Hasil Pencarian  ::  Simpan CSV :: Kembali

"State of Health (SOH) merupakan salah satu parameter penting pada baterai lithium-ion yang menunjukkan tingkat penuaan baterai. Estimasi SOH yang akurat diperlukan untuk memprediksi umur baterai dan mencegah kegagalan sistem berbasis baterai. Salah satu metode estimasi SOH yang banyak digunakan oleh para peneliti adalah penggunaan metode deep learning seperti Long Short – Term Memory (LSTM) . Meskipun algoritma tersebut secara umum sudah banyak digunakan oleh banyak orang, namun para peneliti masih terus berupaya untuk mengembangkannya agar mendapatkan hasil yang memiliki akurasi yang tinggi dan error yang rendah. Maka dari itu, penelitian ini dilakukan untuk merancang arsitektur model Long Short – Term Memory (LSTM) yang dioptimasi dengan metode Differential Evolution – Grey Wolf Optimizer (DEGWO) untuk meningkatkan akurasi estimasi SOH pada baterai lithium-ion yang berasal dari dataset NASA. Hasil penelitian yang didapat menunjukkan bahwa model DEGWO – LSTM merupakan model dengan performa terbaik dibandingkan dengan model LSTM Standar, dengan nilai R² sebesar 0,9965, RMSE sebesar 0,5%, dan MAPE sebesar 0,4%.

---

State of Health (SOH) is one of the important parameters in lithium-ion batteries that indicates the degree of battery aging. Accurate SOH estimation is required to predict battery life and prevent battery-based system failures. One method of SOH estimation that is widely used by researchers is the use of deep learning methods such as Long Short - Term Memory (LSTM). Although these algorithms have generally been used by many people, researchers are still trying to develop them in order to get results that have high accuracy and low error. Therefore, this research was conducted to design a Long Short - Term Memory (LSTM) model architecture optimized with the Differential Evolution - Grey Wolf Optimizer (DEGWO) method to improve the accuracy of SOH estimation on lithium-ion batteries derived from NASA datasets. The results obtained show that the DEGWO - LSTM model is the best performing model compared to the Standard LSTM model, with an R² value of 0.9965, RMSE of 0.5%, and MAPE of 0.4%. "

"ABSTRAKOptimasi Anoda LTO-Sn dengan Penambahan Karbon Aktif pada Baterai Litium-ion Penelitian ini membahas mengenai optimasi anoda LTO-Sn dengan penambahan karbon aktif. Persen Sn yang ditambahkan adalah 5, 7.5, dan 12.5 berat. Sementara pada LTO dengan kadar karbon 5, 15 dan 25 berat, ditambahkan Sn 7.5 berat. Analisi sintesis material dilakukan dengan menguji XRD, BET dan SEM. Analisis performa baterai dilakukan dengan uji EIS, CV, dan CD. Didapatkan luas permukaan yang lebih besar dengan penambahan karbon. Pengamatan SEM juga menunjukkan morfologi yang lebih halus, ditunjukkan dengan ukuran partikel yang lebih kecil, walaupun masih terdapat aglomerat beras dan kecil. Hasil EIS menunjukkan penambahan Sn memberikan nilai konduktivitas yang lebih baik, sementara penambahan karbon menurunkan konduktivitas. Hasil CD menunjukkan penambahan Sn menurunkan kapasitas pada 12C sementara penambahan karbon menaikkan kapasitas yang bisa tercapai. Hasil XRD dan CV menunjukkan terdapat senyawa LTO, TiO2 rutile, TiO2 anatase, dan Sn. LTO dengan penambahan Sn 7.5 dan karbon 5 menjadi parameter optimum untuk mencapai kapasitas sebesar 270.2 mAh/g pada saat discharge dan LTO dengan penambahan Sn 12.5 menjadi sampel dengan kapasitas charge terbesar yaitu 191.1 mAh/g

