山西“天价”现货价差量化解析

山西“天价”现货价差量化解析

全文共3239字，阅读全文需要10分钟

最近山西省有很多读者朋友反馈一些关于日前与实时价差的问题，日前与实时价差是不是变小了？刚发现日前申报规律应用到实盘上规律立马改变了，到底是哪方面出现了问题？苦不堪言。本文就上述问题站在售电方角度根据已有数据做了一些简单分析，望针对广大读者朋友有一定效果。

（来源：微信公众号“兰木达电力现货” 作者：胡云飞）

电力现货下的日前价格与实时价格概念：

日前价格：通过集中市场竞争，决定次日的机组开机组合，以及每台机组每15分钟的发电出力曲线，实现电量平衡、电网安全管理和资源优化配置，发现日前电力价格。

实时价格：实现电力平衡的市场调节优化、电网安全约束的市场化调整，在满足安全约束的条件下对发电机组进行最优经济调度，实现全系统发电成本最优，同时发现实时电力价格。

售电方日前收益结算思路：（Q实*（1±20%）-Q实）*（P日-P实）

申报思路：从上述公式得知，在不考虑预测电量与实际电量偏差的情况下，售电公司需判断逐15分钟日前价格与实时价差的趋势，每日按照预测（实际）电量*±20%在早上9点30分之前完成申报。

既然得知日前收益结算思路和申报思路，那么我们本次从价差变化情况和直接影响价差的因素两点进行分析，主要分析内容主要如下：

• 价差方向是否改变了？价差均值是否改变？价差规律性是否改变了？

• 省调负荷预测与直调负荷差对价差的影响。

数据来源：山西省交易中心公布数据。

时间周期：2022年1月1日至2023年5月21日合计506天，按照现货最小颗粒度逐15分钟，去除0价差进行分析。

一

山西价差方向是否改变了？

价差均值是否改变？

价差规律性是否改变了？

1、数量分析：山西正价差数量：19565，负价差数量：21655，负价差数量比正价差数量多：2090，占比：5%，合计天数约21天，正负价差数量无明显区别差异，价差方向受季节性与特殊节日影响较大，分月价差方向连续性较为明显。

图1逐月分析正负价差数量

2、价差分布：取96点均值做分析，除8：00外，其他时段均为负价差。1~16、23~24点价差合计：-327元/兆瓦时，时段17~22点合计：-481元/兆瓦时，晚高峰时段价差远高于其他时段价差总和。春节对应该年中价差最大月份。

图2 山西分时价差

图3蓝线表示价差绝对值的平均值，根据此图可得知，负价差月份数量远远大于正价差月份数量，负价差分月均值远高于正价差，2022年价差均值120元/兆瓦时，2023年价差均值99元/兆瓦时，现货价差在逐渐变小。

图3 山西逐月价差

价差受外界因素影响较多：日前新能源与实际新能源出力不同、不同季节下温度和特殊天气、市场供需关系等，且竞价空间越高时段受以上因素影响越大，例如晚高峰基本处于全天中供需最紧张时段，实际运行中新能源出力或火电机组出力稍有波动，就会导致该时段实时价格上蹿下跳。

图4 山西逐时价差与竞价空间

3、规律变化：本文编写时实时价格出清到2023年5月21日，选取同比数据为2022年5月21日，采用方法：赋值，正价差赋值为1，负价差赋值为-1，纵坐标轴为赋值区间，横坐标轴为天数区间，合计141天，分析面积图连续、转折趋势。

图5 山西价差变化情况

2022年阴影面积保持较大且带有连续性，价差变化规律较小。2023年阴影面积有一定连续性，但日与日之间反转较多，变化规律较快，由此可得出2023年价差规律变化大于2022年同期。2023年价差规律变化原因主要有以下几点：

（1）山西已经连续开展现货试运行2年之久，市场成员有一定的数据基础，并且在不断提高预测精准度，出现较大偏差也会在下一次预测时及时修正，例如调度调整负荷预测提高精准度、新能源功率预测提升。

（2）市场成员套利操作，新能源市场成员对于价差也会有现货申报策略，结合长时间山西价差跟踪，会快速调整申报行为，导致价差出现较多反转。

（3）V13版本纳入售电公司日前申报，会影响日前出清价格，作者根据公布售电结算电量粗算了一下，10%申报影响电量约100万，20%申报影响电量约200万，对于价差方向有一定影响。

