【关键词】青海新能源电力；市场化交易；数据驱动方法；预测模型；优化策略

引言

随着全球对清洁能源需求的激增，新能源电力产业蓬勃发展。青海凭借其得天独厚的自然资源，在风能、太阳能等新能源发电领域取得显著成就，新能源装机规模持续攀升。截至2024年底，青海省电力总装机7 190.4万千瓦（含储能208.1万千瓦），其中清洁能源装机占比94.6%（发电量占比84%），新能源发电装机占比70.7%（发电量占比45%），均居全国前列。然而，新能源电力的间歇性与波动性，给电力市场的稳定运行带来挑战。传统电力交易模式难以适应新能源电力的特性。在此背景下，推进青海新能源电力交易市场化，利用数据驱动方法挖掘电力数据价值，对提升市场效率、保障电力供需平衡意义重大。数据驱动方法凭借其强大的数据处理与分析能力，能够精准预测新能源电力交易价格走势、优化供需匹配、制定科学交易策略，为青海新能源电力市场的可持续发展提供有力支撑[1]。

一、青海新能源电力市场现状分析

近年来，青海新能源电力市场发展迅猛。2021—2024年期间，新能源省内上网呈现“量价双升”态势。2021年新能源省内平均上网电价0.183元/千瓦时，上网电量339亿千瓦时；到2024年一季度，省内平均上网电价涨至0.237元/千瓦时，上网电量达127亿千瓦时，2021—2024年上网电价累计涨幅达29.5%。在交易机制方面，交易组织方式多样，包括双边协商、集中交易（含集中竞价交易、滚动撮合交易和挂牌交易3种形式）。市场主体涵盖10千伏及以上电力用户、单机容量30兆瓦及以上且单体50兆瓦以上水电站（特定电站除外）、集中并网光伏及风电企业等。但目前市场仍存在一些问题：交易价格方面，受新能源发电特性及市场供需动态变化影响，价格波动剧烈，增加了市场主体决策难度；供需匹配上，新能源发电的间歇性导致发电与用电需求难以实时精准匹配，部分时段出现电力过剩或短缺情况；交易策略制定时，市场主体因缺乏对市场全面、准确的预判，难以制定最优交易策略，影响市场资源配置效率[2]。

二、数据驱动方法在新能源电力交易市场分析中的应用

（一）数据获取与处理

青海新能源电力市场数据来源广泛，包括新能源发电站的实时发电数据；电网的输电数据，涵盖输电线路损耗、输电容量利用情况；电力用户的用电数据，包含不同行业、不同时段的用电量等。获取这些数据后，面临数据质量参差不齐的问题。可采用数据清洗技术，对于缺失值，根据数据特征，若为时间序列数据，可利用线性插值法、三次样条插值法等进行填补；对于错误值和异常值，通过设定合理阈值范围，结合数据分布特征进行识别与修正。数据标准化同样关键，将不同量纲的数据统一到相同尺度，如采用Zscore标准化方法，使数据具有可比性，为后续分析与建模奠定基础[3]。

在数据标准化中，采用Zscore标准化方法统一量纲，其计算如公式（1）所示：

Z=X-μσ（1）

其中，Z为标准化后的数据，X为原始数据，μ为数据的均值，σ为数据的标准差。通过公式（1），可使数据标准差为1，均值为0，为后续分析建模打基础。

（二）新能源电力交易市场的预测模型

1.短期交易价格预测

以近5年（2020—2024年）青海新能源电力市场历史交易价格数据构建自回归积分滑动平均（Autoregressive Integrated Moving Average，ARIMA）模型。对价格时间序列进行单位根检验，发现初始序列非平稳，经一阶差分后平稳性改善。在确定模型的自回归阶数p和移动平均阶数q时，通常利用自相关函数和偏自相关函数，通过赤池信息准则（Akaike Information Criterion，AIC）和贝叶斯信息准则（Bayesian Information Criterion，BIC）等来选择最优的p和q[4]。