Silabus Estimasi dan Prediksi Kondisi Baterai Menggunakan Kalman Filter di MATLAB untuk Sistem Kendaraan Listrik
Sesi 1
-
Pengenalan tentang sistem manajemen baterai (BMS) dan peran Kalman Filter.
-
Pemahaman dasar tentang konsep State of Charge (SoC) dan State of Health (SoH).
-
Menyiapkan MATLAB dan toolboxes yang diperlukan.
-
Instalasi paket dan library pendukung untuk analisis baterai.
-
Review literatur terkait Kalman Filter dalam aplikasi kendaraan listrik.
Sesi 2
-
Memahami model baterai sederhana (Rintangan dalam rangkaian listrik).
-
Pengantar model sirkuit ekuivalen (ECM).
-
Implementasi model baterai dasar di MATLAB.
-
Simulasi dasar untuk SoC tanpa filter.
-
Analisis hasil simulasi dan diskusi.
Sesi 3
-
Pengantar teori Kalman Filter.
-
Struktur matematis dari Kalman Filter.
-
Implementasi Kalman Filter sederhana untuk sistem dinamis.
-
Uji Kalman Filter pada sistem dengan input sinyal sinusoidal.
-
Interpretasi hasil filterasi dan visualisasi di MATLAB.
Sesi 4
-
Implementasi Kalman Filter untuk estimasi SoC.
-
Pembuatan model baterai dengan Kalman Filter di MATLAB.
-
Simulasi kondisi ideal dan pengaruh noise pada estimasi.
-
Diskusi tentang akurasi estimasi SoC menggunakan Kalman Filter.
-
Visualisasi hasil estimasi SoC.
Sesi 5
-
Pengantar Extended Kalman Filter (EKF) dan perbedaannya dengan Kalman Filter standar.
-
Implementasi EKF untuk estimasi SoC.
-
Penyesuaian model baterai untuk penggunaan EKF.
-
Simulasi model dengan EKF pada kondisi dinamis.
-
Analisis perbandingan hasil antara Kalman Filter dan EKF.



