Desain Sistem Identifikasi Parameter Model Superkapasitor dengan Metode Extended Kalman Filter untuk Karakterisasi Online

Putra, Sultanto Hermawan (2020) Desain Sistem Identifikasi Parameter Model Superkapasitor dengan Metode Extended Kalman Filter untuk Karakterisasi Online. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07111540000084-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Sistem penyimpanan energi secara masif berkembang dari waktu ke waktu seiring dengan perkembangan teknologi. Superkapasitor menjadi sebuah pilihan yang sangat tepat karena memiliki beberapa kelebihan apabila dibandingkan dengan sistem penyimpanan energi. Kerapatan daya yang tinggi, resistansi internal yang rendah, efisiensi tinggi, dan siklus hidup yang sangat panjang menyebabkan superkapasitor banyak diaplikasikan pada beberapa bidang penyimpanan energi, seperti pada smart grid, kendaraan listrik, hingga UPS. Pemodelan yang akurat sangat dibutuhkan guna mengetahui karakteristik dari sebuah superkapasitor. Parameter-parameter yang ada di dalam superkapasitor dapat diestimasi secara online ketika kapasitor sedang dilakukan pengujian menggunakan profil DST dan HPPC. Arus input dan tegangan output hasil pengujian dapat diolah dengan metode Extended Kalman Filter untuk mendapatkan nilai estimasi parameter dari superkapasitor. Pemodelan superkapasitor menggunakan model dynamic yang terdiri dari sebuah bulk kapasitor, 2 rangkaian RC, dan sebuah resistor, memiliki tingkat akurasi yang tinggi dan mampu menggambarkan karakteristik dari superkapasitor. Hasil estimasi parameter menggunakan metode EKF akan disimulasikan dan dibandingkan dengan tegangan output hasil pengukuran. Berdasarkan dari hasil Tugas Akhir ini dapat disimpulkan bahwa profil pengujian DST memiliki akurasi pemodelan yang lebih tinggi dibandingkan dengan HPPC. Selain itu, pemodelan rangkaian ekivalen superkapasitor model dinamis lebih akurat untuk memodelkan superkapasitor 2000 F dibandingkan 650 F.
===================================================================================================================================
Energy storage systems massively develop in line with technological developments. Supercapacitors become a very appropriate choice because they have several advantages when compared to energy storage systems. High power density, low internal resistance, high efficiency, and a very long life cycle cause many supercapacitors to be applied in several fields of energy storage, such as smart grids, electric vehicles, and UPS. Accurate modeling is needed to determine the characteristics of a supercapacitor. The parameters contained in the supercapacitor can be estimated online when the capacitors are being tested using DST and HPPC profiles. Input current and output voltage test results can be processed with the Extended Kalman Filter method to get the estimated parameter values of the supercapacitor. Supercapacitor modeling uses a dynamic model consisting of a bulk capacitor, 2 RC circuits, and a resistor, which has a high degree of accuracy and is able to describe the characteristics of a supercapacitor. The parameter estimation results using the EKF method will be simulated and compared with the measured output voltage. Based on the results of this Final Project, it can be concluded that the DST testing profile has higher modeling accuracy compared to HPPC. In addition, the dynamic circuit supercapacitor equivalent circuit modeling is more accurate to model the 2000 F supercapacitor than 650 F.

Item Type:	Thesis (Other)
Additional Information:	RSE 621.315 Put d-1 2020 3100020084579
Uncontrolled Keywords:	DST, HPPC, Rangkaian Ekivalen, Extended Kalman Filter, Estimasi Online, Superkapasitor
Subjects:	Q Science > Q Science (General) > Q180.55.M38 Mathematical models Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry) Q Science > QA Mathematics > QA614.8 Differentiable dynamical systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Putra Sultanto Hermawan
Date Deposited:	14 Nov 2025 03:52
Last Modified:	14 Nov 2025 03:52
URI:	http://repository.its.ac.id/id/eprint/72758

Actions (login required)

View Item