State Of Charge Estimation on Lithium ION Batteries Using Quantum Neural Network

Abstrak

Aplikasi baterai dapat ditemukan pada kendaraan listrik, pembangkit listrik energi terbarukan dan berbagai perangkat portabel lainnya. Dalam penelitian ini, penulis menggunakan metode Quantum Neural Network (QNN) untuk mengestimasi State of Charge (SoC) pada baterai lithium-ion yang dirancang menggunakan PYTHON. Penelitian ini mencakup perancangan sistem prototipe estimasi SoC pada baterai lithium-ion menggunakan metode QNN, pengambilan data SoC secara real-time, dan perbandingan kinerja estimasi SoC menggunakan QNN dengan data real-time. Hasil pengujian baterai lithium-ion secara real-time dengan menggunakan sensor tegangan dan arus ACS712 selama lima siklus menunjukkan hasil tegangan sebagai berikut: siklus pertama 10,70 V hingga 12,68 V, siklus kedua 10,56 V hingga 12,66 V, siklus ketiga 10,60 V hingga 12,69 V, siklus keempat 10,60 V hingga 12,00 V, dan siklus kelima 10,41 V hingga 12,07 V. Sementara itu, hasil sensor arus selama lima siklus menunjukkan rentang 0,1 A hingga 0,5 A. Setiap hasil pengujian per siklus menunjukkan peningkatan yang lebih tinggi, meskipun terdapat fluktuasi kecil, dan garis tren keseluruhan menunjukkan konsistensi performa sensor tegangan tanpa penurunan signifikan selama pengujian berulang, menunjukkan stabilitas sensor tegangan yang baik. Kemudian dilakukan pengujian metode dengan rotasi qubit, entanglement linear, dan Neural Network. Hasil prediksi SoC menggunakan QNN dengan rotasi qubit menunjukkan nilai MAPE dan RMSE masing-masing sebesar 0,14 dan 61%. Selanjutnya, pengujian hasil prediksi SoC pada QNN dengan entanglement linear menunjukkan nilai MAPE dan RMSE masing-masing sebesar 0,08 dan 29%. Sedangkan hasil prediksi SoC pada Neural Network menunjukkan nilai MAPE dan RMSE masing-masing sebesar 0,01 dan 6%.