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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00