股票 
板块 
用户 
资讯 由于微信改版，关注后请点击右上角，选择「设为星标」和「置顶」，以获得最新的内容更新
全文约1800字，阅读时间6分钟
电力交易中，电价预测的价值最终体现在交易结果上。决定交易结果的不是“明天的价格是多少”，而是日前与实时两个市场的价差精准度以及价差朝哪个方向走。同一个模型，更换样本区间或统计口径，准确率可以相差十几个百分点。
2026 年 8 月-9 月，甘肃一家大型能源企业组织 10 家电价预测模型的提供方开展同场比测，同时采集日前与实时两个市场的预测结果，每日 96 个 15 分钟时段，连续 36 天，参评单位在报告中匿名。结果显示，国能日新综合得分 91.8 分，位列第一。八维加权体系中，价差趋势占 15%，为权重最高的维度之一。
甘肃是全国首批电力现货试点之一，新能源装机占比过半，中午光伏大发时价格常常贴近下限，晚峰又冲得很高。价差大、方向变得快，是这个市场最明显的特征。价差预测准不准，直接决定这新能源场站、独立储能、售电公司怎么报、怎么充、怎么买；在甘肃这种价差大、变得快的市场，价差预测的精度，就是这三类主体的报价精度和收益精度。
模型综合评价结果：综合排名与前五名八维雷达图。
报告对参评单位做匿名处理，模型 A 即国能日新。
一、考核口径
470 个时段怎么筛
价差趋势一项的考核口径为：逐时段计算实际价差（实时减日前），筛选绝对值大于 80 元/兆瓦时的时段，检验模型预测的价差方向与实际方向是否一致。
36 天共筛出 470 个合格时段，约占全部有数据时段的 14%。分布高度集中，9 月 6 日 52 个、8 月 31 日 43 个、8 月 25 日 40 个、9 月 1 日 32 个、9 月 4 日 31 个。报告将这五个日期归入价格熔断的高发窗口，并表述为“最具交易价值也最难预测的场景”。
二、结果59.1%，10 家中的第一位
国能日新在 470 个时段中命中 278 个，方向命中率 59.1%，位列第一。第二位 55.1%（259 个），其后依次为 55.0%、54.9%、54.7%、54.1%、53.2%、52.3%，末两位为 42.1% 与 36.7%。
价差趋势维度：470 个大价差时段的价差方向预测准确率。
三、这一项为什么难
日前和实时，看的不是同一件事。
日前预测要提前一天判断供需、把价格报出去，实时预测则跟着当天实际的发用电和系统平衡走。两边依赖的因素不同，各自都会出错，错的方向也常常不一样。
两个各自有偏差的价格一减，得到一个价差，差额多少、往哪边偏，就更难把握。价格预测是算一个大数，价差预测是判断方向，方向偏一点，策略就是反的。
报告对这一维度的总体判断是：日前与实时价差方向的预判，是当前全行业的共性难题，甘肃市场价差预测尤其困难。
四、为什么能判断对特征、算法、业务三层
价差方向的判断，本质上是两个市场同时算准，并且算得一致。国能日新的做法，是把两个市场的预测放在同一套输入与同一套规则下完成。
数据与特征层面。公司融合电力交易中心公布的市场边界条件数据，以及自研“旷冥”气象大模型输出的多尺度气象信息，构建覆盖气象、供需和市场运行等关键因素的高时效特征体系。落到价差上，这套体系要解决的是：新能源出力变化、供需关系转换、价格波动这三件事，能否在同一时间粒度上被同时刻画。市场边界条件（检修、联络线、负荷、机组报价）决定供给侧的约束，气象信息决定新能源的出力曲线，两者对齐之后，日前与实时之间的偏差才有可解释的来源。
模型与算法层面。电力交易大模型融合传统机器学习、深度时序建模与时序基础模型能力，围绕多尺度特征表达、复杂场景识别、训练策略优化及模型动态选优持续迭代。对价差这一项而言，起作用的是模型动态选优：日前与实时的市场形态不同，同一套参数在两端的最优解也不同，模型需要按场景切换子模型，而不是用一条曲线套两个市场。
场景与业务层面。交易大模型覆盖电价预测、报量报价策略、储能充放优化、偏差控制与预警四个场景。价差判断不是孤立的一次输出，它和报价、风控、偏差监控在同一条业务链路上，后端的偏差会回到前端的预测里。
五、领先 4 个百分点的两层含义
这场比赛给出的结论是清楚的。在权重最高、也最直接对应交易收益的价差趋势一项上，国能日新以 59.1% 位列 10 家之首，是参评模型中唯一接近 60% 的一家。
这一结果的意义有两层。第一层是预测精度：在大价差时段这一最难的场景里，国能日新的方向判断领先第二位 4 个百分点。第二层是能力结构：价差方向的领先不是单点算法带来的，而是特征体系、模型选优与业务闭环贯通之后的结果。这也验证了“旷冥”气象大模型与电力交易大模型协同应用的实际价值。
文章关键词：#电力交易#电价价差 #甘肃电力现货市场
评论 (0)