# EMS工程师的发展规划

看完你的代码和架构文档，我给你一个系统性的职业发展建议。你的问题核心是：如何在AI时代建立不可替代的护城河，并实现从打工到资产变现的跃迁。

# 一、你的核心竞争力在哪里（AI无法替代的部分）

从你的代码看，你已经掌握了三个稀缺能力的交集：

![](https://cdn.hashnode.com/uploads/covers/697987795e43af610b063eaa/0ad9a7e7-6ee2-47ec-91d3-191d3b60a857.png align="center")

AI能做什么：

*   写单个函数的实现（状态机转换逻辑）
    
*   优化算法（SOC排序、功率分配）
    
*   生成测试用例
    

AI做不了什么（你的壁垒）：

1.  理解商业博弈：为什么防逆流优先级高于REMS指令？因为逆流会被电网罚款，这是商业风险而非技术问题
    
2.  处理工程坑：为什么MAX\_INTV\_MS\_WAIT\_PCS\_WORK = 90000ms？因为现场测量PCS启动最慢87秒，这是踩坑经验
    
3.  跨域决策：BMS说能放100kW，但电网侧电表显示负荷只有50kW，防逆流要限制到50kW——这需要理解电气拓扑+商业规则
    
4.  故障降级策略：通信故障时是停全局还是单站降级？这是安全性vs可用性的权衡，需要理解客户的商业损失
    

# 二、你应该重点深耕的方向

## 方向1：需求响应（DR）+ 虚拟电厂（VPP）赛道（最高优先级）

为什么：

*   2026年中国电力现货市场全面铺开，DR从"政策试点"变成"刚需"
    
*   VPP聚合商需要大量懂"多站协调+电价套利"的EMS工程师
    
*   你的SEMS/REMS架构正是VPP的核心技术栈
    

### 具体学习路径：

1.  电力市场机制（3个月）
    
    1.  \- 学习：现货市场、辅助服务市场、容量市场
        
    2.  \- 资源：国网能源研究院报告、各省电力交易中心规则
        
    3.  \- 输出：写一篇《工商业储能如何参与XX省电力现货市场套利》
        
2.  VPP聚合算法（2个月）
    
    1.  \- 你的代码已有基础：Sort\_NodeOrderBySoc() + DisPatch\_ACLoadReq\_DisChrg\_Power()
        
    2.  \- 深入：加入电价预测、负荷预测、多目标优化
        
    3.  \- 工具：Python + CVXPY（凸优化）+ Prophet（时序预测）
        
3.  实际案例分析（持续）
    
    1.  \- 收集：山西、山东、广东现货市场的储能收益数据 - 计算：峰谷价差套利 vs 调频辅助服务的收益对比
        
    2.  \- 输出：《某工业园区储能系统年化收益率15%的实现路径》
        

变现路径：

*   短期：给VPP聚合商做技术顾问（日薪2000-5000元）
    
*   中期：开发VPP调度算法SaaS（按站点收费，每站每月500-2000元）
    
*   长期：参与储能电站投资分成（IRR 8-12%）
    

* * *

## 方向2：BMS深度学习（建议投入30%精力）

为什么要学BMS：

你的代码中已经在处理BMS数据：

> pB6LSYSLast->fMax\_Chrg\_PwrAbilitySum // 来自BMS的充电能力
> 
> pB6LSYSLast->nSOCMinSum // 来自BMS的SOC

