负责公司电力现货交易、碳资产运营及跨区域输配电业务的全面风险管控，通过量化模型设计与动态策略优化，保障能源采购成本可控、碳资产价值稳定及输配电价政策风险可对冲。

• 主导设计电力现货市场风险对冲策略，针对广东、山西双区域月度集中竞价交易，基于Python构建含天气预测（TMY数据）、机组检修计划的动态套保模型，设定±20%价格偏离阈值触发对冲指令，2023年Q4至2024年Q3累计对冲电量12亿kWh，将现货市场亏损率从8.7%压降至3.1%，获集团年度风控创新奖。
• 应对全国碳市场第二个履约周期碳价波动（区间48-80元/吨），引入蒙特卡洛模拟预测价格路径，结合公司300万吨可结转配额与CCER抵消需求，优化配额持仓结构——高位减持15%冗余配额、低位增持CCER对冲，较原静态持有策略节省履约成本420万元，相关方法论被纳入集团碳资产管理SOP。
• 处理跨省输电价格政策调整风险（如滇黔联络线输电价下调0.02元/kWh），建立含输配电价传导系数、区域用电需求弹性的敏感性分析框架，调整云南水电外送比例（从65%降至52%）并增加省内消纳，避免因价差收窄导致的年度利润损失约1800万元。
• 搭建能源金融衍生品风险监控体系，整合电力期货持仓、互换合约敞口及信用衍生工具数据，设置VaR（95%置信水平）日度预警阈值，2024年成功识别3次极端行情下的潜在穿仓风险，通过动态调仓将衍生品端最大单日损失控制在50万元以内。

聚焦电力、天然气及碳市场的价格风险与流动性风险研究，为交易商提供实时风险监测工具与策略建议，支撑平台客户交易合规性与稳健性。

• 开发电力市场实时风险监测系统，通过SQL抽取EEX、NCEI等数据源的市场价格、负荷预测等12类指标，结合Tableau搭建可视化看板，实现价格波动率、持仓集中度等6项风险指标分钟级更新，将客户风险预警响应时间从4小时缩短至15分钟，平台客户交易投诉率下降62%。
• 设计覆盖电力现货、中长期合约及辅助服务市场的综合风险指标体系，引入ES（预期损失）替代传统VaR，纳入极端天气（如寒潮、台风）情景下的压力测试，帮助20家重点客户将年度风险损失率从4.5%优化至2.1%，相关成果发表于《中国电力企业管理》。
• 参与制定交易中心会员风险限额标准，基于历史回测（2016-2021年电力市场数据）调整持仓限额参数——将单一客户月度集中竞价持仓上限从5%调至3.5%，极端行情下强制平仓触发条件从±15%调整为±12%，当年市场异常波动引发的强制平仓事件减少40%。
• 为新能源发电企业客户提供定制化风险培训，围绕“中长期合约与现货的对冲比例”“碳价联动下的综合收益测算”等主题开展8场工作坊，客户套保工具使用率从37%提升至68%，其中某风电客户应用培训策略后年度利润波动幅度收窄29%。

跟踪能源市场政策与价格形成机制，为发电企业、售电公司提供市场风险研究报告，支撑其交易策略与风控体系建设。

• 完成《2018-2020年广东电力现货市场风险评估》专项报告，通过均衡定价模型分析现货价格形成机制，识别“尖峰时段供给弹性不足”“跨省支援响应延迟”两大核心风险点，提出“增加旋转备用容量采购”“优化日前报价曲线斜率”等6条风控建议，被某大型售电公司采纳后，其在广东市场的年度亏损额减少1200万元。
• 参与电力期货产品设计研究，运用GARCH模型测算电价波动率，结合交割区域（华东、华南）的电力流特征，提出“设置区域升贴水标准”“限制非电企业持仓比例”等规则优化建议，相关成果被纳入交易所期货合约草案讨论稿。
• 协助15家中小发电企业开展风险压力测试，模拟“煤价上涨20%+利用小时数下降10%”“新能源渗透率超35%导致电价下行”等极端场景，输出《中小电厂抗风险能力评估报告》，客户根据报告调整燃料采购策略（长协煤比例从45%提至60%），平均燃料成本波动幅度降低18%。
• 搭建区域电力供需数据库，整合GDP增速、工业用电占比、新能源装机进度等23项指标，开发线性回归预测模型，对江苏、浙江2019年电力缺口预测准确率达91%，为客户提前锁定跨省购电合约提供数据支撑，锁定价较现货均价低0.03元/kWh，节省成本超5000万元。

