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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00