Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTPhotovoltaic cell is one of renewable energy technology which converts sunlight into electrical energy. However it has a limitation where it only can yield energy ouput during day, meanwhile the peak load for residential use mostly occurs on evening, therefore to reduce energy consumption from grid during peak load hours a PV system need to be equipped with battery as energy storage. The software used in this research, System Advisor Model SAM provides various types of Lead Acid and Lithium ion batteries to model the energy storage in a PV system simulation.The performance parameters compared between Lead Acid and Lithium ion batteries in this simulation include battery efficiency and battery life. From the efficiency aspect, Lithium ion has higher efficiency compared to Lead Acid with difference of 6.96 . Meanwhile from battery life aspect, Lithium ion lasts for 5500 cycles in 16 years before being replaced and Lead Acid only lasts for 1180 cycles in around 3 years. The total cumulative cost of both batteries including their replacement costs are also presented in this research.

---

ABSTRAKSel fotovoltaik merupakan salah satu teknologi energi terbarukan yang mengubah energi sinar matahari menjadi energi listrik. Namun teknologi ini memiliki keterbatasan dimana sel PV hanya mampu menghasilkan energi pada siang hari, sementara puncak beban rumahan lebih sering terjadi pada malam hari, oleh karena itu sistem PV rumahan perlu dilengkapi baterai sebagai penyimpanan energi untuk mengurangi konsumsi listrik dari grid pada saat waktu beban puncak. Software yang dipakai dalam penelitian ini, System Advisor Model SAM menyediakan berbagai jenis baterai Lead Acid dan Lithium-ion untuk memodelkan sistem penyimpanan energi dalam simulasi sistem PV.Parameter performa yang dibandingkan pada baterai Lead Acid dan Lithium-ion pada simulasi ini diantaranya adalah efisiensi baterai dan masa hidup baterai. Dari sisi efisiensi, Lithium-ion memiliki efisiensi lebih tinggi dibanding Lead Acid dengan selisih 6.96 . Sementara dari aspek masa hidup baterai, Lithium-ion bertahan untuk 5500 siklus dalam 16 tahun sebelum digantikan, dan Lead Acid bertahan untuk 1180 Siklus dalam 3 tahun. Total biaya yang dikeluarkan untuk baterai termasuk penggantiannya juga dipaparkan dalam penelitian ini."

"Baterai lead-acid merupakan salah satu penyimpanan energi listrik untuk energi terbarukan. Harga baterai yang relatif murah, efisiensi listrik yang baik sekitar 70%, dapat bekerja dengan baik pada suhu rendah dan tinggi, serta komponen sel yang mudah didaur ulang menyebabkan baterai ini sangat menjanjikan keadaan muatan merupakan salah satu parameter penting dalam baterai. Selain itu, estimasi keadaan muatan juga diperlukan untuk membantu memprediksi siklus pengisian pada baterai sehingga dapat memperlama umur dari baterai lead-acid. Terdapat banyak metode dalam pengestimasian keadaan muatan. Pada studi ini, keadaan muatan pada baterai lead-acid diestimasikan menggunakan metode perhitungan Coulomb dan FFNN. Kedua hasil estimasi tersebut dibandingkan untuk melihat tingkat efisiensi dari masing-masing metode. Hasil studi ini menunjukkan bahwa metode FFNN lebih baik daripada metode perhitungan coulomb dengan selisih nilai kesalahan sebesar 5,56% pada masukkan data percobaan dan 0.46% pada masukkan data simulasi.

---

The lead-acid battery is one of the type of renewable energy storage. It cheaps price, good electricity-effisiense around 70%, work well at low and high temperatures, and the cell components are easily recycled cause this battery is very promising for the future. The state of charge is one of the essential parameters in the battery. Besides, an estimated state of charge is also needed to predict the battery charging cycle so that it can improve the lifetime of the lead-acid battery. There are many methods in estimating the state of charge. In this study, the state of charge on lead-acid batteries is estimated using the Coulomb counting and feed-forward neural network method. The two estimation results are compared to see the level of efficiency of each method. The resulst of this study show that the feed-forward neural network method is better than the Coulomb Counting method with a ratio of 5,56% on the first input and 0,46% on the second input.

"

"Litium Titanat, Li4Ti5O12 (LTO) adalah kandidat yang menjanjikan sebagai bahan anoda baterai lithium ion. Dalam penelitian ini, LTO-ZnO/C yang disintesis dengan metode hidrotermal untuk membentuk struktur LTO nanowire dan di grinding Bersama dengan ZnO nanopartikel dan grafit. Tiga variasi penambahan konten ZnO nanopartikel dalam % berat, yaitu, 4, 7 dan 10%, diberi label sampel LTO-ZnO 4%/C 5%, LTO-ZnO 7%/C 5% dan LTO-ZnO 10%/C 5%. Karakterisasi dilakukan menggunakan XRD dan SEM. Uji performa baterai menggunakan metode EIS, CV, dan CD.

