EVCC开源项目0.202.0版本发布:智能充电与能源管理新特性解析
EVCC是一款开源的电动汽车充电控制器和家庭能源管理系统,它能够智能地协调电动汽车充电与家庭能源使用,实现最优化的能源分配。该项目通过集成多种硬件设备和能源系统,为用户提供了一套完整的能源管理解决方案。
新增设备支持
本次0.202.0版本带来了多项重要更新,首先是新增了对多个品牌设备的支持:
-
Buderus/Bosch/Junkers系列产品现在可以与EVCC无缝集成,这些品牌在供暖和热水系统领域有着广泛的应用。
-
华为SCharger-7KS-S0/22KT-S0充电桩现在被正式支持,为使用华为充电设备的用户提供了更好的兼容性。
-
Kermi品牌的加入进一步扩展了EVCC在供暖系统方面的兼容性。
-
Tessie服务的集成使得特斯拉车主可以通过EVCC获得更丰富的车辆数据和控制选项。
功能优化与改进
在现有功能方面,开发团队进行了多项优化:
-
Amperfied充电桩的相位切换功能得到了修复,解决了之前可能存在的问题。
-
LG ESS电池系统增加了固件版本验证功能,确保电池控制的安全性。
-
加热系统的连接状态检测机制得到了改进,提高了系统稳定性。
-
热泵现在支持更精细的控制选项,用户可以根据需求进行更精确的调节。
用户界面与配置改进
在用户体验方面,本次更新也带来了多项改进:
-
移动端UI针对小屏幕设备进行了优化,提升了在手机等设备上的使用体验。
-
配置界面增加了辅助电表设置,并改进了参数引用处理机制,使配置过程更加直观。
-
太阳能电价配置现在有更明确的提示,帮助用户更好地理解相关设置。
系统稳定性增强
为提高系统可靠性,开发团队实施了多项稳定性改进:
-
新增了看门狗机制的初始值设置,确保系统能够从异常状态中恢复。
-
针对Kermi设备特别增加了看门狗功能,防止设备长时间无响应。
-
Lambda服务的看门狗现在会立即启动,提高了服务监控的及时性。
数据记录与处理优化
在数据记录方面,本次更新包含以下改进:
-
InfluxDB现在会减少太阳能电价数据的写入频率,降低数据库负载。
-
地理位置信息(经纬度)和邮政编码现在会被自动脱敏处理,保护用户隐私。
问题修复
本次版本还修复了多个已知问题:
-
Cupra电动汽车的"error"充电状态现在会被正确识别为已连接状态。
-
Enever设备的轮询间隔现在可配置,提高了灵活性。
-
OVMS系统中损坏的气候控制功能已被移除。
-
Polestar的API接口已更新至最新版本。
-
Zaptec充电桩增加了RFID功能支持。
-
EMS-ESP设备的模式获取功能得到修复。
-
Sungrow混合逆变器的电池模式重置问题已解决。
总结
EVCC 0.202.0版本在设备兼容性、系统稳定性和用户体验方面都做出了显著改进。新增的设备支持扩大了EVCC的应用范围,而各项功能优化则进一步提升了系统的可靠性和易用性。对于家庭能源管理和电动汽车充电控制有需求的用户,这个版本值得升级。
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