EVCC项目中Deye/Solarman逆变器数据采集的技术挑战与解决方案
2025-06-13 22:03:33作者:戚魁泉Nursing
背景介绍
在家庭能源管理系统中,EVCC作为一款开源电动汽车充电控制器,需要与各种光伏逆变器设备进行数据交互。其中Deye和Solarman品牌的混合逆变器在实际应用中存在一些特殊的数据采集挑战。
问题分析
用户在使用Deye HP3P系列混合逆变器(15kW和4kW型号)时,遇到了数据采集不准确的问题。系统配置包括:
- 20kWh电池组
- 19.54kWp屋顶光伏系统
- Solarman WiFi数据记录器
当前EVCC支持两种数据采集方式:
- 通过Modbus/TCP协议(端口502)直接连接Deye逆变器
- 通过端口8899连接Solarman数据记录器
技术难点
-
数据不一致性:Solarman网页界面显示的数据明显错误(如65kW功率显示),而实际系统容量远低于此值。
-
协议复杂性:Solarman数据记录器使用的8899端口并非标准Modbus协议,而是采用了一种自定义协议封装Modbus RTU数据帧。
-
电池数据缺失:现有Solarman集成方案未能正确解析电池相关数据。
解决方案比较
方案1:直接Modbus/TCP连接
- 优点:协议标准,实现简单
- 缺点:部分型号逆变器可能不支持或数据不完整
方案2:解析8899端口数据流
- 优点:可获得完整数据(如HomeAssistant所示)
- 缺点:需要实现自定义协议解析逻辑
方案3:间接通过HomeAssistant中转
- 实现步骤:
- 配置HomeAssistant使用pysolarmanv5模块正确解析数据
- 通过MQTT状态流将数据发布到消息队列
- EVCC从MQTT订阅所需数据
- 优点:利用现有可靠解析方案
- 缺点:增加系统复杂度,依赖中间件
技术建议
对于开发者:
- 如需实现原生支持,需要参考Solarman V5协议规范开发解析模块
- 可借鉴pysolarmanv5开源项目的实现思路
对于终端用户:
- 推荐采用方案3的间接采集方式作为临时解决方案
- 等待社区开发者贡献完整的协议实现
总结
光伏逆变器厂商使用非标准通信协议的情况在行业中较为普遍,这给开源能源管理系统的集成带来了挑战。在EVCC项目中,针对Deye/Solarman设备的支持仍需要进一步完善。目前通过HomeAssistant中转的方案虽然增加了架构复杂度,但能提供准确可靠的数据采集,是现阶段较为可行的解决方案。
未来随着更多开发者的参与和贡献,EVCC有望实现对这类设备更原生的支持,从而简化部署架构并提高系统可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322