EN
Tautan Cepat
Pengujian sel baterai mengevaluasi tiga parameter utama: stabilitas tegangan, retensi kapasitas, dan hambatan internal. Parameter-parameter ini menentukan kinerja dan keandalan sepanjang siklus pengisian dan pengosongan. Retensi kapasitas di bawah 80% dari nilai awal biasanya menandai akhir masa pakai pada sistem lithium-ion. Protokol standar seperti UN 38.3 mengharuskan pemantauan indikator-indikator ini untuk memastikan keselamatan dan umur panjang baterai.
Tegangan sirkuit terbuka, atau OCV, memberikan pemeriksaan cepat terhadap kesehatan baterai hanya dengan melihat potensi istirahat sel. Penelitian terbaru dari tahun 2023 juga menunjukkan sesuatu yang menarik. Ketika OCV tetap cukup stabil dalam kisaran sekitar plus atau minus 2%, sel berbasis nikel cenderung kehilangan kurang dari 5% kapasitasnya seiring waktu. Apa yang sebenarnya dilakukan oleh para insinyur dengan informasi ini? Mereka melakukan pengukuran dan mencocokkannya dengan grafik yang disediakan oleh produsen. Grafik-grafik ini menghubungkan pembacaan OCV dengan tingkat state of charge. Mendeteksi perbedaan membantu menemukan masalah lebih awal, seperti saat sel mulai menua secara tidak merata. Mengantisipasi masalah-masalah ini berarti memperbaiki hal-hal sebelum menjadi parah dan mahal di kemudian hari.
Teknik yang dikenal sebagai coulomb counting bekerja dengan melacak seberapa besar arus mengalir melalui baterai seiring berjalannya waktu, memberikan estimasi state of charge (SOC) dengan akurasi sekitar plus minus 3% ketika suhu tetap konsisten. Masalah muncul ketika sensor mulai menyimpang dari kalibrasi, yang terjadi lebih sering daripada yang orang sadari. Penyimpangan ini semakin bertambah seiring waktu sehingga pemeriksaan berkala terhadap tegangan sirkuit terbuka (open circuit voltage/OCV) menjadi diperlukan, terutama jika baterai beroperasi dalam kondisi yang sangat panas atau sangat dingin. Beberapa sistem yang lebih baru sudah cukup baik dalam hal ini. Mereka menggabungkan metode coulomb counting tradisional dengan yang disebut voltage hysteresis modeling, sehingga menurunkan kesalahan akurasi menjadi sekitar ±1,5%. Pendekatan ini telah menjadi praktik standar bagi sebagian besar kendaraan listrik modern, di mana pemantauan kesehatan baterai sangat kritis untuk alasan kinerja dan keselamatan.
Hambatan internal merupakan indikator utama kesehatan baterai. Peningkatan yang melebihi 30% dari nilai dasar berkorelasi kuat dengan penurunan kapasitas dan ketidakstabilan termal. Teknik seperti Karakterisasi Daya Impuls Hibrida (HPPC) dan Spektroskopi Impedansi Elektrokimia (EIS) memungkinkan analisis mendalam terhadap hambatan ohmik dan polarisasi, memberikan wawasan mengenai mekanisme degradasi elektrokimia.
| Jenis Metode | Teknik | Karakteristik Utama |
|---|---|---|
| Domain waktu | Sekuens pulsa HPPC | Mengukur IR sesaat |
| Domain frekuensi | Analisis spektrum EIS | Mengidentifikasi kinetika reaksi |
Pendekatan domain waktu memberikan hasil dalam waktu sekitar 15 detik, itulah sebabnya pendekatan ini bekerja dengan baik di jalur perakitan di mana kecepatan menjadi penting. Tapi ada kelemahannya. Metode-metode ini sering mengabaikan tanda-tanda penuaan yang dapat terdeteksi menggunakan teknik EIS. Spektroskopi impedansi elektrokimia memindai frekuensi dari 0,1 Hz hingga mencapai 10 kHz, mampu menangkap perubahan halus di antarmuka seperti bagaimana lapisan SEI berkembang seiring berjalannya waktu. Produsen mobil yang melakukan pengujian pada baterai lithium ion yang lebih tua telah menemukan perbedaan sekitar 12 persen antara hasil pengukuran yang diambil melalui pendekatan-pendekatan berbeda ini. Perbedaan semacam itu menunjukkan betapa pentingnya memahami kedua metode tersebut untuk evaluasi baterai yang akurat.
