CN116737384B - 电化学模型仿真计算的加速方法、存储介质及电子设备 - Google Patents
电化学模型仿真计算的加速方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116737384B CN116737384B CN202310753098.7A CN202310753098A CN116737384B CN 116737384 B CN116737384 B CN 116737384B CN 202310753098 A CN202310753098 A CN 202310753098A CN 116737384 B CN116737384 B CN 116737384B
- Authority
- CN
- China
- Prior art keywords
- calculation
- node
- electrochemical model
- server cluster
- acceleration method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004088 simulation Methods 0.000 title claims abstract description 55
- 230000001133 acceleration Effects 0.000 title claims abstract description 40
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 12
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 9
- 229910001416 lithium ion Inorganic materials 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000004146 energy storage Methods 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 230000000246 remedial effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种电化学模型仿真计算的加速方法、存储介质及电子设备,所述方法包括:所述方法包括:将电化学仿真模型的总任务拆解为若干子任务,并将各子任务依次分配到服务器集群中的各计算节点,由服务器集群中的各计算节点对各所述子任务进行并行计算;基于将各计算节点的计算结果确定异常的电芯。本发明利用服务器集群做电化学模型的大规模并行计算,极大地缩短了电芯数量过多时的电化学模型计算时间,有利于更快、更及时、更精准地捕捉大规模储能电站中异常电芯,提高了电池管理系统的安全预警能力。
Description
技术领域
本发明涉及储能电站技术领域,特别是涉及电化学模型计算技术领域。
背景技术
传统的电池管理系统大多使用等效电路模型,该模型属于经验模型,无法表征电芯内部的物理化学状态,对电芯异常的捕捉与预判能力不足。为了克服这一缺陷,下一代电池管理系统的方向将会以电化学模型为核心。电化学模型一般包括伪二维模型、单粒子模型等。电化学模型从第一性原理出发,还原了电芯内部的化学反应及锂离子运动的物理过程。
然而,更高的精度意味着模型更为复杂、计算代价更高、计算时间更长。电化学模型的运算时间一直是阻碍其大面积应用的关键。即使是目前全球最先进的电化学模型计算平台,对单节电芯1C放电工况的仿真也需约0.5s至1s。那么在大规模储能电站中,电芯数量可达到数十万,仿真时间累计可长达数小时乃至数天,这显然不能够及时排查安全隐患,无法满足实际需求。
因此,针对储能容量大小和最大需量之间存在相互制约的问题,如何进行需量管理成为本领域技术人员亟待解决的技术问题。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种电化学模型仿真计算的加速方法、存储介质及电子设备,用于解决现有技术中电化学模型仿真计算时间长,仿真效率低的技术问题。
为实现上述目的及其他相关目的,本发明提供一种用于电化学模型仿真计算的加速方法,所述方法包括:将电化学仿真模型的总任务拆解为若干子任务,并将各子任务依次分配到服务器集群中的各计算节点,由服务器集群中的各计算节点对各所述子任务进行并行计算;基于将各计算节点的计算结果确定异常的电芯。
于本发明的一实施例中,还包括搭建服务器集群;所述服务器集群中各服务器装配有GPU;搭建所述服务器集群中,获取所述服务器集群中各服务器的root权限,以使得各服务器之间可以远程免密码登陆。