但你可能不知道：

*   BMS为什么在SOC 20%时突然把充电能力从100kW降到10kW？
    
*   BMS的SOC估算误差如何影响你的功率分配算法？
    
*   电池温度梯度如何影响循环寿命？
    

BMS学习路径（6个月计划）：

第1-2个月：电池基础

*   学习：锂电池充放电曲线、SOC-OCV关系、内阻特性
    
*   实践：买一个二手BMS开发板（如TI的BQ76952），用示波器测量单体电压
    
*   输出：《从波形看懂BMS的均衡策略》
    

第3-4个月：SOC/SOH估算算法

*   学习：扩展卡尔曼滤波（EKF）、安时积分法、电池等效电路模型
    
*   代码：用Python实现一个简单的SOC估算器
    
*   输出：《为什么BMS的SOC会漂移？三种校准方法对比》
    

第5-6个月：BMS-EMS接口优化

*   问题：BMS上报的fMax\_Chrg\_PwrAbility是瞬时值还是持续值？
    
*   实践：分析你代码中的Filter\_Disttribute\_Power()，看滤波参数如何影响响应速度
    
*   输出：《BMS与EMS的数据接口设计：CAN协议中的5个常见坑》
    

BMS的变现价值：

*   EMS工程师懂BMS → 薪资溢价30%（因为能独立调试整套系统）
    
*   可以做BMS-EMS联合优化咨询（这是蓝海，很少有人两边都懂）
    
*   可以开发"BMS数据异常检测工具"（SaaS产品）
    

* * *

## 方向3：AI + EMS的正确结合方式

不要做的事：

*   ❌ 用AI替代整个EMS逻辑（不安全，客户不接受）
    
*   ❌ 用AI生成嵌入式C代码（质量不可控）
    

应该做的事： ✅ 用AI做"软决策层"，保留"硬保护层"

你的代码已经有完美的分层：

> // 第一层：硬保护（规则，不可绕过）
> 
> if (pB6LSYSLast->emCCUStateSum != CCU\_STATE\_IDLE) return STATU\_ACDC\_IDLE; // 故障时强制停机
> 
> // 第二层：软决策（可以用AI替换） Sort\_NodeOrderBySoc(pCCU, DISCHARGE); // ← 这里可以换成AI DisPatch\_ACLoadReq\_DisChrg\_Power(pCCU); // ← 这里可以换成AI

### 具体实现（3个月MVP）：

1.  数据收集（1个月）
    
    1.  \- 从你的日志提取训练数据： grep "Ems\_Mgmt\_Main\_SEMS" \*.log |  
        awk '{print $timestamp, $SOC, $power, $price}' > training\_data.csv
        
    2.  \- 需要字段：时间戳、各站SOC、功率、电价、DR指令、实际收益
        
2.  离线训练（1个月）
    
    1.  \- 用强化学习（PPO算法）训练功率分配策略
        
    2.  \- 工具：Stable-Baselines3（Python库）
        
    3.  \- 目标：比现有SOC排序算法提升10%收益
        
3.  ONNX部署（1个月）
    
    1.  \- 把训练好的模型导出为ONNX格式
        
    2.  \- 在C代码中调用ONNX Runtime推理
        
    3.  \- 保留规则算法作为fallback（AI推理失败时切换）
        

这个方向的变现：

*   论文：投《电力系统自动化》或IEEE Transactions
    
*   专利：《基于强化学习的多站储能协调控制方法》
    
*   产品：卖给EMS厂商作为"AI增强模块"（授权费50-200万/年）
    

* * *

# 三、如何输出自媒体内容（建立个人品牌）

## 平台选择：

1.  **知乎（主阵地**）：写长文，目标受众是储能从业者、投资人
    
2.  **公众号**：沉淀深度内容，建立私域流量
    
3.  **B站**：录屏讲解代码，目标受众是嵌入式工程师
    
4.  **LinkedIn（英文）**：接海外项目
    

## 内容方向（按优先级）：

### 第一类：拆解商业逻辑（最高价值）

*   《工商业储能的三种盈利模式：峰谷套利 vs 需求响应 vs 容量租赁》
    
*   《为什么储能电站IRR只有8%，但投资人还在抢？》
    
*   《电力现货市场下，储能如何在15分钟内赚到5000元》
    

为什么这类内容值钱：

*   投资人看了会找你做尽调顾问（日薪5000+）
    
*   EPC公司看了会找你做方案设计（项目提成5-10万）
    

### 第二类：技术深度解析（建立专业度）

*   《SEMS/REMS架构：为什么需要两级EMS？》（你已经写了！）
    
*   《BMS与EMS的CAN通信：一个字节错误导致的100万损失》
    
*   《PCS启动为什么需要90秒？从变压器励磁说起》
    

输出节奏：

*   每周1篇（2000-5000字）
    
*   每篇文章嵌入1-2个代码片段（展示硬实力）
    
*   每篇文章结尾留钩子："想了解XX的实现细节，关注我下期"
    

