EVCC开源项目0.203.0版本发布:智能充电管理系统的重大更新
EVCC是一个开源的电动汽车充电管理系统,它能够智能地协调家庭能源系统与电动汽车充电过程。该系统可以集成太阳能发电、电池储能和电网供电,根据实时电价和可再生能源发电情况,优化电动汽车的充电策略,实现经济高效的充电管理。
核心功能改进
Modbus通信优化
本次版本对Modbus TCP的错误处理机制进行了重构,解决了长期存在的一些通信问题。Modbus是一种广泛应用于工业自动化领域的通信协议,在能源管理系统中常用于与电表、逆变器等设备通信。新版本简化了TCP错误处理逻辑,降低了通信超时时间,提高了系统稳定性。如果用户从0.202版本升级后发现Modbus设备通信异常,建议检查配置并反馈问题。
HTTP认证增强
增加了可插拔的HTTP认证机制和令牌支持,这使得EVCC可以更灵活地集成到各种认证环境中。开发者现在可以实现自定义的认证模块,或者使用标准的令牌认证方式来保护API接口。这一改进特别适合需要将EVCC集成到企业级环境或需要额外安全层的应用场景。
新设备支持
-
Mennekes AMTRON 4You充电桩:新增了对这款商用充电桩的支持,扩展了EVCC在商业环境中的应用范围。
-
Volvo Connected Car:现在可以通过Volvo的车联网服务直接获取车辆状态信息,无需额外硬件即可实现智能充电控制。
-
Akkudoktor.net太阳能预测:新增了来自akkudoktor.net的太阳能发电预测数据源,为用户提供更多预测选项。
-
Green Grid Compass CO2预测:增加了新的二氧化碳排放预测服务,帮助用户选择更环保的充电时段。
能源管理增强
电池模式API
新增了电池模式API接口,允许用户通过编程方式控制电池的使用策略。这意味着开发者可以创建更复杂的能源管理逻辑,或者将EVCC集成到更大型的家庭自动化系统中。
负载点功率优化
改进了负载点(Loadpoint)的功率管理算法:
- 释放的功率现在会受到可用剩余电量的限制,避免过度放电
- 充电电流参数更名为"offeredCurrent"(提供电流),更准确地反映其功能
- 在调整相数时会考虑车辆的充电能力,优化目标电流设置
用户界面改进
-
能源流可视化增强:现在可以展开查看负载点、太阳能和电池的详细信息,提供更直观的能源流动展示。
-
计划预览:即使计划没有设置持续时间,也会显示预览选项,提高用户体验。
-
电流选项扩展:增加了更高的最大电流选项,满足大功率充电需求。
-
辅助图标重命名:将"aux"图标更名为"smartconsumer"(智能消费者),更准确地反映其功能。
设备驱动修复与优化
- GoodWe逆变器:修复了第二块电池功率计算错误
- Kermi热泵:修正了最大功率设置功能
- Shelly设备:改进了通道支持和Pro EM型号的标准化读数
- Zaptec充电桩:修复了设备标识符问题
- DSMR电表:当总功率不可用时,现在会回退到使用各相功率读数
电价管理改进
-
季节性电价支持:现在可以在固定电价区域中指定月份,实现季节性电价设置。
-
参数重命名:将"price"(价格)参数更名为"value"(值),使概念更通用,可以表示价格、排放量或其他指标值。
-
Octopus Energy:支持非直接借记(Direct Debit)的电价方案,并修复了API密钥问题。
安装包更新
本次发布提供了多种平台的安装包,包括:
- Linux系统的AMD64、ARM64和ARMv6架构版本
- macOS通用版本
- Windows的AMD64版本
- Debian/Ubuntu系统的AMD64、ARM64和ARMhf架构deb包
用户可以根据自己的系统环境选择合适的安装包进行升级或全新安装。建议升级前备份配置文件,特别是从0.202版本升级的用户应注意Modbus配置可能需要的调整。
EVCC 0.203.0版本通过上述改进和新增功能,进一步提升了电动汽车充电管理的智能化水平和系统稳定性,为用户提供了更丰富的设备支持和更灵活的配置选项。
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