Hasil penelitian menunjukkan dari CV dan CD kita bias mengetahui bahwa LTO-ZnO 4%/C 5% memiliki performa terbaik dengan potensial kerja 1.595V dan kurva discharge vs C rate terbaik sementara dari hasil uji EIS kita bisa melihat bahwa sampel LTO-ZnO 10%/C 5% memiliki resistivitas terendah yaitu 28.44Ω.

---

Lithium Titanate, Li4Ti5O12 (LTO) is a promising candidate to be a lithium-ion battery anode. In this experiment LTO-ZnO/C are synthesized with hydrothermal method to form LTO nanowire and grinded with ZnO nanoparticle and graphite to form the composite. Three variables used are the different content of ZnO nanoparticle which are 4, 7 and 10%, labeled as LTO-ZnO 4%/C 5%, LTO-ZnO 7%/C 5% dan LTO-ZnO 10%/C 5%. Characterization is done by XRD and SEM. Battery performance test is done by EIS, CV, and CD.

The result of this research shows that in CV and CD testing LTO-ZnO 4%/C 5% perform best with working potential of 1.595V and the best discharge vs C rate curve while from EIS testing we can see that LTO-ZnO 10%/C 5% has the lowest resistivity at 28.44Ω."

"State of Charge (SoC) baterai merupakan parameter yang digunakan untuk mengetahui keadaan isi baterai, dan dijadikan pedoman untuk memantau kapasitas terkini dari baterai. Estimasi nilai SoC menjadi sulit dilakukan karena adanya ketidaklinieran dalam reaksi kimia baterai ditambah SoC tidak dapat diukur secara langsung. SoC dapat diperoleh melalui nilai resistansi internal baterai yang saling berkorelasi sesuai dengan besaran tegangan terminal dan tegangan open circuit yang terjadi karena adanya arus baik saat proses charging maupun discharging. Modifikasi metode coulomb counting dalam memperoleh nilai resitansi internal adalah mudah dilakukan melalui pendekatan persamaan yang didapatkan melalui interpolasi dari data hasil eksperimen. Metode ini berhasil mendapatkan korelasi antara nilai SoC terhadap resistansi internal untuk dua keadaan yaitu charging dan discharging. Proses estimasi nilai SoC, dilakukan dengan cara mengestimasi nilai SoC saat terjadinya efek recovery untuk mendapatkan nilai maksimum/minimumnya selama periode tertentu.Metode yang dikembangkan berhasil mengestimasi nilai SoC bateri dengan pengukuran secara tidak langsung melalui resistan dalam baterai di saat proses charging atau discharging.

---

Battery State of Charge (SoC) is a parameter used to determine the state of charge battery, and is used as a guideline for monitoring the current capacity of the battery. Estimating the value of SoC becomes difficult because of the nonlinearity in the reaction battery chemistry plus SoC cannot be measured directly. SoC can be obtained through the value of the internal resistance of the battery which is correlated according to the magnitude of the terminal voltage and the open circuit voltage that occurs due to the battery current both during the charging and discharging process. Modification of the coulomb counting method in obtaining internal resistance values ​​is easily done through the equation approach obtained through interpolation of experimental data. This method succeeded in obtaining a correlation between the SoC value and the internal resistance for two conditions, namely charging and discharging. Estimating the SoC value, by looking at the initial SoC value when the effect recovery occurs to get the maximum/minimum value for a certain period. The method developed has succeeded in estimating the SoC value of a battery by indirectly measuring the resistance in the battery during the charging or discharging process"

"Li4Ti5O12 lithium titanate disintesis menggunakan metode sol-gel dan hidrotermal dengan memakai sumber ion lithium LiOH. Anoda komposit Li4Ti5O12/Sn dipreparasi menggunakan metode ball mill dengan 3 variasi Sn. XRD menunjukkan fasa spinel, TiO2, dan Sn. SEM memperlihatkan bahwa partikel Li4Ti5O12 memiliki ukuran berkisar 20-50 ?m dan ukuran partikel Sn berkisar 2-70 ?m. Nilai hambatan elektrolit terendah didapatkan pada kadar Sn terbesar. Peningkatan kadar Sn dapat meningkatkan kapasitas spesifik dari baterai pada uji CV. Reaksi alloying dan dealloying LixSn mengakomodasi peningkatan kapasitas spesifik pada C/D. Namun, volume ekspansi dari LixSn menyebabkan hilangnya kapasitas saat C rate meningkat. Kapasitas terbesar pada laju charge/discharge rendah dan tinggi didapatkan pada kadar Sn terbesar.

