EVCC充电管理平台0.203.6版本更新解析
EVCC是一款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,实现最优化的电力使用。该系统支持与多种光伏逆变器、电表和充电桩设备对接,通过智能算法在电价低谷或光伏发电充足时进行充电,帮助用户降低用电成本并提高可再生能源利用率。
核心功能更新
新型设备支持
本次0.203.6版本新增了对多款硬件设备的支持,显著扩展了系统的兼容性范围:
-
FoxESS H3-Smart逆变器:这款高效能光伏逆变器现在可以无缝接入EVCC系统,用户可以直接在平台上监控光伏发电情况并优化充电策略。
-
Victron VRM太阳能预测:通过与Victron能源管理系统的集成,EVCC现在能够获取更精确的太阳能发电预测数据,为智能充电决策提供更可靠的基础。
-
Free2Move eProWallbox充电桩:新增对这款智能充电桩的支持,用户可以直接通过EVCC控制充电功率和启停。
-
Bender充电监测设备:新增maxCurrentMillis和phases1p3p参数支持,提供更精细的充电电流控制和相位切换功能。
能源管理优化
-
OpenEMS电池控制增强:改进了与OpenEMS能源管理系统的集成,现在能够更精确地控制电池充放电,提高家庭能源自给率。
-
Sonnenbatterie 5/6电池控制:新增对Sonnenbatterie系列储能系统的支持,用户可以更灵活地管理电池充放电策略。
-
能源计划修复:解决了能源计划执行时间计算的问题,确保充电计划能够准时执行。
用户体验改进
-
12/24小时制设置:新增时间显示格式选项,满足不同地区用户的使用习惯。
-
配置界面优化:修复了布尔值默认设置问题,并增加了负载点必要提示,使配置过程更加直观。
-
会话图表改进:现在能够正确显示负电价数据,帮助用户更全面地了解用电成本。
设备兼容性修复
-
E3DC稳定性增强:增加了错误自动重连机制,提高了与E3DC储能系统的连接稳定性。
-
EM24/EM24_E1电表:改进了功率和电压监测功能,现在可以正确显示所有使用场景下的数据,而不仅限于充电或电网状态。
-
Plexlog电表:修复了电网功率计算问题,确保数据准确性。
-
RCT逆变器:新增maxchargepower参数支持,提供更精确的充电功率控制。
电动汽车集成改进
-
Cupra车型:在存在充电配置文件时自动隐藏SOC限制设置,简化用户界面。
-
Mercedes车辆:修复了令牌刷新机制,确保长期稳定的车辆连接。
-
Toyota车辆:修复了API连接问题,恢复了对丰田车型的支持。
-
Volvo Connected:新增OAuth认证支持,使用通用插件简化连接流程。
技术细节优化
-
Amber电价API:改用更高效的current prices接口获取实时电价数据。
-
Tibber Pulse:
- 在用户代理中添加EVCC版本信息
- 改进了WebSocket连接稳定性
-
单位标准化:统一使用正确的货币子单位øre(瑞典货币单位)进行电价计算。
-
能源流计算:修复了可能导致NaN值的计算问题,确保数据显示的准确性。
-
设备参数统一:标准化了maxchargepower参数的使用,提高了配置一致性。
总结
EVCC 0.203.6版本通过新增设备支持、优化能源管理算法和改善用户体验,进一步巩固了其作为开源电动汽车充电管理解决方案的领先地位。特别是对多种新型逆变器和充电桩的支持,以及对电池控制系统的增强,使得家庭能源管理系统能够更加智能地协调光伏发电、储能系统和电动汽车充电,为用户创造更大的价值。对于现有用户来说,建议及时升级以获取更稳定的性能和更丰富的功能。
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