统筹公司电力现货及中长期交易全流程管理，主导市场分析与策略执行，控制交易风险并提升收益，衔接发电侧资源与市场需求。

• 主导日前/实时电力市场交易策略制定，基于广东电力交易中心平台，融合NWP气象数据与LSTM负荷预测模型，修正新能源出力偏差预测准确率至92%（原85%），优化报价曲线后，Q3-Q4交易收益较基准线提升5.3%，偏差考核费用降低12%。
• 针对风光出力间歇性问题，牵头设计“中长期合约+现货滚动调整”组合策略，通过Python搭建持仓风险监控系统（集成VaR模型与价格敏感性分析模块），将月度持仓偏差率控制在3%以内（行业平均5%），年度节省考核成本超200万元。
• 协调省内12家新能源电站与3家火电企业，建立“日沟通-周复盘”机制，精准匹配发电计划与交易需求，推动跨省区交易电量占比从8%提升至15%，额外获取输电溢价收益约180万元/年。
• 参与省级电力市场规则修订研讨，提出“新能源优先出清+偏差补偿阶梯化”建议，被采纳后纳入2024年交易规则，助力公司年度绿电交易溢价率提高2.1个百分点。

协助完成电力中长期与现货交易执行，参与市场数据分析与策略支持，控制基础交易风险，保障交易目标落地。

• 核心支持中长期合约谈判，梳理近3年省内煤电、气电成交价格曲线，运用线性回归模型预测年度双边协商电价区间（误差±0.02元/kWh），协助团队以优于市场均价0.015元/kWh的价格锁定80%年度用电需求，直接降低采购成本约1200万元。
• 负责月度滚动修正交易策略，跟踪华东电网实时负荷与新能源出力数据（接入CET电力交易分析系统），调整日内滚动申报电量，使月度实际发电与交易匹配度从88%提升至94%，减少弃风弃光损失约80万元/月。
• 搭建基础版交易数据看板，整合价格、成交量、偏差率等12项核心指标（使用Power BI可视化），实现交易进度与风险实时预警，将策略调整响应时间从4小时缩短至1小时，支撑团队快速应对市场波动。

协助完成交易数据整理、市场信息跟踪及基础策略执行，保障交易流程顺畅，积累一线交易经验。

• 负责电力交易基础数据治理，每日采集并清洗全国7大区域电力交易中心成交数据（涵盖日前、实时、辅助服务市场），建立包含200+字段的历史数据库，支持团队完成年度市场特征分析报告，被纳入公司战略规划参考。
• 协助制定月度交易计划，基于历史电价与气象数据（引用国家气候中心数据集），标注关键影响因素（如迎峰度夏、水电大发期），生成包含3种情景的交易预案，帮助主管决策效率提升40%。
• 跟进交易执行全流程，对接财务、运营部门完成结算单核对，处理异常偏差12起（主要为新能源出力预测误差），协调修正申报数据后，季度结算准确率从95%提升至99.2%。

