Sebagai pemasok Baterai Lithium Ion NCM 3,67V 78Ah, saya sering menjumpai pertanyaan tentang metode estimasi state-of-charge (SOC). SOC adalah parameter penting yang menunjukkan sisa energi dalam baterai, mirip dengan pengukur bahan bakar di mobil. Estimasi SOC yang akurat sangat penting untuk mengoptimalkan kinerja baterai, memastikan keamanan, dan memperpanjang masa pakai baterai. Dalam postingan blog ini, saya akan mempelajari berbagai metode estimasi SOC untuk Baterai Lithium Ion NCM 3.67V 78Ah kami.
Pentingnya Estimasi SOC
Sebelum kita mendalami metode estimasi, mari kita pahami mengapa estimasi SOC sangat penting. Bagi pengguna Baterai Lithium Ion NCM 3,67V 78Ah kami, mengetahui SOC membantu dalam merencanakan penggunaan, mencegah pengosongan berlebih, dan memastikan bahwa baterai diisi pada waktu yang tepat. Pengosongan baterai lithium - ion yang berlebihan dapat menyebabkan kerusakan permanen, berkurangnya kapasitas, dan bahkan bahaya keselamatan seperti pelepasan panas. Di sisi lain, pengisian daya yang berlebihan juga dapat menyebabkan masalah serupa. Oleh karena itu, perkiraan SOC yang akurat adalah kunci untuk menjaga kesehatan dan kinerja baterai.
Metode Estimasi SOC Umum
1. Metode Tegangan Sirkuit Terbuka (OCV).
Metode OCV adalah salah satu teknik estimasi SOC yang paling sederhana dan paling banyak digunakan. Hal ini didasarkan pada hubungan antara tegangan rangkaian terbuka baterai dan SOC-nya. Ketika baterai dalam keadaan istirahat (tidak diisi atau dikosongkan), tegangannya stabil pada nilai yang berhubungan langsung dengan SOC.
Untuk Baterai Lithium Ion NCM 3,67V 78Ah, kami telah melakukan pengujian ekstensif untuk menetapkan kurva OCV - SOC. Dengan mengukur tegangan rangkaian terbuka baterai setelah baterai dalam keadaan diam selama jangka waktu yang cukup (biasanya beberapa jam), kita dapat memperkirakan SOC menggunakan kurva ini. Namun, metode ini mempunyai keterbatasan. Ini hanya akurat ketika baterai dalam keadaan santai, dan tidak memperhitungkan riwayat pengisian dan pengosongan baterai, seperti laju aliran arus atau suhu.
2. Metode Penghitungan Coulomb
Metode penghitungan Coulomb, juga dikenal sebagai metode integrasi ampere-jam, adalah pendekatan populer lainnya. Metode ini menghitung SOC dengan mengintegrasikan arus yang mengalir masuk dan keluar baterai seiring waktu. Prinsip dasarnya adalah perubahan SOC sebanding dengan besarnya biaya yang ditransfer.
Untuk menggunakan metode ini, kita perlu mengukur arus yang mengalir melalui baterai secara terus menerus. Sensor arus biasanya digunakan untuk tujuan ini. Dengan mengintegrasikan arus dari SOC awal yang diketahui, kita dapat memperkirakan SOC saat ini. Misalnya, jika kita memulai dengan baterai yang terisi penuh (SOC = 100%) dan mengukur arus pengosongan selama suatu periode, kita dapat menghitung jumlah muatan yang telah dihilangkan dan memperkirakan SOC yang tersisa.
Namun metode penghitungan Coulomb juga memiliki beberapa kelemahan. Hal ini memerlukan pengukuran arus yang akurat, dan kesalahan apa pun pada sensor arus dapat terakumulasi seiring waktu, yang menyebabkan kesalahan signifikan dalam perkiraan SOC. Selain itu, ini tidak memperhitungkan self-discharge atau ketidaksempurnaan lainnya pada baterai.
3. Metode Berbasis Model
Metode berbasis model menggunakan model matematika untuk menggambarkan perilaku baterai dan memperkirakan SOC. Model ini dapat berupa model sirkuit ekuivalen berbasis fisika, atau model berbasis data.
- Model Berbasis Fisika: Model ini didasarkan pada proses fisik dan kimia dasar yang terjadi di dalam baterai. Mereka memperhitungkan faktor-faktor seperti difusi, kinetika reaksi, dan perpindahan massa. Meskipun model berbasis fisika dapat memberikan gambaran yang sangat akurat tentang perilaku baterai, model tersebut seringkali rumit dan mahal secara komputasi.
- Model Sirkuit Setara: Model rangkaian ekivalen merepresentasikan baterai sebagai kombinasi komponen listrik seperti resistor, kapasitor, dan sumber tegangan. Model ini lebih sederhana daripada model berbasis fisika dan dapat dikalibrasi agar sesuai dengan perilaku Baterai Lithium Ion NCM 3,67V 78Ah kami. Dengan menggunakan algoritma seperti filter Kalman atau filter Extended Kalman, kita dapat memperkirakan SOC berdasarkan tegangan dan arus yang diukur.
