Indonesia tengah menjalankan transformasi energi yang ambisius dengan target pembangunan Pembangkit Listrik Tenaga Surya (PLTS) sebesar 100 Gigawatt (GW) menuju Net Zero Emission 2060. Dalam mendukung interkoneksi PLTS skala kecil dan menengah, ketersediaan sistem penyimpanan energi (Energy Storage System/ESS) berbasis baterai lithium-ion menjadi fondasi teknis yang krusial. Namun, perluasan penggunaan baterai ini menghadirkan tantangan teknis fundamental, yakni bagaimana mengisi daya baterai secepat mungkin tanpa mengorbankan kesehatannya dalam jangka panjang. Tantangan ini semakin kompleks mengingat baterai akan beroperasi pada kondisi suhu lingkungan yang sangat beragam di Indonesia, mulai dari wilayah pegunungan yang dingin hingga kawasan pesisir yang panas.
Selama ini, metode pengisian konvensional seperti Constant Current-Constant Voltage (CC-CV) yang menjadi standar industri sering kali gagal mengakomodasi variabilitas kondisi lingkungan secara real-time. Pendekatan statis tersebut berisiko memicu pertumbuhan lapisan Solid Electrolyte Interface (SEI) yang berlebihan dan fenomena lithium plating saat digunakan untuk pengisian cepat pada suhu yang tidak ideal. Berangkat dari urgensi tersebut, mahasiswa Program Magister Teknik Sistem (MeTSi) Fakultas Teknik Universitas Gadjah Mada dari konsentrasi Teknik Sistem Energi Baru dan Terbarukan (EBT), Filmon Seko, menawarkan solusi cerdas. Ia telah melaksanakan seminar proposal tesis pada Kamis, 3 September 2026, di Perpustakaan Gedung MeTSi Lt. 2, dengan mengangkat penelitian berjudul “Optimasi Multi-Objektif Pengisian Cepat Baterai Lithium-Ion Menggunakan Algoritma Hibrida A-NSGA-II Terintegrasi K-Means Clustering dan Historical Layer”.
Melalui penelitian ini, Filmon akan mengembangkan kerangka kerja optimasi hibrida yang mengintegrasikan tiga unit komputasi utama guna menghasilkan profil pengisian cepat yang adaptif. Pertama, metode K-Means Clustering akan digunakan sebagai unit pengenal situasi untuk mempartisi kondisi operasional baterai berdasarkan suhu lingkungan dan tingkat muatan awal (SoC). Kedua, sebuah Historical Layer akan disematkan sebagai memori strategi untuk menyimpan profil pengisian terbaik dari siklus sebelumnya, sehingga mengatasi kelemahan “amnesia” data pada algoritma konvensional dan mempercepat konvergensi pencarian solusi. Ketiga, algoritma Adapted NSGA-II (A-NSGA-II) akan bertindak sebagai mesin optimasi multi-objektif yang menyeimbangkan durasi pengisian, laju degradasi, dan batas aman suhu puncak sel. Seluruh kerangka ini akan diuji sepenuhnya melalui simulasi numerik model fisik Single Particle Model with Electrolyte (SPMe) menggunakan pustaka PyBaMM.
Hasil evaluasi dari kerangka kerja ini diharapkan akan membuktikan efektivitas sistem hibrida dalam memperpanjang umur operasional baterai lithium-ion dibandingkan metode CC-CV konvensional. Integrasi algoritma ini diproyeksikan mampu meminimalkan laju pertumbuhan lapisan SEI dan menjaga stabilitas termal baterai di bawah batas aman 45°C, sekaligus mempercepat waktu pengisian. Dalam perspektif sistem energi skala luas, inovasi ini dirancang untuk diimplementasikan ke dalam Battery Management System (BMS) yang lebih cerdas dan adaptif. BMS cerdas ini nantinya sangat krusial untuk menjaga keandalan sistem penyimpanan energi, yang secara langsung akan mendukung keberhasilan program nasional interkoneksi PLTS 100 GW dan elektrifikasi berbasis komunitas di seluruh pelosok iklim Nusantara.
Penelitian ini berada di bawah bimbingan Ahmad Agus Setiawan, S.T., M.Sc., Ph.D. sebagai dosen pembimbing utama dan Dr. Ir. Nugroho Dewayanto, S.T., M.Eng., IPM. sebagai dosen pembimbing pendamping. Tahap simulasi dan analisis lanjutan akan dilangsungkan dalam beberapa bulan ke depan dengan target penyelesaian pada tahun mendatang. Eksplorasi mahasiswa MeTSi FT UGM ini menegaskan sebuah prinsip penting: pengembangan infrastruktur energi masa depan tidak hanya bergantung pada keandalan perangkat keras, tetapi juga pada kecerdasan algoritma sistem pengelolaannya agar tetap adaptif, efisien, dan berkelanjutan.
Penulis: Arham