1. 本科以上学历，计算机相关专业；8年以上相关工作经验/3年以上高级开发经验，熟悉多个电力行业数据系统业务；

2、扎实的数学基础与算法理解：深入理解机器学习和深度学习算法背后的数学原理，熟练掌握常用机器学习算法（如线性回归、逻辑回归、决策树、支持向量机等）和深度学习算法（如卷积神经网络 CNN、循环神经网络 RNN、长短期记忆网络 LSTM、Transformer 架构等），能够解释其优缺点和适用场景。

3、优秀的编程能力：精通 Python 语言，熟悉其科学计算、数据处理和机器学习相关的库，如 NumPy（用于高效的数值计算，例如进行矩阵乘法、数组操作等）、Pandas（用于数据清洗、转换和分析，方便处理结构化数据）、Matplotlib 和 Seaborn（用于数据可视化，绘制各种统计图表来展示数据分布和模型结果）等。掌握至少一个主流的深度学习框架，如 TensorFlow 或 PyTorch。能够使用这些框架构建、训练和优化神经网络模型。

4.能针对暖通空调（HVAC）温控场景，设计适配四大模型的核心算法：如冷水机组群控的多目标优化算法（以能耗最低、设备损耗最小为目标，解决多机组负荷分配问题）、水泵 / 冷却塔调控的自适应控制算法。​

5.具备算法性能优化能力：能通过迭代调优、复杂度简化，提升算法在实时调控场景的响应速度（要求调控决策延迟＜100ms）与稳定性。

6.精通温控核心设备原理：深入理解冷水机组（螺杆式、离心式等类型）、冷冻 / 冷却水泵（变频 / 定频特性）、冷却塔（横流 / 逆流结构）的工作机制，明确各设备关键参数（如冷水机组 COP 值、水泵扬程 / 流量曲线、冷却塔散热效率）对系统能耗与稳定性的影响。

7.掌握温控系统运行逻辑：熟悉商业楼宇、数据中心、工业厂房等不同场景下的温控系统架构（如冷冻水回路、冷却水回路的流程设计），清楚变负荷工况（如白天 / 夜间冷量需求变化、季节交替温度波动）对系统运行的挑战，能精准识别各场景下的温控痛点（如数据中心 “高负荷低能效”、商业楼宇 “峰谷能耗不均”）。6.熟知温控节能技术体系：了解变频控制、热回收、群控优化、AI 预测调控等主流节能技术的应用场景与效果边界（如变频水泵在部分负荷下的节能优势、群控优化对多机组协同的提升作用），能判断不同技术与四大温控模型（冷水机组群控、水泵调控等）的适配性。

8.模型开发与优化能力：具备根据具体业务问题选择合适的算法模型，并进行模型训练、验证和测试的能力。能够合理划分训练集、验证集和测试集，采用交叉验证等方法评估模型的性能指标。了解大模型技术。

温控策略模型开发：

模型一：冷水机组群控优化模型

模型二：冷冻水泵节能调控模型

模型三：冷却水泵节能调控模型模型四：冷却塔节能调控策略