Battery-Emulator项目v8.9.0版本发布:支持双Pylon电池与多项优化
Battery-Emulator是一个开源的电池模拟器项目,主要用于在能源存储系统中模拟各种类型的电池行为。该项目特别适用于太阳能逆变器系统、电动汽车充电基础设施等场景,能够帮助开发者和研究人员在不使用实际电池的情况下进行系统测试和开发。
核心功能更新
双Pylon电池支持
本次v8.9.0版本最重要的新增功能是对双Pylon电池的支持。Pylon电池是一种广泛应用于太阳能存储系统的锂离子电池,而双Pylon配置则允许系统通过并联两个电池组来扩展容量。新版本实现了对这种配置的完整模拟,包括:
- 双电池组的并行通信协议处理
- 容量合并计算逻辑
- 状态同步机制
电池协议改进
在电池协议方面,本次更新包含了多项重要改进:
-
雷诺Twizy电池协议:修复了编译时可能出现的错误,确保该协议能够正常使用。
-
大众MEB平台:增强了"更多电池信息"页面的调试功能,使开发者能够更直观地查看和分析电池状态数据。
-
Kia eGMP平台:新增了基于单体电压最小-最大值的SOC(State of Charge)估算功能。这一改进使得在没有精确电流测量时,系统仍能提供相对准确的电池电量估算。
-
特斯拉S/3/X/Y系列:
- 修复了电池过温故障映射错误的问题
- 改进了烟火保险丝(blown pyrofuse)事件的检测逻辑,提高了系统安全性
逆变器兼容性增强
Growatt HV逆变器
针对Growatt HV系列逆变器进行了两项重要修复:
- 解决了状态位无法清除的问题,该问题曾影响充放电过程的正常进行。
- 修复了CAN总线通信中偶尔出现的发送失败问题,提高了通信可靠性。
Kostal逆变器
修复了启动时接触器无法闭合的问题,确保系统能够正常初始化。
Deye逆变器
为Deye离网逆变器实现了专用的BYD_CAN_DEYE协议,解决了之前与Solis逆变器兼容性不佳的问题。需要注意的是,现有Deye逆变器用户应将协议从BYD_CAN切换至BYD_CAN_DEYE。
Solax逆变器
新增了对reported_total_capacity_Wh参数的支持,并在Solax协议中实现了该功能,使电池容量报告更加准确。
系统架构优化
数据层与MQTT增强
- 在数据层和MQTT接口中新增了(dis)charged_energy_Wh参数,可以更精确地跟踪充放电能量。
- 修复了MQTT命令可能导致系统崩溃的问题,提高了系统稳定性。
性能提升
- 改进了LED处理程序的性能,减少了系统资源占用。
- 通过代码清理和优化,整体提升了系统运行效率。
开发工具链改进
- 优化了GitHub Actions工作流,将所有组合编译合并到单个文件中,减少了触发次数,提高了CI/CD效率。
- 进行了全面的代码清理,提高了代码质量和可维护性。
升级建议
对于使用ESP32平台的用户,建议配合使用3.1.3版本的ESP32固件以获得最佳兼容性和性能。升级时需特别注意Deye逆变器用户需要手动切换协议类型。
本次更新通过新增功能、修复问题和性能优化,进一步提升了Battery-Emulator项目的稳定性和适用性,特别是在多电池系统支持和大功率逆变器兼容性方面有了显著进步。
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