在AI與電力市場日益深度融合的今天，第二屆‘保險杯’AI電力交易大賽于2025年8月7日成功舉辦。這次比賽共吸引了來自全國各地的207家售電公司、高校及研究機構(gòu)團隊。和第一屆比賽相比，這一屆比賽競爭更加激烈，其中不僅有深耕在電力交易一線的售電公司，還有不少專業(yè)從事電價預(yù)測的專業(yè)團隊。我們團隊在所有隊伍中最終排名37名，雖略有遺憾，但收獲豐富，也讓我們對所學(xué)的經(jīng)濟學(xué)知識和復(fù)雜的電力市場有了更深刻的認識。

我們是一支由中國人民大學(xué)應(yīng)用經(jīng)濟學(xué)院劉陽副教授指導(dǎo)的學(xué)生隊伍，團隊成員包括楊玉剛、潘熠、俞紫嫣和杜禎毅。中國人民大學(xué)應(yīng)用經(jīng)濟學(xué)院能源經(jīng)濟系在電力市場改革、能源政策分析和可再生能源發(fā)展等領(lǐng)域積累了豐富的研究成果，在全國的高校中獨樹一幟，深厚的培養(yǎng)對我們參加本次比賽發(fā)揮了重要的作用。

從賽后和部分團隊交流發(fā)現(xiàn)，相比于專業(yè)團隊，我們主要有三個特點：一是沒有用需要很高算力的模型，就是常見的機器學(xué)習(xí)模型；二是沒有自己獨特的數(shù)據(jù)，僅僅使用比賽方提供的數(shù)據(jù)，部分團隊有自己的天氣預(yù)測模型和數(shù)據(jù)，適配性較高。三是沒有豐富的實踐經(jīng)驗，部分團隊已將模型在山西電力市場上訓(xùn)練了很久。

從實際情況來看，我們最終戰(zhàn)績并不差，打敗了170家售電團隊。如果再將時間拉長，我們的排名有可能還會進一步上升。我們的結(jié)果表明，用低成本方法也能實現(xiàn)較好的預(yù)測，“傳統(tǒng)方法+基本原理”也能得到不錯的結(jié)果。

一

旬交易，我們做了什么

這次比賽的核心是旬交易套利和現(xiàn)貨套利。相比起來，旬套利更為重要。

在旬交易之前，我們有的數(shù)據(jù)僅僅是比賽方提供的歷史交易數(shù)據(jù)和未來11天的氣象預(yù)測數(shù)據(jù)，而且歷史旬競價格我們只有8期。要預(yù)測旬競價格幾乎不太可能，因此我們重點放在預(yù)測未來11天的現(xiàn)貨日前均價，采用所學(xué)的機器學(xué)習(xí)模型（主要為LSTM和XGboost），綜合考慮氣象因素、月度、季度以及極端天氣等影響進行預(yù)測。由于旬競價格樣本較少，我們采用預(yù)測和歷史數(shù)據(jù)對比兩種方式進行研判。在綜合旬競價格的上限等因素，最終制定我們的策略。從結(jié)果來看，在18點以前，我們的套利策略與實際的價差方向幾乎完全一致，十分完美。但18點及以后的情況卻急轉(zhuǎn)直下，我們的模型預(yù)測盡管給我們了一定的參考，但在比賽期間山西電價在晚上用電高峰期多次突破1000/MWh，最高的時點甚至達到1400/MWh以上，我們認為這段區(qū)間采取激進策略風(fēng)險很大，因此我們選擇中間策略，將這段時間的中長期倉位最終控制在90%。

我們發(fā)現(xiàn)，在新能源午間大發(fā)的時段，山西旬競價格上限設(shè)置似乎略低，這的確有利于消納可再生能源，但也可能會導(dǎo)致這個時段中長期價格與現(xiàn)貨價格的偏離，最終不利于充分發(fā)揮電力市場作用。

圖1 2025年7月下旬山西電力市場旬競價格、日前實際均價與日前預(yù)測均價

二

現(xiàn)貨交易，我們做了什么

現(xiàn)貨套利更具有挑戰(zhàn)性、也更困難。根據(jù)清鵬智能團隊統(tǒng)計的數(shù)據(jù)，現(xiàn)貨約有65%的隊伍選擇套利，35%的隊伍不做任何操作，但套利的隊伍中有近7成的隊伍都在虧損。

