Comparative Analysis of Computational Times of Lithium-Ion Battery Management Solvers and Battery Models Under Different Programming Languages and Computing Architectures
Notice bibliographique
Résumé
With the global rise in consumer electronics, electric vehicles, and renewable energy, the demand for lithium-ion batteries (LIBs) is expected to grow. LIBs present a significant challenge for state estimations due to their complex non-linear electrochemical behavior. Currently, commercial battery management systems (BMSs) commonly use easier-to-implement and faster equivalent circuit models (ECMs) than their counterpart continuum-scale physics-based models (PBMs). However, despite processing more mathematical and computational complexity, PBMs are attractive due to their higher accuracy, higher fidelity, and ease of integration with thermal and degradation models. Various reduced-order PBM battery models and their computationally efficient numerical schemes have been proposed in the literature. However, there is limited data on the performance and feasibility of these models in practical embedded and cloud systems using standard programming languages. This study compares the computational performance of a single particle model (SPM), an enhanced single particle model (ESPM), and a reduced-order pseudo-two-dimensional (ROM-P2D) model under various battery cycles on embedded and cloud systems using Python and C++. The results show that reduced-order solvers can achieve a 100-fold reduction in solution times compared to full-order models, while ESPM with electrolyte dynamics is about 1.5 times slower than SPM. Adding thermal models and Kalman filters increases solution times by approximately 20% and 100%, respectively. C++ provides at least a 10-fold speed increase over Python, varying by cycle steps. Although embedded systems take longer than cloud and personal computers, they can still run reduced-order models effectively in Python, making them suitable for embedded applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».