UP简历小U

+86 138-0000-0000|up.ai.resume@example.com|中国, 深圳

资深虚拟电厂负荷预测专家，精通分布式能源博弈算法与多源气象融合预测技术，具备深厚的电力系统理论基础和丰富的实战经验。擅长通过精准预测优化电网调度，有效应对分布式光伏出力波动，显著降低企业运营成本。致力于应用前沿技术推动能源智能化管理，实现电力系统高效稳定运行。

南方电网创新研究院

2020-07 - 2024-07

主导虚拟电厂负荷预测系统的设计与实现，成功将预测精度提升了12%，有效降低了电网调度风险。
深入研究并应用分布式能源博弈算法，优化多源分布式电源的调度策略，在实际运行中实现了15%的企业购电成本降低，并通过多源气象融合预测技术，精准捕捉分布式光伏出力波动，将其预测误差控制在5%以内。
负责基于深度学习（LSTM、Transformer）和机器学习（SVM、XGBoost）的负荷预测模型开发与迭代，处理了TB级的时序数据，并引入注意力机制提升模型对关键影响因素的识别能力。
构建了多源异构数据融合平台，整合卫星云图、地面气象站、数值天气预报等数据，实现了对气象条件的高度感知，为负荷预测提供了强有力支撑。
参与了国家级智能电网示范项目，负责其中虚拟电厂模块的负荷预测与优化调度方案，项目成功上线后，为区域电网带来了千万级的经济效益。
定期进行电力市场分析，评估分布式能源接入对市场价格的影响，并提出相应的竞价策略，帮助客户在电力交易中获得额外收益。

南方电网创新研究院

2022-03 - 2023-09

项目背景：针对区域内日益增长的分布式光伏和储能系统，探索更高效的协同调度机制，以应对出力波动并最大化系统收益。
个人角色：项目技术负责人，主导强化学习算法的设计与实现，并负责与虚拟电厂负荷预测模型的集成。
项目执行：开发了基于多智能体强化学习的调度框架，每个分布式能源单元被视为一个智能体，通过相互博弈学习最优的出力策略。引入多源气象融合预测结果作为环境状态的一部分，使智能体能提前预判光伏出力波动。
项目成果：该框架在模拟环境下将系统运行成本降低了8%，并有效平抑了分布式光伏出力波动，提升了电网稳定性。相关成果发表于国际顶级期刊，并申请了2项发明专利。

南方电网创新研究院

2020-09 - 2022-02

项目背景：为中小企业和园区提供轻量级、可扩展的虚拟电厂管理服务，实现SaaS架构，降低部署和运维成本。
个人角色：核心算法工程师，负责多租户负荷预测模块和分布式能源博弈调度接口的设计与开发。
项目执行：基于Spring Cloud微服务架构，设计并实现了支持多租户的负荷预测API，确保数据隔离和高并发处理能力。采用容器化技术（Docker、Kubernetes）进行部署，提升了系统的可伸缩性。
项目成果：平台成功上线后，已服务超过50家企业客户，通过精准负荷预测和优化调度，平均为客户节省了10%的电费开支，显著体现了SaaS架构的价值。