于本发明的一实施例中,各节点服务器的防火墙需处于关闭状态。
于本发明的一实施例中,还包括:修改所述服务器集群中各节点服务器的hosts文件,使得各服务器的IP地址与各节点名称保持一致的映射关系。
于本发明的一实施例中,还包括:于所述服务器集群中各节点服务器的Linux系统中配置MPI环境。
于本发明的一实施例中,各计算节点中一个作为主计算节点,其余作为从计算节点;各从计算节点的计算结果传输至主计算节点,所述主节点基于自身的计算结果和各从计算节点的计算结果确定异常的电芯。
于本发明的一实施例中,所述确定异常的电芯包括:检测所述计算结果的各物理量中是否存在异常值;响应于所述计算结果的各物理量中存在异常值,获取异常值对应的电芯编号;基于所述电芯编号定位异常的电芯。
于本发明的一实施例中,所述物理量为电压、电流、温度、电芯内部锂离子浓度中的任一种。
为实现上述目的及其他相关目的,本发明还提供一种存储介质,存储有程序指令,所述程序指令被执行时实现如上所述的用于电化学模型仿真计算的加速方法的步骤。
为实现上述目的及其他相关目的,本发明还提供一种电子设备,包括存储器,用于存储计算机程序;处理器,用于运行所述计算机程序以实现如上所述的用于电化学模型仿真计算的加速方法的步骤。
如上所述,本发明的电化学模型仿真计算的加速方法、存储介质及电子设备具有以下有益效果:
本发明利用服务器集群做电化学模型的大规模并行计算,极大地缩短了电芯数量过多时的电化学模型计算时间,有利于更快、更及时、更精准地捕捉大规模储能电站中异常电芯,提高了电池管理系统的安全预警能力。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1显示为本申请一实施例中的用于电化学模型仿真计算的加速方法的流程示意图;
图2显示为本申请一实施例中的用于电化学模型仿真计算的加速方法中服务器集群并行计算的示意图;
图3显示为本申请一实施例中的用于电化学模型仿真计算的加速方法中确定异常的电芯的流程图;
图4显示为本申请一实施例中的用于电化学模型仿真计算的加速方法的整体实施过程示意图;
图5显示为本申请一实施例中的电子设备的原理框图。
元件标号说明
101 电子设备
1001 处理器
1002 存储器
S100~S200 步骤
S210~S230 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
本实施例的目的在于提供一种电化学模型仿真计算的加速方法、存储介质及电子设备,用于解决现有技术中电化学模型仿真计算时间长,仿真效率低的技术问题。
本实施例提供了一种电化学模型大规模仿真计算的加速方法。将多台配置有GPU硬件的服务器搭建成一个计算集群;将包含大量电化学模型的计算的总任务划分,并将划分后的各部分任务分配给集群中的各节点,借助MPI技术使各节点同时并行计算,最终收集汇总各节点的电化学计算结果并根据结果数据做出判断。
以下将详细阐述本发明的电化学模型仿真计算的加速方法、存储介质及电子设备的原理及实施方式,使本领域技术人员不需要创造性劳动即可理解本发明的电化学模型仿真计算的加速方法、存储介质及电子设备。
本实施例提供一种用于电化学模型仿真计算的加速方法。图1显示为本申请一实施例中的用于电化学模型仿真计算的加速方法的流程示意图。具体地,如图1所示,本实施例中所述用于电化学模型仿真计算的加速方法包括以下步骤S100至步骤S200。
步骤S100,将电化学仿真模型的总任务拆解为若干子任务,并将各子任务依次分配到服务器集群中的各计算节点,由服务器集群中的各计算节点对各所述子任务进行并行计算;
步骤S200,基于将各计算节点的计算结果确定异常的电芯。
以下对本实施例的用于电化学模型仿真计算的加速方法的步骤S100至步骤S200进行详细说明。
步骤S100,将电化学仿真模型的总任务拆解为若干子任务,并将各子任务依次分配到服务器集群中的各计算节点,由服务器集群中的各计算节点对各所述子任务进行并行计算。
图2显示为本申请一实施例中的用于电化学模型仿真计算的加速方法中服务器集群并行计算的示意图;如图2所示,本实施例采用集群计算的思想,将电化学仿真模型的总任务拆解为若干子任务,将各子任务任务分配至各计算节点,各计算节点同时做并行运算,然后将计算结果汇总到一个计算节点中,由该计算节点进行后续数据处理。对于具有较大数目电芯的大规模储能电站,可有效缩短其仿真计算时间,节省运维成本,提高诊断效率。
于本实施例中,还包括搭建服务器集群;所述服务器集群中各服务器装配有GPU;搭建所述服务器集群中,获取所述服务器集群中各服务器的root权限,以使得各服务器之间可以远程免密码登陆。
