EVCC项目0.203.2版本更新解析:智能充电控制系统的功能增强与优化
EVCC是一个开源的电动汽车充电控制系统,它能够智能地管理家庭或商业场所的电动汽车充电过程,通过与太阳能发电系统、电网和电池储能系统的集成,实现最优化的充电策略。该系统支持多种硬件设备和协议,为用户提供高效、经济的充电解决方案。
核心功能更新
SunSpec电表支持
本次更新新增了对SunSpec协议电表的支持。SunSpec是光伏和储能系统中广泛采用的通信标准,这一改进使得EVCC能够更好地与光伏逆变器和储能系统进行数据交互,为智能充电提供更精确的发电和用电数据。
Easee充电桩功能优化
开发团队对Easee充电桩的支持进行了多项改进:
- 移除了基于不稳定lifetime_energy数据的自定义逻辑,提高了数据可靠性
- 取消了过时的SessionEnergy特殊处理逻辑
- 增加了启动时对关键状态的等待机制,确保系统稳定运行
- 新增了更多单元测试,提升了代码质量
负载管理优化
系统改进了负载点(Loadpoint)管理,防止绕过光伏定时器的行为,确保充电过程严格遵守用户设定的太阳能优先策略。同时修正了负负载显示问题,并使用实际充电电流而非提供的电流进行计算,提高了控制精度。
设备支持增强
LG ESS多实例支持
新版本增加了对多个LG ESS(Energy Storage System)实例的支持,这对于拥有多个储能系统的用户来说是个重要改进,可以更灵活地管理分布式储能资源。
HomeWizard和Shelly设备
- HomeWizard设备新增了充电使用量统计功能
- Shelly设备增加了使用量统计和缓存功能,移除了Gen1系列的能量偏移问题
Niu电动车
为Niu电动车用户新增了里程表(odometer)功能,可以更直观地查看车辆行驶数据。
用户体验改进
用户界面优化
- 新增充电完成时间显示,让用户更清楚充电进度
- 当功率为0W时不再显示小数位,界面更加简洁
预测功能增强
Solcast天气预报服务增加了按时间段限制API调用的功能,避免在不必要的时间段(如夜间)调用API,既提高了效率又减少了不必要的网络流量。
技术细节调整
Modbus通信
提高了Modbus通信的超时时间和退避机制,增强了在复杂网络环境下的通信稳定性。
验证逻辑简化
回滚了之前对电路验证逻辑的多次修改,采用了更稳定可靠的验证方式。
其他设备支持
- 修正了华为EMMA光伏系统的能量缩放问题
- 移除了对单相电表的支持,专注于三相电表
- 为Polestar电动车改进了授权路径的正则表达式匹配
- Vaillant系统增加了领域自定义功能,并实现了每15分钟自动重新加热热水的功能
总结
EVCC 0.203.2版本带来了多项功能增强和稳定性改进,特别是在设备兼容性、数据准确性和用户体验方面有了显著提升。这些改进使得EVCC作为一个开源充电控制系统更加成熟可靠,能够满足不同用户在各种场景下的智能充电需求。对于已经使用EVCC的用户,建议及时升级以获得更好的使用体验;对于新用户,这个版本也提供了更完善的功能集作为入门选择。
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