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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0111
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00