AI如何赋能电力交易/AI+电力：破解系统性难题的“双向奔赴”

近期Modo Energy采访了美国著名的电力交易运营商Gridmatic的CCO-David Miller，David在博客中对于AI技术如何帮助Gridmatic完成电力交易的工作进行了详细介绍，并且指出了AI技术在应用过程中有哪些优缺点，并且David针对未来储能资产交易的商业模式以及行业发展形态进行深入探讨，观点非常深刻，值得我们仔细学习和借鉴。个人对于访谈要点进行了详细的整理，详见下文：

一、Gridmatic是一家什么公司？

Gridmatic是一家由前Google工程师创立的公司，旨在利用AI技术服务未来的电网，并认识到电力批发市场是未来电网的基础。公司最初开发算法用于在电力批发市场（如ISOs）进行交易，使用AI模型对电网进行节点级别建模。目前，这些算法也被用于优化电网上的电池储能充放策略和负荷资源调度。

Gridmatic同时进行不以实物资产为支撑的金融交易（financial trading），并在所有美国ISOs市场活跃；作为一家售电公司（电力营销商power marketer），他们向终端用户销售电力（零售电力），并通过与电池、可再生能源等签订供应合同来对冲风险，同时优化自身和第三方的储能资产。

业务分为三个主要部分：电力交易、储能优化和电力零售服务，他们认为这些部分是相互交织并最终会整合为一个业务。Gridmatic也被定位为一家优化商（Optimiser），专注于储能收益优化，既服务于自身资产，也服务于客户。

二、Gridmatic与AI的应用

AI是Gridmatic业务的重要组成部分。AI的核心应用之一是预测电力价格和理解如何参与电力市场。传统的电力市场预测依赖于基于物理的电网模型（如潮流模型），需要大量信息和人工调优，对于外部参与者来说很难获得准确结果。

AI采用完全不同的方法，它不尝试复制电网的实际运行，而是通过数据学习来推断系统的行为；AI在预测电力价格方面表现优于传统方法，并且由于AI持续学习和更新，它可以自动化很多决策过程。

对于运行储能资产来说，AI非常适合处理复杂的、持续的概率性决策，以最大化收益，这是人类难以仅凭传统预测模型做到的。电池运营不仅仅是简单的低买高卖。

AI模型需要大量特定的、容量庞大的数据，数据主要围绕天气和电网状况。Gridmatic对基于AI的天气模型很感兴趣，以实现更早期的天气预报。在电网方面，挑战在于如何以准确且AI模型可理解的方式输入和表示电网信息。例如，需要理解大型天气事件对电网的影响，如何在AI模型中恰当表示不同区域同时发生的不同天气现象及其潜在影响是一个不断发展的研究领域。

三、AI自动化与人工干预的平衡

Gridmatic的目标是尽可能减少人工干预，尽管仍有人员参与。AI模型的主要风险是遇到从未见过、无法预测的情况。历史上，Gridmatic曾经历过飓风、冬季风暴、野火等极端事件，这些事件以没有精确历史先例的方式影响了电网。

通过处理这些事件（有成功也有失败），Gridmatic开发了一套风险管理框架。该框架会评估是否有模型无法准确预测的事件即将发生。如果存在这种情况，就会进行人工干预，这种干预通常是比较“钝”的手段，会显著降低风险水平。一旦最大的不确定性阶段过去，就会立即恢复完全自动化。

Gridmatic的模型能够快速学习和重新校准，比人类更快。这些人工干预非常罕见，在某个市场中每年发生不到一次。有趣的是，Gridmatic的经验表明，在大多数情况下，即使没有人工干预，模型原本会做得更好。

即便如此，保留人工干预的手段对于管理极端风险场景（tail risk scenarios）是必要的。风险管理包括人工干预和量化风险管理。模型会持续运行并标记异常警报，有时是因为数据中断等常规问题，有时是因为极端事件。量化风险管理关注尾部风险指标，以判断模型是否遗漏了重要的潜在结果范围。

四、Gridmatic商业模式和合同服务类型

Gridmatic提供多种合同类型，以适应不同业主的资本结构和风险偏好。这些类型包括：传统服务模型（Optimizer on behalf of customers）、收益分成（Revenue Share）、固定价格承购（Fixed price offtake）或称Full Toll（全权委托运营并支付固定费用）、以及提供收益底价（Revenue floors）。

Gridmatic认为激励对齐（incentive alignment）对于这些关系至关重要。他们不认为传统的固定月费SaaS模式适用于优化业务，因为优化的结果范围很广。Gridmatic的激励结构是基于绩效的，只有在表现良好时才获得报酬（服务合同）或通过跑赢底价/全权委托结构获利（承购合同）。

五、关于5000万美元的储能基金设立背景

Gridmatic推出了一个5000万美元的基金。这个基金本质上是信用工具（credit facility）。资金来源是外部有限合伙人（Limited Partners, LPs），Gridmatic自己也是LP之一。

