负责华中区域省级电力现货市场全周期交易策略制定，统筹中长期合约与现货市场的量价匹配，主导跨省跨区电量协调及偏差考核管理，同步开展交易风险量化评估与动态对冲。

• 主导设计基于节点电价的日前/实时市场联合出清策略，结合新能源功率预测（采用LSTM神经网络模型，接入省调400+座光伏/风电场实时出力数据），优化火电机组与新能源机组的组合申报，将月度偏差考核电量从初始的8.2%压降至3.5%，单月为公司减少考核损失约420万元。
• 牵头搭建中长期合约滚动调整模型，融合历史电价波动率（计算近3年日前市场分时价格标准差）与机组检修计划，动态调整年度/月度合约的持仓比例，Q2季度合约均价较市场基准价溢价2.1%，锁定年度利润空间超1500万元。
• 针对川渝-华中通道阻塞频发问题，运用PSS/E潮流计算软件模拟不同交易时段的断面负载率，调整跨区电量申报曲线，将阻塞导致的弃电率从7.3%降至2.8%，保障了300MW外送电量的稳定消纳。
• 建立交易风险VaR（在险价值）监控体系，设置单日最大亏损阈值（不超过当日头寸的1.5%），通过蒙特卡洛模拟测算极端行情下的潜在损失，Q3成功规避因极端高温导致的尖峰电价暴涨风险，避免直接损失约680万元。

辅助完成省级电力中长期市场交易计划编制，跟踪现货市场实时行情并输出分析日报，参与偏差考核复盘及交易策略迭代，负责交易数据清洗与可视化呈现。

• 深度参与省内年度双边协商交易，通过整理近5年同类型电厂成交价格区间（运用Excel Power Query提取历史数据），协助团队制定阶梯报价策略，最终签约电量12亿kWh，较上年度提升18%，且平均成交电价高于市场均价0.8元/kWh。
• 搭建交易数据监控看板（使用Power BI整合省间交易系统、气象平台数据），实现新能源出力预测偏差、现货市场价格波动、机组可用容量的实时同步，将交易决策响应时间从4小时缩短至1小时，支撑团队抓住3次价格波峰套利机会。
• 针对新能源项目参与交易的结算痛点，梳理偏差考核规则中的‘实际发电与申报曲线匹配度’指标，提出‘按小时分段加权修正’的优化方案，被纳入公司交易操作手册，使项目结算准确率从91%提升至98.5%。
• 参与省间现货交易模拟演练，使用电力交易仿真平台（如电e宝模拟系统）测试不同天气场景（如连续阴雨天对光伏出力的影响）下的报价策略，形成2万字分析报告，为正式交易提供了极端情景应对预案。

负责电力市场基础数据采集与清洗，跟踪政策文件并输出解读简报，协助完成交易规则模拟测试，参与新入职交易员培训材料编写。

• 构建电力市场数据库（使用SQL Server存储近3年分时电价、机组出力、新能源装机容量等20+类数据），设计自动化更新脚本（Python爬虫抓取交易所官网公告），数据更新效率提升70%，成为团队策略制定的核心数据源。
• 参与现货市场规则修订研讨，整理对比广东、山西等试点省份的偏差考核机制（重点分析‘日清月结’与‘月清月结’对电厂现金流的影响），撰写30页对比分析报告，其中‘建议引入周度预结算’的建议被采纳进入征求意见稿。
• 开发新人培训模拟系统（基于Excel VBA搭建简化版交易场景），设置新能源出力波动、突发停机、电价跳变等12类典型情景，帮助6批新员工快速掌握偏差控制与报价逻辑，培训考核通过率从65%提升至92%。
• 每日编制《市场早报》（涵盖前一日现货电价、机组停备情况、气象预警），创新加入‘关键变量影响度评分’（如降雨量对水电出力的影响权重设为0.35），为团队节省信息筛选时间约2小时/人/日。

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。