负责公司新能源发电资产（风电/光伏占比75%）的市场风险全周期管理，涵盖电力现货/期货套保策略制定、极端天气与政策变动风险对冲、跨区域交易头寸协同，边界覆盖从风险识别建模到策略落地跟踪的全流程，联动交易部、运营部实现风险-收益平衡。

• 主导搭建基于Python的新能源电力风险指标体系，融合价格波动率（HV）、头寸基差风险（Basis Risk）、天气敏感性系数三大核心维度，通过回测近3年省级电力现货市场数据（覆盖广东、江苏、山东），优化指标阈值设置，将公司月度采购成本波动风险敞口从±15%压缩至±8%，年度因价格超限导致的额外支出减少约900万元。
• 核心开发动态对冲模型，结合GARCH模型预测短期电价波动率、蒙特卡洛模拟测算极端情景（如连续阴雨天导致光伏出力下降30%），设计‘基础套保+弹性补仓’双策略：基础部分用中长期合约锁定70%电量，弹性部分通过电力期货与天气衍生品（降水指数期权）对冲剩余头寸，试点季度对冲成本较传统静态策略降低22%，同时将极端场景下利润波动幅度收窄40%。
• 牵头应对2024年夏季华东区域限电政策风险，通过分析政策文件中‘优先保障民生用电’的细则，快速调整跨省区交易头寸——将原本计划输送至浙江的200MW风电提前置换为安徽低限电风险区域的同等规模合约，配合碳配额远期锁定部分碳成本，最终该区域项目季度营收稳定性提升35%，未因限电产生额外违约损失。
• 建立跨部门风险培训机制，针对交易员设计‘实时风险仪表盘’操作指南（集成Bloomberg终端与内部风控系统数据），针对运营团队编制《极端天气下设备出力与套保策略联动手册》，全年组织8场培训，推动业务端主动上报风险事件的响应时效从4小时缩短至1小时，风险信息传递损耗率下降60%。

聚焦传统煤电与燃气发电资产的现货市场风险管控，负责中长期合约组合优化、月度竞价交易风险评估及压力测试，工作边界覆盖从市场数据采集分析到策略建议输出，支撑交易决策并监控执行偏差。

• 重点优化中长期合约头寸结构，基于历史电价相关性分析（选取秦皇岛港5500大卡煤价、LNG到岸价、区域负荷率作为外生变量），运用线性回归模型测算不同合约比例下的风险收益比，将公司年度长协占比从65%调整至55%+月度滚动短协30%+现货15%的组合，全年平均采购成本较原单一长协策略降低180元/兆瓦时，套保有效性（对冲后价格与目标价的偏离度）从82%提升至91%。
• 独立构建电力现货市场压力测试框架，设定‘煤价暴涨30%’‘负荷率低于80%’‘新能源出力超预期’三大压力情景，通过历史模拟法计算各情景下的亏损概率与最大回撤，输出《2023年迎峰度夏风险预警报告》，提示交易部控制7-8月月度竞价成交量不超过总需求的40%，实际执行中原月度高价成交比例下降25%，避免了约500万元的非预期损失。
• 参与省级电力现货试点风险评估项目，负责梳理‘偏差考核费用’‘辅助服务分摊’等新型风险点，通过统计近半年120家发电主体的偏差率数据，识别出‘光伏电站午后出力超发’的高频风险场景，提出‘超发部分提前锁定省内消纳合约+余量参与跨省辅助服务’的解决方案，被纳入公司现货交易操作规范，试点期间偏差考核费用同比下降45%。
• 搭建自动化风险监测工具，使用VBA编写Excel宏程序，实现‘合约到期日提醒’‘头寸集中度预警’‘市场数据异常波动’三大功能，替代原人工核对流程，风险数据更新时效从T+1缩短至T+0.5，全年因数据处理延迟导致的策略调整失误减少70%。

为客户（主要为地方能源集团）提供能源市场风险诊断服务，包括风险识别、基准对标、策略建议，工作边界覆盖数据收集、模型搭建到报告输出，协助客户建立定制化风控体系。

• 独立完成8家中小发电企业的电力交易风险评估，通过收集企业近2年交易台账、区域电价数据及机组运行参数，运用Z-score模型识别高风险主体——其中某生物质电厂因‘燃料成本占比超70%且未对冲’被评为红色风险，针对性提出‘签订燃料长协+电力远期’组合方案，被客户采纳后年度燃料成本波动幅度从±25%降至±12%。
• 整理编制《2020年省级电力市场风险基准报告》，汇总15省现货均价、波动率、中长期合约成交占比等20+项核心指标，建立‘风险-收益’四象限分类模型，为客户匹配差异化管理策略（如高波动区域侧重期货对冲，低波动区域优化长协比例），报告被3家客户纳入年度风控大纲，推动其市场风险考核指标达标率提升25%。
• 开发风险可视化工具，使用Power BI搭建客户专属风险看板，集成‘头寸分布热力图’‘VaR动态计算器’‘政策风险日历’模块，支持客户实时查看风险敞口与关键指标变化，上线后客户风险会议决策效率提升40%，该项目获公司年度‘最佳客户服务创新奖’。
• 协助处理某客户因输电阻塞导致的现货违约纠纷，通过复盘当日电网潮流数据、节点电价差异及企业申报曲线，定位‘未充分考虑区域间电价差’的风险点，提出‘增加跨区联络线功率预测模块+动态调整申报策略’的改进建议，帮助客户后续3个月内输电阻塞相关损失减少80%。

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。

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。