現(xiàn)貨交易中，數(shù)據(jù)的重要性進一步凸顯，誰能準確獲得最精確和適配的天氣數(shù)據(jù)，誰就有最大的先機。我們基于比賽方歷史數(shù)據(jù)和天氣數(shù)據(jù)等影響因素，構(gòu)建了模型進行預(yù)測。對于現(xiàn)貨套利來說，預(yù)測價格本身的意義并不大，核心在于價差的方向。盡管在測試集的效果較好，但從實際的比賽結(jié)果來看，我們模型在現(xiàn)貨市場上的表現(xiàn)并不亮眼。盡管盈利的天數(shù)大于虧損的天數(shù)，但總體還是處于較大虧損。一方面是由于我們數(shù)據(jù)的有限性，另一方面是因為我們模型調(diào)整的不夠及時，從實際經(jīng)驗來看，針對波動較大的現(xiàn)貨市場，XGBoost預(yù)測的效果會更好。

三

經(jīng)驗與教訓(xùn)

電力價格的預(yù)測和分析，不僅僅需要理論來支撐，更需要實踐去不斷修正理論。缺乏實際經(jīng)驗極大地影響了我們策略的制定。這次比賽中，我們有幸觀察到一個隊伍，現(xiàn)貨市場11天報價采用完全一樣的策略，但盈利情況非常理想，只有1天出現(xiàn)了失誤，最后排名也較為靠前。反觀我們，盡管反復(fù)修正模型，但實際的預(yù)測效果依舊不樂觀。核心原因就是對于山西電力市場運行的情況，缺乏充分和全面的了解。因此，經(jīng)驗永遠是最重要的老師。

現(xiàn)貨市場上的失誤，一方面有數(shù)據(jù)和模型的原因，但更核心的是我們最開始建模時并沒充分對電力交易考慮周全。我們建模初期核心就是追求96個點價差預(yù)測的準確率，但由于市場是充滿變化和不確定性的，因此僅從套利的角度來說，很難將準確性提高到一個很高的水平。這個時候，對關(guān)鍵的日期中關(guān)鍵的時點預(yù)測正確就更重要。我們選取我們預(yù)測比較好的兩個日期來做說明，7月25日與28日。在這兩天，我們分別盈利4632和46177元，在當日的排名中較為亮眼。不難發(fā)現(xiàn)，25號的套利空間較大，28日的最大盈利團隊為25日的5倍以上。這個時候，如何能準確將28日的晚間用電峰期價差預(yù)測正確就是最關(guān)鍵的。

圖2 山西省2025年7月25日與28日現(xiàn)貨價格

四

未來展望

理論上來說，電價的決定因素就是供需，高比例可再生能源背景下，電力系統(tǒng)受天氣的影響密切相關(guān)。短期來看，電價的波動主要和氣象因素相關(guān)。因此，誰獲取了最準確的氣象數(shù)據(jù)，誰就在電力市場中占領(lǐng)了先機。比賽提供了歷史交易數(shù)據(jù)和氣象預(yù)測數(shù)據(jù)，但據(jù)筆者所知，不少隊伍是具有自己的氣象預(yù)測模型和數(shù)據(jù)的。我們認為，真正好的氣象數(shù)據(jù)，應(yīng)該具備兩個品質(zhì)，一是精確的預(yù)測，二是能和供需構(gòu)建起強關(guān)聯(lián)。第一個品質(zhì)很好理解，能夠正確預(yù)測實時的氣象情況，就能更準確預(yù)測出日前和實時的價差方向，進而獲利。第二個品質(zhì)則是指數(shù)據(jù)的適配度。目前用于電價的預(yù)測的方法基本上基于機器學(xué)習(xí)或者神經(jīng)網(wǎng)絡(luò)，測試的時候表現(xiàn)都非常好，但一上“戰(zhàn)場”就不行。核心就在于數(shù)據(jù)，同樣一個柵格的氣象數(shù)據(jù)，用于供給和需求預(yù)測時的權(quán)重必然不同。因此，更適配、更精確的數(shù)據(jù)在未來將越來越成為關(guān)鍵。

本次比賽，對團隊來說，可謂收獲滿滿。我們不僅僅感受了現(xiàn)實的電力市場，也讓我們深刻認識了理論和實際之間的差距。紙上得來終覺淺，絕知此事要躬行。未來，我們將基于這次比賽的結(jié)果，進一步細致深入地學(xué)習(xí)中國電力市場情況，進一步去思考和研究如何將AI運用到電力市場當中。

（作者為中國人民大學(xué)應(yīng)用經(jīng)濟學(xué)院博士生）

想?yún)⑴c閉門研討活動

和線上產(chǎn)業(yè)微信群

請注明公司、職位

添加微信：shizhicyy

視知產(chǎn)研院聚焦科技和新能源

微信公號已有100萬+高質(zhì)量粉絲

添加微信：ishizh_business

加好友請注明合作品牌