负责华中区域省间现货及省内中长期电力交易全流程执行，涵盖市场行情研判、交易策略制定、头寸风险对冲及跨部门协同，目标为提升交易收益并控制偏差率在3%以内。

• 主导设计2023年迎峰度夏期间省间现货交易策略，基于历史电价、新能源出力及负荷特性，运用Python搭建LSTM负荷预测模型，结合ENSO气候模型修正水电出力偏差，将短期负荷预测准确率从85%提升至97%；同步联动西北新能源富集省份发电企业，锁定低价火电调峰资源，最终该阶段交易电量12亿千瓦时，平均购电价较基准价下浮4.2分/千瓦时，增厚利润约960万元。
• 针对现货市场实时价格波动风险，核心优化头寸管理机制：引入VaR（在险价值）模型设定单日最大亏损阈值，结合天气预报调整次日交易曲线，将月度交易偏差率从5.8%压缩至1.9%；同步开发风险预警看板，通过Power BI集成实时电价、机组出力、气象数据，实现风险信号分钟级响应，全年规避异常波动损失超300万元。
• 牵头完成月度交易复盘与策略迭代，建立包含‘市场流动性-价格弹性-政策敏感度’三维评估体系，梳理出水电大发期、新能源出力骤降期等6类典型场景的交易策略模板；推动与调度部门建立‘交易计划-实际执行’偏差协同机制，通过提前48小时滚动修正发电侧可用容量，将交易计划执行率从88%提升至96%。
• 参与省级电力市场规则修订研讨，基于历史交易数据测算‘偏差考核费用-发电侧补偿机制’平衡点，提出‘按预测准确率分档减免考核’的建议被采纳，推动区域市场偏差考核成本整体下降15%。

支撑华东区域客户电力交易需求，聚焦中长期合约谈判、交易数据治理及策略辅助，重点提升客户服务响应效率与策略科学性。

• 独立承担10家工业客户的月度中长期交易执行，运用Excel VBA开发自动化报表工具，集成交易中心API实时抓取成交数据，将月度结算对账时间从3个工作日缩短至4小时；同步建立客户交易档案库，记录各主体电价承受能力、用能周期特性，支撑定制化合约拆分方案，客户续约率从75%提升至92%。
• 跟踪动力煤期货价格与区域新能源装机进度，构建‘煤价-边际成本-新能源挤压’传导模型，为客户Q2交易策略提供预警：预判煤价上涨将推高火电报价，建议提前锁定7-8月低价水电长协，帮助某钢铁客户降低购电成本280万元/年。
• 参与公司交易辅助系统开发，负责需求调研与功能测试：梳理交易员高频操作场景（如价格对比、合约展期），提出‘多市场行情叠加视图’‘智能合约推荐’等8项功能需求；系统上线后，初级交易员策略制定效率提升40%，获公司年度创新奖。
• 协助处理某风电项目弃风限电衍生交易，通过对接电网调峰辅助服务市场，将弃风时段电力打包参与调峰补偿交易，额外增加项目收益120万元/年，验证‘源-网-荷-储’协同交易可行性。

负责新能源项目电力交易基础支持，包括市场信息收集、交易文件编制及结算跟踪，重点夯实电力市场规则理解与数据敏感度。

• 搭建覆盖全国31省的电力交易中心政策数据库，每日跟踪‘基准价+上下浮动’‘绿电交易’等新政，整理关键条款对比表与影响分析报告，为公司在广东、山东布局的分布式光伏项目提供交易路径建议，其中山东项目通过绿电交易溢价0.03元/千瓦时，年增收15万元。
• 协助完成公司首单绿电交易试点：梳理项目可交易电量边界（扣除自发自用部分），对接电网营销系统获取消纳责任权重数据，编制《绿电交易合规性说明》；交易达成后跟踪结算流程，协调解决‘环境权益归属’争议，最终交易电量2000万千瓦时，助力公司获得‘绿电交易先锋企业’认证。
• 优化交易台账管理系统：将纸质合同关键信息（如交割日、违约条款）结构化录入Excel，设置到期提醒与履约进度跟踪公式；系统投用后，交易文件查找时间从平均15分钟缩短至1分钟，全年未因资料缺失导致违约风险。
• 参与编制《新能源项目电力交易入门手册》，梳理中长期合约签订、现货市场申报、偏差考核处理等8个核心流程，配套案例说明，成为公司新员工培训标准教材。

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。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。