Bagaimana Model Predictive Control (MPC) Merevolusi Manajemen Termal Baterai pada Kendaraan Komersial Listrik

Kontrol suhu PID tradisional pada kendaraan listrik bekerja seperti "mengemudi dengan melihat ke kaca spion" - ia bereaksi terhadap perubahan suhu setelah perubahan tersebut terjadi. Untuk mobil penumpang, pendekatan ini seringkali cukup. Namun untuk kendaraan listrik komersial yang dilengkapi baterai 200–400 kWh dan menuntut pengisian cepat 4C, pendinginan reaktif tidak dapat mengimbanginya.

Di sinilah Model Predictive Control (MPC) mengubah segalanya.

Model Pengendalian Prediktif adalah strategi pengendalian tingkat lanjut yang menggunakan model matematika dari sistem untuk memprediksi perilaku masa depan dan mengoptimalkan tindakan pengendalian yang sesuai. Dalam penelitian akademis, MPC telah terbukti secara signifikan mengurangi konsumsi energi dalam sistem manajemen termal baterai sekaligus mempertahankan kontrol suhu yang lebih ketat dibandingkan metode konvensional.

NEWBASE telah menjadi perusahaan pertama yang berhasil menerapkan algoritme MPC di sektor BTMS (Battery Thermal Management System) kendaraan komersial — mengubah manajemen termal dari penyesuaian reaktif menjadi prediksi proaktif.

Unit berpendingin air BTMS berbasis MPC beroperasi melalui siklus cerdas tiga langkah:

1. Pemodelan Kembar Digital Prediktif

Model kembar digital berpasangan termal-listrik baterai dibuat secara real-time, memprediksi lintasan suhu baterai selama 30–60 detik berikutnya. Model ini terus diperbarui berdasarkan umpan balik sensor aktual, sehingga memastikan keakuratan prediksi meskipun kondisi baterai terus berubah sepanjang siklus masa pakainya.

2. Integrasi Input Multi Dimensi

Sistem tidak hanya melihat suhu baterai saat ini. Ini memperhitungkan kondisi jalan, profil daya pengisian daya, prakiraan suhu sekitar, dan bahkan pola mengemudi yang diantisipasi. Dengan menggabungkan masukan-masukan ini, algoritma MPC merencanakan strategi pendinginan yang optimal sebelum panas menjadi masalah.

3. Optimasi Bergulir dengan Koreksi Umpan Balik

Dalam setiap siklus kontrol, sistem melakukan optimalisasi bergulir — terus-menerus membandingkan hasil yang diprediksi dengan pengukuran aktual dan menyesuaikan modelnya secara real-time. Loop tertutup "prediksi-eksekusi-benar" ini memastikan bahwa sistem pendingin selalu selangkah lebih maju dari kejadian termal.

Hasil penerapan MPC di unit berpendingin air BTMS NEWBASE dapat diukur dan signifikan:

• Varians suhu sel dikontrol dalam ±2°C selama skenario pengisian cepat 4C — dibandingkan dengan standar industri sebesar ±3–5°C. Keseragaman suhu yang lebih ketat berarti masa pakai baterai yang lebih lama dan kinerja yang lebih konsisten.
• Konsumsi energi sistem berkurang 25–30% dibandingkan dengan sistem tradisional yang dikontrol PID. Bagi operator armada yang menjalankan puluhan truk listrik, hal ini menunjukkan penghematan biaya operasional yang besar sepanjang masa pakai kendaraan.
• Latensi respons dipersingkat dari detik menjadi milidetik. Dalam manajemen termal, setiap milidetik penting — terutama selama pengisian daya cepat ketika suhu baterai meningkat dengan cepat.

Saat pasar kendaraan listrik komersial beralih ke standar pengisian daya ultra cepat 4C dan 5C, beban termal pada paket baterai meningkat secara dramatis. Pengisian daya 4C menghasilkan arus empat kali lipat kapasitas baterai — menghasilkan panas yang jauh lebih banyak dibandingkan pengisian daya konvensional. Tanpa pengelolaan termal yang cerdas, panas ini dapat menurunkan sel baterai, mengurangi efisiensi pengisian daya, dan bahkan memicu terjadinya pelepasan panas.

Manajemen termal berbasis MPC secara unik cocok untuk mengatasi tantangan ini karena dapat mengantisipasi beban termal sebelum pengisian daya dimulai dan mendinginkan baterai terlebih dahulu ke suhu awal yang optimal. Selama pengisian daya, perangkat ini secara dinamis menyesuaikan intensitas pendinginan berdasarkan prediksi suhu real-time — mencegah panas berlebih dan pendinginan berlebih.

Penelitian yang diterbitkan dalam jurnal MDPI World Electric Vehicle Journal (2025) menegaskan bahwa strategi MPC untuk BTMS dapat mengoptimalkan konsumsi energi sekaligus menjaga suhu baterai dalam rentang pengoperasian yang aman. Berbagai studi akademis dari berbagai institusi termasuk Institut Teknologi Beijing telah memvalidasi bahwa manajemen termal berbasis MPC mengungguli pendekatan berbasis aturan dan PID konvensional dalam hal efisiensi energi dan presisi kontrol suhu.

Pencapaian NEWBASE terletak pada penerjemahan kemajuan akademis ini ke dalam sistem yang siap produksi dan layak secara komersial untuk aplikasi tugas berat — di mana keandalan, daya tahan, dan efektivitas biaya tidak dapat ditawar.

MPC bukan sekadar peningkatan algoritme kontrol — ini adalah fondasi manajemen termal baterai yang benar-benar cerdas. Ketika kendaraan listrik komersial menjadi lebih bertenaga dan mengisi daya lebih cepat, kemampuan untuk memprediksi, merencanakan, dan mencegah masalah termal sebelum terjadi akan membedakan para pemimpin industri dari yang lain.