10%電量撬動全電量降本，AI智能體怎么做到的

在當前 中國 電力現貨市場逐步深化的背景下， 日滾動市場 正在成為交易體系中最具操作價值、同時也是最具挑戰性的環節之一。 本文 以 山西市場 為例 ， 分析 AI 智能體 在這一市場中 的實際應用，對其可行路徑進行總結。

一

日滾動交易是市場的金礦

根據 山西 現行規則，旬度及以上交易電量 加上旬度集中競價申報 之和不得低于該旬用電量的 90% ，理論上僅有約 10% 的電量可以進入日滾動市場。

根據我們的統計 ， 2025 年下半年 山西日滾動市場的 實際成交電量已達到中長期直接成交電量的 5.7% ， 這 表明在有限的交易空間內， 這一交易品種 具備較強的活躍度，買賣雙方普遍能夠完成調倉操作。

更值得注意的是日滾動市場的成交價格。

以 2026 年 2 月 4 日 D+2 交易為例，從單日成交價格分布情況 （下圖藍色陰影部分） 可以觀察到，不同成交位置之間 價格 存在明顯差異 。此外， 同一時段內 的 價格 也 呈現出較為分散的區間分布，而非集中于單一水平。這一現象表明，日滾動市場不存在唯一成交價格， 而是一個 立體的、動態的 價格走廊 。 在這一 價格區間，不同的交易決策將直接對應不同的成交結果 。

2026年2月4日D+2交易價格

進一步 ，我們 以 2026 年 1 月至 2 月為樣本，對 D+2 至 D+4 交易日的盤口成交最高價與最低價進行統計， 發現這一市場存在常態化的高價差 ： D+2 平均價差為 60.53 元 /MWh ， D+3 為 63.97 元 /MWh ， D+4 達到 66.67 元 /MWh 。

2026年1-2月D+2各小時價差箱型圖

2026年1-2月D+3各小時價差箱型圖

2026年1-2月D+4各小時價差箱型圖

從箱型分布可以看出， 日滾動交易的價差 不是偶爾發生的運氣，而是持續存在的規律 。 同時，在晚高峰時段 ， 價差水平進一步擴大， 多日甚至超過 200 元 /MWh 。

這意味著， 日滾動交易就像一座 金礦 ， 大部分時間 都有金子（ 60 元價差）， 偶爾 還會爆出大金塊（ 200 元價差）。

換言之，這意味著 平均情況下， 售電公司的 最優成交價格與最差成交價格之間存在約 6 分 的 度電的差距，而在高波動時段，這一差距 甚至 可擴大至 1 毛 / 度電以上。在相同市場環境與電量規模下，不同交易策略所對應的收益結果將呈現出顯著分化。

進一步結合理想情形測算，在所有交易均實現最優成交的情況下，僅利用約 10% 的電量參與 D+2 日滾動交易，即可帶來 全電量 度電成本下降超過 1.01 分。

在這一機制下，交易能力不再只是操作層面的差異，而是直接轉化為收益水平的 系統性差距 。對于售電公司而言，日滾動市場也由傳統的調倉工具，逐步演變為在復雜市場環境中實現收益優化甚至逆向修復的重要路徑。

二

人類交易員面臨“不可能任務”

如上所述， 山西日滾動市場的核心特征并不在于其 被動性的“調 倉 ” 功能，而在于其穩定存在的價差結構以及由此帶來的收益彈性 。 然而，要想在這個市場主動“掘金”，并不容易，在實際操作層面，其復雜度遠高于常規交易。

日滾動交易不是簡單的 “ 低買高賣 ” ， 其交易決策依賴的信息維度極為復雜。一個完整的日滾動交易判斷，往往需要同時關注以下多類信息：氣象變化（影響新能源出力）、負荷波動（決定需求側強度）、機組組合與檢修情況（影響供給結構）、聯絡線狀態（影響區域平衡），以及最直接的盤口量價變化和博弈。

這些因素并非線性疊加，而是在不同時間尺度上相互作用，使得價格形成呈現出典型的非線性特征。這意味著，交易本質上不是“看價格”，而是在做一個高維系統的實時推演。

其次，交易過程具有顯著的高頻特征。山西日滾動市場按 D+2 、 D+3 、 D+4 等多交易日展開，每個交易窗口內，盤口價格與掛單結構持續變化。

山西日滾動交易實況

在實際操作中，交易員往往需要在 4 個小時的交易窗口中，高強度地同時盯住多個交易日、多個時段、多個價格層級的盤口變化，并在短時間內完成判斷與操作。

換句話說，一個完整的盯盤過程，本質上是對“多窗口、多時段、多價格曲線”的并行監控。 人類的 “ 串行處理 ” 能力（一次只能看一個盤）與市場的 “ 并行爆發 ” 需求（多日盤口同時波動）之間，存在著不可調和的矛盾。