省级电力现货市场多主体策略优化与风险管控平台研发

• 某省2021年启动电力现货市场全量结算试点，辖区内发电企业（占比25%为新能源机组）面临风光出力不确定性导致的利润波动风险，大工业用户则因缺乏需求响应量化工具难以对冲电价峰值成本。项目目标是为发电侧与用户侧客户提供“策略优化+风险预警”的端到端解决方案，助力客户在现货市场中实现利润最大化与风险可控。我作为项目负责人，统筹需求调研、模型构建、系统落地全流程，对接交易中心数据接口与客户业务场景。
• 项目核心难点有三：一是新能源出力预测误差（历史MAE达12%）导致发电侧策略偏差；二是大工业用户的需求响应弹性参数（如不同行业的电价敏感系数）缺乏精准校准方法；三是实时交易数据与优化模型的同步延迟（原5分钟）无法支撑日内滚动策略调整。技术上，我采用“随机规划+机器学习”融合框架——发电侧引入LSTM模型预测风光出力（将MAE降至6%），结合Gurobi构建考虑预测误差的利润最大化随机规划模型；用户侧通过层次分析法（AHP）结合客户生产计划（如高耗能企业的工序排班）校准价格弹性参数，并设计“峰谷价差-生产损失”双目标需求响应优化算法。
• 具体行动中，我牵头调研了12家发电企业（含4家风电、3家光伏）与8家大工业用户（涵盖钢铁、化工、电子制造），梳理出“新能源机组弃风弃光风险规避”“用户侧尖峰电价时段负荷转移”两大核心需求。针对新能源预测问题，我联合数据团队优化LSTM模型的特征工程，加入气象部门的短临预报数据（如1小时级风速、云量），提升短期出力预测精度；针对用户弹性参数，我设计了“问卷调研+历史用电数据回溯”的双验证机制，比如对某钢铁企业，通过对比其2021年尖峰时段（10:00-15:00）负荷下降5%时的生产损失（约20万元/次）与电价节省（约15万元/次），修正其价格敏感系数从-0.3调整至-0.4（绝对值越大敏感度越高）。此外，我推动开发了实时数据接口，通过Kafka消息队列实现交易中心数据的秒级同步，将模型更新频率从每小时1次提升至15分钟1次。
• 平台上线后，服务覆盖该省20%的统调发电容量（约8GW新能源机组）与12%的大工业用电量（约150亿kWh/年）：发电企业现货市场利润平均提升18%（单家企业最高提升25%），新能源弃风弃光率从8%降至4%；大工业用户平均用电成本降低15%（其中尖峰时段负荷转移率达30%），某钢铁企业年节省电费超800万元。项目成为公司核心产品，支撑了当年35%的营收增长，我个人也因模型设计的创新性获得公司“年度技术突破奖”。

区域天然气分布式能源多能互补交易模式与收益优化

• 某地级市推进“十四五”天然气分布式能源试点，辖区内3个在建分布式能源项目（总装机200MW，含燃气轮机+余热锅炉+储能）面临三大问题：一是天然气价格波动（年波动幅度达20%）导致成本不可控；二是余电上网电价（当时执行“标杆电价+补贴”）不明确，项目IRR普遍低于8%；三是“冷-热-电”多能输出的收益未充分挖掘。项目目标是为项目业主设计“多能互补+灵活交易”的商业模式，提升项目经济性与抗风险能力。我作为核心分析师，负责模式设计、收益测算与政策适配。
• 项目难点在于天然气成本的动态传导与多能收益的协同优化——传统单能量流模型无法量化“燃气价格-发电成本-余热利用效率-电力/热力售价”的联动关系。我采用混合整数线性规划（MILP）模型，将天然气价格（参考LNG现货价+管输费）设为随机变量，同时纳入“余热发电”“冷量外送”等副产品的收益项。此外，需解决政策不确定性问题：当时该省尚未出台分布式能源余电上网的明确电价机制，我通过梳理周边省份政策（如浙江的“隔墙售电”试点、广东的市场化交易规则），设计了“基准电价+浮动调整”的弹性电价模型。
• 具体行动中，我首先完成了项目现场尽调，收集了燃气供应合同（长协价占比60%、现货价占比40）、区域冷热负荷曲线（工业用户占比70%）等数据。基于此，我优化了MILP模型的约束条件：比如将燃气轮机的“最小运行负荷”（60%）与余热锅炉的“热电比”（1.2:1）纳入，确保多能输出的协同效率；针对储能系统，设计了“峰谷电价差套利+辅助服务调峰”的双用途模型，比如在天然气价格高企时，优先使用储能放电满足尖峰负荷，降低燃气消耗。此外，我与政府部门沟通，推动项目参与“区域电力辅助服务市场”，获取调峰补贴（约0.2元/kWh），拓展了收益来源。
• 项目落地后，3个分布式能源项目的综合IRR从7.5%提升至9.8%，超过行业基准（8%）；余热利用率从65%提高至82%，年减少天然气消耗约1500万立方米；冷热负荷的峰谷差从40%降至25%，提升了用户侧的用能体验。项目成为该市分布式能源的示范案例，带动公司在区域内的市场份额从10%提升至22%，我也因此积累了天然气分布式能源市场的全流程经验，为后续电力现货市场项目奠定了跨能源品种的分析基础。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。