即本实施例中,将多台配置有GPU硬件的服务器接通,搭建形成服务器集群。集群中的服务器节点间需要传输数据,本实施例利用SSH((Struts,Spring,Hibernate或SpringMVC,Spring,Hibernate))开发模型获取所述服务器集群中各服务器的root权限,完成多台服务器之间的远程免密码登录。SSH是Struts、Spring和Hibernate的一个集成框架,是上述三个框架结合在一起的一种用于构建灵活、易于扩展的开发手段。基于SSH框架的软件系统从职能上可以分为三层:表示层、业务逻辑层、数据持久层。采用上述SSH开发模型,不仅实现了视图、控制器与模型的彻底分离,而且还实现了业务逻辑层与数据持久层的分离。这样无论前端如何变化,逻辑层只需很少的改动,并且数据库的变化也不会对前端有所影响,大大提高了系统的可复用性,提高了开发效率。
其中,为防止因防火墙阻碍而引起的数据传输问题,各节点服务器的防火墙需处于关闭状态。
于本实施例中,还包括:修改所述服务器集群中各节点服务器的hosts文件,使得各服务器的IP地址与各节点名称保持一致的映射关系。
于本实施例中,还包括:于所述服务器集群中各节点服务器的Linux系统中配置MPI环境。MPI一直是高性能计算的主要模型。MPI(Message Passing Interface)是一个跨平台的通信协议,用于编写并行计算机程序,其目标是高性能,大规模性和可移植性。
在搭建完服务器集群之后,可以执行本实施例的上述步骤S100,即通过服务器集群,并行计算电化学仿真模型。将电化学仿真模型的总任务拆解为若干部分的子任务,其中,优选地,所述子任务的数量应与服务器集群中计算节点的数目相同。本实施例中,通过MPI库将各部分计算的子任务依次分配到各计算节点上,各计算节点均开始计算各自的子任务,整个服务器集群开始做并行运算。
例如,某大规模储能电站包含450000电芯,采用电化学模型对所有电芯进行仿真运算,即需要完成45万次完整的电化学模型计算。采用只装配CPU的单一服务器完成上述计算任务,整个算法为串行结构,经测试,计算时间约为6000s,接近两个小时。若采用本实施例的集群并行计算方法,将两台GPU服务器联通作为集群,将总任务量平均分配为两部分,即各450000/2=225000次完整的计算过程;利用MPI将两部分任务分别交给两台GPU服务器,再通过CUDA代码分配各服务器端GPU线程资源,同时间内多线程并行计算,经测试,计算时间可缩短至约15s,与此前的6000s相比提高了约400倍。所以本实施例的用于电化学模型仿真计算的加速方法利用服务器集群做电化学模型的大规模并行计算,极大地缩短了电芯数量过多时的电化学模型计算时间
步骤S200,基于将各计算节点的计算结果确定异常的电芯。
于本实施例中,各计算节点中一个作为主计算节点,其余作为从计算节点;各从计算节点的计算结果传输至主计算节点,所述主节点基于自身的计算结果和各从计算节点的计算结果确定异常的电芯。
图3显示为本申请一实施例中的用于电化学模型仿真计算的加速方法中确定异常的电芯的流程图;具体地,于本实施例中,如图3所示,所述确定异常的电芯包括:
步骤S210,检测所述计算结果的各物理量中是否存在异常值;
步骤S220,响应于所述计算结果的各物理量中存在异常值,获取异常值对应的电芯编号;
步骤S230,基于所述电芯编号定位异常的电芯。
于本实施例中,所述物理量为电压、电流、温度、电芯内部锂离子浓度中的任一种。
各从计算节点完成自身所承担的计算任务后,再次利用MPI库将各从计算节点的计算结果传输回到主计算节点。主计算节点收集汇总自身及其他从计算节点的计算结果,整个并行计算部分结束。后续的数据处理过程全部由主计算节点服务器的CPU完成,主计算节点GPU及全部从节点均不需要。需要从计算结果获取的物理量包括但不限于电芯的电压、电流、温度、电芯内部锂离子浓度等。根据上述各物理量,可有效从大规模储能电站中精准定位存在异常情况的电芯编号,并及时做出补救措施。
具体地,本实施例中,预先将大规模储能电站中的所有电芯进行有规律的编号,编号与电芯存在唯一的映射关系,即一节电芯只可能有一个编号,反之,一个编号也只对应着一节电芯;再结合不同物理量的计算结果及对应的判定方式,可从多个方面,快速准确地定位并判定储能电站中的异常电芯。
