研究

支撑这些工作的研究方法与主题

这部分工作的长期目标，是通过 AI、市场设计与交易实践提升电力市场效率，并帮助构建更可持续的能源系统。

我尤其关注短期电力市场与面向市场运营的能源资产，因为规则变化、可再生能源不确定性、价格形成、报价行为和运行约束，往往在这里最直接地相遇。

研究主题

核心方向

关注市场设计、价格形成、短期市场行为以及跨区交易机制。

关注把规则、预测、策略、执行、风控和复盘学习连接成连续闭环的 AI 决策系统。

聚焦储能调度、灵活性资源以及受运行与规则约束影响的市场参与逻辑。

把模型、工作流、知识库与风险边界做成能源组织真正能部署、能使用的决策系统。

方法

时间序列预测、特征工程、概率建模、优化与情景分析。

约束感知决策模型、强化学习、Agent 工作流与面向能源系统和市场运营的安全 AI。

公开项目

这些公开 GitHub repo 连接了我的强化学习、储能调度和能源系统优化调度研究。

面向主动配电网中储能优化调度的高性能深度强化学习环境。

混合整数规划与深度强化学习结合的能源系统调度研究代码，连接能源管理和安全调度问题。

用于比较深度强化学习算法在能源系统优化调度问题中表现的公开代码。