基金的用途是为Gridmatic与交易对手方的承购合同提供资金支持（collateralize the offtake contracts）。由于Gridmatic不是投资级对手方，项目方需要担保合同的价值，基金提供的资本用于服务项目方的前置收益诉求。

Gridmatic通过电池运营的收益来为投资者提供回报，回报基于他们前期提供的资本。这是Gridmatic通过基金来提高“资产负债表实力”的一种方式，以解决初创公司在承购市场中面临的挑战。

这是Gridmatic的第二个基金，第一个基金专注于不涉及实物资产的金融交易，于2021年启动；第二个基金（储能基金）于2023年初启动。5000万美元的基金大致可以支持约500兆瓦的电池资产。未来实现10吉瓦规模可能需要约10亿美元的资金支持。Gridmatic运营着两个受CFTC监管的商品交易基金，有专门的财务部门负责监管合规

六、业务市场分布与资产选点的价值

Gridmatic主要在ERCOT德州和CAISO加州市场运营。

在ERCOT，业主对承购（Offtake）兴趣更大，因为没有远期容量市场，需要通过合同锁定收益。在CAISO，由于存在RA（Resource Adequacy）合同提供大部分合同收入，业主更倾向于服务合同。

地点（Siting）对于电池资产的收益非常重要。Gridmatic通过创建“顶部/底部基线”（Top/Bottom Baseline, TB）来分析地点价值和优化表现。TB基线例如TB2，假设一个2小时电池在价格最高的两小时卖电，价格最低的两小时买电，以此简化计算潜在收益。这个基线可以衡量某个地点潜在的能源套利机会。

他们发现，在ERCOT，2024年不同地点的TB2潜在收益差距高达约2.5倍。历史数据显示，不同区域的相对地点价值会随时间变化，例如休斯顿区域的TB2价值在2024年显著下降。因此，仅凭回顾性波动性分析不足以确定未来潜在高收益地点，需要对未来拥堵情况有独特见解。

在评估新地点时，Gridmatic会考虑时间框架（短期还是长期资产寿命），短期依赖AI模型，长期则需要依赖基本面模型来预测电网的重大变化。

七、储能资产交易优化的价值和要求

Gridmatic使用TB基线来评估优化表现。他们计算“TB2提升率”（TB2 uplift），即实际获得的收益除以该地点的TB2基线机会。这使得不同地点的电池优化表现可以进行标准化比较。

2024年的分析显示，一些2小时电池的收益低于其TB2基线的一半，而另一些则高于基线30%以上，优化表现的差距也高达约2.5倍，这表明，要成功运营电池，地点选择和优化质量都至关重要，两者同等重要，不可偏废。

作为QSE（Qualified Scheduling Entity）或类似实体，Gridmatic需要通过SCADA连接到物理电厂，遵循市场运营商的标准和要求。电池运营商需要提供符合市场要求的遥测数据，这对于Gridmatic运营储能是必须的。Gridmatic通常通过向市场运营商提交出价，再由市场运营商控制电池。

Gridmatic通常会寻求获取更多遥测数据和现场控制，以获得除市场要求之外的额外数据点，例如电池健康、电池均衡等信息。这些额外数据有助于Gridmatic进行维护电池健康的操作，实现对业主和自身的双赢。Gridmatic对与电池安全分析公司合作，利用其电池健康数据的深度理解；资产物理集成和获取高质量数据是一个挑战，可能占到运营成本的很大一部分。

八、Gridmatic的逆向观点

Gridmatic认为，未来的储能IP（独立发电商）格局不会像现在的可再生能源IP那样，而是更像燃气IP业务。原因在于，风能和太阳能的价值主要体现在项目建设前（选址、采购、合同），运营阶段管理相对简单。电池储能和燃气资产则需要持续的主动管理，很大一部分价值是在项目投运后产生的。

这种差异影响了资产的拥有者和运营者。风能/太阳能IP所有权分散，很多是金融公司，外包运营。燃气IP所有权更集中，前五大燃气IP拥有70%的容量（排除受监管公用事业），因为运营表现至关重要。

客户关系也不同，大型企业与可再生能源IP签订长期购电协议（PPA），但不与燃气IP签订PPA，燃气资产服务于负荷服务实体（Load Serving Entities）。大型燃气IP不仅发电，还运营零售业务，并将燃气作为风险管理工具来对冲自身的负荷敞口。

目前大多数储能IP来自风能/太阳能领域，专注于开发和建设。但由于储能需要主动管理，Gridmatic认为储能IP会随时间演变为更像燃气IP：出现整合，最优秀的运营商将受益，他们的业务模式将与交易和零售运营更紧密地结合。

未来的所有权结构也会更垂直整合，负荷服务实体将拥有大量储能资产，大型储能IP也将把储能主要视为运营组合的对冲工具，而非纯粹的商业化运营。

本文来源：Energie Diver