负责区域级虚拟电厂（覆盖300+工商业用户、50MW分布式光伏、20MWh储能）的多时间尺度聚合调度，主导负荷预测优化、实时资源协调及电网指令执行，保障电网供需平衡与用户侧经济运行。

• 主导设计‘短期（15min-24h）+超短期（15s-15min）’双层级负荷预测体系，基于LSTM神经网络融合气象数据（温度/辐照度）、用户历史用能行为及设备运行状态，将光伏出力预测误差从8.2%压降至3.5%，支撑调度计划精准度提升20%；同步开发Python预测校准工具，自动修正极端天气下的模型偏差，关键时段预测准确率达96.8%。
• 针对电网‘迎峰度夏’期间的高峰负荷压力，构建‘储能充放策略+可调节负荷调用+分布式电源出力优化’三维调度模型，结合实时电价（分时电价+尖峰电价）与电网断面约束，动态调整12个用户侧储能系统的充放时序，协调35家工商业用户错峰生产，单日最高削减尖峰负荷4.2MW，帮助用户降低用电成本18万元/月，同时保障电网负载率稳定在85%以下。
• 处理某新能源汽车充电站集群突发负荷激增事件（瞬时功率超报装容量30%），通过边缘计算终端实时采集充电桩状态，调用自研的‘负荷优先级排序算法’（基于用户充电剩余时长与电池健康度），优先限制非紧急充电需求，10分钟内将负荷偏差控制在电网允许范围内，避免触发电网限电指令。
• 推动虚拟电厂与省级调度主站的标准化接口开发，基于IEC 61970 CIM模型完成数据交互协议适配，实现调度指令（AGC/AVC调节、需求响应）自动解析与执行反馈，指令响应时延从8秒缩短至2秒，全年累计接收并执行电网指令2300+次，执行成功率100%。

参与省级虚拟电厂平台建设，负责调度模块功能开发与用户侧资源接入调试，支撑中小工商业用户、分布式储能及可调节负荷的聚合与协同控制。

• 主导设计云边协同调度架构，采用Kubernetes容器化部署边缘计算节点，解决多区域用户数据同步延迟问题（原延迟500ms优化至80ms），支持1000+终端设备的实时数据采集与指令下发；同步开发Go语言编写的边缘调度代理程序，实现本地异常工况（如通信中断）下的自主调节，保障调度连续性。
• 构建用户侧可调节负荷潜力评估工具，基于随机森林算法分析用户用电曲线（功率、电量、时段分布）、设备类型（空调/电机/储能）及生产约束（如连续生产要求），将资源识别准确率从75%提升至92%，支撑平台精准聚合200+家中小用户的可调节负荷资源（总容量15MW）。
• 应对夏季电网负荷缺口，调用平台调度功能协调50家工业用户实施‘移峰填谷’：通过定制化负荷转移方案（如将热处理工序从10:00-16:00调整至22:00-4:00），配合储能系统在低谷时段充电，单月累计转移负荷3.8GWh，降低电网高峰负荷2.1MW，相关案例被纳入省级虚拟电厂示范项目报告。
• 优化调度策略库，引入深度强化学习（DQN算法）替代传统规则调度，基于历史运行数据训练调度智能体，在保证电网安全的前提下，提升分布式光伏消纳率8.7%，降低用户用电成本约5%。

协助完成传统火电厂与分布式光伏、用户侧储能的协同调度，参与数据采集、初步分析与调度计划辅助编制，支撑区域能源系统稳定运行。

• 协助搭建分布式能源监控平台，使用Python脚本结合Modbus/TCP、MQTT协议解析光伏逆变器、储能变流器的实时数据，解决多厂商设备通信协议不兼容问题，实现10+站点数据全量采集（采样频率1s），平台数据完整率从90%提升至99.5%。
• 参与编制季度电力调度计划，基于历史负荷曲线、气象预测（辐照度/温度）及机组检修计划，使用Excel VBA开发负荷分配计算模板，自动优化火电机组与光伏的出力配比，计划偏差率从5.3%降至3.1%，支撑电厂年度利用小时数提升120小时。
• 处理某光伏电站因云层遮挡导致的出力骤降事件（15分钟内功率下降40%），协同运维人员启动储能系统补偿，通过手动调整储能充放功率，将并网点功率波动控制在±2MW以内，避免触发电网一次调频考核，事后编写《分布式光伏-储能协同应对短时出力波动操作指南》，被部门列为标准流程。
• 整理近3年调度日志与典型故障案例（如通信中断、设备拒动），建立包含200+条问题的知识库，标注故障现象、排查步骤及解决方案，新员工培训周期从4周缩短至3周，团队故障响应效率提升30%。

