这是一家总部位于苏州的清洁能源科技企业，跻身全球光伏逆变器Top10，并在国内市场占有率方面持续领先。在“双碳”目标推进与新型电力系统加快建设的时代背景下，地面储能（大储）已经成为公司增长最迅猛的核心战略业务之一——市场需求快速释放，技术升级与产品迭代节奏也非常快。

算法团队坚持务实导向：使用PyTorch/TensorFlow训练模型，并将代码真正部署到边缘网关甚至MCU设备上，让算法直接参与兆瓦级储能系统的实时调度。这里不做空转的PPT展示，更看重每一行能够影响电流流向、决定储能收益的核心代码。

你将承担的硬核挑战

负荷预测与发电预测

基于海量气象数据、历史负荷数据、电价信号等多源信息，搭建多时间尺度（超短期/短期）深度学习预测模型。预测精度将直接影响储能系统充放电策略与整体收益——哪怕提升1%，也可能带来非常可观的商业价值。

储能智能调度优化

在峰谷电价、电池衰减、电网调度指令等多重约束条件下，设计优化算法（运筹优化/强化学习/启发式算法）求解最优调度方案，并将算法工程化，构建可7×24小时稳定运行的实时储能调度系统。

BMS算法与故障预判

结合信号处理与时序建模技术，从电池电压、温度等关键时序数据中识别早期故障特征，将安全风险尽早发现并提前干预，从而提升储能系统安全性与电池使用寿命。

边缘AI落地

将训练完成的模型进行剪枝、量化与编译优化（TVM/ONNX/TensorRT），并部署到边缘计算设备，甚至资源受限的MCU平台上，推动边缘AI在储能场景中的真实落地。

我们需要这样的你

硬性条件

• 年龄35岁以内，硕士及以上学历，计算机、自动化、电气工程、数学等相关专业背景。
• 拥有5年以上能源、电力或储能行业算法实战经验，不是偏项目管理或纯规划方向。
• 至少深度参与过一个负荷预测或电力调度的落地项目，能够清晰讲透数据来源、模型设计与业务逻辑。

技术栈

• 具备扎实的机器学习与深度学习基础，熟练使用PyTorch/TensorFlow等主流开源框架。
• 编程能力过硬：Python应用熟练，C/C++能够支持工程级开发、优化与调试。
• 熟悉Linux开发环境，具备良好的Git版本管理习惯。

加分项（非必需，但会让我们格外兴奋）

• 具备BMS算法研发、信号处理或故障诊断相关经验。
• 了解STM32等嵌入式平台，并有边缘侧模型部署（TFLite Micro、TVM）实战经历。
• 曾在开源社区（如PyTorch、scikit-learn等）做出贡献，或有技术博客、技术分享经验。
• 发表过相关领域论文（仅作参考，不以论文数量或级别作为核心标准）。

薪酬与坐标

年薪：80万~100万（12薪基础 + 2~4个月年终绩效）
地点：江苏省苏州市
工作节奏：注重高效产出，反对低效内卷，同时也期待你具备足够强的自驱力与执行力。

为什么值得加入？

• 真实业务场景：你面对的是千万级电站的真实运行数据，而不是停留在实验室中的小样本数据。
• 收益直接可见：你的算法将直接影响储能系统的充放电策略，每天产生的经济收益都可以量化验证。
• 技术空间充足：鼓励采用前沿开源技术与工程化方案，也支持你在合适场景下通过技术博客、行业会议等方式输出实践经验。
• 赛道发展明确：储能是未来十年电力系统中确定性极高的高成长赛道，而你将站在技术创新与业务价值交汇的关键位置。

如何投递？

申请方式：欢迎通过思否平台直接私信联系。