1、设计基于运筹优化与模型预测控制的AI-EMS核心算法，实现多时间尺度下的储能充放电优化调度，提升峰谷套利、需量管理和需求响应收益。（懂强化学习更佳） 2、研发基于时序数据和深度学习的电池健康管理（PHM）系统，实现SOH/RUL在线估计、异常检测与故障预警，推动运维模式从计划性维护向预测性维护转型 3、构建面向储能电站的多智能体协作系统（调度/运维/交易/诊断Agent），基于LLM实现自主感知、决策执行与自然语言交互式运维。

硕士及以上学历。 专业能力要求（以下方向满足其一即可） 方向一：AI-EMS优化方向 精通运筹优化方法（线性/非线性规划、混合整数规划、动态规划），熟练使用Gurobi/CPLEX等求解器 熟悉强化学习（DQN、PPO、SAC等）及模型预测控制（MPC） 有电力系统调度、微电网优化、虚拟电厂（VPP）等相关项目经验 方向二：预测性维护与健康管理方向 熟悉电池等效电路模型/电化学模型，掌握SOH/SOP/RUL估计算法 精通时序数据分析与异常检测方法（LSTM、Transformer、自编码器、统计过程控制等） 有故障诊断、信号处理（小波变换、FFT等）实际项目经验 方向三：AI Agent方向 熟悉LLM应用开发框架（LangChain、LlamaIndex等），有Agent/RAG系统开发经验 了解多智能体协作框架及工具调用协议（如MCP） 有自然语言交互系统、自动化运维或智能决策系统落地经验 基础能力要求： 硕士及以上学历，计算机、电气工程、控制工程、运筹学等相关专业 熟练使用Python及PyTorch/TensorFlow 具备良好的工程化能力（Docker、Linux、Git）和团队协作能力