各市场成员可能刚抓住了前一天的价差规律，但是申报的时候价差规律可能就会有极大的反转变化。根据以上几点分析，相信各位读者也能对2023年价差变化规律有一定了解。

根据上述几个角度分析得出以下结论：

(1)山西价差方向并没有较大改变，全时段以负价差为主，晚高峰负价差为全时段最大值，且正负价数量基本持平。

(2)山西价差均值有一定变化，2023年价差对比2022年价差在逐渐变小，价差绝对值的平均值减少了约20元/兆瓦时。

(3)价差规律有明显变化，2023年价差规律较2022年弱很多，且价差变化较快无较长时间连续性。

收益分析：分析以上价差的情况，想必各位读者也好奇如果全报对了收益如何？站在上帝视角（正价差申报0.8，负价差申报1.2）计算以上数据度电收益27.26元/兆瓦时，对比一些规则相似省份，如山东省售电公司现货上帝视角4~5厘钱，确实属于“天价”现货价差市场。山西总体负价差为主，如果按照负价差规律，售电公司傻瓜无脑式在日前所有时段申报1.2，度电收益7.45元/兆瓦时，占比上帝视角收益27%。

图6 山西逐月差价与盲报1.2

图7 山西逐天价差

二

省调负荷预测与直调负荷差

对于价差的影响：

V12版本之前，省调负荷预测主要受到山西省调度调整影响，调整行为主要包括但不限于：节假日、特殊天气日（风沙、降温、雨雪）、负荷连续较大波动日等，V13版本山西省日前现货纳入售电公司日前申报电量作出清，负荷预测值进行安全校核，会导致日前价格波动性更大，但纳入售电公司申报数据会促进电力市场的透明度和公平竞争，为市场提供更加准确的供需信息。负荷在不同月份、时段对价差存在不同的影响，本文采取了省调负荷预测与实际负荷差对比日前价格与实时价格的差做相关性，分析两者关系，采取不同月份、时间等维度进行分析。

(1)逐月分析：排除0价差对应时段数据，分月逐15分钟进行负荷差与价差的相关性分析，总体趋势呈正相关，且相关性较高，证明负荷差与价差的相关性很强，极个别月份出现相关性较低因素，对应月份价差受负荷差影响较弱，受其他的边际条件影响较大，可以通过负荷差情况来预测价差方向。

图8负荷差与价差相关性

(2)逐分钟分析：可能有些读者朋友知道负荷差与价差相关性高低的关系，但是不了解如何应用，那么本文也从逐月逐分钟价差数量维度进行分析，排除0价差数据后，可以发现价差与负荷差一致时段基本每个月都能达到70%左右，不一致时段占比30%，进一步可得知，如果我们对于实际负荷判断相对于较为准确的情况下，那么就能抓住70%的胜率，那么各位读者已经远超一般交易员了。

表1 负荷差与差价一致对比

当然广大读者可能会提问那如何判断实际负荷是否高于预测负荷，编程读者可以通过天气数据、模型学习等方式进行预测实际负荷；对于不太熟悉算法编程的读者，可以通过一些特殊天气、历史数据统计、一个交易日下不同日期的预测调节情况等进行判断实际负荷情况。

(3)波动情况：采用分析方法与上文一致——赋值法，纵坐标轴为赋值区间，横坐标轴为天数区间。2023年负荷差阴影面积比2022年负荷差阴影面积小很多，且2023年日与日之间的反转性较多。逐月分析，将负荷差做绝对值化，2022年负荷预测差均值778，2023年负荷预测差均值773，总体看是在不断优化的过程，省调预测负荷也在不断优化调整，预测偏差情况会越来越小，但是不断地调整会使价差也跟随变化，广大读者可能刚抓住今天变化规律，但是明天的规律又变化了。

图9 负荷差变化情况

图10 负荷逐月变化情况

根据上述对于负荷分析得出以下结论：

(1)负荷差与价差存在较高相关性，可通过对实际负荷预测判断价差。分时统计负荷差与价差高达70%的惊人一致性，负荷差对于价差的影响格外大。

(2)2023年对比2022年同期负荷差变化较大，连续性较弱，实际负荷规律性较弱，实际负荷预测将更有挑战性，需要算法人员进行更专业的分析研究。

电力现货市场在不断走向成熟，电力市场改革也不断走向深水区，市场成员也要随行就市，不断进行自我改变，升级再升级。

市场成员的收益模式从最开始的初级阶段：分析规则，吃规则的利润，但是规则在不断地完善，利润会越来越薄，成熟的市场规则利润基本为0。那么就上升到中级阶段：数据分析，通过大量数据进行分析，会短暂领先对手和同行，因为此处略带技术，会卡掉少部分公司，市场成员会不断地学习重视数据分析。从而上升到了分水岭阶段，高级阶段：量化交易，这里会对一些公司实力有着严格的考验和筛选，需要储备大量了解算法并且熟悉交易人员，此阶段比拼是公司整体实力，公司数据全面性，公司算法能力性。本文就第二阶段，作为简单的分析，后续会连载其他因素影响针对日前的影响，如有不足，欢迎留言讨论。当然以上所说也是每个市场必经的过程，不知各位读者是否意识到这些了，如果意识到了的话，那么各位读者又处于哪个阶段？