1、系统规划与设计：根据数据中心的规模、性能需求和业务目标，制定电气系统架构方案。设计高压/低压配电系统、备用电源系统（如柴油发电机、UPS）、不间断电源（UPS）配置等。确保系统满足电力质量（如电压、频率、谐波等）、可靠性（如N+1、2N冗余）和可扩展性要求。 2、能源效率优化：分析电力使用效率（PUE），优化供电系统设计，降低能耗和运营成本。推动绿色能源（如太阳能、储能系统）与传统电力的集成，实现低碳或零碳数据中心。 3、安全与合规：确保电气系统设计符合国家/国际标准（如IEEE、IEC、NEC、GB等）。参与安全审查和风险评估，制定应急预案，确保系统在故障、断电等紧急情况下的稳定运行。 4、技术选型与供应商管理：评估并选择关键设备（如变压器、UPS、开关柜、BMS系统等）的技术参数与供应商。协调与供应商、施工方、运维团队的沟通，确保设计方案落地实施。 5、运维支持与持续改进：提供系统运维支持，协助解决运行中的电气问题。根据运行数据反馈，持续优化电气架构和运行策略。

1. 负责数据中心PUE（Power Usage Effectiveness）预测模型的构建与优化，利用机器学习与强化学习技术，对供电与制冷系统的运行数据进行深度分析，实现能效预测与故障预警。 2. 搭建并完善特征工程体系，融合气象、负载、设备运行等多源数据，提升模型的预测精度与泛化能力。 3. 持续优化故障库与知识库，结合实际运维场景，提升模型在实际业务中的准确率与响应时效。 4. 与算法团队紧密协作，推动模型在实际业务场景中的落地应用，实现智能运维技术的业务价值转化。 5. 跟踪前沿算法与技术，探索新的模型架构与优化方法，提升系统整体能效水平，助力绿色数据中心建设。

- 深入理解数据中心供电与制冷系统的运行原理与故障机理，结合业务场景构建高效、可扩展的特征工程体系。 - 基于机器学习与强化学习算法，开发异常检测、故障诊断与趋势预测模型，实现对关键设备运行状态的实时监控与智能预警。 - 构建并维护故障知识库与专家经验库，持续完善模型逻辑与规则体系，提升故障识别的准确性与可解释性。 - 与算法团队紧密协作，持续优化模型性能，提升预测准确率与响应效率，推动模型在生产环境中的落地应用。 - 参与模型部署、监控与迭代升级，确保模型在复杂业务场景下的稳定性与泛化能力。 - 探索前沿算法与数据处理技术，推动数据中心运维体系向智能化、自动化方向演进。

部门介绍： 数据中心运营部作为华为云的关键支撑力量，专注于打造安全、可信、高可靠的智能AI数据中心，从规划、建设到运营，全栈思考，系统布局，为云服务提供稳定、高效的算力支撑，同时追求极致的成本效率。我们不仅是技术的执行者，更是数据中心智能化转型的引领者，不断引入新理念与新技术，推动数据中心向”智能化、自动化、绿色化“方向演进，实现价值最大化。未来，我们将继续探索AI、边缘计算、量子计算等前沿技术在数据中心的应用，构建更高效、更智能的算力基础设施，为企业提供坚实、可靠的技术支撑。 岗位职责： 1. 数据采集 传感器部署：在电池组（如UPS电池、储能电池）上安装传感器，实时采集数据（电压、电流、温度、内阻、充放电状态等）。 扩展数据源：结合环境参数（如机房温湿度、负载变化）和历史维护记录，构建多维数据集。 2. 数据分析与建模 异常检测：通过机器学习（如LSTM、随机森林）识别电压骤降、内阻异常等早期故障信号。 寿命预测：基于电池老化模型（如Arrhenius模型）和历史衰减趋势，预测剩余使用寿命（RUL）。 健康度评估：计算SOH（State of Health），判断是否接近临界阈值。 3. 预警与决策支持 分级预警：设置多级告警，根据严重性触发不同响应（如提醒巡检、安排更换）。 维护建议：结合预测结果生成维护工单，推荐最优维护策略。 4. 现场维护与闭环管理 精准定位故障：根据预测结果锁定问题电池单体或模组，减少人工排查时间。 维护记录反馈：将实际维护数据（如更换记录、测试结果）回流至模型，持续优化预测精度。 报告生成：定期输出电池健康报告，辅助管理层决策（如采购规划、能耗优化）。 工作地点： 1.东莞松山湖华为欧洲小镇 2.贵州贵阳云上屯

利用人工智能技术优化数据中心的暖通系统设计与运行，以提高能效、降低能耗、提升系统的稳定性和可靠性。 1.暖通系统建模与仿真分析：使用仿真软件（如CFD、TRNSYS等）对气流组织、温度分布、能耗等进行分析与预测。 2.智能优化与节能控制：利用AI算法（如强化学习、深度学习）优化暖通系统的运行策略，如空调设备启停、风量调节、温湿度控制等。 3.数据分析与预测：对数据中心的运行数据（如温度、湿度、能耗等）进行分析，挖掘潜在问题和优化空间。利用机器学习模型预测未来负载和能耗趋势，辅助决策。

岗位职责：将AI技术与电力系统深度融合，实现数据中心电气系统的智能化、高效化、绿色化 1.电气系统智能化监控与预测： （1）实时数据分析：利用AI算法对数据中心的电气设备（如UPS、配电单元、服务器电源、冷却系统等）运行数据进行实时监控与分析。 （2）故障预测与诊断：通过机器学习模型（如LSTM、随机森林、深度学习）对电气设备的历史运行数据建模，预测潜在故障并提前预警。 （3）异常检测：基于AI的异常检测算法识别电压波动、过载、电流异常等电气故障信号。 2.能效优化与节能控制： （1）电力需求预测：利用时间序列分析和预测模型（如Prophet、ARIMA）预测数据中心的电力需求，优化电力调度。 （2）负载均衡优化：通过AI算法动态调整服务器负载，合理分配电力资源，降低能耗。 3.自动化运维与决策支持： （1）自动化运维系统开发：建基于AI的自动化运维平台，实现对电气系统的自动配置、调整与故障自愈。 （2）决策支持系统开发：通过AI模型为数据中心管理人员提供决策建议，如何时进行设备更换、扩容或升级。