Bayangkan mobil listrik yang bisa memilih stasiun pengisian terbaik, mengisi daya lebih cepat, dan sekaligus menghemat biaya. Itulah visi yang diusung dalam suatu penelitian yang ditulis oleh P. Naveenkumar dan timnya, yang berasal dari Department of Electrical and Electronics Engineering, Kongu Engineering College, Tamil Nadu, India.
Dalam penelitian tersebut, mereka membahas mengenai rancangan Battery Management System (BMS) cerdas untuk kendaraan listrik dengan menggabungkan IoT, machine learning (LightGBM), dan blockchain guna meningkatkan efisiensi pengisian daya.
Masalah utama yang diidentifikasi adalah antrean panjang dan inefisiensi dalam proses pengisian kendaraan listrik. Hal ini tidak hanya membuang waktu pengguna, tetapi juga menambah beban pada infrastruktur listrik. Oleh karena itu, penelitian ini menawarkan sistem prediktif dan terdistribusi yang bisa mengefisiensikan seluruh rantai proses pengisian.
Arsitektur yang dikembangkan terdiri atas tiga lapisan utama: sensor dan IoT untuk pemantauan SoC/SoH baterai, machine learning untuk prediksi, dan blockchain untuk keamanan data. LightGBM dipilih karena kinerjanya yang lebih efisien dibanding algoritme pembelajaran mesin lain. Sementara itu, blockchain permissioned seperti Hyperledger digunakan untuk menjaga transparansi dan integritas transaksi pengisian daya.
Model machine learning yang diterapkan terbukti mampu memprediksi kebutuhan pengisian baterai dengan akurasi 96,52%. Sistem ini juga menurunkan overhead komunikasi sekitar 12%, yang berarti beban jaringan lebih ringan. Hal ini menjadikan sistem lebih cepat, hemat energi, dan layak diterapkan dalam skala besar.
Blockchain berperan penting dalam mengamankan data transaksi dan mengurangi risiko manipulasi atau kebocoran informasi. Mekanisme tanda tangan digital (ECDSA) digunakan untuk otentikasi dan integritas data. Dengan demikian, sistem pengisian EV dapat dipercaya oleh pengguna sekaligus efisien dari sisi teknis.
Selain prediksi kebutuhan daya, sistem juga membantu memilih stasiun pengisian terbaik bagi pengguna. Pemilihan dilakukan berdasarkan lokasi, riwayat pengisian, dan ketersediaan stasiun, sehingga pengalaman pengguna lebih nyaman. Pendekatan ini membuat kendaraan listrik seolah dapat “memutuskan” tempat pengisian terbaik secara otomatis.
Kesimpulan penelitian ini menegaskan bahwa kombinasi IoT, machine learning, dan blockchain merupakan solusi efektif untuk tantangan pengisian EV. Inovasi ini berpotensi memperpanjang umur baterai, mengurangi biaya operasional, dan mempercepat adopsi kendaraan listrik secara massal. Ke depan, penelitian lebih lanjut dapat diarahkan pada uji implementasi nyata dalam infrastruktur pengisian skala besar.