EVCC 0.200.6版本发布:智能充电管理系统的关键更新
EVCC是一个开源的电动汽车充电管理系统,它能够智能地协调家庭能源系统与电动汽车充电过程,实现最优化的能源利用。该系统支持多种充电设备、能源计量设备和智能家居平台的集成,通过先进的算法实现基于电价、太阳能发电量等条件的智能充电调度。
核心功能更新
新增设备支持
本次版本增加了对Axitec AXIhycon 12-15H光伏逆变器的支持,进一步扩展了EVCC在太阳能发电监控领域的兼容性。该逆变器型号的加入使得使用Axitec设备的用户能够更精准地监控光伏发电情况,为智能充电提供更准确的数据基础。
太阳能预测功能增强
0.200.6版本引入了Open-Meteo太阳能预测服务集成,这是一个重要的功能升级。系统现在能够获取未来数天的太阳能发电预测数据,结合这些预测信息,EVCC可以更智能地规划充电时间,优先利用未来可用的太阳能电力,减少电网购电需求。
配置界面也相应更新,用户现在可以直接在UI中添加和管理太阳能预测服务,大大提升了易用性。开发团队还修复了Open-Meteo服务中的引用问题,确保数据获取的稳定性。
设备连接与通信优化
Modbus通信改进
本次更新对Modbus通信模块进行了重要重构,引入了上下文(context)机制。这一改进使得Modbus通信过程更加健壮,能够更好地处理超时和中断情况,特别是在网络不稳定的环境中表现更为可靠。
EEBus协议修复
针对EEBus协议的多个问题得到了修复,包括充电速率禁用功能的修正和SKI(安全密钥标识符)注销问题的解决。这些改进提升了与EEBus兼容设备(如部分智能电表和充电桩)的通信稳定性。
RCT设备连接增强
对于RCT设备的支持得到了显著改进,包括:
- 增加了详细的日志记录,便于故障排查
- 修复了可能导致系统崩溃的panic问题
- 优化了超时处理机制
- 使缓存配置可自定义
- 重新实现了连接共享功能
这些改进使得RCT设备的连接更加稳定可靠,特别是在间歇性网络问题的环境下表现更好。
充电策略优化
智能成本限制策略
新版本改进了智能成本限制算法,当电价信息不可用时,系统会自动移除充电限制,避免不必要的中断。同时,智能成本充电现在被视为"不灵活"负载,在负载优先级排序时会得到适当处理,确保关键设备优先供电。
站点功率管理
修复了直流(DC)功率计算的问题,现在系统会确保多余的DC功率始终显示为正值。这一改进使得能源流向的监控更加准确,便于用户理解系统的能源分配情况。
用户体验改进
配置界面进行了多项优化,包括:
- 改进了设备错误处理机制,提供更清晰的错误信息
- 修复了赞助令牌粘贴功能
- 增加了太阳能预测配置选项
这些改进使得系统配置过程更加顺畅,降低了用户的操作门槛。
设备特定修复
- Fronius Gen24逆变器:现在支持配置电表ID,提高了灵活性
- IDM设备:修复了功能代码写入问题
- Lamda充电器:修正了最大功率寄存器配置
- Tessie集成:增加了停止充电功能支持
总结
EVCC 0.200.6版本带来了多项重要改进,特别是在太阳能预测、设备连接稳定性和充电策略优化方面。这些更新不仅扩展了系统功能,也提升了整体可靠性和用户体验。对于依赖太阳能发电的电动汽车用户来说,新增的预测功能和改进的充电算法将帮助实现更高的能源自给率和更低的充电成本。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00