本实施例以包含45万节电芯的某储能电站为例,利用本发明进行集群运算得到计算结果检测异常的电芯。在计算结果中,筛选各物理量的异常值。例如,某特定编号的电芯(例如编号为#123456的电芯),在某时刻t的电压计算结果明显低于整体的平均值,或电流数据明显大于正常工作电流,则可立即判断此节电芯存在短路风险,应根据编号#123456立即定位该电芯在储能电站中的具体位置,并采取局部断点、现场抢修等补救措施。若以温度作为判定指标,通常认为锂离子电池的电芯温度不应超过45℃或50℃,则温度数据高于这一阈值时,即可判定该编号的电芯存在热失控风险,立即采取降温措施防止热效应进一步传播;观察电芯内部锂离子浓度,等价于观察电芯的荷电状态SOC,因为锂离子在正负极的分布情况直接反应了电池电量,若某编号电芯的锂离子浓度分布情况显著区别于其他电芯,即该电芯的电量明显异于其他电芯,则应考虑整体的均衡问题,对偏离整体平均水平的电芯进行补电等操作,从而提高宏观表现出的性能。由上可见,本实施例的用于电化学模型仿真计算的加速方法极大地缩短了电芯数量过多时的电化学模型计算时间,有利于更快、更及时、更精准地捕捉大规模储能电站中异常电芯,提高了电池管理系统的安全预警能力。
图4显示为本申请一实施例中的用于电化学模型仿真计算的加速方法的整体实施过程示意图;为使本领域技术人员进一步理解本实施例的用于电化学模型仿真计算的加速方法,以下结合图4对本实施例的整体实施过程进行说明。
首先将多台配置有GPU硬件的服务器搭建成一个服务器集群,然后将包含大量电化学模型的计算的总任务划分,并将划分后的各部分任务分配给集群中的各计算节点,使各计算节点同时并行计算,最终由一个计算节点收集汇总其它各计算节点的电化学模型子任务的计算结果并根据所有的并行的计算结果确定异常的电芯。
如图5所示,本实施例还提供一种电子设备101,所述电子设备101包括:处理器1001及存储器1002;所述存储器1002用于存储计算机程序;所述处理器1001用于执行所述存储器1002存储的计算机程序,以使所述电子设备101执行如实施例1中用于电化学模型仿真计算的加速方法的步骤。由于用于电化学模型仿真计算的加速方法的步骤的具体实施过程已经在实施例1中进行了详细说明,在此不再赘述。
处理器1001为(Central Processing Unit,中央处理器)。存储器1002通过系统总线与处理器1001连接并完成相互间的通信,存储器1002用于存储计算机程序,处理器1001用于运行计算机程序,以使所述处理器1001执行所述的用于电化学模型仿真计算的加速方法。存储器1002可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
此外,本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器1001执行时实现上述的用于电化学模型仿真计算的加速方法中的步骤。上述已经对所述用于电化学模型仿真计算的加速方法进行了详细说明,在此不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本发明利用服务器集群做电化学模型的大规模并行计算,极大地缩短了电芯数量过多时的电化学模型计算时间,有利于更快、更及时、更精准地捕捉大规模储能电站中异常电芯,提高了电池管理系统的安全预警能力。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中包括通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (9)
1.一种用于电化学模型仿真计算的加速方法,其特征在于:所述方法包括:
将电化学仿真模型的总任务拆解为若干子任务,并将各子任务依次分配到服务器集群中的各计算节点,由服务器集群中的各计算节点同时对各所述子任务进行并行计算,然后将计算结果汇总到一个计算节点中,由该计算节点进行后续数据处理;
基于将各计算节点的计算结果确定异常的电芯,其中,所述电芯具有唯一的电芯编号;所述确定异常的电芯包括:
检测所述计算结果的各物理量中是否存在异常值;
响应于所述计算结果的各物理量中存在异常值,获取异常值对应的电芯编号;
基于所述电芯编号定位异常的电芯。
2.根据权利要求1所述的用于电化学模型仿真计算的加速方法,其特征在于:还包括搭建服务器集群;所述服务器集群中各服务器装配有GPU;搭建所述服务器集群中,获取所述服务器集群中各服务器的root权限,以使得各服务器之间可以远程免密码登陆。
3.根据权利要求2所述的用于电化学模型仿真计算的加速方法,其特征在于:各节点服务器的防火墙需处于关闭状态。
4.根据权利要求2所述的用于电化学模型仿真计算的加速方法,其特征在于:还包括:修改所述服务器集群中各节点服务器的hosts文件,使得各服务器的IP地址与各节点名称保持一致的映射关系。
5.根据权利要求2或4所述的用于电化学模型仿真计算的加速方法,其特征在于:还包括:
于所述服务器集群中各节点服务器的Linux系统中配置MPI环境。
