低投入，高回報：AI電力交易的另一種可能

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，還有不少專業從事電價預測的專業團隊。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，也讓我們對所學的經濟學知識和復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應用經濟學院劉陽副教授指導的學生隊伍，團隊成員包括楊玉剛、潘熠、俞紫嫣和杜禎毅。中國人民大學應用經濟學院能源經濟系在電力市場改革、能源政策分析和可再生能源發展等領域積累了豐富的研究成果，在全國的高校中獨樹一幟，深厚的培養對我們參加本次比賽發揮了重要的作用。

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

從實際情況來看，我們最終戰績并不差，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。我們的結果表明，用低成本方法也能實現較好的預測，“傳統方法+基本原理”也能得到不錯的結果。

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，我們有的數據僅僅是比賽方提供的歷史交易數據和未來11天的氣象預測數據，而且歷史旬競價格我們只有8期。要預測旬競價格幾乎不太可能，因此我們重點放在預測未來11天的現貨日前均價，采用所學的機器學習模型（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測。由于旬競價格樣本較少，我們采用預測和歷史數據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直下，我們的模型預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，我們認為這段區間采取激進策略風險很大，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%。

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

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測均價

二

現貨交易，我們做了什么

現貨套利更具有挑戰性、也更困難。根據清鵬智能團隊統計的數據，現貨約有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。

現貨交易中，數據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據，誰就有最大的先機。我們基于比賽方歷史數據和天氣數據等影響因素，構建了模型進行預測。對于現貨套利來說，預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，但從實際的比賽結果來看，我們模型在現貨市場上的表現并不亮眼。盡管盈利的天數大于虧損的天數，但總體還是處于較大虧損。一方面是由于我們數據的有限性，另一方面是因為我們模型調整的不夠及時，從實際經驗來看，針對波動較大的現貨市場，XGBoost預測的效果會更好。

三

經驗與教訓

電力價格的預測和分析，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天出現了失誤，最后排名也較為靠前。反觀我們，盡管反復修正模型，但實際的預測效果依舊不樂觀。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，經驗永遠是最重要的老師。

現貨市場上的失誤，一方面有數據和模型的原因，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，對關鍵的日期中關鍵的時點預測正確就更重要。我們選取我們預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。不難發現，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測正確就是最關鍵的。

圖2 山西省2025年7月25日與28日現貨價格

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，電力系統受天氣的影響密切相關。短期來看，電價的波動主要和氣象因素相關。因此，誰獲取了最準確的氣象數據，誰就在電力市場中占領了先機。比賽提供了歷史交易數據和氣象預測數據，但據筆者所知，不少隊伍是具有自己的氣象預測模型和數據的。我們認為，真正好的氣象數據，應該具備兩個品質，一是精確的預測，二是能和供需構建起強關聯。第一個品質很好理解，能夠正確預測實時的氣象情況，就能更準確預測出日前和實時的價差方向，進而獲利。第二個品質則是指數據的適配度。目前用于電價的預測的方法基本上基于機器學習或者神經網絡，測試的時候表現都非常好，但一上“戰場”就不行。核心就在于數據，同樣一個柵格的氣象數據，用于供給和需求預測時的權重必然不同。因此，更適配、更精確的數據在未來將越來越成為關鍵。

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果，進一步細致深入地學習中國電力市場情況，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應用經濟學院博士生）

想參與閉門研討活動

和線上產業微信群

請注明公司、職位

添加微信：shizhicyy

視知產研院聚焦科技和新能源

微信公號已有100萬+高質量粉絲

添加微信：ishizh_business

加好友請注明合作品牌