---

ABSTRACTOptimization of LTO Sn Anode with Activated Carbon Addition on Lithium ion Batteries This study discusses the LTO Sn anode optimization with the addition of activated carbon. Percent Sn added was 5, 7.5, and 12.5 wt. While the LTO with a carbon content of 5, 15 and 25 added 7.5 wt Sn. Analysis done by testing the material synthesis XRD, BET and SEM. Analysis of the performance of the battery is done by using EIS, CV, and CD. Obtained a larger surface area with the addition of carbon. SEM observations also show finer morphology, shown with a smaller particle size, although there are small and big agglomerates. EIS results showed the addition of Sn provides better conductivity value, while the addition of carbon to lower the conductivity. The CD results showed the addition of Sn lowering capacity at 12C while adding carbon to raise capacity that could be achieved at same C rates. The results of XRD and CV shows there are LTO compound, TiO2 rutile, TiO2 anatase, and Sn. LTO with the addition of Sn 7.5 and 5 carbon given optimum parameters to achieve a capacity of 270.2 mAh g at discharge. LTO with the addition of Sn 12.5 to the sample achieve a charge capacity 191.1 mAh g"

"Li4Ti5O12 merupakan salah satu material yang menjanjikan untuk bahan anoda baterai litium ion. Li4Ti5O12 adalah material yang bersifat zero strain, dimana material tidak mengalami ekspansi volum pada saat prose charge/discharge. Namun, Li4Ti5O12 memiliki kapasitas teoritis yang relatif rendah (175 mAh/g). Hal ini membuat perlu dilakukannya modifikasi terhadap material Li4Ti5O12 untuk meningkatkan performa elektrokimianya. Salah satu cara yang dapat dilakukan adalah dengan menggabungkan material Li4Ti5O12 dengan timah (Sn), yang mana memiliki kapastitas teoretis yang sangat tinggi (994 mAh/g). Namun, Sn memiliki permasalahan ekspansi volum yang sangat besar dan juga pulverization pada saat siklus charge/discharge. Oleh karena itu, digunakan grafit untuk mencegah terjadinya ekspansi volum yang berlebihan dari Sn. Grafit memiliki efek stress-relieving pada Sn, sehingga dapat menghambat ekspansi volumnya pada saat siklus charge/discharge. Pada penelitian ini, dilakukan sintesis komposit LTO/Sn-grafit dengan metode solid state. Untuk mengetahui pengaruh kadar Sn pada komposit tersebut, dilakukan variasi kadar Sn sebesar 5% wt.; 10% wt.; dan 15% wt. Dari penelitian ini, didapatkan hasil bahwa sampel dengan kadar Sn 10% wt. memiliki kapasitas discharge dan nilai potensial kerja terbaik. Sampel dengan kadar Sn 5% wt. memiliki kemampuan retensi paling baik. Sampel dengan kadar Sn 15% wt. memiliki nilai hambatan terkecil.

---

Li4Ti5O12 is one of promising materials for lithium ion battery anode material. Li4Ti5O12 is a zero strain material, where the material does not undergo volume expansion during the charge/discharge process. However, Li4Ti5O12 has a relatively low theoretical capacity (175 mAh/g). Modifying Li4Ti5O12 material is necessary to improve its electrochemical performance. Method that can be done is by combining Li4Ti5O12 with tin (Sn), which has a very high theoretical capacity (994 mAh/g). However, Sn has very large volume expansion problems as well as pulverization phenomena during its charge/discharge cycle. Therefore, graphite is used to prevent the excessive volume expansion of Sn. Graphite has the effect of stress-relieving on Sn, so it can inhibit its volume expansion during the charge/discharge cycle.

In this study, composite synthesis of LTO/Sn-graphite was carried out by solid state method. To determine the effect of Sn content on these composites, Sn variations were carried out at 5% wt., 10% wt., and 15% wt. The results of this study shown that sample with 10% wt. Sn content has the best discharge capacity and working potential value. Sample with 5% wt. Sn content has the best retention capability. Sample with 10% wt. Sn content has the least resistance value."

