Metode pengisian cepat baru berbasis AI dari tim peneliti di Swedia menunjukkan bahwa umur baterai mobil listrik bisa diperpanjang tanpa membuat waktu isi daya ikut melambat. Dalam pengujian, pendekatan ini mampu meningkatkan usia pakai baterai hingga 22,9 persen dibanding pengisian konvensional, sementara durasi pengisian rata-ratanya tetap berada di kisaran 24 menit.
Yang membuat temuan ini menonjol adalah caranya bekerja. Sistem tersebut tidak memakai batas arus dan tegangan yang kaku, melainkan menyesuaikan pengisian berdasarkan kondisi baterai saat itu, termasuk state of health atau SoH, tingkat pengisian, dan karakteristik kimianya.
AI membaca kondisi baterai saat pengisian
Tim dari Chalmers University of Technology merancang sistem yang terus menilai respons baterai selama proses berlangsung. Dari sana, AI menentukan arus listrik yang paling sesuai agar pengisian tidak berjalan dengan pola seragam.
Pendekatan ini memakai reinforcement learning, yaitu cabang machine learning yang memungkinkan algoritma belajar dari interaksi langsung dengan sistem baterai. Dengan cara itu, keputusan pengisian dapat berubah mengikuti kondisi nyata yang terdeteksi selama proses isi daya.
Lebih tahan lama, tetapi tetap cepat
Hasil uji menunjukkan perbedaan yang cukup jelas pada usia baterai. Jika dibandingkan dengan pengisian biasa, metode berbasis AI ini menghasilkan peningkatan umur baterai sampai 22,9 persen berdasarkan equivalent full cycles atau EFC, yakni jumlah siklus isi dan kosong hingga kapasitas baterai turun ke 80 persen.
Di sisi kecepatan, metode baru ini tidak menimbulkan penalti waktu. Rata-rata pengisian tercatat 24,12 menit, hanya sedikit lebih cepat dibanding metode konvensional yang berada di angka 24,15 menit.
Mengapa fast charging perlu pendekatan baru
Fast charging selama ini memang membantu pengguna mengisi daya lebih singkat, tetapi arus tinggi juga dapat memicu perubahan reaksi di dalam sel baterai. Efeknya bukan hanya terasa pada performa, melainkan juga pada penurunan kualitas baterai yang terjadi lebih cepat dari waktu ke waktu.
Para peneliti menilai persoalannya tidak sesederhana membatasi arus. Kondisi elektrokimia di dalam baterai ikut berubah saat pengisian berlangsung, sehingga strategi yang lebih adaptif dibutuhkan agar kesehatan baterai tetap terjaga.
Mudah dibawa ke sistem kendaraan
Salah satu keunggulan pendekatan ini ada pada sisi penerapan. Peneliti menyebut metode tersebut berpotensi dijalankan lewat pembaruan perangkat lunak pada Battery Management System atau BMS kendaraan listrik.
Meski begitu, teknologi ini belum siap langsung dipakai massal. Tim masih perlu menyesuaikan sistem agar bisa bekerja pada berbagai jenis baterai EV dengan karakteristik yang berbeda, lalu mengujinya langsung pada baterai fisik untuk memastikan hasilnya di kondisi nyata.
Masih butuh kalibrasi lebih luas
Riset ini melibatkan Victoria University of Wellington, Selandia Baru, dan dipublikasikan di jurnal IEEE Transactions on Transportation Electrification. Peneliti utamanya adalah Changfu Zou dari Chalmers dan Meng Yuan yang kini menjadi Asisten Profesor di Universitas Victoria.
Untuk mempercepat adaptasi pada jenis baterai yang lebih beragam, model AI juga dapat memanfaatkan transfer learning. Pendekatan itu memungkinkan sistem memakai pembelajaran sebelumnya agar lebih cepat menyesuaikan diri saat diterapkan ke baterai baru.
