一、山东现货价差表现
山东电力现货市场中日前与实时价格的正负价差天数占比未呈现规律性偏向，日前与实时价差方向具有随机性特征（正价差天数47%，负价差天数占比53%）。同时，山东现货日前和实时价差较大，从整天的平均价差来看，价差绝对值大于30的天数占比49.4%，价差绝对值大于50的天数占比30.5%；从24点各个时点的价差来看，价差绝对值大于30的时点占比46.8%，价差绝对值大于50的时点占比34.6%。在用户侧现行±20%日前申报系数偏差规则框架下，理论上存在可观的套利操作空间（新能源与配建储能联合主体不执行申报偏差收益回收，套利空间更大）。
图1：日前与实时价差绝对值大于100的时点占比接近20%，理论套利空间大
图2：日前和实时价差方向随机，整体价差较大（2024/1/1-2025/5/16）
数据来源：兰木达电力现货
二、山东边界条件对现货价格的解释效力
鉴于交易中心并不提供预测的日前价格，因此本文将着重聚焦价差方向的研判——即预测日前与实时市场之间将呈现正价差或负价差——而非聚焦于具体价格水平的预测。具体指标主要包含单因子与复合因子两个维度：单因子维度聚焦直调负荷偏差、风电功率偏差及光伏功率偏差对价差方向的影响，复合因子维度涵盖“负荷-风电”复合因子与“负荷-风电-光伏”复合因子。
（一）分日表现
基于日前实时全天价差样本，结合单因子及复合因子偏差方向数据，各因子预判准确率统计如表所示。整体而言：负荷偏差在单因子维度解释效力最高（72.9%），分月度统计显示多数月份负荷因子准确率超70%；而负荷-风电复合因子将整体准确率提升至76.1%。（注：因2025年山东弃光现象比较严重，本分析未对光伏因子做细致分析）
图3： 分日来看，各维度下各个月份因子准确率情况（2024.1.1——2025.5.16）
数据来源：兰木达电力现货
（二）分时点表现
基于24时段日前-实时价差样本，结合全天单因子及复合因子偏差方向数据，各因子预判准确率统计如表所示。整体而言：单因子维度中负荷偏差预判准确率最高（63.4%），但较全天整体有效性有所下降；而负荷-风电复合因子的准确率提升至71.1%，较单因子实现显著优化。此外，在风资源充沛的3-5月期间，风电单因子的解释效力反超负荷因子。
图表4：分时点来看，各维度下各个月份因子准确率情况（2024.1.1—2025.5.16）
数据来源：兰木达电力现货
交易场景中，对大价差时段（价差绝对值＞100元/MWh）的精准预判将显著影响交易绩效。统计显示：在单因子维度，负荷偏差方向对大价差的解释效力达75%，其中7-10月期间更突破80%，显著高于风电因子的解释效力；引入风电因子构建负荷-风电复合模型后，该时段解释效力提升至接近90%。
图5：分时点来看，各维度下价差绝对值大于100的各个月份因子准确率情况（2024.1.1——2025.5.16）
数据来源：兰木达电力现货
三、风电功率及负荷偏差
基于上面的因子有效性，接下来主要探讨如何对实际风电功率偏差及直调负荷偏差方向进行预判。
（一）风电功率偏差预判
基于山东风电场站装机容量地理分布不均的特性，由于区域加权风速（按装机容量权重计算）与全省算术平均风速差异较大，因此分别建立加权风速、算术平均风速与风电出力的回归模型预测风电实际出力，2025年1-6月数据表明：风速与风电出力呈显著线性关系，且容量加权风速的决定系数R²更高，表明加权风速对风电功率具有更优的解释力度。
图6：分时点全省平均风速与容量加权风速差值绝对值（2025/1/1-2025/6/30）
数据来源：兰木达电力现货
图7： 全省平均风速、全省加权风速分别与实际风电出力散点图（2025.1.1—2025.6/30）
数据来源：兰木达电力现货
此外，鉴于2025年午间光伏大发时段频现负荷低谷导致的弃光现象，故再次对风速与风电功率的关系进行分时段检验。结果显示：在01:00-09:00及18:00-24:00时段，风速对风电出力的解释力显著（决定系数R²＞0.8），且容量加权风速同样具解释优势；其余白天时段解释力则普遍较弱（R²均值＜0.5）。
图8：2025年以来午间弃风现象显著（2025/1/1-2025/6/30）
数据来源：兰木达电力现货
图9：分时点风速对风电出力的解释力度
数据来源：兰木达电力现货
（二）直调负荷偏差预判
直调负荷预测的核心关联要素为体感温度与分布式光伏出力情况，因此在对直调负荷进行预测时需综合考量温度、湿度（共同决定体感温度）及太阳辐射强度（驱动分布式光伏出力）三类气象参数。由于直调负荷受温度、湿度及太阳辐射强度等多重非线性因素交互影响，构建精准预测模型存在显著复杂性，建议采用历史相似日（相似时点）比对法判断负荷偏差方向。
相似日筛选需兼顾周期特性与日内负荷时序波动特征。从山东5-6月直调负荷来看，周三达周负荷峰值，周日处谷值；周四、周五虽日均负荷相近，但受产业用电时序差异影响，负荷曲线形态存在本质差异，故优先选取同星期日期进行比对。进一步考量日内负荷特性，直调负荷呈现“晚高峰>早平段>午低谷”的三段式结构。鉴于此，在选取相似日时，尽量选取耦合星期属性与时段特性双重维度，以捕捉调度负荷预测偏差方向。
图10：周内不同天平均负荷情况（2025/5/1-2025/6/30）
数据来源：兰木达电力现货
图11：不同时点平均负荷情况（2025/5/1-2025/6/30）
数据来源：兰木达电力现货
四、策略建议
一、在7-8月迎峰度夏期间，山东电力现货市场负荷波动加剧，导致日前-实时价差显著扩大，建议交易员以负荷偏差方向为核心预判依据、风电出力偏差为辅助参考进行日前申报。当负荷-风电复合因子显示强价差信号（预判负荷偏差在3000兆瓦以上）时，可适当放大申报系数以捕捉套利空间，反之当复合因子信号模糊时则可适当下调系数控制风险敞口。
二、鉴于凌晨及晚间时段风速对风电出力具有高解释效力（R²＞0.8），建议在该时段采用分时点风电线性预测模型；午间因弃风现象导致模型解释性显著降低（R²＜0.5），需切换模型或者引入新的变量；此外，实证数据表明，按装机容量加权的风速对风电出力解释性更强，因此在对全省风速数据计算上，建议按各市风电装机容量占比加权计算各时点风速。
三、在对负荷进行预测时，同样建议对各时点分别进行预测，在相似日偏差方向预判中建议差异化处理气象因子：凌晨及晚间时段聚焦温度与湿度参数（共同决定体感温度），白天光伏大发期间则建议进一步将光照辐射强度参数纳入考量。全省温度/湿度数据建议按城市用电量权重进行加权计算，其权重分配体现负荷分布特性；光照辐射主要通过分布式光伏出力影响直调负荷，因此建议以区域分布式光伏装机容量为权重计算光照辐射强度。
图12： 山东各市2023年用电量占比
数据来源：统计年鉴
图13：山东各市分布式光伏装机占比（截至2025年4月末）
