BYD电池模拟器v8.14.0版本发布:电池平衡状态监测与多项改进
BYD电池模拟器是一个开源项目,旨在为各种逆变器系统实现电池模拟功能,支持多种电池类型和逆变器协议。该项目通过软件模拟电池行为,使得不同品牌的电池可以与各类逆变器配合使用,为能源存储系统提供了更大的灵活性和兼容性。
电池系统增强
本次v8.14.0版本在电池系统方面带来了多项重要改进。最引人注目的是为日产LEAF和雷诺Zoe PH2电池新增了电池平衡状态监测功能。这项功能允许用户在Cellmonitor网页界面直观地查看哪些电池单体正在进行主动平衡,为电池健康管理提供了更直观的工具。
对于特斯拉电池系统,本次更新提高了电压测量精度,并修复了"更多电池信息"页面无法访问的问题。雷诺Zoe Gen1电池则新增了"更多电池信息"页面,为用户提供更详细的电池状态数据。
在电池容量计算方面,本次更新对多个电池系统进行了优化。日产LEAF电池现在会根据电池健康状态(SOH%)自动调整充满电时的kWh容量显示,使数据更加准确。CHAdeMO接口的电池改进了SOC(电池荷电状态)和容量缩放算法,提高了测量精度。
现代/起亚40/64电池系统改进了90S电池检测方法,使其更加可靠。BYD Atto 3电池新增了SOC计算方法切换功能(估算值/测量值),为用户提供了更多选择。
逆变器兼容性改进
在逆变器兼容性方面,本次更新修复了一个重要问题:之前所有逆变器都无法在SOC低于1%时进行放电操作,这个问题已得到解决。
针对SMA逆变器系列,特别是SMA BYD HVS型号,更新改进了配对发送机制,将其分割为多个批次发送,显著提高了配对成功率。所有SMA逆变器现在都会记录配对事件日志,便于故障排查。
Pylon协议逆变器现在可以更好地支持容量超过255Ah的大型电池系统,并改进了充放电允许标志的处理逻辑。Ferroamp逆变器同样获得了对大容量电池的支持改进。
Sofar CAN逆变器协议修复了CAN消息格式问题,提高了通信稳定性。
硬件与架构优化
在硬件支持方面,本次更新增加了ACAN2515附加模块的堆栈大小,提高了系统稳定性。
项目团队持续推进"通用镜像"架构改进,包括:
- 将剩余两种电池类型转换为使用基类
- 修复Ferroamp和Pylon CAN发送冲突
- 实现电池状态和命令的HTML渲染器
- 改进RS485通信传输实现
- 通用化通信传输接口
- 引入分流器的通用类实现
- 修复编译器警告和错误
- 实现运行时注册接口的数据接收机制
- 修复吉利电池编译问题
这些架构改进为项目的长期维护和功能扩展奠定了更坚实的基础。
总结
BYD电池模拟器v8.14.0版本带来了多项实用功能和重要修复,特别是在电池平衡状态监测、大容量电池支持以及逆变器兼容性方面有明显提升。这些改进使得系统更加稳定可靠,为用户提供了更好的使用体验。项目团队持续优化代码架构,为未来功能扩展做好准备,展现了开源项目的活力和发展潜力。
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