EVCC开源充电控制器0.204.0版本发布:新增多项设备支持与功能优化
EVCC是一款开源的电动汽车充电控制器项目,它能够智能管理家庭或商业场所的电动汽车充电过程,与多种充电桩、光伏逆变器、电池储能系统等设备集成,实现基于可再生能源的优化充电。该项目通过模块化设计支持广泛的硬件设备,并提供直观的用户界面用于监控和控制充电过程。
核心功能更新
本次0.204.0版本带来了多项重要更新,主要包括新增设备支持和现有功能优化两大方面。
新增设备支持
-
家庭能源管理系统:新增对Daikin Home Hub和Viessmann系统的支持,使这些品牌的用户能够将暖通空调系统与EVCC集成,实现更全面的家庭能源管理。
-
智能电表与监测设备:增加了IOmeter电能监测仪、Sigenergy能源管理系统以及esphome-dlms-austria智能电表的支持,为用户提供更多电能监测选项。
-
充电设备扩展:新增Wago 879-30xx系列充电控制器和Zaptec Go 2充电桩的兼容性,特别是改进了Zaptec Go 2的相位切换功能。
-
电池系统集成:加入了对Marstek Venus电池系统的支持,使储能系统能够更好地参与充电调度。
功能优化与改进
-
能源流可视化增强:
- 统一了功率显示单位,避免混淆
- 优化了图标和文本的对齐方式
- 改进了活动充电点的显示逻辑
-
充电逻辑优化:
- 减少了车辆唤醒前的等待时间,提高响应速度
- 为SGReady充电协议添加了可选的boost模式功率设置
- 标准化了电池相关参数设置
-
用户界面改进:
- 新增自定义CSS支持,允许用户个性化界面
- 优化了单位显示属性
- 修复了慢速连接情况下的初始化界面显示问题
-
API适配与修复:
- 更新了Polestar车辆的API接口适配
- 修复了HomeAssistant开关插件的崩溃问题
- 改进了eProWallbox的总能量计算准确性
技术细节解析
在电能计量方面,本次更新特别关注了精确性问题。例如修复了IOmeter的Wh到kWh转换错误,确保电能数据准确无误。对于Phoenix EM-ETH电表,现在会正确使用配置中的比例因子进行读数转换。
在充电控制策略上,针对不同品牌的电动汽车进行了专门优化。Fiat和Renault车型现在支持唤醒功能(需要PIN码),这对于需要远程启动充电的场景特别有用。同时,通过减少唤醒前的等待时间,整体充电响应速度得到了提升。
对于使用Sunspec协议的逆变器用户,新版本增加了对分相逆变器的支持,这对于北美等使用分相电力系统的地区尤为重要。
国际化与本地化
本次更新新增了爱沙尼亚语、斯洛伐克语和泰米尔语支持,使EVCC能够服务于更广泛的用户群体。同时修复了会话记录CSV文件的标题翻译问题,提高了多语言环境下的数据导出体验。
升级建议
对于现有用户,特别是使用以下设备的用户建议尽快升级:
- 使用Polestar车辆的用户(API变更)
- 使用RCT逆变器的用户(S0ExternalPowerW变为可配置)
- 使用Renault E-tech车辆的用户(新增唤醒模式)
- 使用SGReady协议的用户(移除了未使用的phases参数)
升级前建议备份现有配置,特别是如果使用了自定义设置。对于生产环境,建议先在测试环境中验证新版本的兼容性。
这个版本体现了EVCC项目对多样化硬件支持的持续投入和对用户体验的细致打磨,为家庭能源管理和电动汽车充电提供了更加完善的开源解决方案。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00