负责广东电力现货市场及中长期交易全周期策略制定，统筹15家新能源电站（总装机800MW）的电量分解与偏差管控，主导跨省区（粤桂、粤黔）富余电量交易，搭建基于机器学习的交易风险预警体系。

• 主导设计‘中长期锁价+现货滚动修正’组合策略，针对广东电力市场‘峰谷价差扩大+新能源占比提升’特性，通过Python搭建含风光功率预测（误差率≤3%）、节点电价敏感性分析的动态优化模型，将所辖电站月度偏差考核费用从82万元/月压降至21万元/月（降幅74%），年度现货交易收益提升1200万元。
• 牵头完成粤桂跨省区增量电量交易，深度对接广西电网调度计划与广东负荷预测数据，创新采用‘月度框架协议+周滚动调整’模式，协调12家火电企业释放调峰空间，全年促成跨省交易电量18亿kWh，较基准价溢价0.03元/kWh，增厚客户利润5400万元，获交易中心‘跨区协同标杆案例’表彰。
• 应对2024年广东现货市场规则修订（引入实时市场偏差收益回收机制），组织10场专题研讨，梳理出‘燃煤基准价浮动区间’‘新能源保障性收购小时数’等6类关键变量，更新交易策略库3版，确保所管资产在新规下套保覆盖率从65%提升至89%，规避潜在损失超2000万元。
• 搭建电力交易风险预警系统，集成实时电价、气象数据（风速/辐照）、设备出力等12类数据源，通过蒙特卡洛模拟测算极端场景（如连续阴雨天光伏出力骤降）下的偏差风险，提前72小时发出预警并调整交易计划，全年重大偏差事件发生次数从4次/年降至0次。

聚焦广东电力中长期市场，负责分布式光伏项目（单项目规模5-20MW）的电量签约与结算，参与现货市场模拟试运行测试，协助搭建交易数据看板。

• 独立承担23个分布式光伏项目的交易执行，针对‘隔墙售电’政策试点（允许分布式电源向周边用户直接供电），创新设计‘固定价差+浮动分成’合约结构，匹配用户侧用电曲线与光伏出力特性，项目平均电价较标杆电价上浮8%，客户续约率达91%。
• 全程参与广东电力交易中心现货模拟试运行（2022年4-12月），负责4个虚拟电厂聚合商的交易申报，通过分析历史负荷数据（峰谷时段转移率15%），优化申报策略使虚拟电厂在模拟市场中的均价提升0.02元/kWh，相关经验被纳入交易中心《虚拟电厂参与现货指南》。
• 搭建交易数据看板，整合中长期合约明细、现货成交价格、偏差考核记录等8类数据，设置‘合约匹配度’‘偏差率环比’等12项核心指标，实现交易进度可视化追踪，部门数据查询效率提升60%，获部门‘流程优化奖’。
• 处理3起重大偏差争议（涉及电量超500万kWh），通过调取调度AGC指令记录、气象站辐照数据等证据链，成功申诉减少考核费用180万元，推动交易中心修订《偏差考核认定细则》中‘不可抗力’界定标准。

协助完成省内电力直接交易申报，整理用户用电档案，跟踪交易结果结算，参与市场政策解读与内部培训材料编写。

• 独立完成120家工业用户的月度交易申报，核对用户报装容量（合计450MVA）、历史用电量（月均1.2亿kWh）等基础数据，申报准确率保持100%，支撑公司获得‘年度优秀交易服务单位’称号。
• 开发用户用电行为分析模板，基于Excel Power Query提取近3年用电曲线，识别出23家‘可调节负荷’用户（负荷波动≥15%），推动公司与其签订需求响应协议，年度额外获取补贴45万元。
• 参与编写《广东电力交易入门手册》，梳理‘交易品种（直接交易/抽蓄电量/绿电）’‘结算规则（偏差考核/功率因数调整）’等核心内容，手册成为公司新人培训标准教材，累计培训6批次42人。
• 跟踪2020年广东电力市场交易规则修订（如放开10kV及以上用户全电量参与），整理新旧规则差异点17项，形成《规则变化影响评估报告》，为公司调整用户拓展策略提供数据支撑（当年新增直供用户37家，增幅28%）。