"Baterai menjadi komponen kunci dalam sistem penyimpanan energi, maka dari itu sangat penting untuk mengestimasi nilai State of Charge secara akurat untuk mengelola dan memanfaatkan daya baterai secara optimal. Ketidakakuratan estimasi SoC dapat menyebabkan performa yang tidak optimal dan kerusakan baterai. Pendekatan tradisional dalam estimasi SoC cenderung kurang presisi, terutama di bawah kondisi dinamis. Oleh karena itu, untuk meningkatkan akurasi estimasi SoC, pada penelitian ini diusulkan model estimasi SoC menggunakan metode Support Vector Machine dengan Particle Swarm Optimization pada baterai Lithium-Ion dan Lithium-Polymer karena keduanya banyak digunakan dalam berbagai aplikasi, termasuk kendaraan listrik, perangkat seluler, dan peralatan elektronik. Hasil penelitian ini akan menunjukkan algoritma SVM dan PSO-SVM yang dapat digunakan untuk memprediksi estimasi pada baterai Lithium-Ion dan Lithium-Polymer. Berdasarkan penelitian yang telah dilakukan diperoleh hasil skor R-Squared menggunakan SVM pada Lithium-Ion sebesar 96,1% dan Lithium-Polymer sebesar 92,8%, serta menggunakan PSO-SVM pada Lithium-Ion 97,8% sebesar dan Lithium-Polymer sebesar 93,6%. hasil skor Mean Absolute Error diperoleh dengan menggunakan SVM pada Lithium-Ion sebesar 4,9% dan Lithium-Polymer sebesar 6,0%, serta menggunakan PSO-SVM pada Lithium-Ion sebesar 3,8% dan Lithium-Polymer sebesar 5,7%. hasil skor Root Mean Squeared Error diperoleh dengan menggunakan SVM pada Lithium-Ion sebesar 6,3% dan Lithium-Polymer sebesar 8,1%, serta menggunakan PSO-SVM pada Lithium-Ion sebesar 4,8% dan Lithium-Polymer sebesar 7,7%. Hasil analisis menunjukkan bahwa algoritma PSO-SVM dan SVM lebih cocok diaplikasikan pada baterai Lithium-Ion dibandingkan Baterai Lithium-Polymer, khusunya PSO-SVM.

---

Batteries become a key component in the energy storage system; therefore, it is crucial to accurately estimate the State of Charge to manage and utilise the battery power optimally. Inaccuracy in SoC estimation can lead to suboptimal performance and battery damage. Traditional approaches in SoC estimation tend to lack precision, especially under dynamic conditions. Therefore, to improve the accuracy of SoC estimation, this study proposes a SoC estimation model using Support Vector Machine with Particle Swarm Optimization method for Lithium-Ion and Lithium-Polymer batteries as they are widely used in various applications, including electric vehicles, mobile devices, and electronic equipment. The results of this research will show the PSO-SVM and SVM algorithms that can be used to predict estimates for Lithium-Ion and Lithium-Polymer batteries. Based on research that has been carried out, the R-Squared score results obtained using SVM on Lithium-Ion were 96.1% and Lithium-Polymer was 92.8%, and using PSO-SVM on Lithium-Ion was 97.8% and Lithium-Polymer was 93 .6%. The Mean Absolute Error score results were obtained using SVM on Lithium-Ion of 4.9% and Lithium-Polymer of 6.0%, and using PSO-SVM on Lithium-Ion of 3.8% and Lithium-Polymer of 5.7%. The Root Mean Squeared Error score results obtained using SVM on Lithium-Ion were 6.3% and Lithium-Polymer were 8.1%, and using PSO-SVM on Lithium-Ion was 4.8% and Lithium-Polymer was 7.7%. The analysis results show that the PSO-SVM and SVM algorithms are more suitable for application to Lithium-Ion batteries compared to Lithium-Polymer Batteries, especially PSO-SVM."

"

Baterai Lithium-Ion merupakan salah satu media yang efektif untuk meyimpan energi. Baterai ini pun terus diteliti lebih lanjut untuk meningkatkan efisiensi dan kekuatan baterai. Pada saat ini. Anoda LTO merupakan material yang sedang dikembangkan sebagai pengganti anoda grafit. LTO atau litium titanat memiliki beberapa kelebihan seperti sifat zero strain yaitu tidak terjadi perubahan volume atau perubahan volume yang sangat rendah saat charge dan discharge. Sintesis LTO dilakukan dengan menggunakan metode solid state dengan proses mekanokimia dan sintering pada suhu 850^o C selama 6 jam. Kadar Zn yang ditambahkan sebesar 3 wt%, 7wt% dan 11 wt%. dan grafit sebesar 3 wt%. Penambahan doping Zn pada LTO meningkatkan konduktifitas elektronik dan kapasitas spesifik dari baterai. Komposit LTO-Grafit/Zn dilakukan karakterisasi menggunakan XRD dan SEM-EDS. Uji performa baterai dilakukan menggunakan pengujian EIS, CV dan CD. Hasil pengujian EIS didapatkan nilai konduktifitas tertinggi pada komposit LTO-grafit/Zn 3%. Kapasitas spesifik tertinggi hasil uji CV didapatkan LTO-grafit/Zn 11% sebesar 154.3 mAH/g. Kapasitas chage discharge tertinggi didapatkan LTO-grafit/Zn 11% pada current rates 0.5 C sampai 15C

