一、引言
2024年11月底，山西电力现货市场已经转正运行一周年，市场机制愈发成熟，报价策略、负荷预测与实时调节能力持续进化。然而，在制度逐步稳定的背景下，市场价格结构却悄然发生了深刻变化。作为在交易一线的交易员，我们观察到日前与实时市场之间的负价差出现频率和幅度明显降低，许多依赖负价差套利的策略频繁失效，尤其在高风光出力日，出现了“做多亏损”“做空无利”的极端现象。
这种结构性转变不仅影响了市场主体套利的空间，也对传统的日前申报方式提出了更高的预测要求。面对这一变化，我们迫切需要从数据分析和模型预测的角度，重新理解价格波动的本质，识别价差变化背后的驱动因子，并进一步优化申报策略，以适应新的市场节奏。
本文将聚焦三个关键议题：山西现货市场的日前-实时价差变化趋势、影响价差的主要成因剖析，以及我在交易实战中对策略模型所做的系统性优化和迭代实践，以期为业内同仁提供有价值的参考与借鉴。
二、价差变化趋势
2.1 日前与实时市场负价差整体收窄
数据观察：
2024年11月以来，山西电力现货市场的日前与实时市场价差出现了负价差明显收敛趋势。根据我们对连续多个交易日的数据分析，日前价格与实时价格之间的平均价差为负的时段明显收窄，11月全月平均价差16个时段为正，这在之前一年的运行当中是比较罕见的，尤其是对比2023年同期（2023年11月平均价差仅9个时段为正)。
在此期间，极值也发生了变化，负价差的峰值降低，而正价差的频次和幅度提升，2024年11月-2025年5月，山西现货市场平均价差为0.35元/兆瓦时，而2023年11月-2024年5月价差为-14.36元/兆瓦时。
典型表现：
尤其是在晚间风光出力较低和负荷高峰的时段（18:00—22:00），价差不仅未能达到预期的套利水平，反而频繁出现正价差或零价差现象。售电侧的传统做多策略（即日前申报较多量、实时高价卖出平仓）在这些时段内不再具备优势，甚至可能带来亏损。
2.2 分时价差结构的局部性增强
结构变化：
不仅是整体价差收窄，分时价差的结构性也发生了显著变化。过去市场价差具有一定的规律性，如早高峰、晚高峰呈现高价差，而夜间和中午低负荷时段价差较低。但近期的数据表明，这一规律正在被打破。
在同一天中，不同时点的价差差异极大，例如11月14日正、负价差频繁交替出现，且高价差时点并非仅集中在传统意义的早晚高峰时段，往往难以用简单的负荷曲线或风光预测来定位。
三、价差成因剖析
3.1 新能源不确定性加剧实时价格波动
过去，风光出力相对有限，对系统实时电价的扰动尚可控。然而，2024年以来，随着全省光伏装机的进一步扩大，山西省风电和光伏的出力占比持续走高，部分时段占比超过60%，极大增强了电力供给侧的“非计划性”特征。
尤其在冬季晴冷天气条件下，中午时段的光伏出力急剧上升，但这类出力往往在日前预测中高估或低估的误差较大。预测偏差的加剧使得系统在实时调度中面临较大的压力，从而带来了价格机制的剧烈响应——比如：
● 频繁出现低价甚至0元时段；
● 原本高价差套利的中午时段转为“零价差”高发；
● 部分时段出现大范围弃风弃光，市场价格信号进一步畸变。
这些变化说明，新能源出力的不确定性不但放大了实时侧价格的“剧烈变化”，也显著改变了套利时段的分布，从而提高了策略制定的难度和模型要求。
3.2 辅助服务、容量机制增强调节能力
另一方面，市场机制的逐步完善也是价差中枢下移的重要原因。随着山西现货市场进一步推进辅助服务、容量补偿机制的试点运行，系统的调节能力显著增强。