Suhu ambient secara signifikan memengaruhi hambatan internal, dengan fluktuasi antara -20°C dan 60°C mengubah pembacaan hingga 40%. Kondisi pengisian (state-of-charge) juga berkontribusi terhadap variabilitas—sel yang terisi penuh biasanya menunjukkan hambatan 18% lebih rendah dibandingkan pada 20% SOC. Pengukuran yang andal memerlukan kontrol ketat terhadap kondisi pengujian, termasuk stabilitas suhu ±2°C.
Pendukung pengujian cepat sering menunjukkan adanya kesesuaian sekitar 85% antara perubahan resistansi internal seiring waktu dan hasil yang kita lihat dalam pengujian kesehatan baterai secara menyeluruh. Namun, muncul masalah ketika melihat sel lithium iron phosphate secara khusus. Angka-angka tersebut dapat berbeda lebih dari 20%, terutama karena perbedaan penafsiran terhadap resistansi transfer muatan. Pendekatan pengujian berbasis waktu tradisional cenderung melewatkan perubahan kecil yang terjadi pada lapisan SEI, sesuatu yang justru dapat terdeteksi oleh metode analisis frekuensi seperti EIS. Hal ini membuat sebagian orang mempertanyakan apakah pengujian sederhana semacam ini benar-benar memberi cukup informasi mengenai bagaimana baterai akan mengalami degradasi selama bertahun-tahun pemakaian.
Mendapatkan pembacaan kapasitas baterai yang akurat benar-benar bergantung pada pengujian pengisian-dan-pelepasan standar dalam lingkungan terkendali. Sebagian besar profesional saat ini mengandalkan metode yang disebut metode CCCV. Secara dasar, kami mengisi sel dengan setengah arus terukur hingga 4,1 volt, kemudian mempertahankan tegangan tersebut hingga arus pengisian turun di bawah sekitar 0,15 ampere. Ketika tiba waktunya untuk melepaskan muatan, melakukan pelepasan pada laju 1C memberikan gambaran paling jelas tentang penyimpanan energi aktual tanpa adanya lonjakan dan penurunan tegangan yang mengganggu. Presisi di sini juga cukup mengesankan, sekitar plus atau minus 0,8%, yang jauh lebih unggul dibandingkan metode pengujian pulsa lama dalam hal keandalan.
Pemantauan tegangan presisi tinggi (resolusi 0,1 mV) dan laju pelepasan yang stabil sangat penting untuk hasil yang dapat diandalkan. Studi elektrokimia 2023 menunjukkan bahwa variasi ±5% pada arus pelepasan menyebabkan perbedaan kapasitas sebesar 12% pada sel lithium-ion NMC. Akurasi khususnya vital di bawah 20% SOC, di mana kurva tegangan menjadi datar dan kesalahan pengukuran kecil pun dapat menyebabkan interpretasi yang signifikan.
Suhu secara langsung mempengaruhi kapasitas pelepasan. Uji coba terbaru pada sel NMC menunjukkan penurunan kapasitas sebesar 23% pada suhu -20°C dibandingkan dengan 25°C. Variasi termal yang tidak terkontrol (±5°C) dapat memengaruhi hasil hingga 8–11% pada sel 18650 standar. Oleh karena itu, ruang uji berkontrol iklim sangat penting untuk menjaga konsistensi antar uji.
Sebuah studi terkendali selama 18 bulan melacak degradasi pada sel oksida nikel-mangan-kobalt:
| Jumlah Siklus | Kapasitas Tersisa | Faktor Degradasi |
|---|---|---|
| 100 | 97.2% | Oksidasi Elektrolit |
| 300 | 89,1% | Pertumbuhan lapisan SEI |
| 500 | 76,5% | Retak partikel |
Penelitian ini menyoroti pola degradasi non-linear: rata-rata kehilangan kapasitas 2,5% per 100 siklus pada awalnya meningkat menjadi 4,1% setelah 300 siklus, menekankan pentingnya pengujian terkendali dalam memperkirakan masa pakai baterai di dunia nyata.
