Seiring dengan perkembangan jaman penggunaan baterai telah meluas terutama pada bidang Electric Vehicle (EV). Baterai merupakan komponen yang sangat penting pada EV. Hal tersebut dikarenakan baterai sebagai sumber tenaga utama pengganti bahan bakar. Oleh karena itu kondisi baterai harus selalu prima. Untuk mencegah kegagalan pada baterai maka perlu adanya BMS (Battery Management System). BMS adalah sistem untuk mengatur pemakaian baterai dan melindungi baterai dari keadaan yang berujung pada kegagalan supply baterai. Banyak faktor yang dapat dimonitoring pada BMS, salah satunya adalah SoC. Penentuan SoC secara langsung berhubungan dengan estimasi OCV (Open Circuit Voltage). Keakuratan algoritma estimasi bergantung dengan ketepatan pemilihan model untuk mendiskripsikan karakteristik dinamis pada baterai. Penelitian ini dimulai dengan pemilihan model yang tepat untuk melakukan estimasi OCV. Pemilihan model yang tepat menggunakan algoritma RLS untuk mengestimasi tegangan terminal baterai. Parameter parameter yang menjadi acuan untuk menentukan pemilihan model adalah range, mean, MSE, dan RMSE dari error estimasi tegangan terminal. Kemudian model yang telah dipilih digunakan untuk mengestimasi OCV (Open Circuit Voltage). Hasil pengujian dalam penelitian ini menujukkan pemodelan dengan n = 1 merupakan pemodelan yang paling baik untuk digunakan sebagai model baterai dalam estimasi parameter dan OCV, dengan rata-rata error pengujian discharge 1.67 mV, untuk pengujian pulse test 2.78 mV, dan 2.64 mV untuk pengujian tegangan bervariasi. Penelitian ini juga menunjukkan bahwa algoritma RLS dapat untuk mengestimasi OCV dengan error sebesar 0.0786% menggunakan validasi pulse test, dan error sebesar 0.085 %.menggunakan validasi tegangan bervariasi.

Along with the times battery usage has been widespread use, especially in the field of Electric Vehicle (EV). The battery is a very important component in the EV. That is because the battery as the primary power source replacement fuel. Therefore, the condition of the batteries should always be primed. To prevent failure of the battery then the need for battery management system (BMS). BMS is a system to regulate the use of the battery and protects the battery from the condition led to the failure of the battery supply. Many factors can be monitored at BMS, one of which is a SoC. SoC determination is directly related to the estimated OCV (Open Circuit Voltage). The accuracy of the estimation algorithms depend on the accuracy of the model selection to describe the dynamic characteristics of the battery. This study begins with the selection of the right model for estimating OCV. Selection of appropriate model using RLS algorithm for estimating the battery terminal voltage. Parameter that reference for determining the selection of the model is the max, min, mean, RMSE, mean RMSE of the error. Later models have been used to estimate the OCV (Open Circuit Voltage). The test results in this study show the model with n = 1 is the most excellent modeling to be used as a model battery in parameter estimation and OCV with average error of 1.67 mV discharge testing, for testing the test pulse 2.78 mV, and 2.64 mV for testing various voltage. The study also showed that RLS algorithm can be to estimate the OCV with an error of 0.0786% using pulse test validation, and error of 0.085% using a validation various voltage.

Kata Kunci : BMS (Battery Management System), Pemodelan Baterai (Battery Modelling), OCV (Open Circuit Voltage) , RLS (Recursive Least Square)