国家级先进制造园区多能互补微网全生命周期优化项目

• 项目背景：某国家级先进制造园区面临“双碳”目标下用能成本高企（年均电费超8000万元）、碳排放强度达1.2kgCO₂/㎡的痛点，需构建“源-网-荷-储”协同的多能互补微网系统，实现从能源生产到消纳的全链路智能调控。我的总体职责是主导项目从需求调研、方案设计到落地调试的全流程，对接园区管委会、能源供应商及10余家设备厂商，确保系统匹配“降本、减碳、提效”的核心目标。
• 关键难题：一是园区动态负荷（生产设备、空调、照明等）波动幅度达±35%，传统ARIMA模型负荷预测准确率仅72%，无法支撑储能系统精准充放电；二是光伏、燃气三联供、锂电池储能、充电桩等5类能源设备的控制逻辑分散，协同效率低，曾出现月均12次的“弃光”或“储能冗余充电”问题。
• 核心行动：针对负荷预测，我牵头融合LSTM的长时依赖捕捉能力与Transformer的多特征注意力机制，构建“历史负荷+园区MES生产数据+气象预报”的混合预测模型，引入“工单排产-设备开机率-环境温度”的关联特征，将预测准确率提升至91%；针对协同优化，基于强化学习PPO算法设计“成本最小+碳排放最低”的多目标调度策略，开发设备数字孪生模块——通过物理设备映射虚拟模型，实时模拟不同工况下的能源流，优化控制指令的下发逻辑，解决多设备博弈问题。
• 项目成果：系统上线后，园区年用能成本降低22%（约1760万元），碳排放强度下降18%至0.98kgCO₂/㎡；储能系统利用率从65%提升至89%，避免弃光损失约500万元。我主导的“混合负荷预测模型+多目标强化调度算法”被纳入公司智慧能源产品矩阵，成为同类工业园区项目的标准技术方案，推动3个同类型园区的跟进落地。

市级高新区区域智慧能源管控平台研发项目

• 项目背景：某市级高新区有12个产业园区，分布式能源设备（光伏、风电、地源热泵）分散在各园区，数据孤岛严重——设备协议涵盖Modbus、MQTT、BACnet等6种，无法形成全局能源画像；园区管委会故障处理滞后（平均响应30分钟），年运维成本超2000万元。我的角色是负责平台核心模块研发，聚焦“数据融合+实时优化”两大关键能力。
• 关键难题：一是异构数据融合困难，不同设备的通信协议、数据格式差异大，初期数据接入率仅40%；二是传统规则引擎的优化策略僵化，无法应对天气突变（如暴雨导致光伏出力骤降）或设备故障场景，能源利用率长期徘徊在75%左右。
• 核心行动：数据层，采用MQTT协议实现设备数据的统一采集，通过Kafka流处理框架清洗、转换异构数据，构建“设备-园区-区域”三级能源数据库，引入“设备指纹”技术识别异常数据，将接入率提升至95%；算法层，用Docker容器化部署遗传算法优化引擎，结合实时负荷、电价、气象数据动态调整能源调度策略；同时开发“故障自诊断”模块——基于随机森林模型训练设备异常特征库（如光伏组件温度异常、储能SOC波动过大），实现故障提前30分钟预警。
• 项目成果：平台上线后，整合了12个园区的20+种、超500台能源设备数据，全局能源利用率从75%提升至88%；故障响应时间缩短至5分钟内，年节约运维成本300万元。项目被高新区管委会列为“智慧能源示范项目”，推动后续3个园区接入，同时为公司赢得区域级智慧能源平台的标杆案例，助力拿下2个地级市的同类订单。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。