6.根据权利要求1所述的用于电化学模型仿真计算的加速方法,其特征在于:各计算节点中一个作为主计算节点,其余作为从计算节点;各所述从计算节点的计算结果传输至所述主计算节点,所述主计算节点基于自身的计算结果和各所述从计算节点的计算结果确定异常的电芯。
7.根据权利要求1所述的用于电化学模型仿真计算的加速方法,其特征在于:所述物理量为电压、电流、温度、电芯内部锂离子浓度中的任一种。
8.一种存储介质,存储有程序指令,其特征在于:所述程序指令被执行时实现如权利要求1至权利要求7任一项所述的用于电化学模型仿真计算的加速方法的步骤。
9.一种电子设备,其特征在于:包括存储器,用于存储计算机程序;处理器,用于运行所述计算机程序以实现如权利要求1至权利要求7任一权利要求所述的用于电化学模型仿真计算的加速方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310753098.7A CN116737384B (zh) | 2023-06-21 | 2023-06-21 | 电化学模型仿真计算的加速方法、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310753098.7A CN116737384B (zh) | 2023-06-21 | 2023-06-21 | 电化学模型仿真计算的加速方法、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116737384A CN116737384A (zh) | 2023-09-12 |
CN116737384B true CN116737384B (zh) | 2024-02-27 |
Family
ID=87904338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310753098.7A Active CN116737384B (zh) | 2023-06-21 | 2023-06-21 | 电化学模型仿真计算的加速方法、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116737384B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102209074A (zh) * | 2011-05-30 | 2011-10-05 | 中国电力科学研究院 | 一种电力系统全数字动态仿真系统 |
CN103425523A (zh) * | 2013-06-20 | 2013-12-04 | 国家电网公司 | 一种pmu在线应用系统的并行计算系统及其方法 |
CN103761685A (zh) * | 2014-01-23 | 2014-04-30 | 国家电网公司 | 基于MapReduce的电力数据并行化异常检测方法 |
CN103970941A (zh) * | 2014-04-23 | 2014-08-06 | 昆明理工大学 | 一种基于网络机群的散生竹地下根茎并行模拟仿真方法 |
WO2021051582A1 (zh) * | 2019-09-17 | 2021-03-25 | 平安科技(深圳)有限公司 | 服务器集群主机性能监控方法、装置、设备及存储介质 |
CN116090153A (zh) * | 2022-09-07 | 2023-05-09 | 贵州电网有限责任公司 | 一种适用于大规模风电场的加速仿真方法 |
CN116258042A (zh) * | 2023-01-31 | 2023-06-13 | 重庆励颐拓软件有限公司 | 一种基于ddm的大规模传热异构并行仿真方法 |
-
2023
- 2023-06-21 CN CN202310753098.7A patent/CN116737384B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102209074A (zh) * | 2011-05-30 | 2011-10-05 | 中国电力科学研究院 | 一种电力系统全数字动态仿真系统 |
CN103425523A (zh) * | 2013-06-20 | 2013-12-04 | 国家电网公司 | 一种pmu在线应用系统的并行计算系统及其方法 |
CN103761685A (zh) * | 2014-01-23 | 2014-04-30 | 国家电网公司 | 基于MapReduce的电力数据并行化异常检测方法 |
CN103970941A (zh) * | 2014-04-23 | 2014-08-06 | 昆明理工大学 | 一种基于网络机群的散生竹地下根茎并行模拟仿真方法 |
