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%。

长三角某国家级工业园区多能互补智慧能源平台研发与落地项目

• 项目背景：园区内企业面临综合能耗高（单位产值电耗较行业均值高15%）、可再生能源（光伏+余热）利用率仅28%、各能源系统（电网/光伏/储能/余热发电）孤立运行导致的调峰能力弱等问题。我的核心目标是主导设计“源-网-荷-储-用”一体化的智慧能源平台，实现多能协同优化与碳排精准管控，助力园区降本减碳。
• 关键难题与技术路径：①多源异构数据融合——园区现有光伏逆变器（Modbus）、储能PCS（CAN）、余热锅炉（OPC UA）、企业SCADA系统数据格式不统一，且实时性要求达秒级；②动态多目标优化调度——需平衡“经济性（降低用电成本）、可靠性（保障生产供电）、碳减排（满足园区碳配额）”三重目标，传统规则引擎无法应对可再生能源出力与负荷的不确定性；③工业控制系统兼容性——平台需嵌入企业现有DCS系统，不能影响生产线实时控制。
• 核心行动与创新：①数据层：牵头设计“边缘计算+云平台”架构，开发支持Modbus/TCP、MQTT、OPC UA的多协议边缘网关，将园区23个能源节点数据统一转换为IEC 61850标准格式，通过Apache Kafka构建实时数据管道，接入Hadoop HBase存储历史数据，解决了数据孤岛与实时性问题；②算法层：创新采用“深度强化学习（PPO算法）+ 多目标遗传算法（NSGA-II）”混合模型，结合园区3年历史气象、负荷、电价数据训练，实现每15分钟一次的多能调度策略优化，同时输出“成本最低”“碳排最少”“可靠性最高”三种场景方案供用户选择；③兼容性：针对企业DCS系统，开发OPC UA适配器实现双向数据交互，采用“影子模式”先验证调度指令对生产的影响，再逐步切换为自动控制，确保零停机对接。
• 项目成果与价值：①平台上线6个月内覆盖园区85%的能源资产，可再生能源利用率提升至45%，综合能耗降低18%，年节省电费320万元；②碳排强度从2.1吨CO₂/万元产值降至1.2吨，帮助园区提前完成“十四五”碳配额目标；③形成《工业园区多能互补智慧能源系统技术规范》（企业标准），成为公司后续同类项目的标杆模板。我个人主导了架构设计与核心技术攻关，推动项目从0到1落地，获园区管委会“年度绿色创新奖”。

华东区域级智慧能源需求响应系统迭代与规模化商业化项目

• 项目背景：随着电力市场化改革深化，区域电网对需求响应（DR）的需求从“应急调峰”转向“常态化灵活调节”，但公司原有DR系统存在“中小工商业用户参与率低（仅30%）、响应精度差（实际响应负荷与指令偏差超20%）、激励机制不灵活”等问题。我的核心目标是迭代系统，提升用户侧参与深度与商业化变现能力，推动DR业务从“技术验证”转向“规模盈利”。
• 关键难题与解决路径：①中小用户负荷预测精度——中小工商业用户用能数据少（仅1-3个月历史数据），传统LSTM模型预测误差达25%以上；②激励机制设计——用户对“固定补贴”的敏感度低，缺乏个性化激励手段；③电网实时联动——需满足电网“分钟级响应”要求，系统与电网调度平台的API对接存在延迟问题。
• 核心行动与创新：①负荷预测：引入迁移学习技术，基于园区大工业用户的成熟模型（历史数据1年以上），迁移学习中小用户的用能特征（如餐饮行业的午晚高峰规律、零售行业的周末负荷波动），将预测误差降至12%以内；②激励机制：结合博弈论设计“动态分层定价”模型——根据用户响应历史、负荷弹性、用能类型，实时调整补贴单价（如弹性高的餐饮用户补贴比工业用户高15%），并通过小程序向用户展示“响应收益+碳减排量”双维度反馈，提升参与意愿；③实时联动：采用5G电力切片技术，搭建专用通信通道，将调度指令从电网平台到用户设备的延迟从10秒缩短至3秒内，满足电网“分钟级响应”要求。
• 项目成果与价值：①系统迭代后，中小用户参与率从30%提升至65%，响应指令偏差降至8%以内，年度DR交易量增长2.3倍；②带动公司DR业务收入从800万元增至2300万元，毛利率提升18个百分点；③与江苏、浙江3家电网公司签订长期合作协议，成为区域内DR业务的核心供应商。我个人主导了业务方案的迭代与商业化落地，解决了用户侧与电网侧的核心痛点，推动公司DR业务实现规模化盈利。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。