---

Lithium-Ion batteries are one of the effective media for storing energy. This battery continues to be investigated further to increase the efficiency and power of the battery. At this time. LTO anode is a material that is being developed as a substitute for graphite anode. LTO or lithium titanate has several advantages, such as the zero strain characteristic, that is, there is no change in volume or volume changes that are very low during charge and discharge. The LTO synthesis was carried out using a solid state method with a mechanochemical process and sintering at a temperature of 850^o C for 6 hours. Zn content added is 3 wt%, 7wt% and 11 wt%. and graphite at 3 wt%. Addition of Zn doping to LTO increases the electronic conductivity and specific capacity of the battery. LTO-Graphite/Zn composites were characterized using XRD and SEM-EDS. Battery performance test is carried out using EIS, CV and CD testing. The EIS test results obtained the highest conductivity value on 3% LTO-graphite / Zn composites. The highest specific capacity CV test results obtained LTO-graphite/Zn 11% of 154.3 mAH / g. The highest chage discharge capacity is obtained by LTO-graphite/Zn 11% in the current rates of 0.5 C to 15C.

 

"

"Li4Ti5O12 lithium titanate disintesis menggunakan metode sol-gel dan hidrotermal dengan memakai sumber ion lithium LiOH. Anoda komposit Li4Ti5O12/Sn dipreparasi menggunakan metode ball mill dengan 3 variasi Sn. XRD menunjukkan fasa spinel, TiO2, dan Sn. SEM memperlihatkan bahwa partikel Li4Ti5O12 memiliki ukuran berkisar 20-50 ?m dan ukuran partikel Sn berkisar 2-70 ?m. Nilai hambatan elektrolit terendah didapatkan pada kadar Sn terbesar. Peningkatan kadar Sn dapat meningkatkan kapasitas spesifik dari baterai pada uji CV. Reaksi alloying dan dealloying LixSn mengakomodasi peningkatan kapasitas spesifik pada C/D. Namun, volume ekspansi dari LixSn menyebabkan hilangnya kapasitas saat C rate meningkat. Kapasitas terbesar pada laju charge/discharge rendah dan tinggi didapatkan pada kadar Sn terbesar.

---

Li4Ti5O12 lithium titanate were synthesized by sol gel and hydrothermal method with LiOH as lithium ion source. Li4Ti5O12 Sn composites anode were preparared by ball mill method with three of Sn variation. XRD shows spinel, TiO2, and Sn phases. SEM shows that Li4Ti5O12 particles are around 20 50 m size and Sn particles are around 2 70 m size. The lowest electrolyte resistance obtained at the highest Sn value. With the increasing Sn value, the specific capacity of battery can be increased from CV. Alloying and dealloying reaction of LixSn accomodate the increased specific capacity from C D. However, volume expansion from LixSn leads to loss of capacity when the C rate increases. The capacity at low and high charge discharge rate obtained at the highest Sn value. "

"Litium Ferro Phosphate, LiFePO4 (LFP) adalah kandidat yang menjanjikan sebagai bahan katoda baterai lithium ion. Dalam penelitian ini, LFNP/C disintesis dengan metode solid-state dari precursor LFP, Nikel menjadi variasi penambahan konten LFP dalam bentuk doping, yaitu, 6, 7,5 dan 9%, diberi label sampel LFNP/C-Ni6%, LFNP/C-Ni7.5% dan LFNP/C-Ni9%. Karakterisasi dilakukan menggunakan XRD, SEM, EDX, dan MAPPING. Ini dilakukan untuk mengamati efek penambahan Nikel pada struktur, morfologi, dan komposisi sampel. Hasil penelitian menunjukkan bahwa persentase optimum doping Nikel adalah 7.5% karena telah menunjukan hasil yang memuaskan di performa CV,CD, dan EIS dengan ukuran kristal 76.93 nm. Dalam pengujian cyclic voltametry, konduktivitas dan kapasitas sampel meningkat dan disebabkan oleh penambahan Nikel pada LFP.

