一、电力数据全流程处理与价值挖掘

1. 负责电力核心数据（交易数据、负荷数据、发电侧数据、气象数据、政策文本数据等）的采集、清洗、整合与标准化，搭建并维护数据治理体系，保障数据准确性与可用性。

2. 基于业务需求开展深度数据分析，通过 Python 工具（Pandas/NumPy/Matplotlib 等）进行数据可视化呈现，挖掘数据关联规律（如负荷与价格联动、政策对交易行为的影响等），为决策提供数据支撑。

3. 协同 IT 团队优化数据存储与计算架构，提升大规模电力数据的处理效率，构建适配交易场景的数据资产库。

二、算法与模型开发及迭代优化

1. 聚焦电力交易与运营场景，设计并开发核心算法模型：

o 时间序列预测模型（如 ARIMA、LSTM 等）：实现负荷预测、电力现货 / 中长期交易价格预测、交易量趋势预测；

o 运筹优化模型（如混合整数规划、随机优化等）：支撑电力资源配置、调度优化、交易组合策略制定；

o 机器学习模型（如分类、回归、聚类模型）：用于交易风险识别（价格波动、违约风险等）、用户用电行为画像构建。

2. 结合量化交易经验（如有），将量化策略逻辑融入算法模型，优化模型参数与迭代机制，提升模型预测精度与决策有效性。

3. 基于 PyTorch 等框架完成模型训练、测试与部署，搭建模型效果监控体系，定期复盘并迭代优化，适配市场动态变化。

三、电力交易策略技术支撑与落地

1. 深度参与售电公司交易业务（现货、中长期、辅助服务等），基于算法模型输出为交易团队提供策略建议（如报价策略、持仓优化、风险对冲方案等）。

2. 协同交易团队将业务需求转化为算法逻辑，开发交易策略辅助工具（如报价测算工具、风险评估仪表盘等），提升交易决策的智能化与效率。

3. 跟踪交易执行效果，分析策略落地偏差原因，结合数据反馈调整算法模型与策略逻辑，助力提升交易收益、降低运营风险。

四、政策动态适配与算法逻辑调整

1. 跟踪国内外电力市场政策（如电价机制、交易规则、监管要求等），开展政策解读与影响评估，识别政策变化对交易策略、算法模型的潜在影响。

2. 基于政策导向调整算法模型参数（如政策约束下的优化目标权重）、优化交易策略逻辑，确保算法输出符合政策合规要求，同时捕捉政策红利机会。

3. 输出政策 - 算法适配分析报告，为公司交易策略调整及长期业务规划提供技术支持。

五、跨部门协作与技术沉淀

1. 与交易部、调度部、市场部等业务部门紧密协作，明确需求边界，推动算法模型与业务场景的深度融合，保障项目落地进度。

2. 撰写算法设计文档、模型说明文档、操作手册等技术资料，沉淀算法开发与应用经验，形成标准化工作流程。

3. 关注电力算法、量化交易领域前沿技术（如 AI 大模型在电力场景的应用、新型优化算法等），开展技术调研与小范围试点，推动团队技术能力升级。