● 辅助服务中，火电机组的爬坡能力和旋转备用能力得到合理补偿；
● 在容量市场下，部分低效机组得以常态“带转不发”提供备用能力；
● 储能、电动汽车等“灵活性资源”也逐步参与调度市场。
这些机制的引入增强了系统对“新能源扰动”的吸收能力，表现为：
● 实时市场的“高峰价格跳涨”被抑制；
● 调节性电源在日前市场提前报价参与供需平衡；
● 实时电价波动率降低，价差“拉不开”。
在机制上，这本是市场完善的积极成果。但对于套利策略而言，这意味着“价差空间”受到挤压，传统以实时价格大幅跳涨为目标的做多策略面临失效。
3.3 需求侧响应不足导致峰谷价差被“抹平”
电力现货市场的一个理想状态，是通过价格信号引导“需求响应”，实现负荷的错峰调节，从而形成价格的“合理峰谷差”。
但现实中，山西地区大多数工商业用户尚未广泛参与需求侧响应（DR）机制，具备负荷弹性的用电主体（如冶金、水泥、数据中心等）响应滞后，真正能根据价格信号实时调整用电行为的比例仍较低。
这带来以下问题：
● 高峰时段的负荷难以压降，造成调度压力加大；
● 谷段（尤其是夜间）因新能源减弱，负荷刚性存在，但缺乏价格响应行为；
● 市场价格信号的“调节功能”被削弱，形成扁平化趋势。
例如，部分用户即使面对明显的负价预期，仍按照固有计划用电，这让市场无法形成应有的“低价抑谷、高价抑峰”机制。
对于套利者而言，过去基于负荷日内变化趋势所构建的“错峰套利模型”在这种背景下逐渐失效。价差结构的“去峰谷化”使得“预测哪一个小时价高”变得愈发困难，简单的错峰思路不再奏效，迫使交易策略必须回归对市场机制本身的深入理解和精细建模。
3.4 新能源场站基数电量选择进一步扭曲D-1边界条件
山西省新能源场站参与分解基数电量的方式是根据日前功率预测，在所有选择了基数电量的场站之间按比例分解。2023年6月起，新能源场站日前交易曲线已经和日前功率预测曲线解耦，意味着新能源场站可以在不改变日前申报出力的基础上，修改上报给调度中心的D-1原始功率预测，以在低价时段更多分解332元/兆瓦时的政府定价电量，而高价时段甚至会把预测功率调至0，来避免基数分解带来的亏损。
按照目前市场上比较广泛的基数选择习惯，新能源场站倾向于在1-2月、11-12月选择基数电量，这也就意味着进入11月以后，更多的新能源场站会开始手动修改日前功率预测，于是调度公布的D-1全市场风电、光伏出力预测就会受到一定程度的扭曲。
如图中所示，11月7日D-1风电出力预测的曲线形状明显与D-2预测值、实际值有所偏差，并不是一条圆滑的曲线，在8:00前和16:00点后明显有下调的痕迹，与实际值相比指示风电在凌晨和夜间都缺发100万千瓦以上。实际参与出清的边界条件为新能源场站上传的申报交易曲线，可能与图中风电实际出力较为接近，因而价差表现上看当日凌晨和夜间无明显价差。因此在基数选择量较大的月份，参考D-1边界条件判断新能源出力的超发/缺发，进而判断价差方向的方法将不再可靠。
总结
上述“随机性”与“波动性”的价差信号，使得基于平均值、标准差或经验规则制定的申报策略逐步退化。例如，过去许多策略依赖于统计平均或固定价格阈值，但在新价差结构下，这种做法难以精准匹配市场波动。
这直接引发了一个关键挑战：套利策略的适应性问题。传统模型的逻辑是“选择高平均价差时段做多”，但当市场进入全新阶段，预测精度就成为策略成败的核心。缺乏精细化预测能力的策略将很难在当前的价差结构中生存。