最后，交易執行本身具有強博弈屬性。

在流動性存在但并不完全充分的市場中，成交不僅取決于價格判斷，還取決于報單時機、掛單策略以及對對手行為的預判。這使得交易不僅是“預測問題”，更是“策略博弈問題”。

多重因素疊加之下，山西日滾動市場的“難”，本質上是一個典型的高維決策問題疊加高頻執行問題。

三

AI智能體的三大關鍵能力

針對市場這一特征 ，清鵬研發了面向電力現貨交易場景的 AI 智能體系統。與傳統自動化工具不同，該系統并非基于固定規則運行，而是具備持續感知、動態決策與高精度執行能力的交易主體，對交易員能力 進行了 系統性擴展，使原本依賴個體經驗的交易過程轉化為可持續運行的工程化體系。

從實際運行機制來看，這一能力體系主要體現在以下三個方面：

在盤前階段， AI 智能體 具備超越人類生理極限的信息吞吐能力 ， 能 通過多源數據建模實現對市場的全局性認知。系統整合氣象、負荷、新能源出力、機組狀態及聯絡線等多維信息，對供需結構進行統一刻畫，并在此基礎上形成對價格區間與關鍵時段的前瞻性判斷。相較于依賴經驗的局部分析，這一過程本質上構建了一個高維度的市場認知模型，使交易決策具備更穩定的基礎。

在盤中階段 ， 智能體能夠對多交易日、多時段的盤口進行并行監控，并對量價變化進行持續跟蹤與分析。在此基礎上，系統動態評估當前價格在區間中的相對位置，并結合既定策略框架實時調整報量與報價。這一能力有效解決了人工盯盤中 “ 看不全、跟不上 ” 的問題，使交易決策能夠在高頻變化環境中保持連續性與一致性。需要強調的是，其優勢并不僅在于響應速度，更在于在長時間運行中維持穩定判斷的能力。

在執行層面， AI 智能體具備高度標準化的操作能力。系統能夠按照策略要求完成掛單、撤單與成交控制，并在執行精度與時機選擇上保持一致性，從而將策略判斷有效轉化為實際交易結果。相較于人工操作中不可避免的波動性，這種工程化執行能力在高頻交易環境中具有顯著優勢。

下面 的視頻為清鵬 智能體自主完成交易決策與執行的實盤過程。在該過程中，系統基于實時盤口變化動態調整報價與報量策略，并自動完成交易操作。

四

市場實證與智能進化

目前， 在山西這一高競爭強度的 電力 市場中，清鵬 AI 智能體已完成多場景實盤驗證，并展現出穩定、可復制的收益能力。

某售電公司在 2025 年 11 月引入系統后， 突破了人力的限制，幫助企業以極低的邊際成本擴大交易規模， 實現了 從 “ 輔助決策 ” 到 “ 規模倍增 ” 。

初期以 “ 輔助決策 + 部分自動執行 ” 為主，隨著模型自適應優化，其交易規模與收益能力持續提升：交易電量 一個月后 由 397.1MWh 提升至 1177.3MWh ，收益同步顯著增長，體現出系統對市場結構理解的持續深化。

時間

總 交易電量

（ MWh ）

交易電量占

總電量比例

總收益 （元）

2025年11月

397. 1

3.0%

2025年12月

1177. 3

8.9%

在另一光伏電站案例中， AI 智能體已實現對部分電量的自主交易。

光伏發電具有極強的間歇性和波動性。在現貨市場中，光伏往往面臨 “ 午間地板價 ” 甚至負電價的風險，且偏差考核壓力巨大。傳統模式下，光伏電站往往是被動的價格接受者，難以在復雜的價格波動中通過交易手段對沖風險 。

引入 AI 智能體后， 在 556.9MWh 的交易規模下，系統實現了顯著的收益提升，并在高頻交易環境中保持超過 85% 的單筆交易勝率，體現出優異的穩定性與一致性。

時間

總 交易電量

（ MWh ）

交易電量占

總電量比例

總收益 （元）

2026年2月

556. 9

14.2%

實踐表明， AI 智能體具備以下關鍵特征：一是 “ 持續進化 ” ，其策略能力隨數據積累不斷增強；二是 “ 規模擴展 ” ，可逐步提升參與交易的電量占比；三是 “ 穩定盈利 ” ，在復雜市場環境中實現可復制的收益表現。

這也進一步說明，在日滾動市場中，決定結果的關鍵不在于是否參與，而在于是否具備一套能夠長期有效運行的交易能力系統。

作者為四川清鵬算電科技有限公司 CTO

技術支持：王景維、呂冠錦

想參與閉門研討活動

和線上產業微信群

請注明公司、職位

添加微信：shizhicyy

視知產研院聚焦科技和新能源

微信公號已有100萬+高質量粉絲

添加微信：ishizh_business

加好友請注明合作品牌