### 第三类：案例复盘（最吸引客户）

*   《某工业园区储能项目：如何用多站协调省下200万电费》
    
*   《一次BMS故障引发的思考：为什么防逆流优先级最高》
    
*   《川崎项目的需求响应实战：4个站如何在30秒内响应500kW指令》
    

变现路径：

*   文章阅读量10万+ → 接广告（储能设备厂商，单篇5000-2万）
    
*   粉丝5000+ → 开付费社群（年费365元，500人=18万/年）
    
*   持续输出1年 → 出版《储能EMS工程师实战手册》（版税10-30万）
    

* * *

# 四、从打工到资产变现的路径

## 阶段1：打工阶段（当下-1年内）

*   目标：年薪50-80万（EMS工程师 + VPP顾问）
    
*   行动：
    
    *   在现公司深挖SEMS/REMS项目经验
        
    *   业余时间做VPP聚合商的技术顾问（每月2-3个项目）
        
    *   开始输出自媒体内容
        

## 阶段2：半自由职业（1-2年）

*   目标：年收入100-150万（顾问费 + 产品收入）
    
*   行动：
    
    *   开发"VPP调度算法SaaS"（按站点订阅）
        
    *   接EMS优化咨询项目（单项目10-50万）
        
    *   出版技术书籍/开付费课程
        

## 阶段3：资产变现（2-5年）

*   目标：年收入200万+（被动收入占50%）
    
*   行动：
    
    *   参与储能电站投资（作为技术合伙人，占股5-10%）
        
    *   把SaaS产品卖给EMS厂商（一次性授权费200-500万）
        
    *   成立技术咨询公司（雇佣3-5个工程师，自己做架构师）
        

关键转折点：

*   当你的自媒体粉丝达到1万，客户会主动找你
    
*   当你的SaaS产品有50个付费客户，就可以融资或卖掉
    
*   当你参与的储能电站开始盈利，就有了被动现金流
    

* * *

# 五、嵌入式的未来方向

坏消息：

*   纯嵌入式开发（写驱动、调寄存器）的岗位在减少
    
*   AI Code生成工具（如Cursor）已经能写80%的嵌入式代码
    

好消息：

*   嵌入式 + 行业领域知识 的复合型人才极度稀缺
    
*   储能、新能源汽车、工业机器人都需要懂"控制算法+商业逻辑"的人
    

未来5年的嵌入式方向：

1.  边缘AI：在嵌入式设备上跑AI模型（如你的ONNX部署方案）
    
2.  数字孪生：用嵌入式数据训练仿真模型
    
3.  OTA + 远程运维：嵌入式设备的软件化、服务化
    

你的优势：

*   你已经有SEMS/REMS的分布式架构经验
    
*   你理解实时控制 + 云端协调的分层设计
    
*   这正是未来嵌入式的核心能力
    

* * *

# 六、立即行动清单（本周就能开始）

本周任务：

1.  在知乎发布你的第一篇文章：《SEMS/REMS架构：为什么需要两级EMS？》（你已经写好了！）
    
2.  注册一个公众号，名字叫"储能EMS工程师笔记"
    
3.  在LinkedIn上更新简历，加上"VPP技术顾问"标签
    

本月任务：

1.  学习电力现货市场规则（看3份省级交易中心文件）
    
2.  用Python写一个简单的峰谷套利收益计算器
    
3.  发布第二篇文章：《工商业储能的盈利模式拆解》
    

3个月目标：

1.  自媒体粉丝1000+
    
2.  接到第一个VPP顾问项目（收入2-5万）
    
3.  完成BMS基础学习，写一篇《BMS-EMS接口设计》
    

* * *

# 最后的建议

你的代码质量很高，架构设计也很清晰，说明你已经是一个优秀的工程师。但从工程师到专家的跃迁，不在于写更多代码，而在于：

1.  理解商业：为什么客户愿意为这个功能付钱？
    
2.  建立品牌：让客户主动找你，而不是你找客户
    
3.  创造资产：把经验变成产品、内容、股权
    

AI会让"写代码"这件事越来越不值钱，但\*\*"知道该写什么代码"\*\*会越来越值钱。你的SEMS/REMS项目经验、对需求响应的理解、对BMS-EMS协同的认知——这些才是你的护城河。

开始输出，开始建立个人品牌，机会会自己找上门。