASI STATE OF CHARGE PADA ULTRAKAPASITOR MENGGUNAKAN METODE ELMAN BACKPROPAGATION NEURAL NETWORK

Abstract

Ultrakapasitor saat ini menjadi solusi penyimpanan energi yang efektif dan menjanjikan untuk masa depan. Ultrakapasitor memiliki kepadatan daya yang tinggi, pengisian dan pengosongan yang cepat, serta masa pakai yang lebih lama dibandingkan dengan baterai. Hal ini memastikan ultrakapasitor dapat melengkapi atau mengganti baterai di berbagai bidang aplikasi, seperti Hybrid Electric Vehicles (HEV). Untuk mempertahankan performa optimal dan mencegah kerusakan pada ultrakapasitor, diperlukan estimasi yang akurat dari State of Charge (SoC). Dalam makalah ini, ultrakapasitor digunakan pada kondisi pengisian dengan arus konstan. Estimasi SoC pada ultrakapasitor dilakukan dengan menggunakan model RC serial untuk pemodelan ultrakapasitor untuk menganalisis kinerja ultrakapasitor, dan metode estimasi menggunakan Elman Backpropagation Neural Network (EBNN), yang dibandingkan dengan Feed Forward Backpropagation Neural Network (FFBNN) melalui simulasi dan eksperimen perangkat keras. Estimasi SoC menggunakan EBNN pada simulasi memiliki error sebesar 0.0702% dan pada perangkat keras sebesar 0.128%. Sedangkan estimasi SoC menggunakan FFBN pada simulasi memiliki error sebesar 0.084% dan pada perangkat keras memiliki error sebesar 0.806%. Berdasarkan simulasi dan data perangkat keras menunjukkan bahwa estimasi SoC menggunakan EBNN mencapai akurasi yang lebih tinggi dibandingkan menggunakan FFBNN.