统筹区域电力现货及中长期交易策略制定，主导偏差考核优化与风险对冲，推动绿电交易规模增长，衔接发电侧、用户侧及电网调度资源实现收益最大化。

• 主导设计‘日前+实时’市场联合出清策略，基于Python开发交易决策工具包，整合历史负荷数据、新能源功率预测（采用PVsyst光伏短期出力模型）及电网阻塞信息，优化月度交易组合，将区域综合交易收益率从4.8%提升至6.2%，单月最高增利260万元。
• 应对Q2光伏出力超预期导致的负偏差危机，创新引入‘滚动修正+储能调峰’双机制：通过LSTM神经网络实时预测光伏出力偏差，联动合作储能电站调整充放电计划，将月度偏差率从3.2%压降至1.5%，季度考核费用减少80万元，该方案被纳入公司标准操作流程。
• 推动绿电交易与碳资产协同增值，设计‘绿电套餐+CCER预分配’组合产品，对接12家出口型工业企业绿电需求，定制‘生产周期匹配+碳足迹溯源’服务，年度绿电交易量突破5亿千瓦时，带动碳资产关联收入1200万元，客户复购率提升至90%。
• 搭建实时市场风险预警系统，集成节点电价预测模型（XGBoost算法）与交易敞口监控模块，设置±5%电价波动阈值触发自动调仓，成功识别3次极端天气导致的电价暴涨（单日涨幅超20%），提前平仓避险避免损失约300万元。

协助完成电力中长期合约分解、现货交易执行跟踪及市场数据挖掘，支撑交易策略验证与客户方案设计。

• 负责省内年度/月度中长期合约曲线分解，运用线性规划模型匹配15家火电、8家风电的发电曲线与20家工业用户负荷曲线，将合约履约率从92%提升至97%，获客户‘最佳配合度供应商’评级。
• 参与构建区域电力市场供需预测模型，整合气象数据（TMY气象年鉴）、工业用电特性（分行业负荷率）及新能源装机进度，预测准确率从82%提升至89%，支撑团队调整Q4交易策略，减少高价长协采购量1.2亿千瓦时，节约成本480万元。
• 跟踪某200MW风电场现货市场出清表现，分析弃风时段（后夜低负荷期）的交易特征，提出‘低电价时段储能充电+高电价时段放电’套利方案，试点3个月后电站额外收益增加50万元/月，方案被推广至公司5个新能源项目。
• 协助15家企业完成绿电交易准入备案，梳理其绿证需求（合计3000张），匹配省内6个风电项目资源，促成首笔跨省绿电交易（江苏-浙江），交易量2000万千瓦时，助力客户满足欧盟碳关税抵消要求。

支持电力交易基础数据清洗、市场信息跟踪及简单交易指令执行，保障交易流程高效运转。

• 每日采集并清洗全省发电侧（300+电厂）、负荷侧（10家大用户）实时数据（来源：电力交易中心平台、气象局API），建立标准化数据库并生成日度供需平衡表，支撑团队决策效率提升40%，数据错误率从8%降至0.5%。
• 参与编制月度《区域电力市场分析报告》，重点跟踪煤电基准价浮动（±20%）、新能源装机进度（季度新增500MW）对市场的影响，报告连续6期被纳入公司季度战略会材料，其中‘煤电成本传导至用户侧时滞’结论被采纳为交易定价参考。
• 协助完成5家工业用户（合计年用电量8亿千瓦时）的直接交易申报，核对电量、电价、结算方式等20+关键参数，零差错完成申报，保障用户年度用电成本降低约8%（约1200万元）。
• 系统学习《电力中长期交易基本规则》《现货市场结算实施细则》等政策，整理《电力交易常见问题100问》手册，涵盖偏差处理、结算争议等场景，供新人培训使用，团队新人独立处理基础业务周期从3周缩短至1周。

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。