Saat mengecek seberapa sehat baterai, kebanyakan orang melihat dua hal utama: seberapa besar muatan yang bisa disimpan dibandingkan saat baru (retensi kapasitas) dan perubahan hambatan internal seiring waktu. Secara umum, ketika kapasitas baterai turun di bawah 80% dari kapasitas awalnya, banyak orang menganggap baterai tersebut sudah mencapai akhir masa pakainya. Penelitian yang dipublikasikan di Nature tahun lalu menunjukkan sesuatu yang menarik juga, yaitu kedua metrik utama ini menjelaskan sekitar 94 persen alasan mengapa baterai benar-benar mengalami kegagalan di lapangan. Untuk memprediksi kapan baterai mungkin perlu diganti (prediksi SOL), para ahli menggabungkan data dari pengujian yang mempercepat proses penuaan dengan informasi tentang bagaimana baterai digunakan sehari-hari. Pendekatan ini memungkinkan produsen memperkirakan masa pakai baterai cukup akurat, biasanya dalam kisaran plus-minus 15 persen untuk baterai lithium ion yang beroperasi dalam kondisi normal.
Pengujian impedansi mengungkapkan hubungan yang konsisten antara kenaikan resistansi dan penurunan kapasitas. Pada sel NMC, setiap peningkatan 10mΩ pada impedansi AC berkorelasi dengan rata-rata penurunan kapasitas sebesar 1,8%. Pelacakan multi-titik pada berbagai tingkat SOC membantu membedakan degradasi permanen dari efek operasional sementara, meningkatkan ketepatan diagnostik.
Model pembelajaran mesin kini memungkinkan estimasi SOH yang akurat menggunakan data operasional parsial, mengurangi ketergantungan pada siklus pengosongan penuh. Penelitian menunjukkan bahwa algoritma yang menganalisis lintasan tegangan-suhu dapat mencapai akurasi prediksi 95%. Model hibrid yang menggabungkan prinsip degradasi berbasis fisika dengan jaringan saraf menunjukkan potensi khusus untuk pemantauan waktu nyata pada kendaraan listrik.
Evaluasi baterai yang konsisten bergantung pada kepatuhan terhadap standar internasional. Kerangka kerja utama meliputi IEC 62133 untuk keselamatan dan UL 1642 untuk sel berbasis lithium, keduanya menetapkan toleransi ketat (±1% untuk kapasitas) serta kontrol lingkungan.
Laboratorium penelitian melakukan karakterisasi mendalam hingga lebih dari 1.000 siklus, menganalisis lebih dari 15 parameter kinerja. Sebaliknya, kontrol kualitas industri berfokus pada validasi cepat metrik kritis seperti resistansi internal DC dan retensi muatan. Fasilitas bersertifikasi ISO 9001 melaporkan variabilitas pengujian 40% lebih rendah karena kalibrasi ketat dan pengendalian iklim (25°C ±0,5°C).
Spesifikasi militer (MIL-PRF-32565) mengharuskan validasi margin desain 200%, sementara elektronik konsumen mengutamakan keselamatan—seperti membatasi risiko runaway termal di bawah 0,1% selama uji penetrasi paku. Pendekatan bertingkat ini memastikan keandalan tanpa beban pengujian yang tidak perlu, dengan menyesuaikan ketelitian validasi terhadap tuntutan aplikasi.
Indikator utamanya adalah stabilitas tegangan, retensi kapasitas, dan hambatan internal. Faktor-faktor ini menilai kinerja dan keandalan selama siklus pengisian dan pelepasan muatan.
OCV memberikan penilaian cepat terhadap kesehatan baterai dengan memeriksa potensial istirahatnya, yang membantu mengidentifikasi masalah sejak dini.
Fluktuasi suhu dapat secara signifikan memengaruhi hambatan internal, sehingga memengaruhi akurasi pengujian dan memerlukan kontrol ketat terhadap kondisi pengujian.
Model machine learning meningkatkan estimasi State-of-Health dengan menganalisis data operasional parsial, sehingga memperbaiki akurasi prediksi masa pakai dan kinerja baterai.