Tim Peneliti UNESA Kembangkan Kontrol Cerdas Pengisian Baterai Berbasis AI
Tim peneliti dari Fakultas Teknik Universitas Negeri Surabaya (UNESA) yang diketuai oleh Rifqi Firmansyah, S.T., M.T., Ph.D., berhasil mengembangkan inovasi strategi kontrol cerdas berbasis Reinforcement Learning (RL) untuk pengisian dan pengosongan baterai. Penelitian ini dirancang untuk meningkatkan efisiensi bidirectional converter DC-DC pada sistem penyimpanan energi.
Sistem penyimpanan energi berbasis baterai memegang peranan krusial dalam aplikasi modern, seperti kendaraan listrik dan sistem energi terbarukan. Namun, tanpa sistem pengontrol yang presisi, transfer energi dua arah pada baterai dapat mengalami kerugian daya, osilasi tegangan, serta respons yang tidak optimal.
Guna mengatasi tantangan tersebut, tim peneliti memanfaatkan metode pembelajaran adaptif berbasis Reinforcement Learning dan algoritma optimasi. Metode ini mampu mempelajari kondisi lingkungan secara otomatis dan menyesuaikan keputusan kontrol tanpa memerlukan penyesuaian manual (manual tuning) seperti pada pengontrol konvensional.
Melalui simulasi menggunakan perangkat lunak MATLAB/Simulink, hasil penelitian menunjukkan peningkatan kinerja sistem secara signifikan. Dibandingkan dengan sistem tanpa pengontrol maupun pengontrol PI konvensional, skema kontrol yang diusulkan mampu mencapai tegangan referensi dengan respons lebih cepat, overshoot minimal, serta mampu menekan osilasi tegangan baik pada mode pengisian (charge) maupun pengosongan (discharge).
Inovasi ini diharapkan memberikan kontribusi nyata dalam pengembangan teknologi DC microgrid dan sistem penyimpanan energi yang lebih andal serta efisien. Ke depan, tim peneliti menargetkan pengembangan prototipe fisik skala laboratorium guna menguji keandalan sistem secara langsung pada kondisi riil.
