Yogyakarta – Pengembangan kendaraan listrik dan sistem penyimpanan energi membutuhkan teknologi baterai yang tidak hanya memiliki kapasitas besar, tetapi juga mampu beroperasi secara aman dan efisien. Salah satu tantangan dalam pengelolaan baterai lithium-ion adalah memperkirakan tingkat energi yang masih tersimpan atau State of Charge (SOC) secara akurat, terutama ketika baterai mengalami penurunan performa akibat penggunaan.
Menjawab tantangan tersebut, penelitian berjudul “A State of Health-Aware Random Forest Model for State of Charge Estimation of Lithium-Ion Batteries” mengembangkan pendekatan estimasi SOC berbasis machine learning dengan algoritma Random Forest Regression. Kebaruan pendekatan ini terletak pada pemanfaatan informasi State of Health (SOH) sebagai variabel tambahan dalam proses estimasi SOC.