省级电力现货市场多主体策略优化与收益提升项目

• 2022年某省启动电力现货市场全月结算试运行，作为省内头部售电服务商，公司面临发电侧（合作5家自备电厂）与用户侧（100余家工业用户）收益波动加剧、现货套利空间收窄的核心挑战。我担任项目负责人，主导该项目，目标是通过多主体策略协同与精准决策，实现客户组合月均收益提升及风险可控，覆盖用户负荷管理、发电出力调整、现货交易套利全流程。
• 项目核心难题集中在三方面：其一，工业用户负荷受行业生产周期（如钢铁厂转炉作业、化工厂轮班）与极端天气影响显著，原有ARIMA模型预测准确率仅82%，无法精准匹配现货峰谷价差；其二，自备电厂与用户策略割裂——自备电厂为保障自身发电利用小时数，常牺牲用户侧低谷用电套利机会；其三，现货市场价格信号滞后，交易决策依赖人工经验，多次错过0.5小时内最优套利窗口。针对问题，我选择Python的Scikit-learn构建XGBoost梯度提升树负荷预测模型，引入博弈论纳什均衡框架设计协同机制，同时搭建LSTM短期电价预测系统。
• 具体行动中，我首先联动用户采集行业生产排班数据（如某钢铁厂每月5-10日转炉检修的负荷低谷）与逐时气象数据，训练后的XGBoost模型将负荷预测准确率提升至91%；其次，以“总收益最大化”为目标函数，纳入自备电厂固定运维成本、用户用电弹性系数，通过纳什均衡求解得到双方最优曲线，明确“用户高峰增用电、自备电厂同期减出力”的协同规则；最后，用LSTM预测未来2小时电价，设置“峰谷价差≥50元/MWh”自动触发条件，通过API推送给交易员实现秒级响应。
• 项目落地后，客户组合月均收益提升15%（约800万元/月），套利损失降低22%；凭借稳定收益，公司拿下该省5家大型工业园区独家售电代理权，新增年代理电量12亿kWh。我将策略沉淀为《省级电力现货市场多主体策略操作指南》，涵盖负荷预测、协同决策、实时交易三大模块，成为公司售电业务标准工具。我个人也因贡献晋升为能源市场策略组负责人，主导后续3个地市区域的市场策略推广。

工业用户电力需求响应策略设计与落地项目

• 2021年某省出台需求响应补贴政策，公司需提升工业用户需求响应参与率以获取补贴收益，但当时用户参与率仅12%，且响应精准度不足。我担任项目核心执行人，负责设计可落地的需求响应策略，目标是将用户参与率提升至30%以上，同时降低用户响应成本。
• 核心难题：一是用户对需求响应的认知不足，认为会影响生产；二是传统“一刀切”的响应方式（如统一要求降低10%负荷）不符合用户生产节奏，导致用户抵触；三是响应效果评估缺乏数据支撑，无法精准核算补贴。针对问题，我选择用Python的Pandas分析用户生产数据，结合GridLAB-D仿真用户负荷削减对生产的影响，设计个性化响应方案。
• 具体行动中，我首先筛选出10家高耗能但生产灵活性高的用户（如水泥厂、造纸厂），采集其月度生产计划与设备启停时间；然后用GridLAB-D仿真不同负荷削减方案对产品质量的影响，得出“水泥厂可在夜间熟料冷却时段降低5%负荷”“造纸厂可在白班换班间隙削减8%负荷”的精准策略；最后，为用户安装智能电表实时监测负荷，建立“响应量-补贴金额”自动核算系统。
• 项目落地后，参与用户从12%提升至35%，单用户月均响应收益增加1.2万元，公司累计获取需求响应补贴240万元；形成《工业用户需求响应个性化设计指南》，成为公司拓展需求响应业务的工具。此项目让我从“交易执行”转向“策略设计”，积累了用户侧需求管理的核心经验。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。