---

Lithium Ferro Phosphate, LiFePO4 (LFP) is a promising candidate as a cathode material for lithium ion batteries. In this study, LFNP / C was synthesized by the solid-state method of the LFP precursors, Nickel became a variation of LFP content addition in the form of doping, namely, 6, 7.5 and 9%, labeled LFNP / C-Ni6% sample, LFNP / C-Ni7.5% and LFNP / C-Ni9%. Characterization was done using XRD, SEM, EDX, and MAPPING. This was done to observe the effect of adding Nickel to the structure, morphology, and composition of the sample. The results showed that the optimum percentage of Nickel doping was 7.5% because it had shown satisfactory results in the performance of CV, CD, and EIS with a crystal size of 76.93 nm. In cyclic voltametry testing, the conductivity and capacity of the sample increases and is caused by the addition of Nickel to LFP."

"Seiring dengan perubahan dunia yang sangat cepat, efisiensi dalam mengelola persediaan menjadi hal yang sangat penting, terutama bagi UKM. Ada beberapa sumber daya penting yang dibutuhkan oleh UKM untuk meningkatkan bisnis mereka: sejumlah dana, penguasaan teknologi, dan sumber daya manusia. Robotic Process Automation (RPA) sebagai salah satu teknologi unggulan di Industri 4.0 dapat mengatasi kebutuhan sumber daya manusia untuk melakukan tugas-tugas dalam manajemen persediaan. RPA dianggap sebagai salah satu teknologi modern yang memungkinkan UKM melakukan tugas berulang dengan lebih efisien sehingga menghasilkan kinerja organisasi yang lebih baik. Penelitian ini mengadopsi tahap Inisialisasi dan Implementasi dari The Consolidated Framework for Implementing RPA Project. Data bersumber dari salah satu UKM dalam bisnis kecantikan yang beroperasi di Provinsi Jawa Tengah- Indonesia, dimana bisnis kecantikan dianggap sebagai salah satu sektor yang berkembang pesat saat ini di Indonesia. Ruang lingkup penelitian ini difokuskan pada manajemen persediaan seperti pengecekan stok persediaan, peramalan permintaan produk berdasarkan data historis, membuat rencana pembelian, memesan barang ke vendor melalui email dan menindaklanjuti menggunakan email jika barang yang dipesan belum datang. Temuan penelitian ini menunjukkan bahwa penggunaan RPA dalam manajemen persediaan dapat menghemat banyak biaya yang sebelumnya dianggap sebagai beban. Adanya RPA di perusahaan telah berhasil membantu AuradermA Skin Care dalam mengelola persediaan dengan lancar, mengurangi beban kerja staf dan pada akhirnya memastikan persediaan tidak habis atau berlebihan. Diharapkan penelitian ini memberikan kontribusi dalam bidang RPA karena implementasi RPA belum begitu banyak ditemukan terutama untuk UKM.

---

State of Charge (SOC) is a condition that states battery charge condition. This condition is important to know to ensure safe battery operating condition. One of the challenge in estimating SOC is that the battery dynamic system. To estimate SOC, battery undergoes characterization process. The Li-Ion battery characterization system monitors voltage across the battery as well as current going to or out of the battery. After the system is assembled, battery will be prepared before characterization using Constant Current Constant Voltage (CCCV) charging. Characterization process starts with battery undergoing discharging and charging process. In this research, Li-Ion battery made from LiNiMnCoO2 is modelled based on second order Thevenin Equivalent Circuit Model. SOC estimation is optimized using Uscented Kalman Filter (UKF). Next, battery undergoes Hybrid Pulse Power Characterization (HPPC) test to obtain ECM parameters. Next, ECM parameters are used as value to be fitted with SOC from Coulomb Counting (CC) with seventh order polynomial method from HPPC result. SOC estimation validation is done using Dynamic Stress Test (DST). The SOC estimation result using UKF is compared to the estimation which doesn’t use UKF. The simulation and experiment result show that UKF algorithm is able to adjust its estimation result when given wrong initial SOC estimation value. The simulated SOC estimation result using UKF is compared with the CC method and reference SOC have Root-Mean Square Error (RMSE) of 0.7 % and Maximum Error (ME) of 9.9 %. The experiment SOC estimation result compared with CC SOC method has RMSE of 2.76 % and ME of 10%."

