evcc 开源项目教程
1. 项目介绍
evcc 是一个可扩展的电动汽车充电控制器和家庭能源管理系统。它具有简单而干净的用户界面,支持广泛的充电器类型,包括 ABL eMH1、Alfen (Eve)、Bender (CC612/613)、cFos (PowerBrain) 等。此外,evcc 还支持多种智能电表和集成系统,如 SMA Sunny Home Manager 和 Energy Meter、KOSTAL Smart Energy Meter (KSEM, EMxx) 等。
evcc 还提供了车辆集成功能,可以获取车辆的状态(如电池状态、远程充电状态等),并支持多种服务和插件,如 Modbus、HTTP、MQTT、Javascript、WebSockets 和 shell 脚本。
2. 项目快速启动
2.1 安装依赖
在开始之前,确保你的系统已经安装了以下依赖:
- Go (版本 >= 1.16)
- Node.js (版本 >= 14.x)
- Docker (可选,用于容器化部署)
2.2 克隆项目
首先,克隆 evcc 项目到本地:
git clone https://github.com/evcc-io/evcc.git
cd evcc
2.3 构建项目
使用以下命令构建项目:
make build
2.4 配置文件
在 evcc 目录下创建一个配置文件 evcc.yaml,并根据你的需求进行配置。以下是一个简单的配置示例:
meters:
grid:
type: modbus
uri: 192.168.1.10:502
id: 1
model: sdm
chargers:
wallbox:
type: go-e
uri: http://192.168.1.20
vehicles:
tesla:
type: tesla
title: Tesla Model 3
capacity: 75
user: your-tesla-email
password: your-tesla-password
2.5 启动 evcc
使用以下命令启动 evcc:
./evcc
3. 应用案例和最佳实践
3.1 家庭能源管理
evcc 可以与家庭能源管理系统集成,通过控制电动汽车的充电时间,优化家庭能源使用。例如,当太阳能发电量充足时,evcc 可以自动启动电动汽车的充电,从而减少对电网的依赖。
3.2 商业充电站管理
在商业环境中,evcc 可以用于管理多个充电站,确保充电过程的高效和安全。通过与智能电表和能源管理系统的集成,evcc 可以实时监控充电站的能源使用情况,并根据需求进行调整。
4. 典型生态项目
4.1 Home Assistant
Home Assistant 是一个开源的家庭自动化平台,evcc 提供了与 Home Assistant 的集成插件,使得用户可以通过 Home Assistant 的界面管理和监控 evcc 的运行状态。
4.2 OpenHAB
OpenHAB 是另一个流行的开源家庭自动化平台,evcc 也提供了与 OpenHAB 的集成插件,用户可以通过 OpenHAB 的规则引擎来控制 evcc 的行为。
4.3 Grafana
Grafana 是一个开源的数据可视化工具,evcc 支持将日志数据发送到 InfluxDB,并通过 Grafana 进行可视化展示,帮助用户更好地理解和管理能源使用情况。
通过以上教程,你可以快速上手 evcc 项目,并了解其在不同场景下的应用和最佳实践。
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