AI BMS Bisa Baca Kesehatan Baterai Mobil Listrik Secara Real-Time, Begini Caranya

Senin 21-09-2026,15:24 WIB
Reporter : Tatang Rusmanta
Editor : Tatang Rusmanta

Model tersebut kemudian digunakan untuk mengenali pola perubahan kondisi baterai dan membantu memperkirakan parameter penting seperti State of Charge (SoC), State of Health (SoH), hingga Remaining Useful Life (RUL).

BACA JUGA:Road Race Ramai dan Sukses, IMI Cirebon Punya Target Besar untuk Stadion Watubelah

Perbedaannya bukan berarti BMS konvensional sama sekali tidak mampu melakukan estimasi.

Justru, metode seperti model rangkaian ekuivalen, Coulomb counting, dan Kalman filter masih banyak digunakan.

AI lebih tepat dipandang sebagai lapisan tambahan yang dapat membantu menangani pola baterai yang kompleks dan berubah-ubah. 

Bagaimana AI Memprediksi Kesehatan Baterai?

BACA JUGA:10 Provinsi dengan Utang Pinjol Terbesar, Jawa Barat Juaranya, Capai Rp 23,9 Triliun

Salah satu fungsi yang paling menarik dari AI BMS adalah kemampuannya dalam memperkirakan State of Health (SoH).

Secara sederhana, SoH menggambarkan kondisi kesehatan baterai dibandingkan dengan kondisi referensinya ketika masih baru.

1. Menganalisis Data Baterai Secara Berkelanjutan

Baterai menghasilkan data selama kendaraan digunakan maupun ketika melakukan pengisian. Data tersebut dapat mencakup tegangan, arus, temperatur, kondisi pengisian, serta pola penggunaan.

Model machine learning dapat mempelajari hubungan antara berbagai parameter tersebut dengan perubahan performa baterai.

Dengan data yang cukup dan model yang sesuai, sistem dapat membantu memperkirakan kondisi baterai tanpa harus selalu menunggu baterai mengalami penurunan performa yang terlihat secara langsung.

Penelitian mengenai AI untuk estimasi SoH dan RUL menunjukkan bahwa pendekatan machine learning dan deep learning menjadi salah satu bidang yang terus berkembang dalam pengelolaan baterai kendaraan listrik.

Namun, performanya tetap dipengaruhi kualitas data, karakteristik baterai, serta kondisi pengujian.

2. Mendeteksi Perubahan atau Anomali Lebih Awal

Kategori :