储能EMS策略算法工程师

面向园区储能与光储充一体化场景，研发削峰填谷、需量控制、防逆流、多机功率均衡等核心充放电策略。 结合分时电价（TOU）与现货交易规则，运用运筹优化或强化学习方法求解多约束条件下的最优经济充放电策略。 以负荷预测、电价预测与新能源出力预测为输入，在策略中管理预测不确定性，通过鲁棒优化、随机规划或情景分析量化策略收益与风险。 建立储能充放电完整约束体系，包括 SOC 上下限、充放功率、倍率限制、变压器容量、防逆流约束等，并评估约束松弛影响。 构建基于历史数据的策略收益回测框架，对不同策略版本进行经济性对比评估，支撑策略参数调优与版本决策。 管理峰谷套利、需量控制、现货响应等多策略并存下的冲突仲裁与优先级机制。 负责策略版本演进与灰度切换方案设计。 负责算法从建模到生产代码的全链路落地，确保策略可在真实设备上执行。 配合功能测试构造策略场景用例，对策略正确性负责。 编写算法设计文档、策略逻辑说明与参数配置手册，支撑测试与交付团队理解策略行为。

专业知识： 熟悉储能能量调度、光储充一体化及电力市场相关业务知识。 掌握运筹优化方法，如 MILP、动态规划，以及相关求解器使用方法。 了解强化学习方法在储能调度场景中的应用。 掌握储能充放电完整约束体系建模方法，包括 SOC、功率、倍率、防逆流、容量等约束。 熟悉 TOU、电力现货交易及经济性调度相关规则。 了解预测不确定性处理方法，如鲁棒优化、随机规划、情景分析。 掌握策略回测框架设计、经济性评估和版本管理方法。 具备 Python 科学计算栈相关知识，了解算法工程化落地过程。 具备潮流计算、电网稳态分析等电力系统相关基础知识。 熟悉 AI 工具在建模、实验设计和代码开发中的辅助应用。 业务技能： 具备储能充放电策略研发与多场景调度优化能力。 具备基于运筹优化或强化学习的经济调度模型构建与求解能力。 具备储能约束体系建模与约束松弛影响分析能力。 具备预测输入不确定性管理与收益风险量化能力。 具备策略回测框架建设、策略评估和参数调优能力。 具备多策略冲突仲裁、优先级管理与灰度切换设计能力。 具备算法工程化落地、生产代码实现和测试场景构造能力。 具备算法文档编写、知识沉淀与跨团队支撑能力。 具备 AI 辅助建模与代码开发结果的验证、纠错和优化能力。