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。

省级电力现货市场用户侧多主体策略优化与风险管控平台建设项目

• 2022年始，省内电力现货市场进入连续结算试运行，工商业用户、分布式光伏运营商等用户侧主体普遍面临“不会报、不敢投”的痛点——缺乏适配自身负荷特性的报价策略，且对15分钟级现货价格波动的风险抵御能力弱。我作为项目负责人，主导平台的业务需求梳理、核心算法设计及商业化落地，目标是为用户侧主体提供“策略生成-风险预警-收益回溯”的全流程工具，支撑公司切入用户侧能源市场服务赛道。
• 项目遇到三大核心挑战：一是用户侧数据分散（涵盖电网营销系统的负荷数据、用户智能终端的光伏出力数据、第三方气象API的气象预测数据），多源数据融合与特征提取难度大；二是现货市场价格信号高频且非线性，传统机器学习模型难以捕捉“价格-负荷-报价”的动态关联；三是不同用户的风险偏好差异显著（如制造业用户更看重收益稳定性，新能源运营商更倾向高收益高风险），需量化风险承受能力以匹配策略。
• 针对数据问题，我牵头设计“多源数据同步采集+边缘计算预处理”架构，用Python开发数据清洗 pipeline，整合200余万条历史数据构建用户负荷画像；针对策略优化，引入深度强化学习（DQN算法）训练报价模型，通过“状态-动作-奖励”框架模拟现货市场竞价环境，自动生成适配用户特性的动态报价策略；针对风险量化，设计“风险熵值评估模型”，结合用户历史决策偏差、现金流状况计算风险承受系数，将策略分为“保守-稳健-激进”三类。
• 项目上线后，试点12家用户（涵盖纺织厂、光伏电站、商业综合体）的平均现货市场收益提升18%，因价格波动导致的亏损降低25%；支撑公司签约3个地市级用户侧市场服务合同，带来400万元新增营收。平台形成2项软件著作权（《电力现货市场用户侧策略优化系统V1.0》《多主体能源交易风险预警系统V1.0》），相关成果发表于EI期刊《电力系统自动化》，我个人也因此晋升为部门负责人，主导公司后续用户侧能源市场拓展。

工业园区“气-电-热”联动天然气分布式能源项目交易模式设计与落地

• 当时区域天然气分布式能源（DE）项目推广受阻——多数园区用户对“自发自用+余电上网+余热供热”的多能互补模式认知模糊，且缺乏清晰的收益核算与风险分担机制。我作为项目核心成员，负责设计“气-电-热”联动的交易模式，推动DE项目从技术可行走向商业可行，目标是打造可复制的园区能源服务样板。
• 项目难点在于：一是DE项目的多能耦合特性导致成本分摊复杂（如天然气管道成本、余热管网成本如何在用户间分配）；二是天然气价格与电力现货价格的联动机制不明确，用户担心“气价上涨吞噬收益”；三是用户对“余电上网”的结算稳定性存疑，信任度低。
• 我从三方面破局：首先，基于全生命周期成本（LCC）理论，构建DE项目“按用能占比分摊固定成本+按实际消纳量分摊变动成本”的模型，明确气、电、热各环节的成本归属；其次，联动燃气公司与电网，设计“天然气基准价+电力现货价格浮动系数”的联动定价机制，将余电上网价格与天然气采购成本挂钩，对冲气价波动风险；最后，推出“收益保底+超额分成”契约——承诺用户年化收益不低于8%，超出部分按公司与用户7:3分成，降低用户风险感知。
• 项目在某装备制造园区落地后，DE项目的内部收益率（IRR）从8%提升至12%，吸引了3个同类园区签约合作，带动总投资额6亿元。我主导编制的《区域天然气分布式能源市场交易指南》，被省能源局采纳为行业参考标准，成为公司后续拓展分布式能源市场的核心方法论。此项目也让我从市场开发专员成长为能独立设计交易模式的业务骨干。