金风科技
27届校招-风资源助理工程师（国创）(J22066)
27届校招-风资源助理工程师（国创）(J22066)
发布于 6 天前普通员工/个人贡献者
全职员工仅现场办公新能源
新能源
Matlab
风资源评估
值不值得投
61综合评分
综合评分 61
乌鲁木齐风资源校招岗，建模与数据分析，WLB与福利信息未披露
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
9.0千
比新能源中位数低
发布情况
正常在招 · 5 天前发布
公司情况
这家公司招聘很活跃
约 130 个在招 · 其中新能源 3 个
职位详情
关于这个职位
该岗位负责风电场尾流评估、机组排布与发电量评估、风资源特性研究及风模型识别方案开发，为投标提供风资源技术支撑
最低要求
至少掌握以下一项风资源软件：WindPro、WAsP、Meteodyn WT、Windsim、Windographer、OpenWind
掌握 Python / MATLAB / R 数据处理（pandas、numpy、matplotlib）
参与过风资源特性研究：整理气象塔、激光雷达、再分析数据，绘制风玫瑰、湍流强度分布
参与极端风速、风切变、入流角等专题研究
逻辑思维与报告撰写能力突出，良好的英语阅读与口语、抗压、适应短期出差，具备团队协作精神
工作职责
尾流评估：建立风电场尾流模型（Jensen、Frandsen、Fuga），评估尾流损失，输出尾流修正系数
使用激光雷达/SCADA数据验证尾流模型，迭代优化算法
排布与发电量评估：主导风电机组排布方案设计：基于风玫瑰图、湍流强度、地形因素，用OpenWind优化排布，提升发电量
编制发电量不确定性分析报告
风资源特性研究：分析极端风况（切变、湍流、阵风系数），建立风资源数据库
研究复杂地形（山地、海上）风加速效应，撰写技术方案
风模型识别方案开发：开发机器学习模型识别风模型误差，结合激光雷达数据训练复杂风况预测模型
参与行业标准事项跟踪
跨部门协作：与载荷团队联合验证尾流控制策略对机组载荷的影响
为投标团队提供风资源技术支撑（发电量担保条款）
AI 洞察
优缺点分析
优点
- 涉及前沿风资源建模与机器学习，技术成长快
- 直接支撑投标与发电量担保，业务价值高
- 乌鲁木齐总部平台，资源集中
- 需适应短期出差与现场验证
- 适合能源/气象/自动化相关专业、喜欢数据分析的应届生
缺点 / 挑战
- 对英语与报告撰写要求较高
角色解读
- 可从助理工程师成长为风资源评估专家
- 进一步可转向风电设计或技术管理岗位
- 建立尾流模型并评估尾流损失，输出修正系数
- 主导机组排布与发电量评估，编制不确定性分析报告
- 研究风资源特性与复杂地形风加速效应，开发风模型识别方案
- 掌握WindPro、WAsP、OpenWind等风资源软件
- 具备Python/MATLAB/R数据处理与机器学习建模能力
- 良好的英语阅读与报告撰写能力
申请策略
- 关注公司风电项目与风资源业务
- 面试时展示建模与数据分析思路
- 突出风资源软件使用与建模项目
- 强调Python/MATLAB数据处理与可视化
- 体现英语阅读与报告撰写能力
- 补充尾流模型与机器学习基础
- 了解风电场设计与发电量评估流程
面试指南
- 采用「背景-任务-行动-结果」结构描述项目
- 技术问题按「建模-验证-优化-应用」展开
- 请介绍一种尾流模型及其适用场景
- 如何用OpenWind优化机组排布？
- 如何验证尾流模型与实际数据？
- 如何进行发电量不确定性分析？
- 复习风资源评估与尾流模型基础
- 准备数据分析与建模项目案例
职位点评
薪资福利55
成长发展65
工作生活55
使命价值75
薪资福利
55较低
JD未披露薪资与福利信息，无法判断补偿性动机满足程度。
薪资信号未披露（AI估算：7.0千–1.1万/月）
成长发展
65中等
岗位涉及风资源建模与机器学习，有成长空间，但JD未提及培训或晋升机制。
技术前沿主流现代技术
技术栈WindPro、OpenWind、Python、MATLAB
业务类型ambiguous
工作生活
55较低
JD未明确办公模式与WLB，需适应短期出差，可能影响生活节奏。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
新能源风资源岗位，行业增长快且具正向社会影响。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs