核心职责：

1、数据治理与特征工程：负责光伏发电、电力负荷、电价、储能状态等时序数据的采集、清洗、整合与深度特征工程，构建并维护高质量、可靠的数据集，为预测与调度模型奠定基础。

2、预测算法研发与优化：主导微电网场景下光伏发电功率预测与负荷短期/超短期预测核心算法的设计、实现、训练与调优，为调度决策提供精准的输入。

3、功率调度算法开发：研究并开发微电网功率优化调度算法，包括但不限于经济调度、实时优化调度等模型，综合考虑发电侧、负荷侧、储能及电网交互，实现系统运行的经济性、安全性与稳定性最优。

4、模型全生命周期评估：设计并实施科学的模型评估框架，对预测及调度算法的准确性、鲁棒性、时效性及泛化能力进行全面测试与验证，输出量化分析报告，驱动模型迭代。

5、前沿技术探索与落地：持续跟踪时序预测、优化算法、强化学习等领域的技术动态，探索并尝试将创新模型（如深度强化学习DRL用于调度决策）应用于实际业务，提升系统智能化水平。

6、跨团队协作与工程落地：与产品、软件工程、业务等部门紧密协作，推动预测与调度算法模型的产品化集成与落地应用，提供清晰的技术方案与支持。

任职要求：

1、教育背景：本科及以上学历，计算机科学、人工智能、运筹学、控制科学与工程、电气工程、能源与动力工程等相关专业。

2、知识基础：具备扎实的数学基础，熟练掌握概率论、数理统计、线性代数、优化理论（如线性/非线性规划、凸优化）等知识，并能在算法建模中灵活运用。

3、工具与技能：

精通Python编程，熟练使用NumPy、Pandas进行高效数据处理与分析。

熟练掌握Scikit-learn、XGBoost、LightGBM等机器学习库与框架。

掌握至少一种深度学习框架（如PyTorch或TensorFlow），具有使用CNN、RNN/LSTM、Transformer等模型解决时序预测问题的经验。

有使用优化求解器（如Glpk）或强化学习框架解决决策优化问题的经验者优先。