"Litium Ferro Phosphate, LiFePO4 (LFP) adalah kandidat yang menjanjikan sebagai bahan katoda baterai lithium ion. Dalam penelitian ini, LFNP/C disintesis dengan metode solid-state dari precursor LFP, Nikel menjadi variasi penambahan konten LFP dalam bentuk doping, yaitu, 6, 7,5 dan 9%, diberi label sampel LFNP/C-Ni6%, LFNP/C-Ni7.5% dan LFNP/C-Ni9%. Karakterisasi dilakukan menggunakan XRD, SEM, EDX, dan MAPPING. Ini dilakukan untuk mengamati efek penambahan Nikel pada struktur, morfologi, dan komposisi sampel. Hasil penelitian menunjukkan bahwa persentase optimum doping Nikel adalah 7.5% karena telah menunjukan hasil yang memuaskan di performa CV,CD, dan EIS dengan ukuran kristal 76.93 nm. Dalam pengujian cyclic voltametry, konduktivitas dan kapasitas sampel meningkat dan disebabkan oleh penambahan Nikel pada LFP.

---

Lithium Ferro Phosphate, LiFePO4 (LFP) is a promising candidate as a cathode material for lithium ion batteries. In this study, LFNP / C was synthesized by the solid-state method of the LFP precursors, Nickel became a variation of LFP content addition in the form of doping, namely, 6, 7.5 and 9%, labeled LFNP / C-Ni6% sample, LFNP / C-Ni7.5% and LFNP / C-Ni9%. Characterization was done using XRD, SEM, EDX, and MAPPING. This was done to observe the effect of adding Nickel to the structure, morphology, and composition of the sample. The results showed that the optimum percentage of Nickel doping was 7.5% because it had shown satisfactory results in the performance of CV, CD, and EIS with a crystal size of 76.93 nm. In cyclic voltametry testing, the conductivity and capacity of the sample increases and is caused by the addition of Nickel to LFP."

"Perkembangan luas baterai lithium-ion (LIB) telah menarik banyak minat dari banyak peneliti. Peningkatan khusus penelitian baterai ini dapat dilihat dari LIB yang mulai digunakan dalam sistem grid yang disebut battery energy storage system (BESS). Proyek tesis ini bertujuan untuk menentukan jenis LIB apa yang cocok untuk digunakan dalam sistem jaringan yang berbeda. Untuk memilih jenis LIB mana yang cocok untuk sistem, efisiensi siklus dan mekanisme degradasi LIB harus dipelajari. Saat ini, jenis LIB yang digunakan untuk BESS adalah Lithium Iron Phosphate (LFP) dan Lithium Nickel Manganese Cobalt (NMC). Terlepas dari kemampuan LFP dan NMC, mekanisme degradasi mereka masih merupakan bagian penting dari batasan BESS. Selain itu, degradasi LFP dan NMC dipengaruhi oleh suhu dan laju arus sehingga peningkatan kedua parameter akan menghasilkan degradasi yang lebih tinggi. Variasi suhu dan laju arus membuktikan bahwa LFP memiliki stabilitas yang unggul dibandingkan NMC, meskipun memiliki kapasitas lebih rendah dari NMC. Oleh karena itu, dapat disimpulkan bahwa LFP lebih cocok untuk sistem bersiklus tinggi, sementara NMC lebih cocok untuk sistem yang memiliki penyimpanan kapasitas tinggi sebagai perhatian utama mereka.

---

The vast development of lithium-ion batteries (LIB) has gained a lot of interest from many researchers. The particular improvement of LIB research is that LIB is starting to be used in a grid system called battery energy storage system (BESS). This thesis project aims to determine what type of LIB is suitable to be used in different grid systems. To choose which type of LIB that is suitable for the system, the cycling efficiency and the degradation mechanism of the LIB must be studied. Currently, the types of LIB used for BESS are Lithium Iron Phosphate (LFP) and Lithium Nickel Manganese Cobalt (NMC).

Despite the capability of LFP and NMC, their degradation mechanism is still an essential part of the limitation of the BESS. Additionally, the degradation of LFP and NMC are affected by temperature and current rate (C-rate) such that increasing both parameters will result in higher degradation. The variation of temperature and C-rate proves that LFP has superior stability compared to NMC, despite having lower capacity than NMC. Therefore, it can be concluded that LFP is more suitable for a high cycling system while NMC is more suitable for system which has high capacity storage as their primary concern."