---

Li4Ti5O12 lithium titanate were synthesized by sol gel and hydrothermal method with LiOH as lithium ion source. Li4Ti5O12 Sn composites anode were preparared by ball mill method with three of Sn variation. XRD shows spinel, TiO2, and Sn phases. SEM shows that Li4Ti5O12 particles are around 20 50 m size and Sn particles are around 2 70 m size. The lowest electrolyte resistance obtained at the highest Sn value. With the increasing Sn value, the specific capacity of battery can be increased from CV. Alloying and dealloying reaction of LixSn accomodate the increased specific capacity from C D. However, volume expansion from LixSn leads to loss of capacity when the C rate increases. The capacity at low and high charge discharge rate obtained at the highest Sn value. "

"Telah dilakukan peningkatan konduktivitas listrik LiFePO4 dengan metode penambahan material logam nano Cu dan CNTs. Metode ini menjadi pilihan yang menarik karena mudah dan murah dalam proses pembuatannya. Proses sintesis dilakukan dengan mencampur serbuk LiFePO4 (komersil) dengan variasi presentase berat nano tembaga (komersil) 0, 1, 3, 5, 7 wt. % dan 5 wt. % nano karbon (komersil) kemudian di proses vacuum mixing dan film applicator. Pengujian XRD, SEM dan EDX dilakukan pada serbuk yang diterima untuk mengkonfirmasi fasa, ukuran butir serta ada tidaknya impurities. Hasil XRD dan EDX pada serbuk nano Cu menunjukkan bahwa telah terjadi oksidasi dan terbentuk menjadi CuO dan Cu2O, serta ditemukan adanya impurities elemen S sebesar 8.5 wt. %. Komposisi fasa yang dihasilkan dari proses penambahan didapat dari menganalisis pola difraksi XRD menunjukkan bahwa fasa yang terbentuk adalah LiFePO4 namun ditemukan adanya impurities berupa Cu4O3 pada variasi penambahan 80 wt. % LiFePO4, 5 wt. % Cu, 5 wt. % C, dan 10 wt. % PVDF. Konduktivitas listrik diuji material katoda LiFePO4 dengan EIS, dan hasil uji menunjukkan bahwa konduktivitas listrik LiFePO4 meningkat seiiring dengan penambahan nano Cu namun tidak terlalu signifikan (dalam satu orde), hal ini dikarenakan efek oksidasi pada Cu. Pada variasi penambahan nano C dan nano Cu terjadi peningkatan sebesar 3 orde dengan nilai konduktivitas sebesar 8.4 x 10-5 S/cm pada variasi penambahan 80 wt. % LiFePO4, 5 wt. % Cu, 5 wt. % C. Penambahan nano karbon pada LiFePO4 lebih efektif dalam peningkatan konduktivitas dibandingkan dengan penambahan nano Cu dikarenakan efek oksidasi pada Cu yang tidak dapat dihindari. Morfologi material katoda dan distribusi nano Cu dan nano karbon dianalisis menggunakan SEM/EDX, menunjukkan material yang dicampur pada variasi penambahan nano Cu cukup homogen, struktur butir spherical, sedangkan pada variasi penambahan nano Cu dan nano karbon struktur butir polyhedral dengan ukuran butir berada pada rentang 100- 500 nm. Struktur butir ini mempengaruhi hasil cole plot dimana pada variasi penambahan Cu terbentuk semicircle sedangkan pada penambahan nano C tidak.

---

Improved of Electrical conductivity of LiFePO4 with the method of adding Cu Nano metal material and CNTs has been done. This method is an attractive option because it is easy and inexpensive in the manufacturing process. Synthesis process is done by mixing the powder LiFePO4 (commercial) with a variation of the percentage by weight of Nano copper (commercial) 0, 1, 3, 5, 7 wt. % and 5 wt. % CNTs (commercial) and then process in vacuum mixing and film applicator. Testing XRD, SEM and EDX performed on the powder to confirm the phase, grain size and the presence or absence of impurities. Results of XRD and EDX on Nano Cu powder showed that there had been oxidation and formed into CuO and Cu2O, and discovered the existence of impurities elements S of 8.5 wt. %.

