EVCC项目中车辆状态信息的持续获取方案解析
2025-06-13 06:03:31作者:冯梦姬Eddie
在电动汽车充电管理领域,EVCC作为一个开源充电控制器,提供了丰富的API接口用于系统状态监控。本文针对一个常见需求场景进行技术解析:如何在车辆未连接充电点时仍能获取其SOC(State of Charge)和续航里程信息。
技术背景
EVCC的默认设计逻辑是:当电动汽车未连接到充电点时,API接口中的vehicleSoc和vehicleRange字段将不会返回数据。这种设计符合多数场景需求,但对于需要持续监控车辆状态的智能设备集成场景(如智能显示屏展示)会造成数据中断。
解决方案
通过深入分析EVCC的配置机制,我们发现其提供了灵活的轮询配置选项。关键在于loadpoints配置中的soc.poll参数,该参数支持三种模式:
oncharge:仅在充电时获取(默认)connected:车辆连接时获取always:持续获取
实现方法
在配置文件中进行如下设置即可实现持续状态监控:
loadpoints:
- title: 车库充电点
charger: 我的充电桩
vehicle: 我的电动车
mode: pv
soc:
poll:
mode: always
interval: 5m
配置说明:
mode: always确保无论车辆是否连接都进行状态轮询interval: 5m设置轮询间隔为5分钟(可根据需求调整)- 需要配合有效的vehicle配置使用
技术原理
该配置生效后,EVCC会:
- 定期通过车辆接口(如厂商云API)获取最新状态
- 将数据更新至内部状态机
- 通过MQTT接口发布到evcc/loadpoints/[ID]/vehicleSoc主题
- 在API的/state端点中持续包含车辆状态信息
应用场景
此方案特别适用于:
- 智能家居设备集成
- 远程监控场景
- 数据分析系统
- 家庭能源管理系统
注意事项
- 频繁轮询可能增加车辆电池消耗(对于部分车型)
- 部分车型的云API可能有调用频率限制
- 实际可用性取决于具体车型的集成支持程度
通过这种配置方式,开发者可以构建更完整的电动汽车状态监控系统,实现真正的7×24小时状态可视化。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147