- Model Berbasis Data: Model berbasis data, seperti jaringan saraf dan sistem logika fuzzy, menggunakan data historis untuk mempelajari hubungan antara variabel masukan baterai (seperti tegangan, arus, dan suhu) dan SOC. Model ini dapat beradaptasi dengan kimia baterai dan kondisi pengoperasian yang berbeda, namun memerlukan data pelatihan dalam jumlah besar.
Teknik Estimasi SOC Tingkat Lanjut
Dalam beberapa tahun terakhir, para peneliti telah mengembangkan teknik estimasi SOC yang lebih canggih yang menggabungkan beberapa metode untuk meningkatkan akurasi. Misalnya, kombinasi metode OCV dan metode penghitungan Coulomb dapat digunakan. Metode OCV dapat digunakan untuk mengkalibrasi metode penghitungan Coulomb secara berkala, sehingga mengurangi kesalahan kumulatif.
Pendekatan lain adalah dengan menggunakan metode berbasis model yang dikombinasikan dengan pemantauan parameter internal baterai secara real - time, seperti impedansi. Dengan mengukur impedansi baterai, kita dapat memperoleh lebih banyak informasi tentang kondisi kesehatan dan SOC baterai.
Dampak Parameter Baterai pada Estimasi SOC
Keakuratan estimasi SOC dapat dipengaruhi oleh beberapa parameter baterai, termasuk suhu, penuaan, serta laju pengisian dan pengosongan.


- Suhu: Kinerja baterai litium - ion sangat bergantung pada suhu. Pada suhu rendah, resistansi internal baterai meningkat dan reaksi kimia melambat. Hal ini dapat mempengaruhi hubungan OCV - SOC dan keakuratan metode penghitungan Coulomb. Oleh karena itu, kompensasi suhu seringkali diperlukan dalam algoritma estimasi SOC.
- Penuaan: Seiring bertambahnya usia baterai, kapasitas dan resistansi internalnya berubah. Hal ini dapat menyebabkan kurva OCV – SOC bergeser dan mempengaruhi keakuratan metode berbasis model. Untuk memperhitungkan penuaan, kita perlu memperbarui model baterai dan parameter kalibrasi secara berkala.
- Tingkat Pengisian dan Pengosongan: Kecepatan pengisian atau pengosongan baterai juga dapat memengaruhi estimasi SOC. Pengisian dan pengosongan berkecepatan tinggi dapat menyebabkan penurunan tegangan dan timbulnya panas, yang dapat menyebabkan perkiraan SOC tidak akurat. Oleh karena itu, algoritma estimasi SOC harus mampu beradaptasi dengan tingkat pengisian dan pengosongan yang berbeda.
Pendekatan Kami sebagai Pemasok
Sebagai pemasok Baterai Lithium Ion NCM 3,67V 78Ah, kami berkomitmen untuk menyediakan solusi estimasi SOC yang akurat kepada pelanggan kami. Kami menggunakan kombinasi metode yang disebutkan di atas, bersama dengan algoritme canggih dan pemantauan waktu nyata, untuk memastikan tingkat akurasi tertinggi.
Kami juga menawarkan berbagai produk terkait, sepertiSel Baterai Lithium Ion NCM Prismatik 3.65V 55Ah,Baterai Litium Ion NCM 3.7V 147Ah, DanSel Baterai Lithium Ion NCM Prismatik 3.73V 58Ah. Produk-produk ini dirancang dengan pertimbangan estimasi SOC serupa, memastikan bahwa pelanggan kami dapat mengandalkan informasi akurat tentang status pengisian daya baterai.
Hubungi Kami untuk Pengadaan
Jika Anda tertarik dengan Baterai Lithium Ion NCM 3.67V 78Ah kami atau produk kami yang lain, kami mengundang Anda untuk menghubungi kami untuk rincian lebih lanjut dan diskusi pengadaan. Tim ahli kami siap membantu Anda dalam memilih baterai yang tepat untuk aplikasi Anda dan memberikan solusi estimasi SOC terbaik.
Referensi
- Chen, J., & Rincon - Munoz, RD (2012). Analisis spektroskopi impedansi elektrokimia baterai lithium - ion untuk penentuan status pengisian daya dan estimasi berbasis model online. Jurnal Sumber Daya, 218, 272 - 280.
- Plett, GL (2004). Pemfilteran Kalman yang diperluas untuk sistem manajemen baterai paket baterai HEV berbasis LiPB: Bagian 1. Latar Belakang. Jurnal Sumber Daya, 134(2), 252 - 261.
- Xia, B., & Zhang, C. (2017). Tinjauan estimasi status pengisian daya baterai lithium - ion dan sistem manajemen dalam aplikasi kendaraan listrik: Tantangan dan rekomendasi. Tinjauan Energi Terbarukan dan Berkelanjutan, 78, 834 - 849.