WO2021051582A1 (zh) * | 2019-09-17 | 2021-03-25 | 平安科技(深圳)有限公司 | 服务器集群主机性能监控方法、装置、设备及存储介质 |
CN116090153A (zh) * | 2022-09-07 | 2023-05-09 | 贵州电网有限责任公司 | 一种适用于大规模风电场的加速仿真方法 |
CN116258042A (zh) * | 2023-01-31 | 2023-06-13 | 重庆励颐拓软件有限公司 | 一种基于ddm的大规模传热异构并行仿真方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116737384A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106776288B (zh) | 一种基于Hadoop的分布式系统的健康度量方法 | |
CN103617067A (zh) | 一种基于云计算的电力软件仿真系统 | |
CN103477325A (zh) | 分析根本原因的管理计算机及方法 | |
CN104361169A (zh) | 一种基于分解法建模的可靠性监测方法 | |
CN111611087A (zh) | 一种资源调度方法、装置和系统 | |
CN105516293A (zh) | 一种智能变电站云资源监控系统 | |
CN112347636A (zh) | 一种基于Multi-Agent技术的装备保障仿真建模方法 | |
CN116701043B (zh) | 面向异构计算系统的故障节点切换方法、装置和设备 | |
CN108334427A (zh) | 存储系统中的故障诊断方法及装置 | |
CN109447424B (zh) | 考虑风险状态传播的电力信息物理系统风险传播分析算法 | |
CN116737384B (zh) | 电化学模型仿真计算的加速方法、存储介质及电子设备 | |
CN113225994B (zh) | 一种面向数据中心的智能空调控制方法 | |
CN113158435B (zh) | 基于集成学习的复杂系统仿真运行时间预测方法与设备 | |
Cai et al. | Experience availability: tail-latency oriented availability in software-defined cloud computing | |
CN103677996B (zh) | 用于平衡工作负荷分布的协作方法和系统 | |
CN109799728B (zh) | 一种基于层次化自适应策略的容错cps仿真测试方法 | |
CN110502838A (zh) | 基于仿真的备件管理策略优化模型 | |
US11644882B2 (en) | System and method for predicting power usage of network components | |
Avritzer et al. | Automated generation of test cases using a performability model | |
Sun et al. | Performance analysis of cloud service considering reliability | |
EP4064047A1 (en) | Method, system and computer program product for optimizing the deployment of analytical pipelines | |
Van Onsem et al. | Parhyflex: A framework for parallel hyper-heuristics | |
CN109302723A (zh) | 一种基于互联网的多节点实时无线电监测控制系统及控制方法 | |
Rayan et al. | Resource Prediction for Big Data Processing in a Cloud Data Center: A Machine Learning Approach: A Machine Learning Approach | |
Wang et al. | HARRD: Real-time software rejuvenation decision based on hierarchical analysis under weibull distribution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |