• 数理知识扎实,熟练掌握常用的机器学习算法,如决策树、Xgboost、LightGBM、Kmeans、DBSCAN算法等;深度学习算
法,如LSTM、GRU、TCN、Transformer等;熟悉Pytorch 深度学习框架;
• 熟悉常用深度学习模型解释方法的理论与应用,如基于梯度、基于扰动的解释方法、LIME、SHAP等;
• 熟悉 Python(熟悉常用的库函数的使用,如numpy、pandas、matplotlib、scikit-learn等)、C++等编程语言,了解 Java;
• 熟悉操作系统、SQL等理论知识,熟悉 Linux 常用指令,熟悉Spark数据处理框架;
• 具备良好的沟通能力和团队协作能力,学习能力强
虚拟电厂项目:
整体介绍:虚拟电厂将光伏,储能,充电桩等可调资源进行聚合,并以虚拟电厂形式参与交易,通过平台实现资源可观、可控、可测,基于多级多时序预测与调度交易决策框架,实现光储充虚拟电厂面向电力市场的可信交易与源荷储资源的高效协同。
责任描述:负责虚拟电厂项目中的光伏部分,即分布式光伏电站智慧运维模块,通过对光伏组串中的电压、电流以及发电功率进行分析,实现了定位光伏场站中的异常组串;根据对正常组串电流的离散率进行分析,以及与现场人员的沟通,定位出了部分太阳能板由于安装位置与安装角度而导致的早晚发电功率偏低的原因,还原了现实场景;结合历史发电信息与气象信息,采用GRU模型对光伏电站未来一天的发电功率进行预测,为光伏场站的能源调度提供参考。
新型电力系统背景下光伏功率预测
整体介绍:由于光伏电站出力受气象等因素影响较大,具有较强的间歇性和波动性,这些特性给电力系统造成巨大的冲击与挑战。本项目针对光伏电站的发电出力时序数据、天气历史数据、天气预报数据等,采用特征提取、关联分析、时间序列分析方法以及机器学习等方法,对光伏电站未来一周的发电出力进行精准预测。
责任描述:负责任务分析及建模,协同数据处理工作,确定预测任务使用的模型及具体实现方法,并进行相关实验, 包括 TCN 与 GRU 的模型搭建,模型训练及验证,模型测试,超参数调优等。