Phase composition as the result from adding process obtained with analyzing the XRD diffraction pattern showed that the phase formed is LiFePO4 yet found any impurities in the form of Cu4O3 on variations LiFePO4 addition of 80 wt. %, 5 wt. % Cu, 5 wt. % C, and 10 wt. % PVDF. The electrical conductivity of LiFePO4 cathode material was tested by EIS, and the results showed that the electrical conductivity of LiFePO4 increased with the addition of Nano-Cu but not too significant (still on the same order), this is because the effects of oxidation on Cu. On the addition of Nano C and Nano Cu variation there is an increase of 3 order with conductivity value 8.4 x 10-5 S / cm at variations LiFePO4 addition of 80 wt.%, 5 wt.% Cu, 5 wt.% C.

The addition of CNTs is more effective in LiFePO4 conductivity increase, compared to the addition of Nano-Cu due to the effects of oxidation on Cu are unavoidable. Cathode material morphology and distribution of CNTs and Nano Cu analyzed using SEM / EDX, showed mixed material on the variation of the addition of Nano Cu quite homogenous, spherical grain structure, while the variation of the addition of Nano Cu and CNTs structures polyhedral grains with a grain size in the range 100-500 nm. This affects the grain structure results in a variation of Cole plot where the addition of Cu is formed semicircle, while the addition of Nano C is not."

"Seiring dengan perubahan dunia yang sangat cepat, efisiensi dalam mengelola persediaan menjadi hal yang sangat penting, terutama bagi UKM. Ada beberapa sumber daya penting yang dibutuhkan oleh UKM untuk meningkatkan bisnis mereka: sejumlah dana, penguasaan teknologi, dan sumber daya manusia. Robotic Process Automation (RPA) sebagai salah satu teknologi unggulan di Industri 4.0 dapat mengatasi kebutuhan sumber daya manusia untuk melakukan tugas-tugas dalam manajemen persediaan. RPA dianggap sebagai salah satu teknologi modern yang memungkinkan UKM melakukan tugas berulang dengan lebih efisien sehingga menghasilkan kinerja organisasi yang lebih baik. Penelitian ini mengadopsi tahap Inisialisasi dan Implementasi dari The Consolidated Framework for Implementing RPA Project. Data bersumber dari salah satu UKM dalam bisnis kecantikan yang beroperasi di Provinsi Jawa Tengah- Indonesia, dimana bisnis kecantikan dianggap sebagai salah satu sektor yang berkembang pesat saat ini di Indonesia. Ruang lingkup penelitian ini difokuskan pada manajemen persediaan seperti pengecekan stok persediaan, peramalan permintaan produk berdasarkan data historis, membuat rencana pembelian, memesan barang ke vendor melalui email dan menindaklanjuti menggunakan email jika barang yang dipesan belum datang. Temuan penelitian ini menunjukkan bahwa penggunaan RPA dalam manajemen persediaan dapat menghemat banyak biaya yang sebelumnya dianggap sebagai beban. Adanya RPA di perusahaan telah berhasil membantu AuradermA Skin Care dalam mengelola persediaan dengan lancar, mengurangi beban kerja staf dan pada akhirnya memastikan persediaan tidak habis atau berlebihan. Diharapkan penelitian ini memberikan kontribusi dalam bidang RPA karena implementasi RPA belum begitu banyak ditemukan terutama untuk UKM.

---

State of Charge (SOC) is a condition that states battery charge condition. This condition is important to know to ensure safe battery operating condition. One of the challenge in estimating SOC is that the battery dynamic system. To estimate SOC, battery undergoes characterization process. The Li-Ion battery characterization system monitors voltage across the battery as well as current going to or out of the battery. After the system is assembled, battery will be prepared before characterization using Constant Current Constant Voltage (CCCV) charging. Characterization process starts with battery undergoing discharging and charging process. In this research, Li-Ion battery made from LiNiMnCoO2 is modelled based on second order Thevenin Equivalent Circuit Model. SOC estimation is optimized using Uscented Kalman Filter (UKF). Next, battery undergoes Hybrid Pulse Power Characterization (HPPC) test to obtain ECM parameters. Next, ECM parameters are used as value to be fitted with SOC from Coulomb Counting (CC) with seventh order polynomial method from HPPC result. SOC estimation validation is done using Dynamic Stress Test (DST). The SOC estimation result using UKF is compared to the estimation which doesn’t use UKF. The simulation and experiment result show that UKF algorithm is able to adjust its estimation result when given wrong initial SOC estimation value. The simulated SOC estimation result using UKF is compared with the CC method and reference SOC have Root-Mean Square Error (RMSE) of 0.7 % and Maximum Error (ME) of 9.9 %. The experiment SOC estimation result compared with CC SOC method has RMSE of 2.76 % and ME of 10%."