Battery-Emulator项目v8.6.0版本发布:新增Daly SmartBMS支持与多项改进
Battery-Emulator是一个开源电池模拟器项目,主要用于模拟各种电池管理系统(BMS)的行为,以便开发和测试电池相关的硬件和软件系统。该项目支持多种电池类型和逆变器协议,为新能源领域的开发者和研究人员提供了一个灵活可靠的测试平台。
核心功能更新
新增Daly SmartBMS支持
本次版本最重要的更新之一是新增了对Daly SmartBMS电池管理系统的支持。Daly SmartBMS是一款广泛应用于储能系统的电池管理系统,具有高精度监控和强大的保护功能。通过本次更新,开发者现在可以模拟Daly SmartBMS的行为,测试与之兼容的逆变器和其他系统组件。
电池系统改进
在电池模拟方面,本次更新包含多项重要改进:
-
针对Nissan LEAF 24kWh电池包,更新了最大能量值(Wh)的计算方式,使其更加贴近实际基于健康状态(SOH)的真实值,提高了模拟的准确性。
-
为BYD Atto3电池系统增加了10个温度传感器数据点,使温度监控更加全面,能够更真实地模拟实际电池包的热管理行为。
-
对大多数电池类型的单体电压警告阈值进行了收紧,这意味着系统现在能够更早地检测到潜在问题,提高了安全性。
逆变器协议增强
逆变器兼容性方面也有显著提升:
-
新增了Ferroamp逆变器的专用支持,这是一个基于Pylon协议的变种。特别值得一提的是,本次更新还增加了线性插值功能,可以更准确地模拟磷酸铁锂电池(LFP)的电压范围。
-
Solax逆变器协议中,消息187E现在包含总容量信息,使系统状态报告更加完整。
-
针对BYD CAN协议,改进了Deye离网系统的安全性,当允许功率为0W时,系统会自动覆盖SOC%值,防止出现异常情况。
-
Growatt HV逆变器协议修复了一个bug,现在用户可以自定义充放电电压,提供了更大的灵活性。
-
Pylon LV逆变器协议中的标度值得到了修正,确保数据传输的准确性。
系统架构优化
除了功能更新外,本次版本还对系统架构进行了多项优化:
-
增加了Web服务器的限流功能,防止因过多请求导致系统资源耗尽,提高了稳定性。
-
启用了任务看门狗(Task Watchdogs),可以自动检测和恢复卡住的任务,大大提高了系统的可靠性。
-
改进了事件处理机制,确保在任何使用事件之前都已完成初始化,避免了潜在的竞态条件。
-
更新了关键依赖库,包括将ElegantOTA从3.1.5升级到3.1.6,解决了在使用ESP32 3.1.2时可能导致板子崩溃的问题。
-
用官方的ESP32Async-AsyncTCP替换了原来的AsyncTCPsock库,提高了网络通信的稳定性。
技术细节与建议
对于使用本项目的开发者,建议将ESP32开发环境升级到3.1.3版本,以获得最佳兼容性和稳定性。新加入的Daly SmartBMS支持为储能系统测试提供了新的可能性,而Ferroamp逆变器协议的专门支持则为特定应用场景的开发提供了便利。
温度传感器数量的增加和电压警告阈值的收紧,使得电池模拟更加贴近真实世界的行为,这对于开发高可靠性电池管理系统尤为重要。系统架构方面的优化,如任务看门狗和Web服务器限流,则从底层提高了整个平台的健壮性。
总体而言,v8.6.0版本在功能丰富性和系统稳定性方面都有显著提升,为新能源领域的开发和测试工作提供了更加强大的工具支持。
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